基于农田实景图像的玉米覆盖度估算模型

doi:10.11924/j.issn.1000-6850.casb2020-0820

中国农学通报 ›› 2021, Vol. 37 ›› Issue (29): 84-91.doi: 10.11924/j.issn.1000-6850.casb2020-0820

所属专题：玉米

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

基于农田实景图像的玉米覆盖度估算模型

张东东¹(), 周刊社¹, 戴睿¹, 袁雷¹, 王佳锐², 边多¹()

¹西藏自治区气候中心,拉萨 850000
²农业农村部规划设计研究院,北京 100125

收稿日期:2020-12-21 修回日期:2021-02-05 出版日期:2021-10-15 发布日期:2021-10-29
通讯作者: 边多
作者简介:张东东,男,1990年出生,河南南阳人,硕士,研究方向：生态农业气象。通信地址：850000 西藏拉萨城关区林廓北路2号西藏自治区气候中心,Tel：0891-6361095,E-mail： dongdongzhang@zju.edu.cn。
基金资助:
第二次青藏高原综合科学考察研究项目“西藏中西部湖泊群变化及川藏铁路工程区域气候预测技术系统”(2019QZKK0105);西藏自治区重点研发计划项目“气候变化背景下西藏高原季节划分及农业气候资源时空变化特征研究”(XZ202001ZY0023N)

The Estimation Model of Fractional Vegetation Cover of Maize Based on the Real Image of Farmland

Zhang Dongdong¹(), Zhou Kanshe¹, Dai Rui¹, Yuan Lei¹, Wang Jiarui², Bian Duo¹()

¹Tibet Climate Center, Lhasa 850000
²Chinese Academy of Agricultural Engineering Planning & Design, Beijing 100125

Received:2020-12-21 Revised:2021-02-05 Online:2021-10-15 Published:2021-10-29
Contact: Bian Duo

摘要/Abstract

摘要：

为实时、准确地获取玉米覆盖度,为玉米长势监测提供科学依据,以农田小气候实景站采集的玉米图像为数据源,利用图像处理技术对玉米图像进行分析处理,结合9种图像颜色指数(NDI、ExG、ExR、ExG-ExR、R-G、G-B、VEG、CIVE、(G-B)/|R-G|),构建了基于图像颜色指数的玉米覆盖度估算模型。结果表明：利用图像颜色指数可以有效估算玉米覆盖度,除颜色指数(G-B)/|R-G|外,其他8种颜色指数估算玉米覆盖度的精度均较高,其中,以VEG为变量的玉米覆盖度估算模型精度最高,预测结果的R²为0.993,RMSE和MAE均最小,分别为0.0270、0.0223。该方法可以有效、快速的提取玉米覆盖度。

关键词: 玉米, 覆盖度, 数字照片, 颜色指数, 估算模型

Abstract:

To acquire the fractional vegetation cover (FVC) of maize on real-time, which could provide a scientific basis for maize growth monitoring, we took the image shot by the digital camera installed in automatic weather observation station as data sources, built FVC estimation models using 9 color vegetation indices of images (NDI, ExG, ExR, ExG-ExR, R-G, G-B, VEG, CIVE and (G-B)/|R-G|) extracted by employing image processing technologies. The results showed that these indices could estimate the FVC of maize effectively with high accuracy except the (G-B)/|R-G|, the vegetative (VEG) was the optimal color vegetation index for estimation of maize FVC. The model with VEG as variable had the highest estimation accuracy for maize FVC, with the highest coefficient of determination (R²), and lowest root mean square error (RMSE) and mean absolute error (MAE) of 0.993, 0.0270 and 0.0223, respectively. The method could be applied to the extraction of crop FVC effectively.

Key words: maize, fractional vegetation cover, digital image, color vegetation index, estimation model

中图分类号:

S566.1

张东东, 周刊社, 戴睿, 袁雷, 王佳锐, 边多. 基于农田实景图像的玉米覆盖度估算模型[J]. 中国农学通报, 2021, 37(29): 84-91.

