(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211138434.9 (22)申请日 2022.09.19 (71)申请人 中国科学院植物研究所 地址 100093 北京市海淀区香 山南辛村20 号 (72)发明人 张琳　贾元　宋创业　袁伟影　 桑佳文　吴冬秀　 (74)专利代理 机构 上海方澜知识产权代理事务 所(普通合伙) 31440 专利代理师 李娜 (51)Int.Cl. G01S 17/86(2020.01) G01S 17/89(2020.01) G01C 11/02(2006.01) G06V 20/17(2022.01)G06V 10/10(2022.01) G06V 10/24(2022.01) G06V 10/80(2022.01) G06N 20/00(2019.01) (54)发明名称 一种草地生产力的无人机快速监测方法及 系统 (57)摘要 本发明公开了一种草地生产力的无人机快 速监测方法及系统， 一种草地生产力的无人机快 速监测方法， 包括： 设定飞行参数和控制方法； 对 多光谱相机得到的多光谱图像和可见光图像， 进 行辐射校正、 拼接得到正射影像， 对所述激光雷 达获取的激光雷达数据进行去噪、 滤波和裁切得 到点云数据； 参数提取： 得到地上实测数据， 计算 与植被相关参数值； 提取所有获取过生物量的样 方的参数值； 使用随机森林的方法， 计算所有参 数的重要值， 并将所有的样本随机分为训练数据 集和验证数据集； 使用后向特征消除方法， 先构 建了一个所有的参数都参与地上实测生物量建 模的生物量模型； 对算法准确性的估计； 草地生 产力的计算。 权利要求书2页 说明书8页 附图3页 CN 115453555 A 2022.12.09 CN 115453555 A 1.一种草地生产力的无人机快速监测方法， 应用于一带有多光谱相机的多旋翼无人机 和一带有机载激光雷达的多旋翼无 人机， 其特 征在于， 包括： 设定飞行参数和控制方法： 飞行高度、 航道重 叠率、 航向重 叠率、 路线规划； 对多光谱相机得到的多光谱图像和可见光图像， 进行辐射校正、 拼接得到正射影像， 对 所述激光雷达获取的激光雷达数据进行去噪、 滤波和裁切得到点云数据； 参数提取： 所述地面样方调查得到地上实测数据， 并根据所述地上实测数据提取每个 样方的具体参数值； 通过地面通过多光谱影像计算与植被相关参数值； 通过可见光影像计 算与植被相关参数； 通过激光雷达三维点云数据计算与植被相关参数值； 提取所有获取过生物量的样方的参数值； 使用随机森林的方法， 计算所有参数的重要 值， 并将所有的样本随机分为训练数据集 合验证数据集； 使用后向特征消除方法， 先构建了一个所有的参数都参与地上实测生物量建模的生物 量模型， 然后去除最不可能的参数后再重新进行随机森林建模， 依 次迭代直到最后只剩 下 一个参数为止； 将所有的样本随机分为第 一预设比例的训练数据和第 二预设比例的测试数据， 并进行 试验以对算法准确性的估计； 草地生产力计算： 基于构建的模型和获取的区域无人机遥感数据， 进行两期生物量快 速计算， 通过差值实现快速大面积草 地生产力数据估算。 2.根据权利要求1所述的方法， 其特征在于， 所述得到正射影像， 过程具体包括： 将无人 机获取的图像使用Agisoftmetashape进行图像拼接预处理， 首先将图像导入软件中， 再选 择对齐照 片， 对齐后即可生 成网格、 D EM和密集点云， 生 成网格后即可生成正射影像， 即完成 图像拼接 。 3.根据权利要求1所述的方法， 其特征在于， 还包括： 所述多光谱相机每架次飞行间拍 摄一次白板， 用于后期数据前处 理的辐射校正； 飞行前对所述激光雷达进行加减速标定， 飞行速度小于10m/s， 三回波、 重 复扫描， 开启 可见光上色。 4.根据权利要求3所述的方法， 其特征在于， 与植被相关参数包括以下一种或几种： 归 一化植被指数NDVI、 归一化差异红色边缘指数NDRE、 绿光归一化差值植被指数GNDVI、 叶片 叶绿素指数LCI、 优化土壤调整植被指数OSAVI、 增强植被指数EVI、 植被覆盖度FVC； 通过可 见光影像计算参数包括以下一种或几种： 额外绿色指数EGI、 绿色指数GI、 色调H、 饱和度S、 亮度值V、 相关性corr、 相交intersec、 巴氏距离bhatta； 通过激光雷达三维点云数据计算草 地冠层高度C HM。 