本發(fā)明涉及一種檢測(cè)方法，尤其是一種基于圖像的牧草覆蓋度和生物量自動(dòng)檢測(cè)方法，屬于圖像處理的技術(shù)領(lǐng)域。

背景技術(shù)：

牧草覆蓋度和生物量是衡量草地資源、進(jìn)行草原規(guī)劃和生態(tài)評(píng)價(jià)的重要指標(biāo)，傳統(tǒng)方法的牧草觀測(cè)主要以人工觀測(cè)為主，通常監(jiān)測(cè)點(diǎn)與臺(tái)站距離較遠(yuǎn)，觀測(cè)周期間隔也相對(duì)較長(zhǎng)，同時(shí)，由于人工觀測(cè)時(shí)受主觀因素影響較大，無(wú)統(tǒng)一嚴(yán)格標(biāo)準(zhǔn)，不同觀測(cè)人員的觀測(cè)結(jié)果通常存在較大出入，這一現(xiàn)狀迫切需要改變。

隨著衛(wèi)星遙感技術(shù)的發(fā)展，為牧草監(jiān)測(cè)開(kāi)辟了新的途徑，通過(guò)衛(wèi)星影像可以在短時(shí)間內(nèi)估算出大范圍面積的牧草生物量數(shù)據(jù)，為檢測(cè)植被動(dòng)態(tài)變化、合理開(kāi)發(fā)利用草地資源等方面提供了重要的基礎(chǔ)信息。目前國(guó)內(nèi)外學(xué)者利用遙感手段檢測(cè)草原牧草信息應(yīng)用較為廣泛的是NOAA/AVHRR數(shù)據(jù)和MODIS數(shù)據(jù)，其主要方法是建立遙感數(shù)據(jù)的NDVI(Normalized Difference Vegetation Index,歸一化差分植被指數(shù))與牧草生物量之間的線性或非線性模型。其中，用于計(jì)算NDVI數(shù)值的MODIS數(shù)據(jù)的第一通道分辨率和第二通道分辨率為250m，NOAA/AVHRR數(shù)據(jù)的相關(guān)通道更是低至1km，儼然，較低的空間分辨率無(wú)法滿足目前日趨精細(xì)化的農(nóng)業(yè)生產(chǎn)要求。此外，由于遙感圖像容易受到云層、降水和氣溶膠等天氣影響，致使所獲取的遙感影像多存在不同程度的斑點(diǎn)，大量信息缺失，影響到研究區(qū)牧草的觀測(cè)；遙感衛(wèi)星由于其觀測(cè)周期的限制，每天在固定區(qū)域僅可獲取較少圖像，因此利用遙感影像對(duì)牧草進(jìn)行實(shí)時(shí)觀測(cè)存在較大的局限性。

可見(jiàn)，基于遙感圖像的監(jiān)測(cè)方式并不是牧草覆蓋度和生物量自動(dòng)觀測(cè)的最好選擇，目前仍需一種高空間分辨率、長(zhǎng)時(shí)間序列、實(shí)用性強(qiáng)和操作方便的方式來(lái)代替人工觀測(cè)。利用農(nóng)業(yè)自動(dòng)氣象站的數(shù)碼攝像機(jī)實(shí)時(shí)拍攝的牧草照片，借助遙感影像處理方法，可以實(shí)時(shí)獲取牧草的覆蓋度和生物量等信息，便于精細(xì)化農(nóng)業(yè)生產(chǎn)活動(dòng)的展開(kāi)。但國(guó)內(nèi)利用數(shù)碼攝像機(jī)觀測(cè)牧草覆蓋度和生物量信息尚處于起步階段，無(wú)法滿足使用要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于圖像的牧草覆蓋度和生物量自動(dòng)檢測(cè)方法，其能實(shí)時(shí)獲取牧草覆蓋度和生物量數(shù)據(jù)，有效地實(shí)現(xiàn)牧草的智能化觀察，觀測(cè)準(zhǔn)確率高，實(shí)用性強(qiáng)，安全可靠。

