! 7 ,     江苏省市场监督管理局 发　布 中 国 标 准 出 版 社 出　版小麦冠层叶片氮含量光学遥感 智能监测规程 Technical code of practice for optical remote sensing intelligent monitoring of wheat canopy leaf nitrogen content 2025 -10-30发布 2025 -11-30实施CCS B 22 DB32/T 5235 —2025ICS 65.020.20DB32/T 5235 —2025 前言…………………………………………………………………………………………………………… Ⅲ 1 范围………………………………………………………………………………………………………… 1 2 规范性引用文件 …………………………………………………………………………………………… 1 3 术语和定义 ………………………………………………………………………………………………… 1 4 智能监测流程 ……………………………………………………………………………………………… 2 5 监测产品制作 ……………………………………………………………………………………………… 4 附录 A（资料性）无人机数据预处理 ………………………………………………………………………… 5 附录 B（资料性）卫星数据预处理 …………………………………………………………………………… 7 附录 C（资料性）小麦冠层氮含量无人机遥感智能监测模型 ……………………………………………… 8 附录 D（资料性）小麦冠层氮含量卫星遥感智能监测模型 ………………………………………………… 9 参考文献 ……………………………………………………………………………………………………… 10目　 次 ⅠDB32/T 5235 —2025 前 言 本文件按照 GB/T 1.1—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。 请注意本文件的某些内容可能涉及专利 。本文件的发布机构不承担识别专利的责任 。 本文件由江苏省农业农村厅提出并组织实施 。 本文件由江苏省农作物标准化技术委员会归口 。 本文件起草单位 ：扬州大学 、江苏省农业科学院 、扬州市耕地质量保护站 、江苏诺丽慧农农业科技有 限公司、农芯（南京）智慧农业研究院有限公司 。 本文件主要起草人 ：洪青青、谭昌伟、张云倩、邱琳、王晶晶、刘翔麟、毛伟、陈明、 赵海涛、张永涛、 吴文彪。 ⅢDB32/T 5235 —2025 小麦冠层叶片氮含量光学遥感 智能监测规程 1 范围 本文件以无人机影像和中高分辨率卫星影像为多源遥感数据 ，规定了智能监测流程 、监测产品制作 等要求。 本文件适用于江苏省小麦种植区 。 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 20257 .2 国家基本比例尺地图图式　第 2部分：1∶5 000 1∶10 000地形图图式 3 术语和定义 下列术语和定义适用于本文件 。 3.1 冠层叶片氮含量 canopy leaf nitrogen content 冠层叶片氮素总积累量占冠层叶片干物质总重的百分比 。 注： 以%或者 g/g表示。 3.2 数据拼接 data integration 将多幅具有重叠部分的遥感图像制作成一幅连续的大尺度遥感影像 。 3.3 中高分辨率卫星遥感数据 medium and high spatial resolution satellite images 空间分辨率优于 30 m的光学卫星影像数据 。 3.4 多时相影像 multi⁃temporal images 不同时间获取的同一地区的影像 。 [来源：NY/T 4370 —2023，有修改 ] 3.5 航迹范围 flight path range 在特定时间内 ，航空器、船舶或其他交通工具在其航行或飞行过程中所经过的空间区域 。 注： 包括起点 、终点以及其间的路径和可能的偏差区域 。 1DB32/T 5235 —2025 3.6 归一化植被指数 normalized difference vegetation index ；NDVI 近红外、红外两个波段的反射率之差除以二者之和 。 4 智能监测流程 4.1 概述 智能监测流程见图 1。 