ICS65.020.20

CCSB22

!7,



DB32/T5235—2025

小麥冠層葉片氮含量光學(xué)遙感

智能監(jiān)測規(guī)程

Technicalcodeofpracticeforopticalremotesensingintelligent

monitoringofwheatcanopyleafnitrogencontent

2025-10-30發(fā)布2025-11-30實(shí)施

江蘇省市場監(jiān)督管理局發(fā)布

中國標(biāo)準(zhǔn)出版社出版

DB32/T5235—2025

目次

前言……………………………Ⅲ

1范圍…………………………1

2規(guī)范性引用文件……………1

3術(shù)語和定義…………………1

4智能監(jiān)測流程………………2

5監(jiān)測產(chǎn)品制作………………4

附錄A（資料性）無人機(jī)數(shù)據(jù)預(yù)處理…………5

附錄B（資料性）衛(wèi)星數(shù)據(jù)預(yù)處理……………7

附錄C（資料性）小麥冠層氮含量無人機(jī)遙感智能監(jiān)測模型………………8

附錄D（資料性）小麥冠層氮含量衛(wèi)星遙感智能監(jiān)測模型…………………9

參考文獻(xiàn)………………………10

Ⅰ

DB32/T5235—2025

前言

本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定

起草。

請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識別專利的責(zé)任。

本文件由江蘇省農(nóng)業(yè)農(nóng)村廳提出并組織實(shí)施。

本文件由江蘇省農(nóng)作物標(biāo)準(zhǔn)化技術(shù)委員會歸口。

本文件起草單位：揚(yáng)州大學(xué)、江蘇省農(nóng)業(yè)科學(xué)院、揚(yáng)州市耕地質(zhì)量保護(hù)站、江蘇諾麗慧農(nóng)農(nóng)業(yè)科技有

限公司、農(nóng)芯（南京）智慧農(nóng)業(yè)研究院有限公司。

本文件主要起草人：洪青青、譚昌偉、張?jiān)瀑弧⑶窳铡⑼蹙Ь?、劉翔麟、毛偉、陳明、趙海濤、張永濤、

吳文彪。

Ⅲ

DB32/T5235—2025

小麥冠層葉片氮含量光學(xué)遙感

智能監(jiān)測規(guī)程

1范圍

本文件以無人機(jī)影像和中高分辨率衛(wèi)星影像為多源遙感數(shù)據(jù)，規(guī)定了智能監(jiān)測流程、監(jiān)測產(chǎn)品制作

等要求。

本文件適用于江蘇省小麥種植區(qū)。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文

件，僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

GB/T20257.2國家基本比例尺地圖圖式第2部分：1∶50001∶10000地形圖圖式

3術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1

冠層葉片氮含量canopyleafnitrogencontent

冠層葉片氮素總積累量占冠層葉片干物質(zhì)總重的百分比。

注：以%或者g/g表示。

3.2

數(shù)據(jù)拼接dataintegration

將多幅具有重疊部分的遙感圖像制作成一幅連續(xù)的大尺度遙感影像。

3.3

中高分辨率衛(wèi)星遙感數(shù)據(jù)mediumandhighspatialresolutionsatelliteimages

空間分辨率優(yōu)于30m的光學(xué)衛(wèi)星影像數(shù)據(jù)。

3.4

多時相影像multi?temporalimages

不同時間獲取的同一地區(qū)的影像。

[來源：NY/T4370—2023，有修改]

3.5

航跡范圍flightpathrange

在特定時間內(nèi)，航空器、船舶或其他交通工具在其航行或飛行過程中所經(jīng)過的空間區(qū)域。

注：包括起點(diǎn)、終點(diǎn)以及其間的路徑和可能的偏差區(qū)域。

1

DB32/T5235—2025

3.6

歸一化植被指數(shù)normalizeddifferencevegetationindex；NDVI

近紅外、紅外兩個波段的反射率之差除以二者之和。

4智能監(jiān)測流程

4.1概述

智能監(jiān)測流程見圖1。

圖1小麥冠層葉片氮含量遙感智能監(jiān)測流程圖

2

DB32/T5235—2025

4.2影像獲取

4.2.1通則

在小麥返青期至灌漿期，依據(jù)監(jiān)測區(qū)域范圍及監(jiān)測精度，獲取適宜的無人機(jī)遙感數(shù)據(jù)或中高分辨率

衛(wèi)星遙感數(shù)據(jù)：

a）無人機(jī)遙感數(shù)據(jù)；

b）中高分辨率衛(wèi)星遙感數(shù)據(jù)。

4.2.2無人機(jī)遙感數(shù)據(jù)

