半球摄影法获取水稻冠层叶面积指数和平均叶倾角的方法

摘要

本发明公开了一种半球摄影法获取水稻冠层叶面积指数和平均叶倾角的方法。运用基于鱼眼镜头的数字半球摄影系统，从水稻冠层内部自下而上采集水稻冠层半球图像，对此半球图像进行灰度转换和二值化后，从中获取57°视角天顶角下的冠层孔隙度，基于Beer-Lambert定律和泊松模型，以及水稻冠层叶片投影函数的两大特性，计算57°视角天顶角单角度条件下的水稻冠层LAI和ALIA；运用椭圆函数模拟水稻冠层的叶倾角分布，对单角度法求出的水稻冠层LAI和ALIA进行优化，完成水稻冠层LAI和ALIA的快速获取。不用野外采摘水稻叶片进行破坏性人工测量，能实时获取水稻冠层LAI和ALIA，为实时监测水稻长势、进行水稻遥感估产提供基础参数。

说明书

技术领域

本发明涉及一种半球摄影法获取水稻冠层叶面积指数和平均叶倾角的方法。

背景技术

水稻是我国最主要的粮食作物之一。水稻冠层是水稻与外界环境发生相互作用的主要场所，水稻的许多生物物理过程，包括光合、呼吸、蒸腾和降水截获等过程，都发生在冠层。冠层结构参数是反映水稻生长状况，估计水稻产量的重要指标。在诸多冠层结构参数中，叶面积指数(LAI)反映了单位地表上植物叶片面积的多少；而平均叶倾角(average leafinclination angle，ALIA)则表达了冠层中叶片的空间分布。这两个参数与其他冠层结构参数一起，决定了水稻对光线、水分等利用和管理的能力。

传统的获取水稻冠层LAI和ALIA的方法主要是“直接量测法”，李云梅(李云梅.植被辐射传输理论与应用[M].南京：南京师范大学出版社，2005.)通过实测水稻冠层的叶面积及叶片倾角，计算了水稻冠层叶面积指数、消光系数，并模拟了水稻冠层的平均投影函数及叶倾角的分布。Warren Wikon(Warren Wilson，J.，and Reeve，J，L.，1959.Analysis of the spatial distribution of foliage by two-dimensional point quadrats.New Phytol.，58：92-101.)则采用“投针法”测定了植株叶面积指数和叶倾角等冠层结构参数。徐正进(徐正进，董克.水稻叶片基角、开张角和披垂度的同时测定方法.沈阳农业大学学报，1991，22(2)：185-187.)则使用“轨迹法”测量作物叶片长度并通过计算获得LAI及叶倾角等冠层结构参数。

以上所述“直接量测法”、“投针法”、“轨迹法”在很大程度上依赖于测量人员的实际经验，易受主观因素影响，而且速度慢、工作强度大。因此，为了能客观、快速地获取作物冠层LAI和ALIA，研究者们研究了新的方法。

刘国安[刘国安.作物叶面积指数和叶倾角分布函数的一种推算方法.中国农业气象，1994，15(6)：11-15.]根据对冠层中光斑密度和太阳总辐射量的测定，应用与多元回归分析类似的简单最小二乘法来间接地推算玉米和油菜群体的叶面积指数和叶倾角分布函数。吴门新(吴门新，朱启疆，王锦地，项月琴，苏理宏，周晓东，唐世浩.夏玉米结构参数计算及大田玉米冠层的可视化研究.作物学报，2002，28(6)：721-726.)在几何图形法、参数法和直接测量法的基础上，利用实测数据结合数字图像处理获得的相关数据建立了图像LAI与实测LAI的回归模型，并依5此成功批量获取了夏玉米的LAI。Barrie(Julie Barrie，J.N.Greatorex-Davies，R.J.Parsell and R.H.Marrs.1990.A semi-automated method for analysing hemispherical photographs for the assessment of woodland shade.Biological Conservation.54(4)：327-334)、Becke(P.Becker，D.W.Erhart and A.P.Smith.1989.Analysis of forest light environments part I.Computerized estimation of solar radiation from hemispherical canopy photographs.Agricultural and Forest Meteorology.44(3-4)：217-232)、Chen(J.M.Chen，T.A.Black and R.S.Adams.1991.Evaluation of hemispherical photography for determining plant area index and geometry of a forest stand.Agricultural and Forest Meteorology.56(1-2)：129-143)、Baret(F.Baret，B.Andrieu and M.D.Steven.1993.Gap frequency and canopy architecture of sugar beet and wheat crops.Agricultural and Forest Meteorology.65(3-4)：261-279))在各自的研究中，将鱼眼镜头获取的数字半球图像，由专门软件进行处理，获取森林乔木及小麦和甜菜等作物冠层结构参数。

