基于无人机影像的棉花株高预测

颜 安，郭 涛，陈全家，耿洪伟，郭 斌，孙丰磊

(1.新疆农业大学草业与环境科学学院，乌鲁木齐 830052；2.新疆土壤与植物生态过程重点实验室，乌鲁木齐 830052；3.新疆农业大学信息化工程技术研究中心，乌鲁木齐 830052；4.新疆农业大学农学院，乌鲁木齐 830052)

0 引 言

【研究意义】棉花对国民经济和社会发展具有重要影响[1]。作为我国最大的优质商品棉生产基地，新疆棉花产量已达全国产量的一半以上，并且在今后的发展中潜力巨大[2]。测量棉花重要性状的表型进行准确和高通量，对棉田进行精细管理和棉花遗传改良，对棉花种植格局的优化具有重要意义[3]。株高作为农作物的重要表型性状，不仅可以评判农作物长势优劣、估测产量，还能针对长势高低不同为遗传育种和选取重要抗性生理指标提供育种依据[4-8]。棉花育种研究中，株高不仅可以衡量棉花生长状态，还是计算其生物量和产量的重要参数。当前，测量棉花株高主要依靠人工，费时费力，且有一定的主观性。无人机遥感系统具有运载便利、灵活性高、作业周期短、可快速无损、高通量地获取田间作物表型信息，影像数据分辨率高等优点[9-11]，为大范围株高信息的快速、准确、动态监测提供重要的技术手段，有效弥补地面调查的部分缺陷[12]。利用无人机遥感技术快速、无损和高通量地监测棉花株高性状，对其长势监测及产量预测具有重要的意义[13]。【前人研究进展】目前，国内外学者应用无人机遥感在提取作物种植面积与分类、叶面积指数估算、数字图像处理技术反演作物株高与叶面积指数等方面都做了研究[14-30]。董梅等[14]、王利民等[15]、孙佩军等[16]借助无人机遥感影像获取了作物种植面积、地物分类信息以及农作物面积估算精度，体现了无人机快速无损、灵活性高的优势。杨贵军等[17]、高林等[18]、潘海珠[19]、Arai等[20]利用无人机搭载不同类型传感器分别对小麦倒伏情况、产量及冠层温度，大豆叶面积指数和茶叶氮含量等指标进行研究，结果表明利用无人机影像提取的表型信息可以测定农作物表型性状。Jay等[21]、Xavier等[22]、Forsmoo等[23]利用高光谱影像作物模型对作物高度进行高通量鉴定。李长缨等[24]、程曼等[25]、马稚昱等[26]利用数字图像变换处理反演出作物株高，体现了无人机运载便利、影像数据分辨率高的特点。杨琦等[27]、牛庆林等[28]、Luo等[29]、Holman等[30]基于无人机影像结合地面控制点生成DSM来提取H，并结合H和植被指数进行分析，来反演植被LAI(Leaf Area Index)、生长率变化和估测地上生物量，印证了利用无人机遥感技术的作物预测分析。【本研究切入点】目前，关于运用无人机影像对棉花株高进行测定的研究还鲜有报道。研究基于无人机影像的棉花株高预测。【拟解决的关键问题】通过无人机获取大面积、高精度的棉花DOM和DSM，采用克里金插值法提取棉花株高；与实地测量株高对比和精度评价。将无人机影像应用于棉花育种材料株高的监测，为棉花品种(系)的长势及产量提供一种快速、无损和高通量的田间监测技术手段。

1 材料与方法

1.1 材 料

1.1.1 棉花品种(系)

试验田位于新疆沙湾县新疆农业大学棉花育种基地，地处44°26′26″～44°26′29″ N，85°40′27″～85°40′38″ E，海拔高度约545 m，属大陆性干旱气候。昼夜温差大，夏季酷热，冬季严寒，冬夏长春秋短。年均温6.3～6.9℃，年均降水量140～250 mm，日照时长2 800～2 870 h。土壤类型以潮土为主，一年种植一季棉花。

试验于2018年6月进行，供试材料为110份棉花品种(系)，共计360个育种小区。种植时间为2018年4月22日，按要求每小区种植3行，每行长3 m，宽2.2 m；各棉花品种(系)小区行长间距0.5 m，行宽间距0.3 m，共种植20行18列。所选育种材料具有较好的代表性，研究区周边设置保护行，试验田管理与大田管理一致。图1

1.1.2 地面数据获取

于2018年6月25日棉花株高关键生育期花铃期，采集棉花品种(系)株高(H)数据。按要求每小区每行等间距选取3株，3行共计得到9株，使用卷尺测量其株高(H)后取其平均值作为测量小区的平均株高，并以棉花花铃期植株顶端叶片的高度作为植株的测量高度。

1.1.3 无人机数据获取及预处理

同期利用大疆经纬M100四旋翼电动无人机搭载高清数码相机采集棉花品种(系)田间高清数码影像。该无人机遥感平台具有位置与姿态系统(Position and Orientation System，POS)可以实时获取影像数据信息。高清数码相机型号为方正FC 350，其主要参数为：质量258 g；尺寸62.5 mm × 68.5 mm × 56.5 mm；分辨率4 000 ×3 000；光圈值f/2.8；2000万像素CMOS传感器；焦距4 mm。

影像获取时，太阳光照辐射稳定，晴朗无云。利用Pix4Dmapper拼接软件进行无人机高清数码影像拼接处理，生成试验田高清数字正射影像(Digital Orthophoto Map，DOM)和数字表面模型(Digital Surface Model，DSM)。由于无人机在影像获取时，每张照片都带有与之对应的POS数据(包含影像拍摄时间的经纬度、高度、航向偏角、镜头朝向等)，可快速高精度的获取拼接影像。表1，图2

