CN106950573B - 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 - Google Patents
一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 Download PDFInfo
- Publication number
- CN106950573B CN106950573B CN201710100788.7A CN201710100788A CN106950573B CN 106950573 B CN106950573 B CN 106950573B CN 201710100788 A CN201710100788 A CN 201710100788A CN 106950573 B CN106950573 B CN 106950573B
- Authority
- CN
- China
- Prior art keywords
- corn
- point cloud
- cloud data
- planting region
- corn planting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统,该方法通过根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据;根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息;对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。该系统包括点云数据获取模块、冠层高度信息计算模块及涝渍灾害评估模块。本发明的技术方案能够客观且快速地监测玉米涝渍灾害发生范围和受灾程度,为玉米涝渍灾情评估和灾后补救提供技术支撑。
Description
技术领域
本发明涉及农业灾害遥感应用领域,具体涉及一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统。
背景技术
玉米是我国主要的粮食作物,在我国农业经济乃至国民经济中具有重要地位。玉米是水需求量大但不耐涝的农作物,涝渍灾害会引起玉米发生一系列生理生化和形态特征的变化,如吸收水分和养分的能力下降;有氧呼吸受到抑制,无氧呼吸加强,在消耗大量养分的同时产生大量对根系有害物质,叶片光合作用效率降低,生长发育受到抑制,严重时导致植株死亡。随着农业生产技术的发展和田间管理的改善,玉米涝渍灾害由于其本身的不可控性和难处理性已经逐渐成为影响玉米高产稳产的主要限制因素之一。
目前,尚未有基于无人机激光雷达的的方法能够在玉米种植区域发生涝渍灾害时,快速且准确的得知涝渍灾害的严重程度,因此,如何基于无人机激光雷达的设计一种客观且快速地监测玉米涝渍灾害发生范围和受灾程度的方法,是亟待解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统,能够客观且快速地监测玉米涝渍灾害发生范围和受灾程度,为灾情评估和灾后补救提供技术支撑。
为解决上述技术问题,本发明提供以下技术方案:
一方面,本发明提供了一种基于无人机激光雷达的玉米涝渍灾害评估方法,所述方法包括:
根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据;
根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息;
以及,对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
进一步的,所述根据预先获取的玉米种植区域的点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据,包括:
控制无人机上的激光探测与测量LIDAR设备对所述玉米种植区域进行点云数据采集;
以及,将采集到的所述点云数据依次进行噪声去除及数据分类提取处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
进一步的,所述根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息,包括:
根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM;
以及,根据所述玉米种植区域中的冠层高度模型CHM,得到所述玉米种植区域内全部像素点的冠层高度信息。
进一步的,所述根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM,包括:
分别对所述玉米点云数据和地面点回波点云数据进行克里金插值处理;
根据所述玉米点云数据生成所述玉米种植区域的数字地表模型DSM,并根据所述地面点回波点云数据生成所述玉米种植区域的数值高程模型DEM;
以及,根据所述数字地表模型DSM与所述数值高程模型DEM的差值,生成所述玉米种植区域中的冠层高度模型CHM。
进一步的,所述对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果,包括:
根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级;
以及,根据所述涝渍灾害等级对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
进一步的,根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级,包括:
获取所述玉米种植区域的实际涝渍灾害数据;