5.根据权利要求1所述的方法， 其特征在于， 所述将所有的样本随机分为第 一预设比例 的训练数据和第二预设比例的测试 数据， 并进行 试验以对算法准确性的估计， 具体包括： 使用10次10折交叉验证方法， 将所有的样本随机分为10份， 轮流将其中9份作 为训练数 据， 1份作为测试数据， 进行试验， 并记录下每次试验得到的正确率。 进行10次10折交叉验证 后， 求其均值， 作为对算法准确性的估计。 6.根据权利要求1所述的方法， 其特征在于， 所述地面样方调查得到地上实测数据， 并 根据所述地上实测数据提取每个样方的具体参数值， 具体包括： 地面样方调查得到地上干 重、 高度、 盖度实测数据， 并记录每个样方的中心点位置经纬度； 根据记录下来的经纬度信权　利　要　求　书 1/2 页 2 CN 115453555 A 2息， 对拼接好后的无人机影像进 行波段计算， 使用三次卷积法进 行重采样， 用之前存储好的 样方经纬度数据作为 点， 使用值 提取至点功能提取每 个样方的具体参数值。 7.一种草地生产力的无人机快速监测系统， 其特征在于， 包括： 野外无人机遥感单元、 生物量模型与精度验证单元和草地生产力计算单元， 野外无人机遥感单元包括一带有多光 谱相机的多旋翼无人机和 一带有机载激光雷达的多旋翼无人机以及设定飞行参数控制模 块； 设定飞行参数控制模块， 用于设定飞行参数和控制方法： 飞行高度、 航道重叠率、 航向 重叠率、 路线规划； 生产力计算与精度验证单元包括： 数据 前处理模块、 参数提取模块与模型构建模块、 精 度验证与优化模块； 数据前处理模块， 用于对多光谱相机得到的多光谱图像和可见光图像， 进行辐射校正、 拼接得到正 射影像， 对激光雷达数据进行去噪、 滤波和裁切得到点云数据； 参数提取模块， 用于： 所述地面样方调查得到地上实测数据， 并根据 所述地上实测数据 提取每个样方 的具体参数值； 通过地面通过多光谱影像计算与植被相关参数值； 通过可见 光影像计算与植被相关参数； 通过激光雷达三维点云数据计算与植被相关参数值； 构建模型模块， 用于提取所有获取过生物量的样方的参数值； 使用随机森林的方法， 计 算所有参数 的重要值， 并将所有的样本随机分为训练数据集合验证数据集； 使用后向特征 消除方法， 用于先构建了一个所有的参数都参与地上实测 生物量建模的生物量模型， 然后 去除最不可能的参数后再重新进行随机森林建模， 依次迭代直到最后只剩下一个参数为 止； 精度验证与优化模块， 用于将所有的样本随机分为第 一预设比例的训练数据和第 二预 设比例的测试 数据， 并进行 试验以对算法准确性的估计； 草地生产力计算单元， 包括草地生产力计算模块， 用于基于构建的模型和获取的区域 无人机遥感数据， 进行两期生物量快速计算， 通过差值实现快速大面积草地生产力数据估 算。 8.根据权利要求7所述的草地生产力的无人机快速监测系统， 其特征在于， 所述草地生 产力计算单元， 还包括参数数据交换和数据显示界面模块， 用于将选定的重要模 型参数、 计 算结果输出显示， 通过无线传输装置上传到 云平台， 根据需求在云平台在 线查看、 下载和管 理数据。 9.根据权利要求8所述的系统， 其特征在于， 所述数据前处理模块， 具体用于， 将无人机 获取的图像使用Agisoftmetashape进行图像拼接预处理， 首先将图像导入软件中， 再选择 对齐照片， 对齐后即可生 成网格、 D EM和密集点云， 生 成网格后即可生成正射影像， 即完成图 像拼接； 精度验证与优化模块， 具体用于： 使用10次10折交叉验证方法， 将所有的样本随机分为 10份， 轮流将其中9份作为训练数据， 1份作为测试数据， 进行试验， 并记录下每次试验得到 的正确率。 进行10次10折交叉验证后， 求 其均值， 作为对算法准确性的估计。 10.一种计算机存储介质， 其特征在于， 存储介质中存储有指令， 所述指令运行时执行 如权利要求1 ‑6中任一项所述的一种草 地生产力的无 人机快速监测方法。权　利　要　求　书 2/2 页 3 CN 115453555 A 3