基于多角度间隙率与物理约束的作物叶面积指数反演方法

本发明属于农业智能遥感，具体涉及一种利用无人机多角度观测、间隙率反演、有效植物面积指数、冠层高度、物理一致性神经网络以及三维辐射传输仿真先验反演作物真实叶面积指数的技术方案。

背景技术：

1、叶面积指数是表征作物冠层结构、生长状态、群体光能利用和产量形成过程的重要参数。现有无人机遥感反演方法多根据单角度正射影像、光谱反射率或植被指数建立经验回归模型。然而，在密集冠层或穗部发育阶段，植被指数容易出现饱和，对中下层叶片变化和非叶器官遮挡不敏感，导致真实叶面积指数估计偏差增大。

2、间接光学方法依据冠层间隙率反演得到的量通常更接近有效植物面积指数，而不一定等同于真实叶面积指数。本发明所称间隙率，是指在相应观测方向上目标冠层未被叶片、茎秆、穗部或其他冠层元素遮挡的比例，也包括根据光谱特征构造的连续代理量。叶片聚集、株型差异、茎秆遮挡、穗部遮挡、背景变化以及物候阶段差异均会使有效植物面积指数与真实叶面积指数之间产生动态偏差。

3、现有多角度遥感方法能够增加观测几何信息，但常需要定制倾斜航线、环绕航线或额外观测设备；现有三维辐射传输模型具有较强物理意义，但在真实场景中存在参数空间大、反演病态和仿真到实测迁移困难的问题；现有深度学习方法具有非线性拟合能力，但常被作为黑箱回归器使用，难以证明其输出符合叶面积指数与间隙率之间的物理关系。

4、因而，亟需一种能够在常规无人机航线下充分利用多角度观测，并通过明确物理约束连接有效植物面积指数与真实叶面积指数的技术方案。

技术实现思路

1、本发明旨在解决以下技术问题：密集冠层光学饱和导致光谱特征对真实叶面积指数不敏感；有效植物面积指数与真实叶面积指数之间存在由叶片聚集和非叶器官遮挡引起的动态偏差；定制多角度采集影像增加作业成本；真实叶面积指数标签依赖破坏性采样，样本数量有限；纯数据驱动模型在跨作物、跨年份和跨种植密度场景下泛化不足且缺少物理可解释性。

2、本发明的上述技术问题主要是通过以下技术方案得以解决：

3、一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，获取无人机标准垂直航线采集的目标区域影像、相机内外参数、地块区域边界和冠层高度；将所述地块区域边界反投影至多幅重叠原始影像，提取同一地块的多角度感兴趣区域影像并确定观测方向；针对各观测方向，根据间隙像素数与有效像素总数之比得到分割间隙率，根据归一化植被指数的补量得到光谱间隙率代理量；聚合多个观测方向的间隙率，得到分割路径有效植物面积指数和光谱代理路径有效植物面积指数；

4、将所述分割路径有效植物面积指数、所述光谱代理路径有效植物面积指数、所述冠层高度和植被指数输入共享特征编码器，得到共享潜在向量；将所述共享潜在向量分别输入第一预测头和第二预测头，输出预测真实叶面积指数和预测结构转换系数；通过无训练参数的物理重构层，将所述预测真实叶面积指数除以所述预测结构转换系数，得到重构有效植物面积指数；

5、训练时，对有真实叶面积指数标签的样本计算监督锚点损失，对有光谱代理路径有效植物面积指数的样本计算物理重构损失，使无标签样本通过所述物理重构损失参与训练；利用训练后的模型输出目标区域的真实叶面积指数。

6、而且，所述反投影包括将地块区域边界点的三维坐标按照针孔相机模型投影至去畸变原始影像，根据相机中心到地块几何中心的空间向量计算观测天顶角和观测方位角；仅保留投影多边形位于影像有效范围内且面积大于预设阈值的观测方向。

7、而且，所述分割间隙率针对多光谱感兴趣区域影像，通过自适应阈值判定间隙像素得到；所述光谱间隙率代理量为一减去归一化后的植被指数。

8、而且，所述共享特征编码器为特征标记器transformer，所述特征标记器transformer将各输入特征线性映射为嵌入标记并添加分类标记，经多头自注意力模块处理后输出共享潜在向量。

