小尺度区域水稻监测系统的开发与应用

●李宝生

（1.内蒙古自治区宁城县气象局 内蒙古 赤峰 024200；
2.内蒙古自治区八里罕国家一般气象站 内蒙古 赤峰 024200）

近年来，特别是全面实现小康社会以来，国民经济水平不断提高，人们对水稻等农产品的产量和质量要求不断提高[1]。大米是最重要的食物资源之一，各国人民对大米的需求很大。而水稻的产量及质量受品种、气候条件、管理措施等多种因素影响，为了维持和提高我国水稻生产的质量，利用稻田信息对水稻生长过程进行监测和分析，具有实际意义[2-3]。掌握水稻生长条件，实时监测水稻苗情、天气信息等情况，是实现水稻生产智能化、精准化、自动化的重要手段[4]。因此，以内蒙古赤峰市某稻田为例，应用图像处理技术，采取植被参数定量描述水稻生长周期，以完成水稻生长周期监测，以期为更好地指导水稻生产提供理论依据。

现场服务器负责从研究区域获取图像，其由数码单反相机、通信系统和控制器组成。控制器控制单元命令摄像机每天两次，分别于10:00及14:00捕捉每日的图像，作为每天的备用图像。通过移动网络的通信系统在现场服务器机箱中安装一个航空卡，把捕捉到的图像上传到监测系统中央处理系统。此外，从测试站点获得的数据不仅是图像，还有天气信息，这些数据是由太阳辐射计、风速计、湿度传感器等测量的。每天的数据被自动采集并记录到中央系统中，可以通过网站获得数据。现场服务器设备由国家电子和计算机技术中心设计，由国土测量局安装。

对安装在水稻茎秆平行方向上的固定摄像机所获得的图像进行处理。捕获的图像覆盖面积小于100 m×100 m的部分稻田，以JPEG格式记录为720×480像素。利用田间服务器采集的图像测量水稻茎秆的高度，进而判别水稻的生长周期。该系统是一种小型稻田监测系统，与大型系统相比，需要不同的监测和分析方法。虽然大尺度的系统可以用于大范围的区域，但是小尺度的系统能够对特定的区域进行监测，并且具有较高的准确性。小型系统比大型系统成本更低，受大气干扰更少。

温度、光照、湿度等因素均会对水稻生长过程中根、茎、叶生长产生一系列的影响。异常状况会使植物细胞生长缓慢、变质等，严重时会导致植物死亡。以植被指数（Vegetation Index，VI）为参数反映其生长周期变化，对于植被生长调节、防治虫害等具有指导意义。

2.1 水稻生育期

水稻的生长周期包括三个阶段：出苗、分蘖、抽穗。为了确定每个阶段，利用稻秆的高度、纹理、颜色特征等进行区分。根据水稻颜色强度来观察水稻的生长是国内外学者常使用的一种有效的区分方法。

2.2 植被指数

利用植被指数对植物（水稻）的生长进行观测和监测，归一化差值植被指数（Normalized Difference Vegetation Index， NDVI）是常用且有效的指标之一。NDVI指数需要近红外通道，本系统就包含了这一通道。

2.3 监测方法

监测系统由三部分组成，包括稻田分割、植被指数计算及图像分析（植被指数）。

2.3.1 稻田分割阶段稻田分割是用来分割稻田区域和其他区域的第一步。给定一幅图像，先对图层进行融合，即多层聚焦，然后对多植被局部图像进行拼接，从而得到小尺度全区域水稻生长形貌。本系统针对图像的每个像素进行计算，建立植被指数索引库。对于水稻分蘖期，稻田区域的像素大于等于0.2；
出苗期，稻田区域的像素大于0、小于0.2；
抽穗期，稻田区域的像素大于1.0。

利用图像处理技术可提取水稻区域并量化深绿、浅绿面积，对定位植被实际种植区域及真实还原水稻生长形式具有重要作用。为了方便定量分析生长区域变化与生长周期的关联性，在同一分辨率下扫描试验后的植被区域，同时记录水稻病害图像与水稻秆径高度信息，结果显示图像分割成两个主要区域，即稻田和非稻田（景观和天空）。而物体的灰度图像中像素的强度取决于物体表面光学特性、入射光条件（如强度和方向）以及物体的表面粗糙度。因此，如果在整个图像采集过程中，物体表面的性质和照明条件在测量表面上保持一致，则可以认为图像中像素的强度与物体表面对应点的高度成比例。基于事实，采用改进的区域生长法提取水稻区域并计算面积，分析水稻植被生长像素强度与水稻生长周期的关联性。