Zhang Dongdong, Zhou Kanshe, Dai Rui, Yuan Lei, Wang Jiarui, Bian Duo. The Estimation Model of Fractional Vegetation Cover of Maize Based on the Real Image of Farmland[J]. Chinese Agricultural Science Bulletin, 2021, 37(29): 84-91.

图/表 7

参考文献 25

[1]	Jiapaer G, Chen X, Bao A. A comparison of methods for estimating fractional vegetation cover in arid regions[J]. Agric. For. Meteorol., 1923, 151:1698-1710. doi: 10.1016/j.agrformet.2011.07.004 URL
[2]	牛亚晓, 张立元, 韩文霆, 等. 基于无人机遥感与植被指数的冬小麦覆盖度提取方法[J]. 农业机械学报, 2018, 49(4):212-221.
[3]	杨焕波, 赵静, 兰玉彬, 等. 基于无人机可见光遥感和阈值法的玉米植被覆盖度提取[J]. 福建农林大学学报:自然科学版, 2020, 49(2):283-288.
[4]	Coy André, Dale R, Michael T, et al. Increasing the Accuracy and Automation of Fractional Vegetation Cover Estimation from Digital Photographs[J]. Remote Sensing, 2016, 8(7):474. doi: 10.3390/rs8070474 URL
[5]	Allen R G, Pereira L S. Estimating crop coefficients from fraction of ground cover and height[J]. Irrigation Science, 2009, 28(1):17-34. doi: 10.1007/s00271-009-0182-z URL
[6]	赵静, 杨焕波, 兰玉彬, 等. 基于无人机可见光图像的夏季玉米植被覆盖度提取方法[J]. 农业机械学报, 2019, 50(5):232-240.
[7]	李翠娜, 张雪芬, 余正泓, 等. 基于图像提取技术计算夏玉米覆盖度和反演叶面积指数的精度评价[J]. 中国农业气象, 2016, 37(4):479-491.
[8]	张东东. 在线式图像的甘蔗长势无损监测研究[D]. 杭州:浙江大学, 2017.
[9]	潘卫华, 陈家金, 李丽纯, 等. 福建罗源湾互花米草的遥感动态监测[J]. 中国农学通报, 2009, 25(13):216-219.
[10]	王三, 赵伟, 黄春芳, 等. 基于遥感的重庆市土地利用动态变化研究[J]. 中国农学通报, 2010, 26(2):250-256.
[11]	贾勤学, 张玮, 李建林, 等. 基于遥感技术的耕地面积动态监测研究[J]. 中国农学通报, 2006(7):530-534.
[12]	张喜旺, 吴炳方. 基于中高分辨率遥感的植被覆盖度时相变换方法[J]. 生态学报, 2015, 35(4):1155-1164.
[13]	唐亮, 何明珠, 许华, 等. 基于无人机低空遥感的荒漠植被覆盖度与归一化植被指数验证及其对水热梯度的响应[J]. 应用生态学报, 2020, 31(1):35-44.
[14]	吴焕丽, 崔可旺, 张馨, 等. 基于改进K-means图像分割算法的细叶作物覆盖度提取[J]. 农业机械学报, 2019, 50(1):42-50.
[15]	Woebbecke D M, Meyer G E, Bargen K V, et al. Color Indices for Weed Identification Under Various Soil, Residue, and Lighting Conditions[J]. Transactions of the Asae, 1995, 38(1):259-269. doi: 10.13031/2013.27838 URL
[16]	A.J. Pérez, F. López, J.V. Benlloch, et al. Colour and shape analysis techniques for weed detection in cereal fields[J]. Computers and Electronics in Agriculture, 2000, 25(3):197-212. doi: 10.1016/S0168-1699(99)00068-X URL
[17]	Kataoka T, Kaneko T, Okamoto H, et al. Crop growth estimation system using machine vision[C]// IEEE/ASME International Conference on Advanced Intelligent Mechatronics. IEEE, 2003.
[18]	Dongdong Z, Mansaray L R, Hongwei J, et al. A universal estimation model of fractional vegetation cover for different crops based on time series digital photographs[J]. Computers and Electronics in Agriculture, 2018, 151:93-103. doi: 10.1016/j.compag.2018.05.030 URL
[19]	Woebbecke D M, Meyer G E, Von Bargen K, et al. Color Indices for Weed Identification Under Various Soil, Residue, and Lighting Conditions[J]. Transactions of the Asae, 1995, 38(1):259-269. doi: 10.13031/2013.27838 URL
[20]	George E M, João C N. Verification of color vegetation indices for automated crop imaging applications[J]. Computers and Electronics in Agriculture, 2008, 63(2):282-293. doi: 10.1016/j.compag.2008.03.009 URL
[21]	Hague T, Tillett N D, Wheeler H. Automated Crop and Weed Monitoring in Widely Spaced Cereals[J]. Precision Agriculture, 2006, 7(1):21-32. doi: 10.1007/s11119-005-6787-1 URL
[22]	贾建华, 胡勇, 刘良云. 青藏高原数字照片植被覆盖度自动算法与应用[J]. 地球信息科学学报, 2010, 12(06):880-885.
[23]	章文波, 刘宝元, 吴敬东. 小区植被覆盖度动态快速测量方法研究[J]. 水土保持通报, 2001, 21(6):60-63.
[24]	Hamuda E, Glavin M, Jones E. A survey of image processing techniques for plant extraction and segmentation in the field[J]. Computers and Electronics in Agriculture, 2016, 125:184-199. doi: 10.1016/j.compag.2016.04.024 URL
[25]	Ye M, Cao Z, Yu Z, et al. Crop feature extraction from images with probabilistic superpixel Markov random field[J]. Computers and Electronics in Agriculture, 2015, 114:247-260. doi: 10.1016/j.compag.2015.04.010 URL

