答辩博士：余洪锋
指导老师：徐焕良教授
论文题目：被动光源式植被指数测量方法研究及装置集成
答辩委员会：
主席：
行鸿彦教授/博导南京信息工程大学
委员：
朱正礼教授/博导 南京林业大学
汪小旵教授/博导皇冠
沈明霞教授/博导皇冠
田永超教授/博导 皇冠
倪 军教授/博导 皇冠
丁永前教授/硕导皇冠
秘书：
戴芸助理研究员皇冠
答辩时间：2023年8月29日15时0分
答辩地点：浦口校区育贤楼C302
论文简介：
现代农业中利用作物生长状况与特定波段光谱信息（一般表达成植被指数）之间的定性和定量关系，开发了多种类型的作物冠层反射光谱仪。被动光源式作物冠层反射光谱仪由于采用太阳光作为检测光源，可以获得照度分布均匀的大尺度检测区域，其测量的结果能更有效地代表作物生长的群体特性，但太阳光的光照强度随天气状况、太阳入射角度的不断变化而变化，现有基于被动光源的植被指数测量方法，往往需要频繁的白板校准并固定测量高度，限制了其实际应用。本文从克服现有被动光源式植被指数测量方法的不足开展了相关研究，利用太阳光各窄带波段白板响应之间的关联特性，提出了一种被动光源式植被指数测量方法，并进行了装置集成。本文围绕以下四个方面开展了相关研究工作，主要研究内容和取得的成果如下：
（1）理论分析和实验测试了光源辐照区域照度均匀性对植被指数测量结果的影响，研究结果表明：以太阳光作为检测光源获得的植被指数测量值更能反映作物的群体特征，比主动光源式测量结果具有原理性优势。本章提出了一种评价方法，从理论上分析了光源辐照区域照度分布特性对植被指数测量结果的影响。通过构造被测物体的照度分布特征向量和反射率特征向量，构造了光谱仪性能评价函数，可以有效地评价作物冠层反射光谱仪的测量性能。利用自行设计的照度分布测试系统，应用所提出评价方法对主动和被动光源式作物冠层反射光谱仪测量结果进行评价。太阳光条件下656nm和770nm的照度变异系数分别为5.42%和3.63%，GreenSeeker RT200主动光源在656nm和770nm的照度变异系数分别为36.72%和36.79%，测试结果表明太阳光的照度均匀性显著优于GreenSeeker RT200主动光源系统；植被指数性能影响方面，太阳光实测NDVI值与被测对象真实NDVI值接近，两者的最大绝对偏差值为0.0391，平均值为0.0171，标准偏差值为0.0088，GreenSeekerRT200的NDVI测量值与被测对象基于光源照度分布的加权反射率计算得到的NDVI值接近，两者最大绝对偏差值为0.0507，平均值为0.0254，标准偏差值为0.0125，这表明只有当光谱仪检测到的光源照度分布均匀时，才能从理论上获得基于被测对象算术平均反射率的植被指数，从而能够充分表达被测对象的群体特征。当主动光源的照度分布不均匀时，测量结果难以充分表达物体的群体特征，而被测物体反射率仅仅是基于光源照度分布特征的加权平均值。
（2）依据太阳光各波段辐照能量占比相对恒定的特性，提出了被动光源式植被指数测量方法，构建了基于光电池的太阳光窄带波段白板反射观测系统，对测量方法进行验证，研究结果表明：观测系统获得的太阳光不同窄带波段白板反射值之比趋向于定值，具有恒值特性，其结果证明被动光源式植被指数测量方法的有效性。太阳光窄带波段白板反射响应观测系统选取了构建植被指数常用的5个窄波段（660nm，730nm，760nm，810nm，860nm，带宽为14nm）和一个全波段，设计了六通道的太阳光观测系统，持续观测各通道白板响应情况。观测系统持续采集了2022年11月30至2023年3月18日期间各波段太阳光白板响应数据，共收集到49天30212条数据。通过对照度和天气状况的箱体图分析，其Cw660770、 Cw730810、 Cw770860三个组合波段的比值数据在观测系统有效的工作区间内数据中位数和均值趋向于稳定值，三组Cw数据平均值分别为2.544、0.7725、1.001，三组Cw数据的箱体图上下四分位差值最大值小于0.132，其三种天气状况下的Cw值中位数也是接近的，Cw660770、Cw730810、Cw770860在三种天气状况下箱体图上下四分位差值最大值分别为0.24、0.048、0.12。
（3）针对作物冠层反射光谱仪两种常用型式的感光传感器，分别构建了基于光电池和窄带相机的被动光源式植被指数测量装置，针对已知植被指数的被测对象开展被动光源式植被指数测量方法的实验测试工作，研究结果表明：两类测量装置均能有效获得植被指数，测量值不受太阳光光强变化的影响。基于光电池的NDVI测量装置在晴天、多云、阴天天气条件下的NDVI平均值分别为0.6497、0.6544、0.6218，与测试对象NDVI真实值相对偏差最大值为4.34%。基于窄带相机的NDVI测量装置获取的NDVI数据平均值分别为0.6482、0.6508、0.6174，与测试对象NDVI真实值相对偏差最大值为5.02%。
（4）针对窄带相机的被动光源式植被指数测量装置的田间运用场景，开发了相应的软件系统，并开展装置的田间实际应用测试，考虑到土壤背景干扰对测量结果的影响，软件系统开发工作将窄带光谱图像冠层提取方法研究融合于被动光源植被指数计算方法中，田间测试结果表明：在田间复杂测量条件下，被动光源式植被指数测量方法及装置依然可以获得稳定可靠的植被指数测量结果。田间性能验证试验共采集了12个小麦品种、两个施氮水平、共24块种植小区图像，SLIC和卷积神经网络算法融合的冠层提取方法Qseg、Precision和F的平均值分别为90.41% 、80.82%和72.73%，其分割性能均优于传统的阈值分割方法。针对相同测试田块，GreenSeeker RT200测量的各小区NDVI值变异系数的最大值、平均值和标准差分别为47.12%、33.61%、10.17%，而被动光源式植被指数测量方法的各小区NDVI值的相应指标值分别为18.59%、9.61%、3.88%；当采样小区小麦封行前，GreenSeeker RT200的测量结果与新方法的提取的NDVI值相关性较低，决定系数仅为0.0124，当采样小区小麦封行后，GreenSeeker RT200的测量值与新方法所提取的NDVI值具有较高的相关性，决定系数为0.8959。
综上，本研究针对现有基于被动光源的作物反射光谱仪存在的问题，形成一套被动光源式植被指数测量方法及装置，为使用太阳光源测量植被指数提供了一种新方法，新思路。
主要创新点如下：
（1）提出了一种受作物冠层反射光谱仪光源辐照特性影响的植被指数评价方法，通过获取主被动光源照度分布特征向量和被测物体的反射率特征向量，构造了性能评价函数，从理论上分析了光源照射区照度分布特性对测量结果的影响。
（2）根据太阳光不同窄带波段白板反射值之比的恒值特性，构建了被动光源式植被指数测量新方法，测量值不受太阳光光强变化的影响，且无需白板校准。
（3）提出了一套被动光源式植被指数测量方法及装置，该装置可以完成复杂土壤背景、大田光照变化条件下的小麦窄带光谱图像的冠层提取与植被指数测量，可为多镜头结构的作物冠层反射光谱仪的优化设计提供参考。