按照本發(fā)明提供的技術(shù)方案，一種基于圖像的牧草覆蓋度和生物量自動(dòng)檢測(cè)方法，所述檢測(cè)方法包括如下步驟：

步驟1、利用農(nóng)業(yè)氣象自動(dòng)觀測(cè)站中的攝像機(jī)拍攝獲取所需方位角以及俯仰角的的牧草圖片；

步驟2、對(duì)拍攝的牧草圖片進(jìn)行處理，以獲取所述牧草圖片的圖像成像時(shí)間，并根據(jù)所述牧草圖片的圖像成像時(shí)間確定牧草圖片對(duì)應(yīng)的光合有效輻射輻照度，且將所確定的光合有效輻射照射度與輻射照射度閾值比較，若牧草圖片的光合有效輻射照射度低于輻射照射閾值時(shí)，跳轉(zhuǎn)至步驟4，否則，跳轉(zhuǎn)至步驟3；

步驟3、利用「G-B」模型計(jì)算牧草圖片的初始實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARIobserve，并構(gòu)建牧草生長(zhǎng)期內(nèi)作物長(zhǎng)勢(shì)指數(shù)的時(shí)間模型DAY-VARI，利用所述牧草生長(zhǎng)期內(nèi)作物長(zhǎng)勢(shì)指數(shù)的時(shí)間模型DAY-VARI以及牧草的當(dāng)前生長(zhǎng)期，得到預(yù)期作物長(zhǎng)勢(shì)指數(shù)VARImodel；當(dāng)|VARI_model﹣VARI_observe|/VARI_model小于等于色度判斷閾值時(shí)，跳轉(zhuǎn)至步驟5，否則，跳轉(zhuǎn)至步驟4；

步驟4、對(duì)牧草圖片進(jìn)行白平衡校正，以得到白平衡校正牧草圖片；

步驟5、對(duì)得到的白平衡校正牧草圖片，獲取每個(gè)像元的G/R通道比值以及G/B通道比值，當(dāng)G/R通道比值、G/B通道比值均大于牧草分割閾值時(shí)，且G通道數(shù)值大于35時(shí)，則當(dāng)前的像元判定為牧草作物，否則，當(dāng)前的像元判定為背景；

將白平衡校正牧草圖像的像元均進(jìn)行上述判斷處理后，得到白平衡校準(zhǔn)牧草圖片對(duì)應(yīng)的牧草初始二值圖像；

步驟6、計(jì)算牧草初始二值圖像中牧草像元區(qū)域的連通域面積，并獲取各連通區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸長(zhǎng)度和短軸長(zhǎng)度，當(dāng)長(zhǎng)軸長(zhǎng)度與短軸長(zhǎng)度的比值大于軸長(zhǎng)度判斷閾值時(shí)，則將當(dāng)前區(qū)域判定為牧草區(qū)域像元，否則，將當(dāng)前區(qū)域判定為非作物區(qū)域，以得到牧草最終二值圖像；

對(duì)牧草最終二值圖像，計(jì)算牧草區(qū)域像元數(shù)占總像元數(shù)的比例，以得到并輸出牧草實(shí)時(shí)覆蓋度；

步驟7、對(duì)步驟4得到的白平衡校正牧草圖片，計(jì)算得到最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARI，根據(jù)牧草生物量-作物長(zhǎng)勢(shì)指數(shù)關(guān)系，得到牧草實(shí)時(shí)生物量，具體為：

Biomass＝C/(1+exp(m-n·VRARI))

其中，Biomass為牧草實(shí)時(shí)生物量，C、m、n均為常數(shù)，VARI為最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)。

所述步驟2中，在獲取牧草圖像的圖像成像時(shí)間后，利用農(nóng)田小氣候數(shù)據(jù)確定牧草圖像對(duì)應(yīng)的光合有效輻射照射度。

牧草生長(zhǎng)期內(nèi)作物長(zhǎng)勢(shì)指數(shù)的時(shí)間模型DAY-VARI，具體為：

其中，x為牧草生長(zhǎng)期日數(shù)。

步驟4中，利用直方圖匹配方式對(duì)牧草圖片進(jìn)行白平衡校正，對(duì)牧草圖片進(jìn)行白平衡校正的具體過(guò)程包括：

步驟4.1、對(duì)牧草圖片的每個(gè)色彩通道數(shù)值進(jìn)行提取，以得到牧草圖片直方圖；

步驟4.2、提供標(biāo)準(zhǔn)圖片，并計(jì)算所述標(biāo)準(zhǔn)圖片以及牧草圖片直方圖的各級(jí)灰度值的累計(jì)概率，具體為：

Pk＝Nk/N,(k＝0,1,…,255)