根据所述实际涝渍灾害数据,采用正态统计理论得到所述实际涝渍灾害数据的均值μ和标准差σ;
以及,将μ-σ和μ+σ作为划分所述玉米种植区域的涝渍灾害等级的阈值,得到所述玉米种植区域的涝渍灾害等级。
进一步的,所述方法还包括:
利用全球定位系统GPS接收机对所述玉米种植区域进行田间现场调查面状取样;
以及,将所述田间现场调查面状取样的结果作为所述涝渍灾害评估结果的真值样本,对所述涝渍灾害评估结果进行精度评价。
另一方面,本发明还提供了一种基于无人机激光雷达的玉米涝渍灾害评估系统,所述系统包括:
点云数据获取模块,用于根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据;
冠层高度信息计算模块,用于根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息;
涝渍灾害评估模块,用于对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
进一步的,所述点云数据获取模块包括:
点云数据采集单元,用于控制无人机上的激光探测与测量LIDAR设备对所述玉米种植区域进行点云数据采集;
点云数据处理单元,用于将采集到的所述点云数据依次进行噪声去除及数据分类提取处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
进一步的,所述冠层高度信息获取模块包括:
冠层高度模型获取单元,用于根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM;
冠层高度信息获取单元,用于根据所述玉米种植区域中的冠层高度模型CHM,得到所述玉米种植区域内全部像素点的冠层高度信息。
由上述技术方案可知,本发明所述的一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统,该方法通过根据预先获取的玉米种植区域的点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据;根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息;对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果,能够客观且快速地监测玉米涝渍灾害发生范围和受灾程度,并定量评估涝渍灾害对玉米产量可能造成的损失,有助于及时开展保险理赔和救灾补偿,最大限度地减少种植户受灾损失实现玉米涝渍灾害范围的识别和灾情严重程度评估,为灾情评估和灾后补救提供技术支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种基于无人机激光雷达的玉米涝渍灾害评估方法的流程示意图;
图2是本发明的灾害评估方法中步骤100的流程示意图;
图3是本发明的灾害评估方法中步骤200的流程示意图;
图4是本发明的灾害评估方法中步骤201的流程示意图;
图5是本发明的灾害评估方法中步骤300的流程示意图;
图6是本发明的灾害评估方法中步骤301的流程示意图;
图7是本发明的灾害评估方法还包括的步骤400的流程示意图;
图8是本发明的一种基于无人机激光雷达的玉米涝渍灾害评估系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例一提供了一种基于无人机激光雷达的玉米涝渍灾害评估方法。参见图1,该灾害评估方法具体包括如下步骤:
步骤100:根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
在本步骤中,首先利用控制拍摄设备获取目标的玉米种植区域的点云数据,而后对获取的点云数据进行预处理及数据分离处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据,其中,点云数据(point cloud data)是指扫描资料以点的形式记录,每一个点包含有三维坐标,有些可能含有颜色信息(RGB)或反射强度信息(Intensity)。
步骤200:根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息。
在本步骤中,根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM,进而得到所述玉米种植区域的冠层高度信息,其中,冠层高度模型CHM(canopy height model)是玉米高度参数反演的关键模型。
步骤300:对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
在本步骤中,根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级,而后根据所述涝渍灾害等级对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
从上述描述可知,本发明的实施例能够在涝渍灾害发生后快速且准确地获取玉米涝渍灾害损失情况,为灾情评估和灾后补救提供技术支撑。
本发明实施例二提供了上述灾害评估方法中步骤100的一种具体实施方案。参见图2,该步骤100具体包括如下步骤
步骤101:控制无人机上的激光探测与测量LIDAR设备对所述玉米种植区域进行点云数据采集。
在本步骤中,获取的LIDAR数据的无人机平台可以是固定翼,也可以是旋翼,获取的LIDAR数据可以是RIEGL公司生产的VUX-1UAV激光扫描器,或其他公司的激光扫描器。
步骤102:将采集到的所述点云数据依次进行噪声去除及数据分类提取处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
