一種基于多光譜遙感信息的區(qū)域作物養(yǎng)分管理方法【專利摘要】本發(fā)明涉及一種基于多光譜遙感信息的區(qū)域作物養(yǎng)分管理方法，包括：計(jì)算作物的氮需求響應(yīng)指數(shù)；建立作物的潛在產(chǎn)量預(yù)測(cè)模型；根據(jù)作物的氮需求響應(yīng)指數(shù)與作物的潛在產(chǎn)量預(yù)測(cè)模型，計(jì)算得到作物的有追肥的產(chǎn)量預(yù)測(cè)模型；計(jì)算作物的氮素需求模型；將作物的多光譜遙感信息代入作物的氮素需求模型，得到作物的施氮處方圖。本發(fā)明通過(guò)根據(jù)多光譜遙感信息中的紅光波段與近紅外波段計(jì)算作物的歸一化植被指數(shù)，帶入作物有追肥的產(chǎn)量預(yù)測(cè)模型得到氮素需求模型，繼而得到施肥處方圖來(lái)進(jìn)行本發(fā)明的方法的應(yīng)用，本方法具有對(duì)區(qū)域作物進(jìn)行養(yǎng)分管理的快捷性、準(zhǔn)確性與易用性?！緦＠f(shuō)明】一種基于多光譜遙感信息的區(qū)域作物養(yǎng)分管理方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及計(jì)算機(jī)【
技術(shù)領(lǐng)域：
】，尤其涉及一種基于多光譜遙感信息的區(qū)域作物養(yǎng)分管理方法?！?br>背景技術(shù)：
】[0002]氮素是作物,例如:冬小麥生長(zhǎng)、發(fā)育時(shí)期不可或缺的重要營(yíng)養(yǎng)元素,對(duì)作物的養(yǎng)分管理其關(guān)鍵在于對(duì)氮素的診斷和適量追加。作物生長(zhǎng)發(fā)育過(guò)程對(duì)氮素的需求均要受土壤環(huán)境、田間小氣候及作物自身特性的綜合影響，農(nóng)民往往施加過(guò)量的氮肥以保證作物的產(chǎn)量，這大大降低了肥料利用率，也對(duì)土壤及生態(tài)環(huán)境造成較大損害。因此，實(shí)時(shí)有效的對(duì)作物進(jìn)行養(yǎng)分診斷以及定位、定時(shí)、定量的施肥決策，是實(shí)現(xiàn)當(dāng)今精準(zhǔn)農(nóng)業(yè)管理的關(guān)鍵。目前，診斷氮素豐缺及變量施肥的方法，主要有傳統(tǒng)方法，測(cè)土配方施肥方法、葉綠素計(jì)法和光譜遙感測(cè)定方法等。其中，傳統(tǒng)方法是對(duì)作物采樣進(jìn)而在實(shí)驗(yàn)室進(jìn)行農(nóng)學(xué)參數(shù)獲取并分析；測(cè)土配方施肥法是通過(guò)土壤測(cè)試和肥料田間試驗(yàn)，進(jìn)而綜合考慮作物需肥特征、土壤供肥狀況和肥料效應(yīng)以達(dá)到變量施肥；葉綠素計(jì)法是利用葉綠素計(jì)(SPAD)的測(cè)定部分對(duì)作物葉片進(jìn)行感光而得出葉綠素值，然后依據(jù)葉綠素含量與葉片氮素的相關(guān)關(guān)系診斷氮素豐缺并進(jìn)行變量施肥；光譜遙感測(cè)定方法是依據(jù)葉片及冠層光譜反射率或透射率對(duì)光合色素等含量的響應(yīng)來(lái)診斷氮素狀況，其分為衛(wèi)星遙感診斷和便攜式光譜儀診斷兩種。[0003]作物的光譜特性多通過(guò)植被指數(shù)進(jìn)行分析。植物NDVI(Normalizeddifferencevegetableindex,歸一化植被指數(shù))是應(yīng)用最為廣泛的一種植被指數(shù)，它表征作物長(zhǎng)勢(shì)強(qiáng)弱，受作物生物量、葉片葉綠素含量等因素的綜合影響。在充分考慮遙感光譜測(cè)定方法的發(fā)展優(yōu)勢(shì)和歸一化植被指數(shù)NDVI與作物養(yǎng)分的關(guān)系，本專利提出一種基于遙感信息的是用于大區(qū)域尺度的養(yǎng)分管理方法。利用多光譜遙感信息的可見紅光波段和近紅外波段計(jì)算作物冠層NDVI，并構(gòu)建NDVI與作物產(chǎn)量的回歸模型，確定基于歸一化植被指數(shù)的作物潛在產(chǎn)量預(yù)測(cè)模型，定義氮素需求響應(yīng)指數(shù)進(jìn)行養(yǎng)分豐缺的診斷，進(jìn)而計(jì)算作物某一時(shí)期的氮素需求，以達(dá)到變量施肥的目的?！?br/>發(fā)明內(nèi)容】[0004]本發(fā)明所要解決的技術(shù)問(wèn)題是如何高效、簡(jiǎn)捷的滿足實(shí)時(shí)診斷作物養(yǎng)分豐缺的問(wèn)題。