2.3.2 植被指数计算阶段对于采集到的水稻图像，计算位于稻田区域的像素，得到植被指数。在小尺度系统中，基于区域（稻田上的像元）的植被指数策略比基于大尺度系统中的像元（只有一个像元）的策略更准确、高效。在一个生长周期中（每年两季），示例指数和植被指数被存储在系统内部。在苗期，植被指数于分蘖期达到最大值，抽穗期略有下降，最后，它在收获日迅速下降。

2.3.3 图像分析阶段采用灰度变换增强方法进行图像分析，灰度变换增强计算复杂度低，且变换函数可以根据用户需求设计，广泛应用于图像数字增强领域。灰度变换增强只变换原图像中像素点的灰度值，而不改变其位置，从而提升原图像的视觉效果。它是将原图像中的灰度f（x，y）通过一个变换函数映射到一个新的灰度，即灰度变换可使灰度范围动态加大，提高图像对比度。采用分段线性变换的方法可以突出烧蚀区域所在的灰度区间，减小不感兴趣的灰度区间对后续识别的干扰。

自动分离水稻生长的各个阶段，本系统基于灰度变换增强开发了一种算法来分析植被指数图和监测水稻生育期。使用低通滤波器，得到平滑的植被指数图。为了确定水稻的生长阶段，植被指数图归一化为［0；
1］。每个成长阶段定义如下：出苗期，总生长周期的10%（递增函数）；
分蘖期，总生长周期的40%（递增函数）；
抽穗期，总生长周期的40%（递减函数）；
收获期，总生长周期的10%（递减函数）。

利用2021年从田间服务器获取的每日图像进行处理，了解水稻的生长阶段。对位于内蒙古赤峰市的某块稻田进行了实验，采集系统如图1所示。根据用于监测的植被指数，出苗期对应植被指数曲线递增区间，分蘖期对应植被曲线缓慢增长区，抽穗期对应植被曲线缓慢下降区，收获期对应植被曲线断崖式下降区（图2）。在主观检验的基础上，对比结果表明，植被指数对于反映水稻生长阶段具有稳定性、有效性。比较时，将测试指标归一化为［0；
1］，并采用低通滤波进行平滑处理。为了了解水稻的生长阶段，采用植被指数图分析确定生育期。

图1 稻田图像采集系统

图2 水稻生育期与植被指数的关系

本文设计了一套水稻生长监测系统，通过对每日采集的图像进行处理，可了解水稻的生长阶段，在今后的水稻生产中可起到一定的指导作用。但为了获得更精确的结果，不仅是水稻像素图像，其他信息（如近红外图像、照明测量）也能够集成和使用在系统中。例如，NDVI作为一种有效的植被指数，已被用于绿色植物活体观测，结合近红外和红色通道，计算出NDVI。此外，日射计测量的照明信息是一个与稻田环境（阳光、云、雨）相关的参数，可利用照明信息，对每日图像进行辐射校正。在今后的研究中，可结合以上参数更有效地应用于实际，分析植物生长周期与天气信息（例如温度、雨量）之间的关系。

猜你喜欢 植被指数灰度稻田 采用改进导重法的拓扑结构灰度单元过滤技术北京航空航天大学学报(2022年6期)2022-07-02基于无人机图像的草地植被盖度估算方法比较草业科学(2022年3期)2022-03-26冬小麦SPAD值无人机可见光和多光谱植被指数结合估算农业机械学报(2021年8期)2021-08-27稻田摸鱼记趣味(作文与阅读)(2021年5期)2021-08-19Bp-MRI灰度直方图在鉴别移行带前列腺癌与良性前列腺增生中的应用价值天津医科大学学报(2021年1期)2021-01-26Arduino小车巡线程序的灰度阈值优化方案中国信息技术教育(2020年2期)2020-02-02基于植被指数选择算法和决策树的生态系统识别农业机械学报(2019年6期)2019-06-27稻田里的写真作文大王·低年级(2019年2期)2019-01-23稻田里的小猪佩奇学苑创造·A版(2018年9期)2018-10-22稻田里的稻草人创新作文(1-2年级)(2018年7期)2018-01-22

推荐访问:水稻 尺度 监测系统