从上述描述可知,本发明的实施例能够有效获取所述玉米种植区域的玉米点云数据与地面点回波点云数据,为后续的灾情评估提供了准确且可靠的数据基础。
本发明实施例三提供了上述灾害评估方法中步骤200的一种具体实施方案。参见图3,该步骤200具体包括如下步骤:
步骤201:根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM。
步骤202:根据所述玉米种植区域中的冠层高度模型CHM,得到所述玉米种植区域内全部像素点的冠层高度信息。
从上述描述可知,本发明的实施例能够有效获取所述玉米种植区域内全部像素点的冠层高度信息,为后续对各像素点的冠层高度信息进行等级划分提供了准确的数据基础。
本发明实施例四提供了上述灾害评估方法中步骤201的一种具体实施方案。参见图4,该步骤201具体包括如下步骤:
步骤201a:分别对所述玉米点云数据和地面点回波点云数据进行克里金插值处理。
在本步骤中,LIDAR数据的去噪处理,可以利用Matlab,也可以利用遥感专业软件ENVI等。同理,点云分类可以利用激光扫描器自带的软件,也可以同样利用其他遥感分类软件。
步骤201b:根据所述玉米点云数据生成所述玉米种植区域的数字地表模型DSM,并根据所述地面点回波点云数据生成所述玉米种植区域的数值高程模型DEM。
在本步骤中,数字高程模型DEM(Digital elevation model)是描述地球表面形态多种信息空间分布的有序数值阵列,它是一种特殊的数字地形模型;数字地表模型DSM(Digital Surface Model)是指包含了地表建筑物、桥梁和树木等高度的地面高程模型,和数字高程模型DEM相比,DEM只包含了地貌的高程信息,并未包含其它地物信息,DSM是在DEM的基础上,进一步涵盖了除地貌以外的其它地物信息的高程。
步骤201c:根据所述数字地表模型DSM与所述数值高程模型DEM的差值,生成所述玉米种植区域中的冠层高度模型CHM。
从上述描述可知,本发明的实施例根据数字地表模型DSM与所述数值高程模型DEM的差值,能够准确地生成玉米种植区域中的冠层高度模型CHM。
本发明实施例五提供了上述灾害评估方法中步骤300的一种具体实施方案。参见图5,该步骤300具体包括如下步骤:
步骤301:根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级。
步骤302:根据所述涝渍灾害等级对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
从上述描述可知,本发明的实施例根据实际涝渍灾害数据及冠层高度信息,能够有效且快速的获知当前的灾害程度。
本发明实施例六提供了上述灾害评估方法中步骤301的一种具体实施方案。参见图6,该步骤301具体包括如下步骤:
步骤301a:获取所述玉米种植区域的实际涝渍灾害数据。
步骤301b:根据所述实际涝渍灾害数据,采用正态统计理论得到所述实际涝渍灾害数据的均值μ和标准差σ。
步骤301c:将μ-σ和μ+σ作为划分所述玉米种植区域的涝渍灾害等级的阈值,得到所述玉米种植区域的涝渍灾害等级。
在本步骤中,阈值分界点的确定方法可以针对具体应用需要进行分级定损遥感解译结果。
从上述描述可知,本发明的实施例采用正态统计理论的双阈值划分策略确定阈值依据正态统计理论确定阈值,构建从而依据玉米冠层高度差异评估玉米涝渍灾害受灾严重程度。
本发明实施例七提供了上述灾害评估方法还包括的步骤400的一种具体实施方案。参见图7,该步骤400具体包括如下步骤:
步骤401:利用全球定位系统GPS接收机对所述玉米种植区域进行田间现场调查面状取样。
步骤402:将所述田间现场调查面状取样的结果作为所述涝渍灾害评估结果的真值样本,对所述涝渍灾害评估结果进行精度评价。
从上述描述可知,本发明的实施例中的面状真值样本可以避免点状样本的偶然性,使评价更具有说服力。
为进一步的说明本方案,本发明还提供了一种基于无人机激光雷达的玉米涝渍灾害评估方法的应用实例,该灾害评估方法具体包括如下步骤:
本应用实例以研究区位于北京市农林科学院小汤山国家精准农业研究示范基地,地处北京市昌平区,地理范围北纬40°00′-40°21′,东经116°34′-117°00′,平均海拔约为36m。研究区位于华北平原北部,属于北温带半湿润大陆性季风气候,年平均降水为483.9mm,年际变化大,且季节分配不均,主要降水集中在夏季(6-8月),降雨量占全年的70-75%以上。研究区夏玉米种植品种为京华8号,行距为60cm,株距为30cm,播种为6月上旬,收获为9月下旬。2016年7月下旬出现了季节性的连续数天暴雨,导致研究区内发生了涝渍灾害。
S1:LIDAR点云数据记录了玉米植株每个点的X、Y、Z坐标信息。利用仪器配套的软件RiPROCESS(奥地利Riegl公司)对获取的点云数据进行噪声去除和点云分类提取,分离玉米点云与地面点回波点云。
S2:对分离出来的地面点和玉米点云数据进行克里金插值分别生成DEM和DSM,求取DEM与DSM的差值,从而生成计算出玉米冠层高度模型CHM。
S3:采用正态统计理论的双阈值划分策略,提出一种基于涝渍灾害导致冠层高度差异的玉米涝渍灾情等级监测方法。根据实际灾害严重程度,对研究区野外测量进行涝渍灾害等级划分,本实施例划分3个灾害等级。灾害等级划分参考标准为70%以上减产的玉米划分为严重涝渍灾害;30%-70%减产的玉米划分为中度涝渍灾害;30%以下减产的玉米划分为轻度涝渍灾害。由于研究区地势较低,排水性较差,整个研究区均受涝渍灾害的影响,提取研究区内所有像素点的冠层高度信息,计算其均值μ和标准差σ,μ-σ和μ+σ作为判定其灾情等级的阈值分界点。