[0005]為此目的，本發(fā)明提出了一種基于多光譜遙感信息的區(qū)域作物養(yǎng)分管理方法，所述方法具體包括:[0006]S1:計(jì)算作物的氮需求響應(yīng)指數(shù)；[0007]S2:建立所述作物的潛在產(chǎn)量預(yù)測(cè)模型；[0008]S3:根據(jù)所述作物的所述氮需求響應(yīng)指數(shù)與所述作物的所述潛在產(chǎn)量預(yù)測(cè)模型，計(jì)算得到所述作物的有追肥的產(chǎn)量預(yù)測(cè)模型；[0009]S4:計(jì)算所述作物的氮素需求模型；[0010]S5:將所述作物的多光譜遙感信息代入所述作物的所述氮素需求模型，得到所述作物的施氮處方圖。[0011]進(jìn)一步地,所述步驟SI進(jìn)一步包括:[0012]Sll:獲取正常區(qū)域作物的歸一化植被指數(shù)以及充足區(qū)域作物的所述歸一化植被指數(shù)，以及[0013]S12:對(duì)所述充足區(qū)域作物的所述歸一化植被指數(shù)與所述正常區(qū)域作物的所述歸一化植被指數(shù)進(jìn)行比值計(jì)算，得到所述作物的所述氮需求響應(yīng)指數(shù)。[0014]進(jìn)一步地,所述步驟S2進(jìn)一步包括:[0015]S21:建立所述作物實(shí)際產(chǎn)量與估產(chǎn)指數(shù)的回歸模型，以及[0016]S22:將所述回歸模型加上一倍標(biāo)準(zhǔn)差，得到所述作物的所述潛在產(chǎn)量預(yù)測(cè)模型。[0017]具體地，所述估產(chǎn)指數(shù)為對(duì)所述作物的紅光光譜反射率與所述作物的近紅外光譜反射率進(jìn)行比值計(jì)算，得到所述作物的歸一化植被指數(shù)；[0018]將得到的所述作物的所述歸一化植被指數(shù)與特征天數(shù)進(jìn)行比值計(jì)算，得到所述作物的所述估產(chǎn)指數(shù)。[0019]具體地，所述特征天數(shù)為滿足⑶D>0的天數(shù)，通過(guò)計(jì)算公式:【權(quán)利要求】1.一種基于多光譜遙感信息的區(qū)域作物養(yǎng)分管理方法，其特征在于，所述方法具體包括:51:計(jì)算作物的氮需求響應(yīng)指數(shù)；52:建立所述作物的潛在產(chǎn)量預(yù)測(cè)模型；53:根據(jù)所述作物的所述氮需求響應(yīng)指數(shù)與所述作物的所述潛在產(chǎn)量預(yù)測(cè)模型，計(jì)算得到所述作物的有追肥的產(chǎn)量預(yù)測(cè)模型；54:計(jì)算所述作物的氮素需求模型；55:將所述作物的多光譜遙感信息代入所述作物的所述氮素需求模型，得到所述作物的施氮處方圖。2.如權(quán)利要求1所述的方法，其特征在于，所述步驟SI進(jìn)一步包括:511:獲取正常區(qū)域作物的歸一化植被指數(shù)以及充足區(qū)域作物的所述歸一化植被指數(shù)，以及512:對(duì)所述充足區(qū)域作物的所述歸一化植被指數(shù)與所述正常區(qū)域作物的所述歸一化植被指數(shù)進(jìn)行比值計(jì)算，得到所述作物的所述氮需求響應(yīng)指數(shù)。3.如權(quán)利要求1所述的方法，其特征在于，所述步驟S2進(jìn)一步包括:521:建立所述作物實(shí)際產(chǎn)量與估產(chǎn)指數(shù)的回歸模型，以及522:將所述回歸模型加上一倍標(biāo)準(zhǔn)差，得到所述作物的所述潛在產(chǎn)量預(yù)測(cè)模型。4.如權(quán)利要求3所述的方法，其特征在于，所述估產(chǎn)指數(shù)為對(duì)所述作物的紅光光譜反射率與所述作物的近紅外光譜反射率進(jìn)行比值計(jì)算，得到所述作物的歸一化植被指數(shù)；將得到的所述作物的所述歸一化植被指數(shù)與特征天數(shù)進(jìn)行比值計(jì)算，得到所述作物的所述估產(chǎn)指數(shù)。5.如權(quán)利要求4所述的方法，其特征在于，所述特征天數(shù)為滿足GDD>0的天數(shù)，通過(guò)計(jì)算公式:6.如權(quán)利要求5所述的方法，其特征在于，所述閾值溫度為0-3攝氏度。7.如權(quán)利要求1所述的方法，其特征在于，所述步驟S4進(jìn)一步包括:541:獲取所述作物的所述潛在產(chǎn)量預(yù)測(cè)模型與所述作物的所述有追肥的產(chǎn)量預(yù)測(cè)模型，以及542:通過(guò)公式:8.如權(quán)利要求1所述的方法，其特征在于，所述作物的所述多光譜遙感信息包括:所述作物的所述紅光光譜反射率與所述作物的所述近紅外光譜反射率的比值，以及所述比值的最大值?！疚臋n編號(hào)】G06F19/00GK103699803SQ201310750973【公開日】2014年4月2日申請(qǐng)日期:2013年12月31日優(yōu)先權(quán)日:2013年12月31日【發(fā)明者】楊貴軍,張競(jìng)成,宋曉宇,徐新剛,顧曉鶴,楊小冬,馮海寬,常紅,閆華申請(qǐng)人:北京農(nóng)業(yè)信息技術(shù)研究中心