基于无人机影像的小麦叶绿素含量及产量定量反演研究

发布时间：2020-05-31 21:32

【摘要】：江淮地区是我国优质专用小麦产区,由于近年来国内市场需求巨大,该地区专用品种小麦的生长状况对我国国民经济发展方面有着重要的作用,因此对江淮地区小麦长势进行高效、无损地监测,对小麦产量进行及时、准确地预测变得尤为重要。传统的人工抽样法存在破坏性强、耗时费力、成本过高等不足,由于江淮地区多阴雨的气候,光学卫星遥感监测无法有效发挥大尺度的优势,迫切需要引入当前热门的无人机遥感技术,发挥其在作物长势监测和产量预测方面的快速、准确、成本低优势。本文利用小型四旋翼无人机分别搭载可见光和多光谱相机获取安徽舒城和庐江地区小麦不同生育期的田间影像数据,并基于影像的植被指数等特征建立小麦关键生育期的叶绿素含量和产量反演模型,为江淮地区小麦的长势监测和产量预测开展方法探索研究,以便因地制宜制定恰当的生产管理措施,提高当地小麦的品质及产量。本文取得的初步研究结果如下:(1)在Matlab2016b上搭建了“无人机影像的特征参数提取与小麦叶绿素含量和产量反演系统”。该系统实现了对预处理后的无人机影像进行感兴趣区域裁剪、色彩空间变换、植被指数的计算、实测值与植被指数进行相关分析建模并提供精度评价等功能,为后续小麦叶绿素含量和产量反演提供数据支持。(2)以DJI Phantom 3 Advanced无人机分别搭载高分辨率可见光相机和ADC-lite多光谱相机获取舒城县农科所10个品种小麦的扬花早期和晚期的遥感影像,同时利用SPAD 502 plus测定叶片的相对叶绿素含量(SPAD)。基于预处理后的可见光和多光谱影像分别计算9种可见光植被指数和4种多光谱植被指数,将其与小麦叶绿素含量进行相关分析,筛选出两种相机的相关性最强的植被指数分别建立小麦扬花早期和晚期叶绿素反演模型。结果表明,可见光ExG和多光谱NDVI与小麦叶绿素含量相关性最高,分别构建了ExG-SPAD(扬花早期R2=0.687,扬花晚期R2=0.595)和NDVI-SPAD小麦叶绿素含量反演模型(扬花早期R2=0.717,扬花晚期R-2=0.613)。对比两种模型,得出多光谱相机在反演效果上优于可见光相机,小麦扬花早期叶绿素反演模型监测效果较晚期更为精确。结果表明无人机遥感可以有效监测小麦长势变化。(3)利用DJI Phantom 4 pro无人机原装的4K相机获取庐江县白湖农场10个品种小麦的灌浆中期的遥感影像。对预处理后的高分辨率影像计算8种可见光植被指数和12种颜色特征,并将上述特征值与小麦叶绿素含量和产量分别进行相关分析。根据相关性分析筛选出6个相关性最高的特征作为自变量,基于偏最小二乘回归(PLSR)分别构建小麦灌浆中期的叶绿素含量和产量反演模型。研究结果表明,COM、COM2、VEG、ExR、GRRI、R与小麦叶绿素含量相关性最高;使用上述特征,基于PLSR建立小麦灌浆中期叶绿素含量反演模型,决定系数为0.550,均方根误差为1.899,拟合效果良好;利用与小麦实测产量相关性最高的6个特征R、NHLVI、YCbCr-Y、ExG、VDVI、ExR,建立小麦产量反演的PLSR模型,其决定系数达0.831,均方根误差为0.132,取得了很好的效果。上述研究结果为江淮地区主栽小麦品种的长势监测和产量预测提供了技术支撑,有助于推动安徽省农业信息化的快速发展,也有利于保障国家粮食安全。
【图文】：

优势区,小麦,专用品种

图１．１全国小麦优势区域分布图逡逑Ｆｉｇ．邋１．１邋Ｌａｙｏｕｔ邋ｍａｐ邋ｏｆ邋ｗｈｅａｔ邋ｄｏｍｉｎａｎｔ邋ａｒｅａｓ邋ｉｎ邋Ｃｈｉｎａ逡逑淮地区包括江苏、安徽两省淮河以南，长江中下游以北一带，，是麦区的主产区，蕴藏着极大的产量潜力。同时由于该地区地势低湖泊众多，具有生产弱筋、中筋等专用品种小麦所需的生态和发展专用品种小麦的优势区域。近年来，随着我国人口的不断增用品小的市场需求越来越大，加之江淮地区经济的迅猛发展，

组成图,遥感系统,无人机,组成图

是利用无人驾驶的飞行平台搭载传感器或者扫描仪获取遥感数据，用于湖泊、逡逑农业、林业和地质等领域的监测Ｗ，在农作物长势监测方面取得了良好效果，其逡逑具体系统组成如图１．２所示。与常规遥感相比，无人机遥感可以发挥其灵活机动、逡逑成本低、效率高的优势，通过“点－面”结合的方式对作物长势进行实时、宏观、逡逑准确的监测和评估，以便因地制宜制定恰当的生产管理措施，提高作物的品质及逡逑产量。因此，开展基于无人机遥感技术对江淮地区小麦长势监测和产量预测的研逡逑究具有重大的经济和生态效益。逡逑＾邋地面站系统逦〔逦无人机平台逦＾逦机载微型传感器＾逡逑逦逦实时飞行控制一逦邋逦逡逑移动端遥控器邋无线网天线逦Ａ邋＾逦｜逦？逦｜逦机逡逑逦，逦１＊一实时图像传输一－逦丨邋电脑邋１逡逑直升机逦＜邋控Ｗ与传输＿邋＞逡逑一＊一｜逦士Ｈ逡逑逦ｍ逦ｉ邋＾＾逦机逡逑Ｉ逦！邋－；邋！逡逑§逦丨邋全邋邋１逦媭逡逑ex据处理系统逦——一搭载一——？逦高光谱传感逡逑逦邋Ｉ逦多旋翼机逦逦＾逦逡逑图１．２无人机遥感系统组成图逡逑Ｆｉｇ．邋１．２邋Ｃｏｍｐｏｓｉｔｉｏｎｓ邋ｏｆ邋ＵＡＶ邋ｒｅｍｏｔｅ邋ｓｅｎｓｉｎｇ邋ｓｙｓｔｅｍ逡逑２逡逑
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751;S512.1

【相似文献】