S4:根据实际获取的LIDAR点云数据的情况,进行地面相关数据的采集工作。利用天宝(Trimble)公司GPS GeoXH圈划出部分受涝渍灾害影响明显的样本,共7个样本区域,3个严重涝渍灾害样本,4个中度涝渍灾害样本。最后利用统计学中的混淆矩阵进行精度评价。
本应用实例能够客观、快速地监测玉米涝渍灾害发生范围和受灾程度的方法,定量评估涝渍灾害对玉米产量可能造成的损失,准确地预测玉米在不同受灾情况下的减产率,有助于及时开展保险理赔和救灾补偿,最大限度地减少种植户受灾损失,受到农业管理部门、种植户以及农业保险企业的高度重视。
随着无人机技术快速发展,激光雷达(Light detection and ranging,LIDAR)技术的不断成熟,机载LIDAR在农业遥感中不断深入,利用LIDAR数据快速获取植被结构参数的应用越来越广泛,成为目前研究的热点。激光雷达作为主动遥感技术,其具有快速直接获取目标表面模型,角度、距离和速度分辨率高,抗干扰能力强,可直接获取物体三维空间信息等优点为玉米冠层高度提取提供了重要支撑。前人基于LIDAR技术进行高度反演研究较多,但多用于林业中的树木高度反演,对于农作物中的研究应用较少。LIDAR技术用于林业中冠层高度的反演方法,可以为其应用于玉米涝渍灾情评估提供借鉴。由于玉米发生涝渍灾害后,其株高长势参量会发生较大变化,因此,LIDAR技术通过对涝渍区玉米高度信息进行监测,最后实现玉米涝渍灾害范围的识别和灾情严重程度评估,为灾情评估和灾后补救提供技术支撑。
本发明实施例八提供了能够实现上述灾害评估方法的一种基于无人机激光雷达的的玉米涝渍灾害评估系统。参见图8,该评估系统具体包括如下步骤:
点云数据获取模块10,用于根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
在点云数据获取模块10中,所述点云数据获取模块10包括:
点云数据采集单元,用于控制无人机上的激光探测与测量LIDAR设备对所述玉米种植区域进行点云数据采集;
以及,点云数据处理单元,用于将采集到的所述点云数据依次进行噪声去除及数据分类提取处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
冠层高度信息计算模块20,用于根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息。
在冠层高度信息获取模块20中,所述冠层高度信息获取模块20包括:
冠层高度模型获取单元,用于根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM;
以及,冠层高度信息获取单元,用于根据所述玉米种植区域中的冠层高度模型CHM,得到所述玉米种植区域内全部像素点的冠层高度信息。
涝渍灾害评估模块30,用于对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果。
从上述描述可知,本发明的实施例能够在涝渍灾害发生后快速且准确地获取玉米涝渍灾害损失情况,为灾情评估和灾后补救提供技术支撑。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于无人机激光雷达的玉米涝渍灾害评估方法,其特征在于,所述方法包括:
根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据;
根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息;
以及,对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果;
其中,对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果,包括:
根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级;
以及,根据所述涝渍灾害等级对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果;
其中,根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级,包括:
获取所述玉米种植区域的实际涝渍灾害数据;
根据所述实际涝渍灾害数据,采用正态统计理论得到所述实际涝渍灾害数据的均值μ和标准差σ;
以及,将μ-σ和μ+σ作为划分所述玉米种植区域的涝渍灾害等级的阈值,得到所述玉米种植区域的涝渍灾害等级;
其中,所述根据预先获取的玉米种植区域的点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据,包括:
控制无人机上的激光探测与测量LIDAR设备对所述玉米种植区域进行点云数据采集;
以及,将采集到的所述点云数据依次进行噪声去除及数据分类提取处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
2.根据权利要求1所述的方法,其特征在于,根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息,包括:
根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM;
以及,根据所述玉米种植区域中的冠层高度模型CHM,得到所述玉米种植区域内全部像素点的冠层高度信息。
3.根据权利要求2所述的方法,其特征在于,根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM,包括:
分别对所述玉米点云数据和地面点回波点云数据进行克里金插值处理;
