CN111721269B - 一种小麦幼苗格局特征的量化评价方法 - Google Patents

一种小麦幼苗格局特征的量化评价方法 Download PDF

Info

Publication number
CN111721269B
CN111721269B CN202010617948.7A CN202010617948A CN111721269B CN 111721269 B CN111721269 B CN 111721269B CN 202010617948 A CN202010617948 A CN 202010617948A CN 111721269 B CN111721269 B CN 111721269B
Authority
CN
China
Prior art keywords
seedling
sampling
area
wheat
sampling area
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
Application number
CN202010617948.7A
Other languages
English (en)
Other versions
CN111721269A (zh
Inventor
刘涛
朱奕雯
武威
李春燕
孙成明
朱新开
郭文善
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN202010617948.7A priority Critical patent/CN111721269B/zh
Publication of CN111721269A publication Critical patent/CN111721269A/zh
Application granted granted Critical
Publication of CN111721269B publication Critical patent/CN111721269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/20—Cereals

Abstract

本发明涉及一种小麦幼苗格局特征的量化评价方法，包括如下步骤：第一步，划定若干个取样区域，分别定点每个取样区域内所有幼苗位置Ai，定点总数为n，将各定点Ai分别与相邻的定点连接成若干互不交叉且不重合的连线，各连线的长度分别记为X1、X2…Xm，单位为cm；第二步：计算取样区域内的距离特征，表示为距数比V=
Figure DEST_PATH_IMAGE002
，其中，X为X1、X2…Xm的总和，n为幼苗定点的总数；第三步，计算取样区域内幼苗分布的变异指数，第四步，计算取样区域的均匀度差异，将取样区域等分为4‑6块子区域，计数每个子区域的幼苗定点数，均匀度差异为子区域的幼苗定点数的方差。

