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
张东东1(), 周刊社1, 戴睿1, 袁雷1, 王佳锐2, 边多1()
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: 基金资助:
Zhang Dongdong1(), Zhou Kanshe1, Dai Rui1, Yuan Lei1, Wang Jiarui2, Bian Duo1()
Received:
2020-12-21
Revised:
2021-02-05
Online:
2021-10-15
Published:
2021-10-29
Contact:
Bian Duo
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。
中图分类号:
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.
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/(ra×b1-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/(ra×b1-a), a=0.667 |
作物提取颜色算子(CIVE) | 0.441×R-0.811×G+0.385×B+18.78745 |
颜色指数 | 覆盖度 | |||
---|---|---|---|---|
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 |
颜色指数 | 覆盖度 | |||
---|---|---|---|---|
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 |
时间分组 | 拟合结果 | 精度检验 | |||
---|---|---|---|---|---|
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 |
时间分组 | 拟合结果 | 精度检验 | |||
---|---|---|---|---|---|
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] |
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 |
[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. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||