根据所述玉米点云数据生成所述玉米种植区域的数字地表模型DSM,并根据所述地面点回波点云数据生成所述玉米种植区域的数值高程模型DEM;
以及,根据所述数字地表模型DSM与所述数值高程模型DEM的差值,生成所述玉米种植区域中的冠层高度模型CHM。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用全球定位系统GPS接收机对所述玉米种植区域进行田间现场调查面状取样;
以及,将所述田间现场调查面状取样的结果作为所述涝渍灾害评估结果的真值样本,对所述涝渍灾害评估结果进行精度评价。
5.一种基于无人机激光雷达的玉米涝渍灾害评估系统,其特征在于,所述系统包括:
点云数据获取模块,用于根据预先获取的玉米种植区域的LIDAR点云数据,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据;
冠层高度信息计算模块,用于根据所述玉米点云数据与地面点回波点云数据,得到所述玉米种植区域的冠层高度信息;
涝渍灾害评估模块,用于对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果;
其中,对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果,包括:
根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级;
以及,根据所述涝渍灾害等级对所述玉米种植区域的冠层高度信息进行涝渍灾害等级划分,得到所述玉米种植区域的涝渍灾害评估结果;
其中,根据所述玉米种植区域的实际涝渍灾害数据,获取所述玉米种植区域的涝渍灾害等级,包括:
获取所述玉米种植区域的实际涝渍灾害数据;
根据所述实际涝渍灾害数据,采用正态统计理论得到所述实际涝渍灾害数据的均值μ和标准差σ;
以及,将μ-σ和μ+σ作为划分所述玉米种植区域的涝渍灾害等级的阈值,得到所述玉米种植区域的涝渍灾害等级;
其中,所述点云数据获取模块包括:
点云数据采集单元,用于控制无人机上的激光探测与测量LIDAR设备对所述玉米种植区域进行点云数据采集;
点云数据处理单元,用于将采集到的所述点云数据依次进行噪声去除及数据分类提取处理,得到所述玉米种植区域的玉米点云数据与地面点回波点云数据。
6.根据权利要求5所述的系统,其特征在于,所述冠层高度信息获取模块包括:
冠层高度模型获取单元,用于根据所述玉米点云数据与地面点回波点云数据,生成所述玉米种植区域中的冠层高度模型CHM;
冠层高度信息获取单元,用于根据所述玉米种植区域中的冠层高度模型CHM,得到所述玉米种植区域内全部像素点的冠层高度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100788.7A CN106950573B (zh) | 2017-02-23 | 2017-02-23 | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100788.7A CN106950573B (zh) | 2017-02-23 | 2017-02-23 | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106950573A CN106950573A (zh) | 2017-07-14 |
CN106950573B true CN106950573B (zh) | 2019-09-10 |
Family
ID=59466567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710100788.7A Active CN106950573B (zh) | 2017-02-23 | 2017-02-23 | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106950573B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052732B (zh) * | 2017-12-08 | 2021-02-09 | 河海大学 | 一种基于涝水过程的水稻受涝减产损失率估算方法 |
CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥(上海)信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
CN110208815A (zh) * | 2019-05-10 | 2019-09-06 | 江苏大学 | 一种基于机载激光雷达的大面积成熟作物收获信息快速获取方法 |
CN110793921A (zh) * | 2019-11-14 | 2020-02-14 | 山东省农业可持续发展研究所 | 一种抽雄授粉期玉米洪涝灾害遥感监测与评估方法与系统 |
CN111460965B (zh) * | 2020-03-27 | 2024-05-31 | 珠海欧比特宇航科技股份有限公司 | 一种基于无人机影像的涝渍区智能分析系统及其方法 |
CN112837267B (zh) * | 2021-01-11 | 2023-12-26 | 浙江大学 | 一种预测转基因玉米抗药性的数字检测方法及系统 |
CN113378700B (zh) * | 2021-06-08 | 2022-11-08 | 四川农业大学 | 基于无人机航拍影像的草原鼠害动态监测方法 |