按照以下步驟測量數(shù)據(jù)：

傳感器鏡頭垂直向下，數(shù)據(jù)空間分辨率優(yōu)于5cm，且至少包括紅波段（650nm±16nm）、綠波段

（560nm±16nm）和近紅外波段（840nm±26nm）。

小麥返青期至灌漿期是小麥氮素需求最多的時期，監(jiān)測能反映小麥真實(shí)氮素狀況；在小麥返青期至

灌漿期，于晴朗、少云或微風(fēng)的天氣，北京時間11：00至14：00獲取無人機(jī)遙感數(shù)據(jù)。

影像獲取時間與地面調(diào)查時間保持一致。

影像區(qū)域要超過監(jiān)測區(qū)域四周1個以上航跡范圍。

利用現(xiàn)成的監(jiān)測區(qū)域田塊邊界，設(shè)置飛行高度：12m，飛行速度：1m/s，航向重疊率80%，旁向重疊

率70%，每個航點(diǎn)自動觸發(fā)拍照，傳感器鏡頭嚴(yán)格垂直向下。自動生成航線后，確認(rèn)航線覆蓋完整監(jiān)測

區(qū)域，開始執(zhí)行飛行任務(wù)。

4.2.3中高分辨率衛(wèi)星遙感數(shù)據(jù)