其中，Pk表示數(shù)值為k的灰度值出現(xiàn)的概率，Nk表示數(shù)值為k的灰度值出現(xiàn)的頻數(shù)，N為圖像像素總數(shù)；

步驟4.3、根據(jù)上述標(biāo)準(zhǔn)圖片、牧草圖片直方圖對(duì)應(yīng)的各級(jí)灰度值的累積概率，得到標(biāo)準(zhǔn)圖片的累計(jì)概率曲線，以及牧草圖片的累計(jì)概率曲線；

步驟4.4、在標(biāo)準(zhǔn)圖片的累計(jì)概率曲線、牧草圖片的累計(jì)概率曲線上任選概率P，確定所選概率對(duì)應(yīng)的灰度值；根據(jù)所選概率P下，標(biāo)準(zhǔn)圖片的灰度值與牧草圖片的灰度值對(duì)應(yīng)關(guān)系，將牧草圖片的數(shù)值概率集合校正至標(biāo)準(zhǔn)圖片的概率集合，以實(shí)現(xiàn)對(duì)牧草圖片的白平衡校正。

本發(fā)明的優(yōu)點(diǎn)：以攝像機(jī)在田間實(shí)時(shí)掃描采集的全景圖像序列為對(duì)象，從圖像特征上實(shí)時(shí)自動(dòng)檢測(cè)牧草覆蓋度和生物量等信息，優(yōu)化資源配置，開(kāi)展精細(xì)化農(nóng)業(yè)生產(chǎn)，檢測(cè)結(jié)果準(zhǔn)確率高、實(shí)用性強(qiáng)、信息獲取速度快，安全可靠。

附圖說(shuō)明

圖1為本發(fā)明的流程圖。

圖2為本發(fā)明進(jìn)行白平衡校正的流程圖。

具體實(shí)施方式

下面結(jié)合具體附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

如圖1所示：為了能實(shí)時(shí)獲取牧草覆蓋度和生物量數(shù)據(jù)，有效地實(shí)現(xiàn)牧草的智能化觀察，提高觀測(cè)準(zhǔn)確率，本發(fā)明的檢測(cè)方法包括如下步驟：

步驟1、利用農(nóng)業(yè)氣象自動(dòng)觀測(cè)站中的攝像機(jī)拍攝獲取所需方位角以及俯仰角的的牧草圖片；

具體地，利用農(nóng)業(yè)氣象自動(dòng)觀測(cè)站中攝像機(jī)拍攝的多角度、多時(shí)相、長(zhǎng)時(shí)間序列的牧草圖片，其中，單次拍攝時(shí)，固定攝像機(jī)位置，預(yù)設(shè)旋轉(zhuǎn)攝像機(jī)鏡頭水方向角度平和垂直方向角度以獲取周圍作物全景信息，攝像機(jī)每天獲取數(shù)十張不同機(jī)位參數(shù)的牧草圖片；

不同牧草要素的獲取，需基于攝像機(jī)不同的機(jī)位參數(shù)的圖片進(jìn)行解譯分析，如牧草生物量觀測(cè)基于低俯角優(yōu)先，覆蓋度觀測(cè)則基于垂直視角優(yōu)先，明確要素提取對(duì)象以確定牧草觀測(cè)的最優(yōu)機(jī)位參數(shù)，根據(jù)此參數(shù)對(duì)數(shù)十張不同機(jī)位參數(shù)的輸入照片集合進(jìn)行初次篩選。具體實(shí)施時(shí)，可以利用Matlab2014a自帶函數(shù)(DigitalCamera.UserComment)獲取牧草圖片拍攝時(shí)的具體參數(shù)信息，如例：D＝2016-04-01,T＝13:30:25,F＝5.50,H＝113.12,V＝27.50，D為日期，T為時(shí)間，F(xiàn)為焦距，H為方位角，V為俯角。當(dāng)然，獲取圖片拍攝時(shí)的具體參數(shù)還可以采用本技術(shù)領(lǐng)域的其他技術(shù)手段實(shí)現(xiàn)，具體可以根據(jù)需要進(jìn)行選擇，此處不再贅述。

步驟2、對(duì)拍攝的牧草圖片進(jìn)行處理，以獲取所述牧草圖片的圖像成像時(shí)間，并根據(jù)所述牧草圖片的圖像成像時(shí)間確定牧草圖片對(duì)應(yīng)的光合有效輻射輻照度，且將所確定的光合有效輻射照射度與輻射照射度閾值比較，若牧草圖片的光合有效輻射照射度低于輻射照射閾值時(shí)，跳轉(zhuǎn)至步驟4，否則，跳轉(zhuǎn)至步驟3；