名称	计算公式
绿减红(G-B)	G-B
超绿减超红(ExG-ExR)	2×G-R-B-(1.4×R-G)
超绿算子(ExG)	2×G-R-B
超红算子(ExR)	1.4×R-G
红减绿(R-G)	R-G
归一化指数(NDI)	(G-R)/(G+R)
(G-B)/\|R-G\|	(G-B)/\|R-G\|
Vegetative (VEG)	g/(r^a×b^1-a), a=0.667
作物提取颜色算子(CIVE)	0.441×R-0.811×G+0.385×B+18.78745

名称	计算公式
绿减红(G-B)	G-B
超绿减超红(ExG-ExR)	2×G-R-B-(1.4×R-G)
超绿算子(ExG)	2×G-R-B
超红算子(ExR)	1.4×R-G
红减绿(R-G)	R-G
归一化指数(NDI)	(G-R)/(G+R)
(G-B)/\|R-G\|	(G-B)/\|R-G\|
Vegetative (VEG)	g/(r^a×b^1-a), a=0.667
作物提取颜色算子(CIVE)	0.441×R-0.811×G+0.385×B+18.78745

时间分组	含义
T₉	利用9:00获取的图像计算的颜色指数值
T₁₀	利用10:00获取的图像计算的颜色指数值
T₁₆	利用16:00获取的图像计算的颜色指数值
T_平均	利用9:00、10:00、16:00获取的图像计算的颜色指数值的平均值

时间分组	含义
T₉	利用9:00获取的图像计算的颜色指数值
T₁₀	利用10:00获取的图像计算的颜色指数值
T₁₆	利用16:00获取的图像计算的颜色指数值
T_平均	利用9:00、10:00、16:00获取的图像计算的颜色指数值的平均值