按照以下要求選擇衛(wèi)星遙感數(shù)據(jù)：

a）所選光學(xué)影像空間分辨率優(yōu)于30m，且至少包括藍(lán)波段（450nm~510nm）、綠波段（510nm~

580nm）2個必要波段；

b）所選光學(xué)影像云覆蓋量<5%，且重點(diǎn)監(jiān)測區(qū)無云覆蓋；

c）所選光學(xué)影像全景色調(diào)均勻，無明顯突變、變形、噪聲、條帶；

d）所選衛(wèi)星數(shù)據(jù)成像時間與地面調(diào)查時間相差不超過3d~5d。

4.3影像預(yù)處理

4.3.1無人機(jī)遙感影像預(yù)處理

進(jìn)行數(shù)據(jù)拼接、輻射定標(biāo)、幾何校正等預(yù)處理。影像預(yù)處理方法見附錄A。

4.3.2中高分辨率衛(wèi)星遙感影像預(yù)處理

進(jìn)行輻射定標(biāo)、大氣校正、幾何校正、投影變換、云檢測等預(yù)處理。其中，影像需進(jìn)行幾何校正以消除

畸變，融合多源數(shù)據(jù)提高空間和光譜分辨率，增強(qiáng)操作提升影像對比度與細(xì)節(jié)表現(xiàn)。影像預(yù)處理方法見

附錄B。

4.3.3無人機(jī)反射率影像生成

利用現(xiàn)成的田塊邊界，生成田塊邊界的矢量數(shù)據(jù)，然后進(jìn)行小麥種植區(qū)裁剪、拼接，得到全覆蓋小麥

種植區(qū)反射率影像。

3

DB32/T5235—2025

4.3.4中高分辨率衛(wèi)星反射率影像生成

利用NDVI等植被指數(shù)的時間序列數(shù)據(jù)，結(jié)合區(qū)域種植制度信息，提取小麥種植區(qū)掩膜，并進(jìn)行云

檢測與去除，生成無云覆蓋的小麥種植區(qū)反射率影像。

影像時間序列至少需覆蓋小麥生育期內(nèi)的關(guān)鍵階段（如返青、拔節(jié)、抽穗、灌漿），建議使用不少于

4期~6期的高質(zhì)量影像數(shù)據(jù)。

為滿足植被指數(shù)計(jì)算及農(nóng)作物識別需求，衛(wèi)星影像應(yīng)至少包含紅波段、綠波段和近紅外波段等關(guān)鍵

光譜波段。

4.4小麥冠層葉片氮含量計(jì)算

小麥冠層葉片氮含量的計(jì)算按以下步驟進(jìn)行：

針對小麥種植區(qū)無人機(jī)反射率影像，在遙感影像處理軟件中，利用已建立的基于無人機(jī)反射率影像

小麥冠層葉片氮含量智能監(jiān)測模型，計(jì)算目標(biāo)田塊范圍內(nèi)的小麥冠層葉片氮含量。小麥冠層葉片氮含量

智能監(jiān)測模型參見附錄C。

針對小麥種植區(qū)中高分辨率衛(wèi)星反射率影像，在遙感影像處理軟件中，利用已建立的基于衛(wèi)星反射

率影像小麥冠層葉片氮含量智能監(jiān)測模型，計(jì)算目標(biāo)監(jiān)測區(qū)域內(nèi)的小麥冠層葉片氮含量。小麥冠層葉片

氮含量智能監(jiān)測模型參見附錄D。

為確保小麥冠層葉片氮含量估算結(jié)果的準(zhǔn)確性，需進(jìn)行精度檢驗(yàn)與結(jié)果修正。首先，選取有代表性

200.2gHSO

的株小麥冠層葉片采樣，帶回實(shí)驗(yàn)室殺青、烘干、粉碎，稱取左右干樣，用濃24在有催化劑

的條件下消煮，采用凱氏定氮法測定葉片全氮含量作為真實(shí)值，并利用均方根誤差、平均絕對誤差和決定

系數(shù)等指標(biāo)評估估算精度。若估算結(jié)果存在系統(tǒng)性偏差，可通過偏差校正模型或空間插值方法對結(jié)果進(jìn)

行修正。

5監(jiān)測產(chǎn)品制作

小麥冠層葉片氮含量監(jiān)測報(bào)告應(yīng)包含監(jiān)測過程、統(tǒng)計(jì)過程和生成報(bào)告，并通過文字描述、專題圖和統(tǒng)

計(jì)表格等多種方式呈現(xiàn)。文字內(nèi)容包括監(jiān)測的時間、區(qū)域、所用無人機(jī)平臺及其傳感器、地面分辨率、衛(wèi)

星及傳感器信息以及監(jiān)測指標(biāo)等詳細(xì)信息。專題圖的內(nèi)容包括圖名、圖例、比例尺、小麥生長參數(shù)分布圖

和行政區(qū)域邊界線等，圖廓的設(shè)計(jì)和修飾應(yīng)符合GB/T20257.2要求。統(tǒng)計(jì)表格應(yīng)包括各統(tǒng)計(jì)區(qū)的名稱

和相關(guān)的統(tǒng)計(jì)數(shù)據(jù)。

4

DB32/T5235—2025

附錄A

（資料性）

無人機(jī)數(shù)據(jù)預(yù)處理

A.1概述

無人機(jī)數(shù)據(jù)預(yù)處理流程圖見圖A.1。

圖A.1數(shù)據(jù)預(yù)處理流程圖

5

DB32/T5235—2025

A.2圖像拼接

基于匹配點(diǎn)、無人機(jī)POS數(shù)據(jù)（GPS/IMU）和相機(jī)參數(shù)，構(gòu)建影像間的空間幾何關(guān)系網(wǎng)絡(luò)，基于數(shù)字

表面模型進(jìn)行正射糾正與影像重采樣，最終融合生成無縫、色彩均勻且位置精度高的正射影像圖。

A.3輻射定標(biāo)

將獲取的無人機(jī)影像DN值圖像轉(zhuǎn)換為反射率圖像，轉(zhuǎn)換公式為：

Rrs=DN×DB×B…………（A.1）

式中：

Rrs——遙感反射率；

DN——遙感影像像元亮度值（DigitalNumber）；

DB——定標(biāo)板像元亮度值；

B——定標(biāo)板的校正系數(shù)。

A.4幾何校正

通過添加已知地理坐標(biāo)的地面控制點(diǎn)，對無人機(jī)影像進(jìn)行幾何校正?？刂泣c(diǎn)數(shù)量應(yīng)根據(jù)影像大小和