具體地，在獲取牧草圖像的圖像成像時(shí)間后，利用農(nóng)田小氣候數(shù)據(jù)確定牧草圖像對(duì)應(yīng)的光合有效輻射照射度。本發(fā)明實(shí)施例中，農(nóng)田小氣候數(shù)據(jù)為預(yù)先測(cè)量得到的數(shù)據(jù)，農(nóng)田小氣候數(shù)據(jù)的具體測(cè)量以及利用農(nóng)田小氣候數(shù)據(jù)得到牧草圖片的光合有效輻射照射度的具體過(guò)程均為本技術(shù)領(lǐng)域人員所熟知。獲取牧草圖片的圖像成像時(shí)間的具體過(guò)程可以參考上述的說(shuō)明，此處不再贅述。具體實(shí)施時(shí)，輻射照射閾值一般為500μmol/(m·m·s)，當(dāng)然，輻射照射閾值還可以根據(jù)需要選取其他所需的數(shù)值，其他數(shù)值的選取過(guò)程為本技術(shù)領(lǐng)域人員所熟知，此處不再贅述。

步驟3、利用「G-B」模型計(jì)算牧草圖片的初始實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARIobserve，并構(gòu)建牧草生長(zhǎng)期內(nèi)作物長(zhǎng)勢(shì)指數(shù)的時(shí)間模型DAY-VARI，利用所述以及牧草的當(dāng)前生長(zhǎng)期，得到預(yù)期作物長(zhǎng)勢(shì)指數(shù)VARImodel；當(dāng)|VARI_model﹣VARI_observe|/VARI_model小于等于色度判斷閾值時(shí)，跳轉(zhuǎn)至步驟5，否則，跳轉(zhuǎn)至步驟4；

具體實(shí)施時(shí)，「G-B」模型具體是指計(jì)算牧草圖片(RGB)中G通道數(shù)值與B通道數(shù)據(jù)之差)，即通過(guò)計(jì)算牧草圖片中所有像元G通道數(shù)值、B通道數(shù)值對(duì)應(yīng)差值的均值，以得到牧草圖片對(duì)應(yīng)的初始實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARI_observe。

此外，在牧草生長(zhǎng)期內(nèi)，作物長(zhǎng)勢(shì)指數(shù)與作物生長(zhǎng)時(shí)間具有對(duì)應(yīng)的關(guān)系，所述對(duì)應(yīng)關(guān)系即為牧草生長(zhǎng)期內(nèi)作物長(zhǎng)勢(shì)指數(shù)的時(shí)間模型DAY-VARI，本發(fā)明實(shí)施例中，牧草生長(zhǎng)期內(nèi)作物長(zhǎng)勢(shì)指數(shù)的時(shí)間模型DAY-VARI，具體為：

其中，x為牧草生長(zhǎng)期日數(shù)，具體實(shí)施時(shí)，以每年的4月1日作為牧草生長(zhǎng)期的起始日期，當(dāng)x為1時(shí)，表示當(dāng)前日期為4月2日，由步驟1的具體說(shuō)明可知，在獲取牧草圖片后，能夠獲取牧草圖片的相關(guān)參數(shù)，即能夠獲得當(dāng)前日期，從而能夠確定x的具體數(shù)值。a₁、b₁、c₁、a₂、b₂、c₂均為模型擬合參數(shù)，其取值范圍在1～100之間，數(shù)值的確定與牧草的生長(zhǎng)周期、牧草長(zhǎng)勢(shì)狀態(tài)和牧草的最大生物量等參數(shù)有關(guān)。

具體實(shí)施時(shí)，所述色度判斷閾值為0.2，當(dāng)|VARI_model﹣VARI_observe|/VARI_model小于等于20％時(shí)，則認(rèn)為牧草圖片的色度正常；當(dāng)|VARI_model﹣VARI_observe|/VARI_model大于20％時(shí)，判定牧草圖片的色度異常，需要進(jìn)行白平衡校正。