颜色指数	覆盖度
颜色指数	T₉	T₁₀	T₁₆	T_平均
G-B	0.909^**	0.901^**	0.907^**	0.887^**
ExG-ExR	0.980^**	0.980^**	0.981^**	0.977^**
ExG	0.964^**	0.963^**	0.967^**	0.956^**
ExR	-0.981^**	-0.985^**	-0.984^**	-0.985^**
R-G	-0.972^**	-0.975^**	-0.982^**	-0.976^**
NDI	0.973^**	0.974^**	0.973^**	0.975^**
G-B/\|R-G\|	-0.115	-0.103	-0.067	-0.143
VEG	0.958^**	0.959^**	0.945^**	0.951^**
CIVE	-0.968^**	-0.966^**	-0.970^**	-0.960^**
样本数量	43	74	49	84

基于农田实景图像的玉米覆盖度估算模型

The Estimation Model of Fractional Vegetation Cover of Maize Based on the Real Image of Farmland

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

时间分组	拟合结果		精度检验
时间分组	回归方程	决定系数R²	RMSE	MAE
T₉	FVC= -0.0277×CIVE+0.5829	0.9356	0.0859	0.0726
T₁₀	FVC= -0.0292×CIVE+0.5979	0.9348	0.0861	0.0703
T₁₆	FVC= -0.0269×CIVE+0.5649	0.9385	0.0782	0.0650
T_平均	FVC= -0.0279×CIVE+0.5918	0.9243	0.0937	0.0828
T₉	FVC=0.0249×(G-B)-0.5141	0.804	0.1140	0.1006
T₁₀	FVC=0.0291×(G-B)-0.6914	0.8208	0.15392	0.1293
T₁₆	FVC=0.0258×(G-B)-0.584	0.8103	0.1273	0.1165
T_平均	FVC=0.0261×(G-B)-0.5512	0.7875	0.1473	0.1287
T₉	FVC=0.0065×(ExG-ExR)+0.4758	0.9621	0.0777	0.0627
T₁₀	FVC=0.0066×(ExG-ExR)+0.4944	0.9587	0.0619	0.0473
T₁₆	FVC=0.0061×(ExG-ExR)+0.4758	0.9614	0.0652	0.0504
T_平均	FVC=0.0064×(ExG-ExR)+0.4886	0.9558	0.0728	0.0629
T₉	FVC=0.0115×ExG-0.0184	0.9278	0.0877	0.0743
T₁₀	FVC=0.0122×ExG-0.0413	0.928	0.0918	0.0758
T₁₆	FVC=0.0112×ExG-0.0246	0.9317	0.0814	0.0676
T_平均	FVC=0.0116×ExG-0.0144	0.9158	0.0984	0.0876
T₉	FVC=-0.0142×ExR +1.0877	0.9632	0.0730	0.0574
T₁₀	FVC=-0.014×ExR +1.1103	0.9678	0.0403	0.0336
T₁₆	FVC=-0.0131×ExR +1.0613	0.9672	0.0593	0.0515
T_平均	FVC=-0.0138×ExR +1.0923	0.9718	0.0565	0.0448
T₉	FVC=4.5952×NDI+0.3944	0.9537	0.0957	0.0789
T₁₀	FVC=4.5448×NDI +0.4112	0.9454	0.0637	0.0442
T₁₆	FVC=4.3043×NDI +0.3929	0.9464	0.0782	0.0676
T_平均	FVC=4.4648×NDI +0.3992	0.9527	0.0777	0.0610
T₉	FVC=-0.0197×(R-G)+0.419	0.9524	0.0978	0.0858
T₁₀	FVC=-0.02×(R-G)+0.4412	0.9526	0.0755	0.0560
T₁₆	FVC=-0.0188×(R-G)+0.4204	0.9658	0.0714	0.0574
T_平均	FVC=-0.0196×(R-G)+0.4307	0.956	0.0787	0.0675
T₉	FVC=-2.4952×VEG²+8.0276×VEG-5.4777	0.9846	0.0333	0.0223
T₁₀	FVC=-2.8847×VEG²+9.0456×VEG-6.1127	0.9892	0.0317	0.0245
T₁₆	FVC=-2.8095×VEG²+8.8284×VEG-5.9731	0.9846	0.0459	0.0326
T_平均	FVC=-2.8405×VEG²+8.9354×VEG-6.0464	0.9893	0.0270	0.0223