图1　小麦冠层叶片氮含量遥感智能监测流程图 2DB32/T 5235 —2025 4.2 影像获取 4.2.1 通则 在小麦返青期至灌浆期 ，依据监测区域范围及监测精度 ，获取适宜的无人机遥感数据或中高分辨率 卫星遥感数据 ： a）无人机遥感数据 ； b）中高分辨率卫星遥感数据 。 4.2.2 无人机遥感数据 按照以下步骤测量数据 ： 传感器镜头垂直向下 ，数据空间分辨率优于 5 cm，且至少包括红波段 （650 nm±16 nm）、绿波段 （560 nm±16 nm）和近红外波段 （840 nm±26 nm） 。 小麦返青期至灌浆期是小麦氮素需求最多的时期 ，监测能反映小麦真实氮素状况 ；在小麦返青期至 灌浆期，于晴朗、少云或微风的天气 ，北京时间 11：00至14：00获取无人机遥感数据 。 影像获取时间与地面调查时间保持一致 。 影像区域要超过监测区域四周 1个以上航迹范围 。 利用现成的监测区域田块边界 ，设置飞行高度 ：12 m，飞行速度 ：1 m/s，航向重叠率 80%，旁向重叠 率70%，每个航点自动触发拍照 ，传感器镜头严格垂直向下 。自动生成航线后 ，确认航线覆盖完整监测 区域，开始执行飞行任务 。 4.2.3 中高分辨率卫星遥感数据 按照以下要求选择卫星遥感数据 ： a）所选光学影像空间分辨率优于 30 m，且至少包括蓝波段 （450 nm~510 nm） 、绿波段（510 nm~ 580 nm）2个必要波段 ； b）所选光学影像云覆盖量 <5%，且重点监测区无云覆盖 ； c）所选光学影像全景色调均匀 ，无明显突变 、变形、噪声、条带； d）所选卫星数据成像时间与地面调查时间相差不超过 3 d~5 d。 4.3 影像预处理 4.3.1 无人机遥感影像预处理 进行数据拼接 、辐射定标 、几何校正等预处理 。影像预处理方法见附录 A。 4.3.2 中高分辨率卫星遥感影像预处理 进行辐射定标 、大气校正 、几何校正 、投影变换 、云检测等预处理 。其中，影像需进行几何校正以消除 畸变，融合多源数据提高空间和光谱分辨率 ，增强操作提升影像对比度与细节表现 。影像预处理方法见 附录 B。 4.3.3 无人机反射率影像生成 利用现成的田块边界 ，生成田块边界的矢量数据 ，然后进行小麦种植区裁剪 、拼接，得到全覆盖小麦 种植区反射率影像 。 3DB32/T 5235 —2025 4.3.4 中高分辨率卫星反射率影像生成 利用 NDVI等植被指数的时间序列数据 ，结合区域种植制度信息 ，提取小麦种植区掩膜 ，并进行云 检测与去除 ，生成无云覆盖的小麦种植区反射率影像 。 影像时间序列至少需覆盖小麦生育期内的关键阶段 （如返青、拔节、抽穗、灌浆） ，建议使用不少于 4期~6期的高质量影像数据 。 为满足植被指数计算及农作物识别需求 ，卫星影像应至少包含红波段 、绿波段和近红外波段等关键 光谱波段 。 4.4 小麦冠层叶片氮含量计算 小麦冠层叶片氮含量的计算按以下步骤进行 ： 针对小麦种植区无人机反射率影像 ，在遥感影像处理软件中 ，利用已建立的基于无人机反射率影像 小麦冠层叶片氮含量智能监测模型 ，计算目标田块范围内的小麦冠层叶片氮含量 。小麦冠层叶片氮含量 智能监测模型参见附录 C。 针对小麦种植区中高分辨率卫星反射率影像 ，在遥感影像处理软件中 ，利用已建立的基于卫星反射 率影像小麦冠层叶片氮含量智能监测模型 ，计算目标监测区域内的小麦冠层叶片氮含量 。小麦冠层叶片 氮含量智能监测模型参见附录 D。 为确保小麦冠层叶片氮含量估算结果的准确性 ，需进行精度检验与结果修正 。首先，选取有代表性 的20株小麦冠层叶片采样 ，带回实验室杀青 、烘干、粉碎，称取 0.2 g左右干样 ，用浓 H2SO 4在有催化剂 的条件下消煮 ，采用凯氏定氮法测定叶片全氮含量作为真实值 ，并利用均方根误差 、平均绝对误差和决定 系数等指标评估估算精度 。若估算结果存在系统性偏差 ，可通过偏差校正模型或空间插值方法对结果进 行修正。 5 监测产品制作 小麦冠层叶片氮含量监测报告应包含监测过程 、统计过程和生成报告 ，并通过文字描述 、专题图和统 计表格等多种方式呈现 。文字内容包括监测的时间 、区域、所用无人机平台及其传感器 、地面分辨率 、卫 星及传感器信息以及监测指标等详细信息 。专题图的内容包括图名 、图例、比例尺、小麦生长参数分布图 和行政区域边界线等 ，图廓的设计和修饰应符合 GB/T 20257 .2要求。统计表格应包括各统计区的名称 和相关的统计数据 。 4DB32/T 5235 —2025 附 录 A （资料性） 无人机数据预处理 A.1 概述 无人机数据预处理流程图见图 A.1。 图A.1　数据预处理流程图 5