WO2023223320A1 (en) * | 2022-05-16 | 2023-11-23 | Agromentum Ltd. | System and method for agricultural treatment with realtime feedback |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802839A (zh) * | 2007-06-22 | 2010-08-11 | 韦尔豪泽公司 | 从lidar数据识别植物属性 |
CN103106684A (zh) * | 2013-01-15 | 2013-05-15 | 北京农业信息技术研究中心 | 一种带叶状态树木形态结构三维重建的方法和系统 |
EP2605040A1 (en) * | 2011-12-13 | 2013-06-19 | Raytheon Company | Range resolved vibration using large time-bandwidth product LADAR waveforms |
CN103440648A (zh) * | 2013-08-22 | 2013-12-11 | 北京农业信息技术研究中心 | 农作物冠层整齐度的自动测量方法及装置 |
WO2015075700A1 (en) * | 2013-11-25 | 2015-05-28 | First Resource Management Group Inc. | Apparatus for and method of forest-inventory management |
CN104849722A (zh) * | 2015-05-08 | 2015-08-19 | 南京林业大学 | 一种LiDAR波形综合特征的单木识别方法 |
CN104915757A (zh) * | 2015-05-22 | 2015-09-16 | 同济大学 | 基于波段运算的洪涝灾害淹没评估信息处理方法 |
-
2017
- 2017-02-23 CN CN201710100788.7A patent/CN106950573B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802839A (zh) * | 2007-06-22 | 2010-08-11 | 韦尔豪泽公司 | 从lidar数据识别植物属性 |
EP2605040A1 (en) * | 2011-12-13 | 2013-06-19 | Raytheon Company | Range resolved vibration using large time-bandwidth product LADAR waveforms |
CN103106684A (zh) * | 2013-01-15 | 2013-05-15 | 北京农业信息技术研究中心 | 一种带叶状态树木形态结构三维重建的方法和系统 |
CN103440648A (zh) * | 2013-08-22 | 2013-12-11 | 北京农业信息技术研究中心 | 农作物冠层整齐度的自动测量方法及装置 |
WO2015075700A1 (en) * | 2013-11-25 | 2015-05-28 | First Resource Management Group Inc. | Apparatus for and method of forest-inventory management |
CN104849722A (zh) * | 2015-05-08 | 2015-08-19 | 南京林业大学 | 一种LiDAR波形综合特征的单木识别方法 |
CN104915757A (zh) * | 2015-05-22 | 2015-09-16 | 同济大学 | 基于波段运算的洪涝灾害淹没评估信息处理方法 |
Non-Patent Citations (4)
Title |
---|
"Estimating forest biomass and identifying low-intensity logging areas using airborne scanning lidar in Antimary State Forest, Acre State, Western Brazilian Amazon";Marcus V.N. d"Oliveira 等;《Remote Sensing of Environment 124》;20121231;全文 |
"基于离散点云数据的森林冠层高度模型插值方法";段祝庚 等;《林业科学》;20160930;第52卷(第9期);正文第87-90页 |
"安庆市夏玉米涝渍灾害指标研究";康童茜 等;《中国农学通报》;20151231;第31卷(第6期);正文第1.2.2-1.2.3节 |
"玉米涝渍胁迫的水分产量关系试验研究";王矿;《灌溉排水学报》;20121231;第31卷(第6期);正文第2.1-2.2节及表1 |
Also Published As
Publication number | Publication date |
---|---|
CN106950573A (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106950573B (zh) | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 | |
CN102194127B (zh) | 一种多频率sar数据农作物遥感分类方法 | |
CN108732129B (zh) | 一种用图像表示农田土壤成分的系统及其方法 | |