1.2 方 法

1.2.1 克里金插值法

克里金法(Kriging)属于地统计类插值方法，广泛应用在农业、林业、地质、气象和计算机等领域[31-34]。研究利用其区域化空间变量的相关性以及原始数据和变异函数结构的特点，进行研究区插值，以期得到最优的对未知样点的线性无偏估计[35]。

1.2.2 数字地面模型生成

经ArcGIS软件，生成高精度DOM和DSM。点绘地面点：新建点要素图层，使点均匀的分布在地面上。值提取到点：选择空间分析、值提取到点，得到一个带有高程值字段的点图层。点插值成面：选择空间分析、插值、克里金法，得到DEM。经分析工具、栅格计算，结果保存为CHM。

1.3 数据处理

采用决定系数R2、均方根误差(Root Mean Square Error，RMSE)来评估预测模型的精度，R2越大说明模型拟合越好，RMSE越小模型的预测精度越高，数据分析在Microsoft Excel 2010中进行计算。

(1)

(2)

2 结果与分析

2.1 基于高清正射影像的小区识别

研究表明，在拼接的高清数字正射影像中可以清晰的观测到棉花长势规整、各棉花品种(系)小区边界分明、叶色形状变化差异不大，各棉花品种(系)小区中出现断行、半行比例较小。从数字表面模型中可以清晰观测到各育种小区棉花长势高度变化不一，其中研究区北部棉花品种(系)长势相对较好，研究区中部区域则出现少量断行及长势较差等情况。图3，图4

图4 棉花试验田数字表面模型Fig. 4 Cotton test field digital surface model

2.2 基于高清DOM和DSM的克里金插值法提取株高

研究表明，基于DOM和DSM绘制点图层时，鉴于各棉花品种(系)小区长势分布均匀，使得绘制点均分布在各小区之间的裸地上，以减小插值误差，同时这也与前人插点方式保持一致。经空间分析中值提取到点，得到的带有高程值字段的点图层。各高程点字段清晰的与插值点一一对应，其中各高程点字段均带有自身位置属性的高度信息，通过克里金插值法，点插值成面得到各棉花品种(系)小区离散地面高程(DEM)。从棉花品种(系)小区DEM中看出，整个棉花品种(系)小区海拔高度整体呈现自北向南逐步降低、东西高低变化幅度不大的特点，研究区整体地势比较平坦，其中最高处与最低处仅相差0.5 m左右。图5～7

图5 绘制点图层Fig. 5 Layer at the drawing point

图6 高程值点图层Fig. 6 Layer at elevation point

2.3 基于高清CHM数据的棉花株高估测

经棉花品种(系)小区DSM与克里金差值法提取的离散地面高程(DEM)作差值，并利用少量实测株高标定，得到各棉花品种(系)小区高分辨率的株高(CHM)分布。可识别出360个棉花品种(系)小区，提取的株高效果均较好。地面实测株高测量，随机选取24组实测棉花品种(系)株高，来预测整个研究区的棉花株高分布状况，所建立的线性拟合模型中，随机选择样本的2/3作为校正集，1/3作为验证集。在线性校正集模型9-a中，模型精度R2= 0.846 9，RMSE = 0.284 3，基于克里金插值法提取的棉花株高(CHM)与实际株高具有较好的拟合效果。在线性验证集模型9-b中，模型精度R2= 0.758 1，RMSE = 0.085 8，预测株高对实际株高有较高的预测能力。图8，图9

图8 育种小区棉花株高CHMFig. 8 Cotton height model in breeding area (CHM)

注：a--基于克里金插值法提取株高预测模型(校正集)；b--克里金插值法下株高观测值与预测值(验证集)

3 讨 论

研究虽经DOM、DSM和克里金插值法，提取了棉花各品种(系)长势及叶色性状差异状况，所建立的株高监测模型也与前人研究结果基本一致[27-28,36,40]。但鉴于不同作物生长形态和冠层结构仍存在较大的差别，Luo等[29]指出不能简单的进行精度识别分析就能区分出各自反演模型的优劣。杨琦等[27-28]基于数字表面模型(CSMs)在有无控制点条件下进行株高监测，结果表明控制点条件下甘蔗和玉米的株高估测精度更高，但相较于研究，实验布置控制点繁杂及作物自身株高优势等情况，却很难在植株高度较矮的作物上进行研究，故而具有较大的局限性。同时，研究在利用DOM和DSM进行克里金插值时，可能会出现点图层绘制不精细、不均匀等情况，也会造成棉花H提取误差。在影像拼接时，由于植株最高点叶片高度对应的空间结构较小，造成辨识度不高而被误认为噪声点删除，也可能造成提取的棉花H存在误差。研究实测株高值和对应监测时期偏少，也具有一定的不足之处。提高作物监测周期次数和更精细的作物株高提取方法将是未来的研究重点，也为棉花不同品种(系)株高的监测提供方向。

4 结 论

基于无人机高清数码影像结合Pix4Dmapper拼接软件生成试验田棉花育种区的数字表面模型(DSM)和正射影像(DOM)，利用克里金插值法提取棉花育种区株高，得到的DHM中提取的株高与实测株高具有高度的拟合性(R2= 0.758 1，RMSE= 0.085 8)，利用DSM提取的棉花株高运用于棉花育种区田间株高表型的监测具有较高的精度，改变了传统田间株高监测的不确定性和主观随机性，无人机遥感测量成本低、快速、无损、高通量。