步驟4、對(duì)牧草圖片進(jìn)行白平衡校正，以得到白平衡校正牧草圖片；

本發(fā)明實(shí)施例中，利用直方圖匹配方式對(duì)牧草圖片進(jìn)行白平衡校正，具體地，利用直方圖匹配方式對(duì)牧草圖片進(jìn)行白平衡校正時(shí)，具體是指，將牧草圖片的直方圖各色彩通道以標(biāo)準(zhǔn)圖像各通道直方圖為標(biāo)準(zhǔn)進(jìn)行變換，使牧草圖像的各色彩通道直方圖與標(biāo)準(zhǔn)圖像各色彩通道直方圖的相同或近似，從而使白平衡校正牧草圖片與標(biāo)準(zhǔn)圖像間具有類似的色調(diào)和反差。

本發(fā)明實(shí)施例中，對(duì)牧草圖片進(jìn)行白平衡校正的具體過(guò)程包括：

步驟4.1、對(duì)牧草圖片的每個(gè)色彩通道數(shù)值進(jìn)行提取，以得到牧草圖片直方圖；

本發(fā)明實(shí)施例中，可以采用本技術(shù)領(lǐng)域常用的技術(shù)手段，實(shí)現(xiàn)對(duì)牧草圖片每個(gè)通道色彩的提取，對(duì)每個(gè)色彩通道提取后，能得到牧草圖片的直方圖。

步驟4.2、提供標(biāo)準(zhǔn)圖片，并計(jì)算所述標(biāo)準(zhǔn)圖片以及牧草圖片直方圖的各級(jí)灰度值的累計(jì)概率，具體為：

Pk＝Nk/N,(k＝0,1,…,255)

其中，Pk表示數(shù)值為k的灰度值出現(xiàn)的概率，Nk表示數(shù)值為k的灰度值出現(xiàn)的頻數(shù)，N為圖像像素總數(shù)；

步驟4.3、根據(jù)上述標(biāo)準(zhǔn)圖片、牧草圖片直方圖對(duì)應(yīng)的各級(jí)灰度值的累積概率，得到標(biāo)準(zhǔn)圖片的累計(jì)概率曲線，以及牧草圖片的累計(jì)概率曲線；

步驟4.4、在標(biāo)準(zhǔn)圖片的累計(jì)概率曲線、牧草圖片的累計(jì)概率曲線上任選概率P，確定所選概率對(duì)應(yīng)的灰度值；根據(jù)所選概率P下，標(biāo)準(zhǔn)圖片的灰度值與牧草圖片的灰度值對(duì)應(yīng)關(guān)系，將牧草圖片的數(shù)值概率集合校正至標(biāo)準(zhǔn)圖片的概率集合，以實(shí)現(xiàn)對(duì)牧草圖片的白平衡校正。

步驟5、對(duì)得到的白平衡校正牧草圖片，獲取每個(gè)像元的G/R通道比值以及G/B通道比值，當(dāng)G/R通道比值、G/B通道比值均大于牧草分割閾值時(shí)，且G通道數(shù)值大于35(在牧草圖像中，當(dāng)季牧草顏色不同于枯草(黃色)、土地(灰褐色)而顯示為綠色，根據(jù)目視解譯，有且當(dāng)G通道數(shù)值大于R、B通道數(shù)值并且G通道數(shù)值大于35時(shí)，當(dāng)前像元在圖像中顯示為表征綠色；若G通道數(shù)值大于R通道數(shù)值、B通道數(shù)值但小于35時(shí)，通常情況下所述像元目視解譯判斷為偏白色，不易觀察出綠色特征，本發(fā)明實(shí)施例中，設(shè)定閾值為35為判斷該像元為綠色的最低閾值。)時(shí)，則當(dāng)前的像元判定為牧草作物，否則，當(dāng)前的像元判定為背景；

將白平衡校正牧草圖像的像元均進(jìn)行上述判斷處理后，得到白平衡校準(zhǔn)牧草圖片對(duì)應(yīng)的牧草初始二值圖像；

具體實(shí)施時(shí)，牧草分割閾值為1，當(dāng)前像元判定為牧草作物時(shí)，將當(dāng)前像元的數(shù)值確定為1，當(dāng)當(dāng)前像元判定為背景時(shí)，將當(dāng)前像元的數(shù)值確定為0，即得到白平衡校準(zhǔn)牧草圖片對(duì)應(yīng)的牧草初始二值圖像。