Description

一种小麦幼苗格局特征的量化评价方法
技术领域
本发明涉及植物幼苗田间分布量化评价技术领域，特别涉及一种小麦幼苗格局特征的量化评价方法。
背景技术
小麦幼苗的格局特征是反应小麦生长空间格局的重要指标，为构建最佳的小麦幼苗生长空间奠定基础，合理的小麦幼苗格局有益于小麦幼苗的生长，可以充分发挥小麦的生长潜力。
影响小麦幼苗生长格局的因素较多，其中以播种密度、播种方式、耕作方式、气象因素(降雨与温度的变化均会对小麦幼苗的生长产生影响)、土壤因素(土壤中水分、盐分的含量以及土壤的温度均会产生影响)等是对小面幼苗格局产生影响的重要因素。幼苗生长情况的好坏会影响小麦幼苗的空间格局，最终影响产量。
传统的小麦幼苗格局分析方式是运用泰勒指数回归模型分析等方法形成关于小麦的聚集度指标。以上运用最普遍的方法不仅不能考虑到幼苗个体间的差异，调查结果存在片面性；除此之外进行大面积调查时极易受天气等环境条件的限制，使得调查周期延长，效率低下。
发明内容
本发明针对现有技术中调查小麦幼苗分布格局方法存存的问题，提供一种小麦幼苗格局特征的量化评价方法，能够在有限的时间和人力条件下，快速准确的进行小麦幼苗格局特征的量化描述，通过联系代表不同格局特征的数据，综合起来量化描述小麦幼苗的格局特征。
本发明的目的是这样实现的，一种小麦幼苗格局特征的量化评价方法，包括如下步骤：第一步，划定若干个取样区域，分别定点每个取样区域内所有幼苗位置Ai，定点总数为n，将各定点Ai分与相邻的定点连接成若干互不交叉的连线，各线的长度分别记为X1、X2…Xm，单位为cm；
第二步：计算取样区域内的距离特征，表示为距数比
Figure BDA0002562043040000011
其中，X为X1、X2…Xm的总和，n为幼苗定点的总数；
第三步，计算取样区域内幼苗分布的变异指数，表示为：
Figure BDA0002562043040000021
其中，M为X1、X2…Xm的平均匀值；
第四步，计算取样区域的均匀度差异，将取样区域等分为4-6块子区域，计数每个子区域的幼苗定点数，均匀度差异为子区域的幼苗定点数的方差。
本发明的小麦幼苗格局特征的量化评价方法中，通过距数比衡量幼苗间的距离特征，通过变异指数补充距离特征的不足，进一步衡量距离之间的变异情况，以评价幼苗的分布格局的，再通过均匀度差异，以评价小区域幼苗分布不均匀的情况。通过三个相互联系的参数最终对小麦幼苗分布的格局特征进行量化描述，并且通过小面积的取样区域，可以进一步评价区域周围的格局特征，从而实现准确、快速的量化评价小麦幼苗的田间分布格局，便于对幼苗进行合理的田间管理或补删苗措施。
为便于对区域内的定点进行连线，第一步中，各Ai定点连线时，在直播方式的田块中，对取样区域的幼苗定点分行连线，每个直播行的定点连线中，从左上定点A1开始，先自上而下顺序连线可形成三角形的三点，然后顺序向下增加一定点，并继续连接与上面已经连线的定点中形成不交叉连线的定点，依次向下加点连接，直至连接完区域内最下方的定点，最终形成不交叉不重合的网格线；对于撒播田块中，自取样区域的左上向右下依次连线，形成不交叉不重合的网格线；最后删除连线超长的无效连线；所述无效连线的确认条件为：直播中，连线的两定点所在的水平线或垂直线之间的定点总数超过网格线所在直播行定点总数30％；散播中：连线的两定点所在的水平线或垂直线之间的定点总数超过取样区域总定点数的30％。
为便于确定取样区域的大小，所述第一步中，取样区域为边长50—100cm的正方形区域或圆形区域。
进一步地，第二步中，根据距离特征的计算结果，对取样区域及区域周围的幼苗分布格局进行如下评价及管理措施：
Figure BDA0002562043040000031
进一步地，第三步中，根据变异指数的计算结果，对取样区域及区域周围的幼苗分布格局进行如下评价及管理措施：
Figure BDA0002562043040000032
进一步地，第四步中，根据均匀度差异对取样区域及区域周围的幼苗分布格局进行如下评价及管理措施：
Figure BDA0002562043040000033
为方便在田间快速划定取样区域，第一步中，划定取样区域前，首先通过无人机搭载高清相机，摇控无人机在目标麦田上空进行小麦幼苗分布图像的拍摄，以获取苗期为1-4叶期的幼苗分布图像，再通过图像处理软件拼接整片麦田的图像，根据图像与实际麦苗的尺寸比例，划分若干设定尺寸的取样区域的。
作为本发明的优选，所述无人机图像获取控制软件为DJI GS Pro。
作为本发明的优选，所述图像处理软件为Photoshop。
为减少对无效区域的评价，划定取样区域时，只对每平方米的幼苗数量为50-440株田块进行评价。
附图说明
图1-图5分别为第一取样区域—第五取样区域的拍摄图像。
图6为直播田块中取样区域内幼苗定点连线示意图一。
图7为直播田块中取样区域内幼苗定点连线示意图二。
图8为直播田块中取样区域内幼苗定点连线示意图三。
图9为第一取样区域内幼苗定点连线成网格线后的示意图。
图10为第一取样区域的图像均匀分成6个子区域的示意图。
具体实施方式
下面结合具体幼苗田块中小麦幼苗分布格局的量化描述以详细说明本发明的实施方法。
如图1-图5所示为对不同麦苗密度的实验田块在1-2叶期的小麦幼苗取样的五个取样区域的图像，各图像对应的麦苗密度依次为：135株/m2，180株/m2，225株/m2，270株/m2和315株/m2。
具体取样方法为：预先制作若干个边长50cm×50cm的取样框，置于目标麦田的预定取样位置，通过无人机搭载高清相机，该无人机采用DJI GS Pro图像获取控制软件，摇控无人机在取样框的上空进行进行图像拍摄，以获取取样框内的幼苗图像。再通过Photoshop图像处理软件对取样框内幼苗的图像进行透射修正，以修正图像相对实际区域的扭曲变形；然后在软件中确定图像的像素长度与逻辑长度的测量比例，再对图像上各幼苗进行定点和连线。具体连线的方法如图6-图8所示，因本次取样的田块为直播方式播种的田块，田块内麦苗成若干集中的行排列方式，以代表各直播的行。进行定点连线时，分行连接，不同行之间不连接，每行连接时，如图6，从左上定点A1开始，先自上而下顺序连线A2，A3(即图中的1、2、3点)，形成三角形；然后顺序向下增加一定点A4，并继续连接与上面已经连线的定点中形成不交叉连线的定点，依次向下加点连接定点A5、A6，…如图7和图8，直至连接完成本行最下方的定点，再按上述方法连接同一取样区域内其它各行的定点，最终形成一组或一组以上不交叉不重合的网格线；对于撒播田块中，自取样区域的左上向右下依次连线，形成不交叉不重合的网格线，然后在直接在Photoshop图像处理软件内分别测量记录各连线的长度。
对各取样区域内的连线分别计算距数比和变异指数，如图9为第一取样区域内的幼苗定点连成网格线后示意图，如表1所述为图9对应的取样区域内的各定点连线Xi的长度记录，由表1中的记录数据记录，该取样区域内定点个数n为43，所有连线Xi的总和为501cm，连线的总条数m为105，其中，无效连线条数为8，如图10中标识的1-8条连线为确定的无效连线，确认方式为：区域内的两个直播行中，连线的两定点所在的水平线或垂直线之间的定点总数超过网格线所在直播行定点总数30％不能重复参与计算，因此删除此部分连接共8条，最后有效连线的数量为97，也即m＝97,据此根据
Figure BDA0002562043040000041
计算距数比为：V＝11.65
根据公式
Figure BDA0002562043040000051
计算δ＝11.6251。
再按图10所示，将取样区域均匀分割成六块子区域，每块子区域内的幼苗数量分别为：6、9、5、10、5、8，均匀值为1.167，其数量方差也即均匀度差异为3.81。此至完成密度为135株/m2的田块取样区域的图像处理和量化计算过程。
分别按上述图像处理和量化计算过程，量分计算图2、图3、图4和图5的田块图像处理和量化计算过程。最终计算的各田块的量化数据结果如表2所述。
表1
Figure BDA0002562043040000052
Figure BDA0002562043040000061
表2
Figure BDA0002562043040000062
根据上述格局特征的量化数据，对取样区域及区域周围的田块按表3—表5的对应描述方式进行评价管理，并且异常区域对应的田块：第一取样区域，第二取样区域和第五取样区域进行针对性幼苗疏密的管理，例如局部苗稀的区域进行补苗，苗密的区域间苗，并制管合理的合肥管理计划，对于第三和第五取样区域出现的幼苗分布均匀度差异较大的田块，存在幼苗密度过度集中的子区域，及时间苗和水肥管理。
表3
Figure BDA0002562043040000063
表4
Figure BDA0002562043040000064
Figure BDA0002562043040000071
表5
Figure BDA0002562043040000072

Claims (9)

1.一种小麦幼苗格局特征的量化评价方法，包括如下步骤：
第一步，划定若干个取样区域，分别定点每个取样区域内所有幼苗位置Ai，定点总数为n，将各定点Ai分别与相邻的定点连接成若干互不交叉且不重合的连线，各连线的长度分别记为X1、X2…Xm，单位为cm；其中，各Ai定点连线时，在直播方式的田块中，对取样区域的幼苗定点分行连线，每个直播行的定点连线中，从左上定点A1开始，先自上而下顺序连线可形成三角形的三点，然后顺序向下增加一定点，并继续连接与上面已经连线的定点中形成不交叉连线的定点，依次向下加点连接，直至连接完区域内最下方的定点，最终形成不交叉不重合的网格线，对于撒播田块中，自取样区域的左上向右下依次连线，形成不交叉不重合的网格线；最后删除连线超长的无效连线；所述无效连线的确认条件为：直播中，连线的两定点所在的水平线或垂直线之间的定点总数超过网格线所在直播行定点总数30%；散播中：连线的两定点所在的水平线或垂直线之间的定点总数超过取样区域总定点数的30%；
第二步：计算取样区域内的距离特征，表示为距数比
Figure 990597DEST_PATH_IMAGE001
，
其中，X为X1、X2…Xm的总和，n为幼苗定点的总数；
第三步，计算取样区域内幼苗分布的变异指数，表示为：
Figure 845420DEST_PATH_IMAGE002
其中，为X1、X2…Xm的平均匀值；
第四步，计算取样区域的均匀度差异，将取样区域等分为4-6块子区域，计数每个子区域的幼苗定点数，均匀度差异为子区域的幼苗定点数的方差。
2.根据权利要求1所述的小麦幼苗格局特征的量化评价方法，其特征在于，所述第一步中，取样区域为边长50—100cm的正方形区域或圆形区域。
3.根据权利要求2所述的小麦幼苗格局特征的量化评价方法，其特征在于，第二步中，根据距离特征的计算结果，对取样区域及区域周围的幼苗分布格局进行如下评价及管理措施：
Figure DEST_PATH_IMAGE003
。
4.根据权利要求2所述的小麦幼苗格局特征的量化评价方法，其特征在于，第三步中，根据变异指数的计算结果，对取样区域及区域周围的幼苗分布格局进行如下评价及管理措施：
Figure 467901DEST_PATH_IMAGE004
。
5.根据权利要求2所述的小麦幼苗格局特征的量化评价方法，其特征在于，第四步中，根据均匀度差异对取样区域及区域周围的幼苗分布格局进行如下评价及管理措施：
Figure DEST_PATH_IMAGE005
。
6.根据权利要求2所述的小麦幼苗格局特征的量化评价方法，其特征在于，第一步中，
划定取样区域前，首先按取样区域的尺寸制作取样框，将取样框平置于目标麦田的预定取样位置，通过无人机搭载高清相机，摇控无人机在取样框的上空进行进行图像拍摄，以获取苗期为1-4叶期的幼苗图像，再通过图像处理软件对取样框内的麦苗的图像进行透射修正，并确定图像的像素长度与逻辑长度的测量比例，再对图像上各幼苗进行定点和连线。
7.根据权利要求6所述的小麦幼苗格局特征的量化评价方法，其特征在于，所述无人机图像获取控制软件为DJI GS Pro。
8.根据权利要求6所述的小麦幼苗格局特征的量化评价方法，其特征在于，所述图像处理软件为Photoshop。
9.根据权利要求1—8任一项所述的小麦幼苗格局特征的量化评价方法，其特征在于，划定取样区域时，只对每平方米的幼苗数量为50-440株田块进行评价。
CN202010617948.7A 2020-06-30 2020-06-30 一种小麦幼苗格局特征的量化评价方法 Active CN111721269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010617948.7A CN111721269B (zh) 2020-06-30 2020-06-30 一种小麦幼苗格局特征的量化评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010617948.7A CN111721269B (zh) 2020-06-30 2020-06-30 一种小麦幼苗格局特征的量化评价方法

Publications (2)

Publication Number Publication Date
CN111721269A CN111721269A (zh) 2020-09-29
CN111721269B true CN111721269B (zh) 2021-01-05

Family

ID=72570708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010617948.7A Active CN111721269B (zh) 2020-06-30 2020-06-30 一种小麦幼苗格局特征的量化评价方法

Country Status (1)

Country Link
CN (1) CN111721269B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112997720B (zh) * 2021-02-20 2022-09-06 中国农业科学院作物科学研究所 一种作物田间出苗均匀度的评价方法及系统
CN113280706B (zh) * 2021-03-22 2022-07-26 中国十七冶集团有限公司 一种可折叠式地被苗平方棵数测量尺及使用方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030143580A1 (en) * 2001-09-06 2003-07-31 Don Straus Rapid and sensitive detection of molecules
WO2010027476A1 (en) * 2008-09-03 2010-03-11 Rutgers, The State University Of New Jersey System and method for accurate and rapid identification of diseased regions on biological images with applications to disease diagnosis and prognosis
CN105738364A (zh) * 2015-12-28 2016-07-06 清华大学深圳研究生院 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6235536B1 (en) * 1998-03-07 2001-05-22 Robert A. Levine Analysis of quiescent anticoagulated whole blood samples
CN101832769B (zh) * 2010-03-30 2011-12-28 中国农业大学 一种基于近景摄影估算矿区植被覆盖度的方法和系统
CN101975952A (zh) * 2010-09-13 2011-02-16 天津市星际空间地理信息工程有限公司 一种机载lidar单片模式下的数字线划图半自动测图方法
CN103063202B (zh) * 2012-12-30 2015-04-15 同济大学 基于遥感影像的蓝藻生物量时空变化监测与可视化方法
KR101332077B1 (ko) * 2012-12-31 2013-11-22 (주)지오투정보기술 Gps정보와 센서에 의한 수평정보를 이용하여 영상보정을 수행하는 3차원좌표 생성 시스템
AU2015367303B2 (en) * 2014-12-18 2020-12-10 Groundprobe Pty Ltd Geo-positioning
CN106887000B (zh) * 2017-01-23 2021-01-08 上海联影医疗科技股份有限公司 医学图像的网格化处理方法及其系统
US10977953B2 (en) * 2017-02-17 2021-04-13 The Charles Stark Draper Laboratory, Inc. Probabilistic landmark navigation (PLN) system
CN107274384B (zh) * 2017-05-17 2020-09-22 扬州大学 一种小麦出苗均匀度测定方法
CN109523550B (zh) * 2019-01-07 2020-11-27 扬州大学 一种五因素小麦出苗情况评价方法
CN110221311B (zh) * 2019-06-11 2022-01-07 南京林业大学 基于tls和uav自动化提取高郁闭林分树高的方法
CN110207670B (zh) * 2019-06-26 2021-09-21 北京林业大学 一种使用二维图像获取人工林森林冠幅参数的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030143580A1 (en) * 2001-09-06 2003-07-31 Don Straus Rapid and sensitive detection of molecules
WO2010027476A1 (en) * 2008-09-03 2010-03-11 Rutgers, The State University Of New Jersey System and method for accurate and rapid identification of diseased regions on biological images with applications to disease diagnosis and prognosis
CN105738364A (zh) * 2015-12-28 2016-07-06 清华大学深圳研究生院 基于图像处理的硅橡胶表面藻类生长程度测量方法及装置

Also Published As

Publication number Publication date
CN111721269A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
AU2020103570A4 (en) Grassland soil degradation evaluation method
CN109115776B (zh) 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置
CN111721269B (zh) 一种小麦幼苗格局特征的量化评价方法
CN111241912A (zh) 一种基于机器学习算法的多植被指数的水稻产量估测方法
CN107274384B (zh) 一种小麦出苗均匀度测定方法
CN116108318B (zh) 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法
CN106485002B (zh) 在复杂地形气候区域估算甘蔗潜在产量的方法
CN112418188A (zh) 基于无人机视觉的农作物生长全程数字化评估方法
CN111418323B (zh) 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法
CN109084690A (zh) 基于无人机可见光遥感的作物株高计算方法
CN103440648A (zh) 农作物冠层整齐度的自动测量方法及装置
CN109523550B (zh) 一种五因素小麦出苗情况评价方法
CN103413172A (zh) 玉米苗期缺苗数的测量方法及装置
CN111275567B (zh) 基于无人机影像的senp棉花产量估算方法及估算模型构建方法
Yong-ning et al. Automatic Identification Technology of Lycium barbarum Flowering Period and Fruit Ripening Period Based on Faster R-CNN
CN111191543A (zh) 油菜产量估测方法
CN111860220B (zh) 一种小麦幼苗分布特征的评价方法
CN115953064A (zh) 一种耕地质量综合治理及优化调控方法
CN112509029B (zh) 一种远程分析葡萄长势的方法
CN113743178A (zh) 一种基于卷积神经网络的出苗密度估算方法
CN113762768B (zh) 基于天气发生器和作物模型的农业旱灾动态风险评估方法
CN116453003B (zh) 一种基于无人机监测智能识别水稻生长势的方法和系统
CN107577892B (zh) 一种农作物用地表面结构状况的模拟仿真方法
CN116882825A (zh) 一种芝麻苗期均匀度评价方法
Wen et al. An Image-based Canopy Reconstruction Framework for Field Maize

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