DB23∕T 3229-2022 基于无人机多光谱影像的水稻叶瘟病病情诊断技术规程.docxVIP

ICS 65.020.01 CCS B01 DB23 黑 龙 江 省 地 方 标 准 DB23/T 3229—2022 基于无人机多光谱影像的水稻叶瘟病 病情诊断技术规程 2022-05-25发布 2022-06-24实施 DB23/T 3229—2022 前 言 本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起 草。 I DB23/T 3229—2022 基于无人机多光谱影像的水稻叶瘟病病情诊断技术规程 1 范围 本文件规定了基于无人机多光谱影像诊断水稻叶瘟病病情的范围、规范性引用文件、术语和定义、 基本要求、诊断处理流程、数据获取预处理、发生程度识别、面积量算和专题产品制作。 本文件适用于水稻叶瘟病病情的无人机多光谱影像诊断。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB/T 14950—2009摄影测量与遥感术语 GB/T 15790—2009稻瘟病测报调查规范 GB/T 16820—2009地学术语 GB/T 20257（所有部分）国家基本比例尺地图图式 GB/T 30115卫星遥感影像植被指数产品规范 NY/T 3527—2019农作物种植面积遥感监测规范 3 术语和定义 GB/T 14950—2009、NY/T 3527—2019界定的以及下列术语和定义适用于本文件。 3.1 3.2 多光谱影像 将物体发射或辐射的电磁波信息分成若干波谱段进行接收或记录的图像。 增强型植被指数(EVI) 利用近红外波段反射率、可见光红光波段反射率和蓝光波段反射率，引入土壤背景与大气等因子综 合计算得到的植被指数。 3.3 病情指数 调查田块中水稻叶瘟病各级发病数与其代表值乘积占调查总数与发病最高代表值乘积的百分比例。 3.4 发生程度 病情指数及其发生面积占稻田面积的百分比例。 1 DB23/T 3229—2022 4 基本要求 空间基准 4.1 4.1.1大地基准：2000国家大地坐标系（CGCS2000）。 4.1.2高程基准：1985国家高程基准。 4.2 投影方式 高斯—克吕格投影。 监测时间 4.3 水稻移栽后至孕穗末期。 5诊断处理流程 基于无人机多光谱影像的水稻叶瘟病病情诊断处理流程主要包括：数据获取与处理、病情分级诊断、 精度检验、病情指数分级、发生程度分级、面积量算和统计、专题产品制作7个步骤，见图1。 影像获取与处理 无人机多光谱数据 样本数据 其他数据 参数的选择 构建模型 否 水稻空间分布 病 情 分 级 诊 断 模型相关性评价R≥0.6 是 病情分级反演 精 度 检 验 总体精度≥85% 否 是 病情指数分级 发生程度分级 面积量算和统计 专题产品制作 图1基于无人机多光谱影像的水稻叶瘟病病情诊断处理流程 2 DB23/T 3229—2022 6 数据获取与处理 6.1 无人机多光谱影像 6.1.1 影像的选择 无人机多光谱影像的选择要求如下： a）应选择至少具有绿光波段（520nm～570nm）、红光波段（620nm～760nm）、近红外波段（760nm～ 1100 nm）范围的无人机多光谱影像数据； b）影像空间分辨率宜优于0.1米； c）影像获取时间应为10:00～14:00； d）淡积云量，无卷云、浓积云等，光照稳定； e）垂直能见度应大于500米； f）影像获取时间内风力应小于3级； g）影像应图面清晰，定位准确，无明显条纹、点状和块状噪声，无数据丢失，无严重畸变。 6.1.2 影像预处理 无人机多光谱影像的预处理要求如下： a）利用标准值灰板或地面典型地物光谱值对无人机多光谱影像进行辐射校正； b）影像应进行几何校正，误差应小于1个像元； c）植被指数的计算与合成按照GB/T 30115的规定执行。 6.2 样本数据 6.2.1 数量与布局 a）在影像范围内选择若干抽样区域作为样本数据。样本的类别应包含影像内水稻叶瘟病病情分级 数据和地物类型； b）样本应均匀分布，数量应满足统计学的基本要求； c）样本数据的采集时间与多光谱影像的采集时间宜一致。 6.2.2 获取方式 a）病情分级训练样本数据和验证样本数据根据GB/T15790—2009中4.1.2获取，并记录采样点经纬 度； b）地物类型训练样本数据和验证样本数据根据NY/T3527—2019中7.2.2获取，并记录采样点经纬度。 6.3 6.4 水稻空间分布数据 根据NY/T 3527—2019提取水稻空间分布数据。 其他数据 a）水稻生育期数据； b）水稻品种数据； c）气象数据。 3 DB23/T 3229—2022