而基于半球摄影法在获取水稻叶面积指数和平均叶倾角方面，国内外公开文献还没有报道。

发明内容

为了克服现有的人工野外测量水稻冠层LAI和ALIA的方法费时费力、难以实时快捷准确获取结果的缺陷，本发明的目的在于提供一种半球摄影法获取水稻冠层叶面积指数和平均叶倾角的方法。

本发明采用的技术方案的步骤如下：

1)拍摄图像：将半球镜头的数码相机镜头朝上，水平放置在水稻冠层内部拍摄水稻冠层原始彩色半球图像，以JPG图像文件的形式存放在电脑中；

2)彩色图像灰度转换：将数码相机拍摄到的原始彩色半球图像通过图像处理软件转换为灰度半球图像，存放在电脑中；

3)灰度图像二值化：将2)步骤中的灰度半球图像转换为只含有“黑”、“白”两种象元的二值半球图像，存放在电脑中；

4)计算冠层孔隙度：基于二值半球图像计算水稻冠层孔隙度，存放在电脑中；

5)计算57°单角度天顶角下的叶面积指数和平均叶倾角：根据水稻冠层叶面积指数与冠层孔隙度的关系以及叶倾角投影函数G函数的两个特点，计算57°单角度天顶角下的叶面积指数和平均叶倾角；

6)57°单角度叶面积指数和平均叶倾角的优化：用椭圆函数模拟水稻冠层的叶倾角分布，来替代5)步骤中获得的简单的一个平均叶倾角，进行单角度叶面积指数和平均叶倾角的迭代优化，获取最佳的水稻冠层叶面积指数和平均叶倾角；

7)整个计算采用Visual C#2005编程实现。

本发明具有的有益效果是：

利用基于鱼眼镜头的半球摄影法获取水稻冠层数字半球图像，不用野外采摘水稻叶片进行破坏性人工测量叶面积，以及测量叶倾角，能实时快速地获取水稻冠层结构参数LAI和ALIA，为实时监测水稻长势、进行水稻遥感估产提供基础参数。

附图说明

附图是水稻冠层孔隙度随视角的变化趋势图。

具体实施方式

在选定的田块中按“S”型分布设立8个1m×1m拍摄小区，平均每小区里内有36株水稻。选择早稻、晚稻和单季稻为拍摄对象。在各季水稻的生长季节每周拍摄一次，每季水稻拍摄5-7次。

1)拍摄水稻冠层半球图像：

将鱼眼镜头照相机安放在每个小区的中心点，保持水平，镜头向上拍摄；拍摄时间选择阴天或晴天但太阳被云层遮挡的时候进行；水平旋转照相机，每隔45°拍摄一张，每个小区共得到8张水稻冠层半球影像；处理这8张影像得到的孔隙度的平均值作为反演冠层结构参数的基础数据。

2)彩色图像灰度转换：

转换公式采用：

Gray(x，y)＝B(x，y)    (1)

式中：

Gray(x，y)——灰度图像上点(x，y)处的灰度值，

B(x，y)——原始彩色图像中点(x，y)处的蓝色分量值；

3)图像二值化：

$\mathrm{BW}(x,y)=\left(\begin{array}{cc}0& \mathrm{Gray}(x,y)<T\\ 255& \mathrm{Gray}(x,y)\ge T\end{array}\right)---\left(2\right)$

式中：

BW(x，y)——二值图像上点(x，y)处的像素值，

Gray(x，y)——灰度图像上点(x，y)的灰度值，

T——选定的阈值，

BW(x，y)＝0——黑色，表示(x，y)点处为水稻叶片，

BW(x，y)＝255——白色，表示(x，y)处为天空；

阈值确定方法：

由下向上拍摄水稻冠层，可以得到典型的双峰型图像：水稻冠层中的像素产生直方图中的一个峰，而背景产生直方图中的另一个峰，物体与背景的边界附近具有两个峰值之间的灰度级，其像素数目相对较少，从而产生了两峰之间的谷。选择谷作为灰度阈值可以得到合理的分割结果。灰度值大于该阈值的象元被划归为天空象元，灰度值小于该阈值则被认为是水稻叶片。