[1]	王绍新, 王宝宝, 李中建, 许洛, 冯健英. 中国鲜食玉米的研究脉络和趋势探析[J]. 中国农学通报, 2023, 39(1): 8-15.
[2]	纪坤, 王彬, 赵博文, 薛浩, 吴建民, 朱晓建, 王依欣, 赵海军, 韩赞平. 不同玉米种质材料植株与穗粒性状的灰色关联度分析[J]. 中国农学通报, 2022, 38(9): 27-32.
[3]	薛文瑞, 杨自辉, 张永, 郭树江, 王强强, 张剑挥. 民勤荒漠绿洲植被覆盖对地下水和降水变化的响应[J]. 中国农学通报, 2022, 38(8): 102-109.
[4]	付焱焱, 李云峰, 韩冬, 马树庆. 吉林省粮食主产区玉米生长季水分盈亏及其对产量的影响[J]. 中国农学通报, 2022, 38(7): 99-105.
[5]	张洪芬, 杨丽杰, 赵玉娟, 张峰. 陇东2020年“强凉夏”气候特征及对农业影响分析[J]. 中国农学通报, 2022, 38(5): 117-123.
[6]	李锐, 尚霄, 尚春树, 常利芳, 闫蕾, 白建荣. SSR荧光检测解析224份山西玉米自交系的遗传结构与遗传关系[J]. 中国农学通报, 2022, 38(5): 9-16.
[7]	周忠文, 张谋草, 刘英, 柳东慧, 张红妮, 张俊林, 韩博. 气象要素对陇东塬区春玉米灌浆速度影响分析[J]. 中国农学通报, 2022, 38(5): 94-98.
[8]	王辉, 陆鑫海, 杜美芳, 张琪. 1960—2019年海河平原地区夏玉米生长季高温特征分析[J]. 中国农学通报, 2022, 38(4): 62-68.
[9]	孙彦铭, 黄少辉, 刘克桐, 杨云马, 杨军芳, 邢素丽, 贾良良. 土壤肥力差异对冀中南山前平原与低平原夏玉米产量的影响[J]. 中国农学通报, 2022, 38(35): 35-42.
[10]	胡雪纯, 解文艳, 马晓楠, 周怀平, 杨振兴, 刘志平. 长期秸秆还田对旱地玉米土壤有机碳及碳库管理指数的影响[J]. 中国农学通报, 2022, 38(34): 8-13.
[11]	宋英博, 王囡囡, 张洪权, 樊伟民, 李于, 孟凡祥, 李灿东, 陈庆山. Excel VBA数组法在玉米自交系测配试验列表设计中的应用[J]. 中国农学通报, 2022, 38(32): 106-110.
[12]	汪欢欢, 杨琴, 蒲红梅, 何进, 程华, 韩敏, 赵学春, 王志伟, 金宝成. 照片样线法大豆植被覆盖度测量精度分析[J]. 中国农学通报, 2022, 38(32): 111-118.
[13]	蒋菊芳, 杨华, 胡文青, 魏育国. 持续高温干旱胁迫对春玉米生长的影响[J]. 中国农学通报, 2022, 38(32): 63-68.
[14]	番华彩, 曾莉, 李卫雁, 丁云秀, 郭志祥, 李舒, 徐胜涛, 郑泗军, 王永斌. 香蕉细菌性软腐病防控药剂筛选及田间应用效果评价[J]. 中国农学通报, 2022, 38(31): 113-118.
[15]	蒋锋, 闫艳, 麦嘉埼, 梁日朗, 周捷成, 李坪遥, 刘鹏飞. 甜玉米品质性状的主基因+多基因遗传分析[J]. 中国农学通报, 2022, 38(30): 14-20.