復(fù)雜度合理設(shè)置，一般不少于5個~10個，對于高精度要求區(qū)域建議設(shè)置更多?？刂泣c(diǎn)應(yīng)均勻分布在影

像范圍內(nèi)，尤其應(yīng)在影像四角和中部布設(shè)，以保證校正精度和影像整體幾何一致性。校正后影像的地理

定位誤差應(yīng)小于1個像元，以滿足后續(xù)空間分析需求。

6

DB32/T5235—2025

附錄B

（資料性）

衛(wèi)星數(shù)據(jù)預(yù)處理

B.1輻射定標(biāo)

利用絕對定標(biāo)系數(shù)將衛(wèi)星影像DN值圖像轉(zhuǎn)換為輻射亮度圖像，轉(zhuǎn)換公式為：

=×+B.1

LDNaL0…………（）

式中：

L——輻射亮度值；

DN——遙感影像像元亮度值（DigitalNumber）；

a——絕對定標(biāo)系數(shù)增益；

L0——偏移量。

B.2大氣校正

基于輻射亮度值L，通過輸入影像的頭文件、波譜響應(yīng)函數(shù)等信息，利用大氣輻射傳輸模型，獲得地

表真實(shí)反射率。常用的大氣輻射傳輸模型包括MODTRAN或基于Sen2Cor（適用于Sentinel?2）、

FLAASH（適用于ENVI）等工具的模型化處理。

B.3幾何校正

以經(jīng)過地面控制點(diǎn)校正后的衛(wèi)星影像為參考影像，應(yīng)選擇不變地物的控制點(diǎn)進(jìn)行幾何校正，且控制

點(diǎn)均勻分布在影像上，校正后的影像地理位置偏差應(yīng)小于0.5個像元。

B.4投影變換

所有影像應(yīng)統(tǒng)一為2000國家大地坐標(biāo)系。中小尺度區(qū)域可使用高斯-克呂格投影；大尺度區(qū)域則

應(yīng)根據(jù)范圍選擇更合適的投影方式，以避免畸變影響。

B.5云檢測

宜采用閾值法或其他成熟的云檢測判識方法對衛(wèi)星影像進(jìn)行云檢測，以識別云區(qū)，并根據(jù)實(shí)際情況

調(diào)整云檢測閾值，云覆蓋區(qū)域像元應(yīng)滿足式（B.2）：

+>0.54B.2

RREDRNIR…………（）

式中：

RRED——紅光波段反射率；

RNIR——近紅外波段反射率。

7

DB32/T5235—2025

附錄C

（資料性）

小麥冠層氮含量無人機(jī)遙感智能監(jiān)測模型

表C.1給出了兩種常用高空間分辨率無人機(jī)載荷，小麥全生育期冠層氮含量參數(shù)遙感智能監(jiān)測

模型。

表C.1小麥冠層氮含量無人機(jī)遙感智能監(jiān)測模型

序號無人機(jī)傳感器模型

1Sequoia=-0.766×-/++3.782

y（RREDRNIR）（RREDRNIR）

2P4M=-0.902×-/++4.836

多光譜相機(jī)y（RREDRGREEN）（RREDRGREEN）

注：y為小麥冠層氮含量；RRED為無人機(jī)紅光波段反射率；RNIR為無人機(jī)近紅外波段反射率；RGREEN為無人機(jī)綠光波

段反射率。

8

DB32/T5235—2025

附錄D

（資料性）

小麥冠層氮含量衛(wèi)星遙感智能監(jiān)測模型

表D.1給出了常用中高空間分辨率衛(wèi)星，小麥全生育期冠層氮含量參數(shù)遙感智能監(jiān)測模型。

表D.1小麥冠層氮含量衛(wèi)星遙感智能監(jiān)測模型

序號衛(wèi)星傳感器模型

1Sentinel?2=-0.788*-