4)计算冠层孔隙度：

以水稻冠层半球图像中心点为圆心，每隔10°将图像划分为9个同心环，每个环对应一个天顶角。从里到外，各环用5°、15°、25°、......、75°、85°等9个天顶角表示其视角。按公式(3)计算每个环内天空像元的数量占环内总像元的比例，即该环对应的视角下的冠层孔隙度：

$T\left(\theta \right)=\frac{P_0\left(\theta \right)}{P_0\left(\theta \right)+P_1\left(\theta \right)}---\left(3\right)$

式中：

T(θ)——视角θ下冠层的孔隙度，

P₀(θ)——天空像元数量，

P₁(θ)——叶片像元的数量。

附图为水稻半球图像中孔隙度随视角的变化趋势。

5)计算单角度LAI和ALIA：

①根据Beer-Lambert定律，水稻冠层叶面积指数与冠层孔隙度的关系如下：

$\mathrm{LAI}=\frac{-\ln T\left(\theta \right)·\cos \theta }{G(\theta ,\alpha )}---\left(4\right)$

式中：

LAI——水稻冠层叶面积指数，

T(θ)——天顶角θ为视角的冠层孔隙度，

G(θ，α)——叶倾角为α的水稻冠层叶片在天顶角θ方向上的投影。

②G函数有了两个特点：

A.在视角天顶角为57°左右时，G(θ，α)＝0.5，而与叶倾角关系不大；

B.在25°＜θ＜65°范围内，G(θ，α)可看作是关于θ的线性函数，具其斜率与叶倾角有关。

③根据G函数的特点A，基于半球图像计算57°单角度天顶角下的冠层孔隙度T₅₇，再按(5)式计算57°单角度天顶角下的LAI：

LAI＝-ln T(57°)*cos(57°)/0.5    (5)

式中：

LAI——水稻冠层叶面积指数，

T(57°)——从半球图像上获取的天顶角θ为57°视角的冠层孔隙度，

②按以下步骤计算单角度ALIA：

从半球图像上提取对应于25°～65°视角的孔隙度T(25°)～T(65°)；使用公式(5)计算LAI；将以上两步的结果代入公式(4)式，得到对应的G(θ)数据G(25°)～G(75°)；将获得的G(θ)数据进行直线拟合，得到其斜率S；将S代入(6)式计算即得到即ALIA：

$\bar{\alpha }=56.63+2.52\times {10}^{3}S-141.47\times {10}^{-3}{S}^2-15.59\times {10}^{-6}{S}^3$

$+4.18\times {10}^{-9}{S}^4+442.83\times {10}^{-9}{S}^5---\left(6\right)$

式中：

$\bar{\alpha }-\mathrm{ALIA},$

S——根据G函数的特点B，在25°＜θ＜65°范围内，平均投影函数G(θ，α)可以看作是关于θ的线性函数，S为该线性函数的斜率。

6)单角度LAI和ALIA的优化：

为了得到更优化的LAI和ALIA，用椭圆函数模拟水稻冠层的叶倾角分布，来替代5)中简单的一个ALIA，此时：

$\left(\begin{array}{c}G\left(\theta \right)=\frac{{(x^2+{\tan }^2\theta )}^{1/2}\cos \theta }{x+\left({\sin }^{-1}ϵ\right)/ϵ}\\ ϵ={(1-x^2)}^{1/2}\end{array}\right)---\left(7\right)$

$x=-3+{\left(\frac{\bar{\alpha }}{9.65}\right)}^{-0.6061}---\left(8\right)$

式中：

X——椭圆横轴与纵轴的比值。

按如下步骤进行单角度LAI和ALIA的迭代优化：

i.将5)中得到的单角度ALIA代入公式(8)得到x；

ii.将x代入公式(7)；

iii.将公式(7)代入公式(5)，并令公式(5)中的θ＝57.5°，求出G(57.5°)；

iv.将iii中新得到的G(57.5°)代替公式(5)中的G(57.5°)＝0.5计算新的LAI值；

v.利用新得到LAI值和从图像中获取的对应于25°～65°视角的冠层孔隙度T(25°)～T(65°)，代入公式(4)，得到对应的G(θ)数据G(25°)～G(75°)；

vi.通过对G和θ的线性拟合得到直线斜率S；

vii.将S代入公式(6)，得到一个新的

viii.重复步骤i-vii，直到LAI与的值不再变化。

7)整个计算采用Visual C#2005编程实现。