本发明涉及水稻产量预测，特别涉及基于无人机图像的水稻产量预测方法和系统。
背景技术：
1、田间作物表型信息是农作物生长状态、健康状况的直观体现，是影响作物生产管理决策的重要因素。无人机低空遥感作为一种新兴的技术手段，凭借其高时空分辨率、低成本、机动灵活、对复杂农田环境适应性强等优势，正逐渐成为最主要的农作物大面积无损检测手段之一，在精准农业应用中发挥巨大作用。目前，无人机遥感基于各波段光谱信息组成的植被指数已被多项研究结果证实与产量具有显著相关性，因此被广泛应用于作物估产中。
2、现有技术中，最常用的水稻产量预测多为基于对植被指数与产量数据的回归模型，其只考虑了植被指数与水稻产量之间的线性关系，并未对水稻生育期内的环境参数及肥施参数进行综合考虑，导致其预测结果与实际产量测量值之间偏差程度较大，预测的精确性较差。为此，我们提出基于无人机图像的水稻产量预测方法和系统。
技术实现思路
1、本发明的主要目的在于提供基于无人机图像的水稻产量预测方法和系统，可以有效解决背景技术中的问题。
2、为实现上述目的，本发明采取的技术方案为，
3、基于无人机图像的水稻产量预测方法，包括：
4、采集实验区域内水稻在各个生育期内的无人机遥感影像及影响因素数据，所述影响因素包括生长环境特征及肥施参数特征，对遥感影像进行解译，获取常用植被指数特征数据；
5、进一步的，生长环境特征数据可以为环境温度、环境湿度、水分含量、平均日照量等中的一种或多种，肥施参数特征数据可以为肥料及农药的施用种类、施用量和施用时间等中的一种或多种。
6、采用地面实测法对成熟期水稻进行取样称重，获取水稻产量实测数据；
7、计算各生育期内的各项所述常用植被指数值与水稻产量值之间的相关系数，筛选相关系数位于相关性阈值范围内的常用植被指数作为评价性时域植被指数；
8、对获取的生长环境特征数据及肥施参数特征数据与水稻产量值进行灰色关联分析，根据分析结果确定影响因素对水稻产量的权重；
9、构建所述评价性时域植被指数及所述影响因素对水稻产量值的映射矩阵表v→p；
10、获取待测区域内水稻的所述评价性时域植被指数及所述影响因素值作为待评估值，计算所述待评估值与所述映射矩阵表中数集v的基间的匹配度，其中，所述匹配度的计算公式为：
11、
12、式中，md为匹配度值，α，β为常数系数，且α∈(0,1)，β∈(0,1)，α+β＝1，ai为待测区域内水稻的第i项所述评价性时域植被指数值，bj为待测区域内水稻的第j项影响因素值，为第j项影响因素对水稻产量的权重，通过匹配度确定所述待测区域内水稻的预测产量阈值。
13、基于无人机图像的水稻产量预测系统，所述系统包括遥感图像获取模块、植被指数获取模块、影响因素数据获取模块、产量测量模块、产量相关性分析模块、产量关联性分析模块、模型构建模块、产量预测模块。
14、所述遥感图像获取模块用于采集实验区域及待测区域内水稻在各个生育期内的无人机遥感影像；
15、所述植被指数获取模块用于对获取的遥感影像进行解译，获取常用植被指数特征数据；
16、所述影响因素数据获取模块用于采集实验区域及待测区域内水稻的生长环境特征及肥施参数特征数据；
17、所述产量测量模块采用地面实测法对所述实验区域内的成熟期水稻进行取样称重，获取水稻产量实测数据；
18、所述产量相关性分析模块与所述植被指数获取模块连接，用于计算实验区域内水稻在各生育期内的所述常用植被指数值与水稻产量值之间的相关系数，并筛选出相关系数位于相关性阈值[0.7,1]范围内的常用植被指数作为评价性时域植被指数；
19、所述产量关联性分析模块与所述影响因素数据获取模块连接，用于对获取的生长环境特征数据及肥施参数特征数据与水稻产量值进行灰色关联分析，根据分析结果确定各影响因素对水稻产量的权重；
20、所述模型构建模块与所述产量测量模块、所述产量相关性分析模块及所述产量关联性分析模块连接，用于根据获取的数据构建所述评价性时域植被指数及所述影响因素对水稻产量值的映射矩阵表v→p；
21、所述产量预测模块与所述模型构建模块连接，用于计算待测区域内水稻的生长环境特征及肥施参数特征数据与所述映射矩阵表中数集的基间的匹配度，通过匹配度确定所述待测区域内水稻的预测产量阈值；
22、所述系统还包括存储器、处理器及存储于存储器中并能够在所述处理器上运行的电子程序。
23、本发明具有如下有益效果，
24、与现有技术相比，本发明技术方案通过采集实验区域内水稻在各个生育期内的无人机遥感影像及影响因素数据，所述影响因素包括生长环境特征及肥施参数特征，对遥感影像进行解译，获取常用植被指数特征数据，采用地面实测法对成熟期水稻进行取样称重，获取水稻产量实测数据，计算各生育期内的各项所述常用植被指数值与水稻产量值之间的相关系数，筛选相关系数位于相关性阈值范围内的常用植被指数作为评价性时域植被指数，对获取的生长环境特征数据及肥施参数特征数据与水稻产量值进行灰色关联分析，根据分析结果确定影响因素对水稻产量的权重，构建所述评价性时域植被指数及所述影响因素对水稻产量值的映射矩阵表，获取待测区域内水稻的所述评价性时域植被指数及所述影响因素值作为待评估值，计算所述待评估值与所述映射矩阵表中数集的基之间的匹配度，通过匹配度确定所述待测区域内水稻的预测产量阈值，综合考虑了最能够反映产量的植被指数类型及水稻生育期过程中生长环境特征和肥施参数特征对于水稻产量的影响情况，使得预测结果更加符合实际情况，从而能够有效提高水稻产量预测的精确度。
1.基于无人机图像的水稻产量预测方法，其特征在于，包括：
2.根据权利要求1所述的基于无人机图像的水稻产量预测方法，其特征在于，相关系数的计算公式为：
3.根据权利要求1所述的基于无人机图像的水稻产量预测方法，其特征在于，所述映射矩阵表的具体表达式为：
4.根据权利要求1所述的基于无人机图像的水稻产量预测方法，其特征在于，相关性阈值的取值范围为[0.7,1]。
5.根据权利要求1所述的基于无人机图像的水稻产量预测方法，其特征在于，所述常用植被指数包括归一化植被指数、绿色归一化植被指数、重归一化植被指数、比值植被指数、陆地叶绿素指数、植被提取颜色指数、过绿植被指数、绿叶植被指数、植物色素比率、红绿蓝植被指数、陆地叶绿素指数、水分指数、改进红边比值植被指数、植被衰减指数中的至少一种。
6.根据权利要求1所述的基于无人机图像的水稻产量预测方法，其特征在于，影响因素对水稻产量的权重确定方法包括以下步骤：
7.基于无人机图像的水稻产量预测系统，其特征在于，所述系统包括遥感图像获取模块、植被指数获取模块、影响因素数据获取模块、产量测量模块、产量相关性分析模块、产量关联性分析模块、模型构建模块、产量预测模块。
8.根据权利要求7所述的基于无人机图像的水稻产量预测系统，其特征在于，所述系统还包括存储器、处理器及存储于存储器中并能够在所述处理器上运行的电子程序，其中，所述处理器在运行电子程序时能够实现权利要求1-6任一项所述方法的步骤。