Rasmussen | Developing simple, operational, consistent NDVI-vegetation models by applying environmental and climatic information: Part I. Assessment of net primary production | |
Son et al. | A phenological object-based approach for rice crop classification using time-series Sentinel-1 Synthetic Aperture Radar (SAR) data in Taiwan | |
Castro Gomez | Joint use of Sentinel-1 and Sentinel-2 for land cover classification: A machine learning approach | |
Du et al. | Agricultural land abandonment and retirement mapping in the Northern China crop-pasture band using temporal consistency check and trajectory-based change detection approach | |
Tomar et al. | A satellite-based biodiversity dynamics capability in tropical forest | |
Yohannes et al. | Land use/land cover dynamics and its impact on biodiversity resources in the Abijata Shalla National Park, Central Rift Valley Lakes Region, Ethiopia | |
CN116452023B (zh) | 基于低频微波雷达vod数据的公里级碳储量评估方法 | |
Anderson et al. | Evaluating global land degradation using ground-based measurements and remote sensing | |
Chen et al. | 3D model construction and ecological environment investigation on a regional scale using UAV remote sensing | |
Abdullah et al. | Satellite vs. UAVs remote sensing of arid ecosystems: A review with in an ecological perspective | |
Rimal et al. | Crop cycles and crop land classification in Nepal using MODIS NDVI | |
CN116977851A (zh) | 一种基于变化检测的弃耕识别方法及装置 | |
CN113487636B (zh) | 基于激光雷达的宽垄作物株高及行间距自动提取方法 | |
Rahamathunnisa | A survey on agriculture monitoring with satellite and its benefits | |
Traore et al. | Assessing the inter-relationship between vegetation productivity, rainfall, population and land cover over the Bani River Basin in Mali (West Africa) | |
Goerner et al. | Monitoring of the Ecuadorian mountain rainforest with remote sensing | |
Zhao et al. | Spatio-temporal analysis of land use changes using remote sensing in Horqin sandy land, China | |
Schröter et al. | Remote sensing of bush encroachment on commercial cattle farms in semi-arid rangelands in Namibia | |
Sevillano Marco et al. | Improvement of existing and development of future Copernicus land monitoring products–the ECOLASS project | |
McRoberts et al. | Annual forest inventories for the north central region of the United States | |
Tsoulias et al. | Estimating the canopy volume using a 2D LiDAR in apple trees | |
Renu et al. | Change detection analysis of cropland using geospatial technique-a case study of narsinghpur district |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |