无人机高光谱遥感监测葡萄长势与缺株定位

今日头条

1151人已加入

描述

引言

葡萄是全球栽植面积最大,产量最高的果树之一。中国葡萄栽培规模化和标准化栽培水平不断提升,监测葡萄园的整体生长情况对种植地块的选择与调整、栽培方案的制定和定产等都具有重要的意义,是葡萄园标准化、精准化管理的基础。通常采用普查或抽查等传统方法对果园长势进行检测,但费时费力,无法达到快速、及时、精确的监测。

许多老龄化葡萄园常出现大量缺株、断垄等问题,对产量和质量均有直接影响,造成经济损失。中国大陆为季风气候,北方葡萄园常受到春季晚霜危害,造成局部或大面积新梢与叶片受损,需要快速准确的方法对受损与恢复情况进行评估。对酿酒葡萄来说,开展与风土相关的葡萄生长状态研究,对优化品种的适地适栽,地块精准产量控制都具有重要的意义。迅速发展的遥感技术可提供对地宏观、动态、快速的观测。大田作物遥感监测多使用卫星遥感数据,借助光谱植被指数等对作物长势进行定性和定量分析。

归一化植被指数(NDVI)常用于遥感监测地面植物生长和分布,1974 年被首次提出,主要是利用土壤和植被在红光波段以及近红外光波段反射波谱的差异进行评估,NDVI不仅能有效区分草原、森林、非林地和农田,而且能大范围评估各种植被属性,例如叶面积指数(LAI)、植被覆盖度和植物长势。目前大范围的遥感数据在应用中存在许多问题,例如卫星遥感数据会受到光照和大气的影响,无法快速、实时地获取监测区域的作物信息;相对而言其更适合大田作物的宏观判断,对常规果园中等规模的空间尺度,特别是具体果树单株的情况很难判断。 

随着中国无人机产业的发展,其在植保作业、林业监测、作物授粉等方面的应用日益广泛。农用植保无人机的效率是常规喷洒的数十倍,无人机辅助授粉进行杂交稻制种显著降低了劳动强度,提高了制种效率。近年来,迅速发展的无人机技术与光谱技术相结合,为宏观、动态、快速地监测果园的生长动态提供了可能。农用无人机飞行高度低,通常在50~100 m,无需大气校正,飞行控制系统较为简单,测控空间与果园规模匹配。探索基于无人机配备多光谱相机获得的 NDVI在葡萄长势监测和缺株定位中的应用,对支持精准化、数字化果园栽培,提高果树生产效率具有重要意义。

一、材料与方法

1.1  试验葡萄园概况

试验区域位于河北怀来紫晶葡萄庄园(40°23′S,115°33′W),土壤类型以淡灰钙土、风沙土为主。葡萄种植面积约18 hm2,园区坡度1%~3%。该测飞区包括7个地块(1~7号),分别种植4个品种,南北方向种植。栽培品种有赤霞珠、马瑟兰、品丽珠、霞多丽。栽植密度3,140株·hm-2(株行距1.2m×2.65m),采用“厂”形树形,篱架高1.8m,灌溉统一管理。

1.2  图像采集和植被指数映射

利用大疆M600 Pro六旋翼无人机搭载 iSpecHyper-VM100无人机高光谱成像系统,采集物体对6种不同波段光谱的反射。高光谱相机波段范围为蓝光(450nm)、绿光(535nm)、红光(660nm)、红边(710nm)、近红外(840nm和940nm)。 

地面空间分辨率(GSD)设定为5cm,使用SpecAnalysis软件处理获得的图像,生成地理参照和正位矫正马赛克。从生成的拼接图中提取红光(R,600~700nm)和近红外(NIR,700~900nm)区域的光谱数据,计算植被绿度的NDVI值。NDVI=(NIR–R)/(NIR+R),NIR为近红外波段反射率,R为红光波段反射率。

按照 Primicerio 等的算法,对NDVI图进行处理,去除行间覆盖作物产生的反射率。每次飞行中捕捉到的5cm分辨率的图像被切割成覆盖葡萄园大小的光栅。

参考遥感生态指数,利用NDVI作为评价依据,对葡萄长势进行分级,NDVI 的取值在0~1,NDVI值越大代表葡萄长势越茂盛。参考《生态环境状况评价技术规范》将葡萄长势分为4个等级:较差(0~0.25)、一般(0.25~0.50)、良好(0.50~0.75)、优良(0.75~1.00)。

1.3  基于 NDVI 图像的葡萄缺株定位

为便于图像处理和提取像素点数据进行分析,将葡萄园NDVI图像由RGB格式转换为由色调(hue)、饱和度(saturation)和明度(value)表示的HSV格式。通过设定这3 个维度通道的阈值,保留图像中有效植被信息,并转换为二进制图像,其中仅白色像素点表示葡萄叶片的位置。基于葡萄逐行种植特征,在图像坐标系中,直线扫描整个图像,自动辨识出叶片的位置,聚类出葡萄行。以葡萄行内架杆为间隔构建行内单元,计算行内单元中葡萄叶片像素和整行叶片像素的比值,得到数值[0,1]的葡萄行连续性指标,根据生产经验规定架杆单元内连续性小于0.600为缺株。

二、结果与分析

2.1 不同葡萄品种植被绿度的归一化植被指数(NDVI)

通过拍摄的5,022张多光谱照片合成获得试验测飞区整体照片(图 1)。

光谱传感器

图 1  2019 年无人机多光谱成像合成的测飞区地图 

NDVI 最小值、最大值和平均值可以反映各品种葡萄叶幕分布的均匀度与整体生长水平。从最小值来看,1号地块(赤霞珠)NDVI最小值为0.351(表 1),在所有地块中最低,表明存在叶幕最稀疏的位置,这与图1多光谱成像照片中1号地块左上角存在一片显著的植被稀疏区域一致;3号地块(品丽珠)NDVI最小值为0.564,在所有地块中最高,说明该地块葡萄生长情况较好,行内很少有裸露地面。从最大值来看2号地块(马瑟兰)NDVI最大值为0.993,在整个测飞区中最大,说明该地块叶幕最为茂盛的区域。从平均值来看,2号和4号马瑟兰两个地块的 NDVI 平均值均较高,其次是1号和5号赤霞珠,再后是6号品丽珠、7号霞多丽,反映了在同一个葡萄园中马瑟兰和赤 霞珠的生长与叶幕饱和度高于品丽珠和霞多丽,这与田间观察到的品种特性一致。从标准差来看,品丽珠两个地块的NDVI标准差最小,说明其生长均一度最高,其他地块的品种的NDVI标准差都在0.1左右,说明该葡萄园管理整体优良,葡萄行内的生长均一度较高。

表 1  无人机测飞地块遥感数据 NDVI 

光谱传感器

2.2 NDVI 评估早霜危害

夜间出现较强的早霜危害,为利用无人机高光谱遥感评估葡萄园冻害提供了良好契机。从表2可以看出:早霜危害后各地块NDVI 最小值都降到0.1以下,与上次相比最大值下降0.12~0.26,平均值下降0.177~0.344,标准差上升,说明各地块均出现了叶幕严重受损的区域。从最能直观反应葡萄叶幕变化的NDVI平均值变化来看,6号地品丽珠的叶片受损情况最重,3号地品丽珠的叶片受损最轻。

表2 早霜危害后测飞地块遥感数据NDVI

光谱传感器

2.3 葡萄种植区地块生长情况分级

以测飞区种植面积最大的赤霞珠地块为例,在无人机多光谱成像合成的测飞区地图上,将赤霞珠1号地块和5号地块分别进行横向3分、纵向2分,划分为12个小地块,其中1号地块从左到右、从上到下分别标记为CS2008-1-1~CS2008-1-6,5号地块从左到右从上到下分别标记为CS2008-5-1~CS2008-5-6,对地块内的NDVI 数据进行统计。表3表明,在12个子区中,NDVI 均值最大为0.762,最小为0.492,其中大于0.75的地块有2个,低于0.7 的地块有4个,说明同年栽培、地块紧邻、管理方案一致的小地块的平均叶幕指数存在明显不同,植株长势存在不同。NDVI的方差除CS2008-5-1和CS2008-5-2较高外,其他均低于0.1,说明同年栽培、地块紧邻、管理方案一致的小地块的平均叶幕指数存在明显不同,植株长势存在不同。在实践中可以通过控制NDVI 方差,对地块进行划分,作为风土划分的依据之一。

表3 赤霞珠种植区CS-2008-1和CS-2008-5内6个子区的NDVI和葡萄长势评估

光谱传感器

2.4 缺株定位  

选取赤霞珠种植区CS2008-1-1,将图像色彩从RGB 转换到HSV空间,进而转换为二进制图像,其中白色像素点表示植被位置(图2,A)。通过机器识别,自动勾画出每行的叶幕宽度,标记出缺株的位置(图2,B)。

光谱传感器

图2 葡萄行的缺株定位

基于对葡萄行HSV图像的自动识别,可计算出各葡萄行中叶片所占面积与整行面积的比值,得到介于[0,1]之间的葡萄行连续性指标。对成龄葡萄园以连续性指标低于0.600作为判别缺株的阈值。在CS2008-1-1 地块的80行葡萄中,68行的连续性指标高于0.7,表明这些葡萄行内叶幕连续性良好;12行低于0.6,存在缺株;其他10行为长势一般(表4)。

表4 地块中80 行葡萄的NDVI 连续性指标

光谱传感器

三、讨论

近年来国产葡萄酒产业进步显著,对品质的追求成为精品酒庄的核心理念,对葡萄园精准栽培、风土与地块科学划分的需求强烈。新农科与新栽培学理念也强调积极融合各种新技术手段,更好地服务产业。本研究中采用无人机和高光谱遥感两项技术与果树学研究相结合,对促进葡萄产业发展具有重要意义。

受环境条件等影响,没有两张遥感图像是完全相同的,NDVI数据也是如此。与可以用参考数据评估的土地使用分类不同,特定的NDVI值并没有唯一的解释,目前尚没有正反参考数据可以用来以常规精度评估验证NDVI数据。在本研究中参考RSEI评估长势,在实际操作中,可结合具体研究目的、葡萄园具体情况和栽培经验,对NDVI范围与阈值设定进行精细调整。此外,葡萄叶幕随生长期会发生变化,可以在1年内多次测飞,收集NDVI年度变化数据,为评估年份差异、物候期早晚等提供参考。

本研究中对同一葡萄品种的种植区采用了直线等分,比较地块间和不同行NDVI数据的最小值、最大值、平均值和标准误。在更精细的风土研究中,可以对NDVI平均值和标准误进行设置,通过自动化的数据运行,对地块进行非等面积和非直线划分,标出某一种植区或种植行内葡萄生长表现不同的地块或区段。由于风土的复杂性,除使用NDVI作为植被健康和生长的直接指标。

光谱传感器

还应结合栽培、土壤、气象等数据作为葡萄园风土细分的参考。利用NDVI数据对霜冻、干旱和病虫等危害进行评估已经成为可能和必然的发展趋势。中国地处大陆季风气候区,北方的葡萄园秋季容易遭受早霜的危害,而春季容易遭受晚霜的危害,严重的晚霜危害会造成葡萄园的严重减产,霜冻后对受害程度进行快速准确的评估是制定补救措施、了解措施效果和保险理赔等的迫切需要。本试验中发现在早霜危害后48h 内NDVI数据与前一年的同期相比已出现了非常显著下降,说明可以利用无人机高光谱遥感评估葡萄园霜冻危害后的受损情况。今后如再遇上此类危害或病虫害的发生,可进一步验证评估结果。

综上所述,利用无人机获得高光谱遥感数据对研究葡萄园的叶幕特点,合理划分种植地块,进行评估生物和非生物胁迫受损情况,以及判断缺株断垄等都具有良好的应用前景。

审核编辑:符乾江

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分