9、而且，所述共享特征编码器为多层感知机编码器，所述多层感知机编码器通过多个线性层和激活函数输出共享潜在向量。

10、而且，所述第一预测头和所述第二预测头均为多层感知机，所述第一预测头的输出层采用softplus函数以保证预测真实叶面积指数为正值，所述第二预测头的输出层采用映射sigmoid函数以将所述预测结构转换系数限制在预设生物学合理范围内；所述预测结构转换系数表征叶片聚集、茎秆遮挡、穗部遮挡、背景变化和物候变化中的至少一种造成的有效植物面积指数与真实叶面积指数之间的结构偏差。

11、而且，构建三维冠层场景并设置太阳几何与大气参数，生成仿真样本进行预训练；再使用实测样本对预训练后的模型进行微调，其中无真实叶面积指数标签的实测样本通过所述物理重构损失参与训练。

12、另一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述基于多角度间隙率与物理约束的作物叶面积指数反演方法。

13、另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述基于多角度间隙率与物理约束的作物叶面积指数反演方法。

14、另一方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述基于多角度间隙率与物理约束的作物叶面积指数反演方法。

15、与现有技术相比，本发明至少具有以下有益效果。

16、第一，本发明利用标准垂直航线中相机视场自然形成的不同观测方向，无需额外环绕航线即可获得同一地块的多角度观测，提高了采集效率。

17、第二，本发明同时构造分割间隙率和光谱间隙率代理量，并聚合得到两类有效植物面积指数，使几何间隙信息和连续光谱代理信息互补，缓解单一间隙率估计在阴影、混合像元、饱和冠层或穗部遮挡下的不稳定。

18、第三，本发明通过双头预测结构显式输出真实叶面积指数和结构转换系数，并通过无训练参数的物理重构层重构有效植物面积指数，使神经网络输出受到可解释物理关系约束。

19、第四，本发明引入三维辐射传输仿真预训练和实测少标签微调，在减少破坏性采样需求的同时提高跨作物、跨年份和不同种植密度场景下的泛化能力。

20、第五，实验结果表明，多角度多光谱影像估计有效植物面积指数的总体决定系数高于rgb影像；采用特征标记器transformer、双头预测和物理重构层的模型在水稻和高粱混合数据上取得更高真实叶面积指数反演精度，并且在少样本、跨年外推和特征消融试验中表现出更好的稳健性。

21、本发明方案实施简单方便，实用性强，解决了相关技术存在的实用性低及实际应用不便的问题，能够提高用户体验，具有重要的市场价值。

1.一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：

2.根据权利要求1所述的一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：所述反投影包括将地块区域边界点的三维坐标按照针孔相机模型投影至去畸变原始影像，根据相机中心到地块几何中心的空间向量计算观测天顶角和观测方位角；仅保留投影多边形位于影像有效范围内且面积大于预设阈值的观测方向。

3.根据权利要求1所述的一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：所述分割间隙率针对多光谱感兴趣区域影像，通过自适应阈值判定间隙像素得到；所述光谱间隙率代理量为一减去归一化后的植被指数。

4.根据权利要求1所述的一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：所述共享特征编码器为特征标记器transformer，所述特征标记器transformer将各输入特征线性映射为嵌入标记并添加分类标记，经多头自注意力模块处理后输出共享潜在向量。

5.根据权利要求1所述的一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：所述共享特征编码器为多层感知机编码器，所述多层感知机编码器通过多个线性层和激活函数输出共享潜在向量。

6.根据权利要求1所述的一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：所述第一预测头和所述第二预测头均为多层感知机，所述第一预测头的输出层采用softplus函数以保证预测真实叶面积指数为正值，所述第二预测头的输出层采用映射sigmoid函数以将所述预测结构转换系数限制在预设生物学合理范围内；所述预测结构转换系数表征叶片聚集、茎秆遮挡、穗部遮挡、背景变化和物候变化中的至少一种造成的有效植物面积指数与真实叶面积指数之间的结构偏差。

7.根据权利要求1所述的一种基于多角度间隙率与物理约束的作物叶面积指数反演方法，其特征在于：构建三维冠层场景并设置太阳几何与大气参数，生成仿真样本进行预训练；再使用实测样本对预训练后的模型进行微调，其中无真实叶面积指数标签的实测样本通过所述物理重构损失参与训练。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现如权利要求1至7任一项所述基于多角度间隙率与物理约束的作物叶面积指数反演方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于多角度间隙率与物理约束的作物叶面积指数反演方法。

10.一种计算机程序产品，包括计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于多角度间隙率与物理约束的作物叶面积指数反演方法。