步驟6、計(jì)算牧草初始二值圖像中牧草像元區(qū)域的連通域面積，并獲取各連連通區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸長(zhǎng)度和短軸長(zhǎng)度，當(dāng)長(zhǎng)軸長(zhǎng)度與短軸長(zhǎng)度的比值大于軸長(zhǎng)度判斷閾值時(shí)，則將當(dāng)前區(qū)域判定為牧草區(qū)域像元，否則，將當(dāng)前區(qū)域判定為非作物區(qū)域，以得到牧草最終二值圖像；

對(duì)牧草最終二值圖像，計(jì)算牧草區(qū)域像元數(shù)占總像元數(shù)的比例，以得到并輸出牧草實(shí)時(shí)覆蓋度；

本發(fā)明實(shí)施例中，可以采用本技術(shù)領(lǐng)域常用的技術(shù)手段，實(shí)現(xiàn)對(duì)牧草初始二值圖像中牧草像元區(qū)域連通域面積的計(jì)算，具體如采用matlab2014自帶函數(shù)bwareaopen即能實(shí)現(xiàn)牧草像元區(qū)域連通域面積的計(jì)算，當(dāng)然，也可以采用方式進(jìn)行計(jì)算，具體可以根據(jù)需要進(jìn)行選擇，具體為本技術(shù)領(lǐng)域人員所數(shù)值，此處不再贅述。當(dāng)采用matlab2014自帶函數(shù)bwareaopen能實(shí)現(xiàn)牧草像元區(qū)域連通域面積的計(jì)算時(shí)，還還可以剔除連通域面積小于20像元的牧草區(qū)塊。

在實(shí)現(xiàn)牧草像元區(qū)域連通域面積計(jì)算后，對(duì)任一牧草像元區(qū)域連通域，可利用本技術(shù)領(lǐng)域常用的技術(shù)手段獲取與當(dāng)前牧草像元區(qū)域連通域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸長(zhǎng)度和短軸長(zhǎng)度(本發(fā)明實(shí)施例中，橢圓的長(zhǎng)軸、短軸均是指像素一一下的)。具體實(shí)施時(shí)，可以采用Matlab2014a自帶函數(shù)regionprops.AxisLength獲取具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸長(zhǎng)度和短軸長(zhǎng)度。此外，還可以采用其他的技術(shù)手段進(jìn)行獲取，具體可以根據(jù)需要進(jìn)行選擇，此處不再贅述。本發(fā)明實(shí)施例中，軸長(zhǎng)度判斷閾值可以為1.1，當(dāng)長(zhǎng)軸長(zhǎng)度與短軸長(zhǎng)度的比值大于軸長(zhǎng)度判斷閾值時(shí)，將當(dāng)前區(qū)域置1；當(dāng)長(zhǎng)軸長(zhǎng)度與短軸長(zhǎng)度的比值小于軸長(zhǎng)度判斷閾值時(shí)，將當(dāng)前區(qū)域置0，即能得到牧草最終二值圖像。

在得到牧草最終二值圖像后，計(jì)算牧草區(qū)域像元數(shù)占總像元數(shù)的比例，具體是指，計(jì)算數(shù)值為1的像元數(shù)占總像元數(shù)(數(shù)值為1的像元數(shù)與數(shù)值為0的像元數(shù)之和)的比例，即所述比值為牧草實(shí)時(shí)覆蓋度。

步驟7、對(duì)步驟4得到的白平衡校正牧草圖片，計(jì)算得到最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARI，根據(jù)牧草生物量-作物長(zhǎng)勢(shì)指數(shù)關(guān)系，得到牧草實(shí)時(shí)生物量，具體為：

Biomass＝C/(1+exp(m-n·VRARI))

其中，Biomass為牧草實(shí)時(shí)生物量，C的取值范圍為100～200之間，C的具體取值與人工觀測(cè)目標(biāo)區(qū)域牧草的最大生物量有關(guān)，m、n為數(shù)值參數(shù)，其取值范圍均為0～1之間，與牧草的長(zhǎng)勢(shì)情況有關(guān)。VARI為最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)。

本發(fā)明實(shí)施例中，在得到白平衡校正牧草圖片時(shí)，根據(jù)步驟3的過(guò)程說(shuō)明，能得到最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARI，在得到最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARI后，能夠利用最終實(shí)測(cè)作物長(zhǎng)勢(shì)指數(shù)VARI得到牧草實(shí)時(shí)生物量。