基于无人机遥感光谱图像的小麦玉米长势精准监测研究

发布时间：2020-10-16 20:51

　　 为在实际的农业生产中快速、精确的监测作物生长信息,估测作物产量,为大面积农田作物生产提供管理调控的科学依据。本研究以我国主要作物冬小麦、夏玉米为材料,冬小麦设置品种处理,夏玉米设置不同品种、施氮量处理,基于无人机平台获取小麦玉米关键生育时期的高分辨率光谱图像,分析筛选出与作物生长信息相关性最高的光谱参数,构建作物长势监测和产量预测的最佳拟合模型,并对相关模型进行独立数据的检验,验证模型的精确性与稳定性,具体结果如下:1.小麦玉米LAI监测模型模型拟合结果表明,以比值植被指数RVI(810,560)构建的模型对冬小麦LAI的监测效果最好,模型为y=-1.1629×RVI(810,560)+7.9207,决定系数R~2为0.71,预测模型RMSE和MRE分别为0.68和13.31%。该模型可作为冬小麦LAI精准监测的拟合模型。模型拟合结果表明,以差值植被指数DVI(800,550)构建的模型对夏玉米LAI的监测效果最好,模型为y=19.128×DVI(800,550)-0.8742,决定系数R~2为0.90,预测模型RMSE和MRE分别为0.41、14.36%。该模型可作为夏玉米LAI精准监测的拟合模型。2.小麦玉米干物质积累量监测模型模型拟合结果表明以差值值被指数DVI(810,560)构建的拟合模型对冬小麦地上部干物质积累量的监测效果最好,模型为y=-8.4529×DVI(810,560)+5.7085,决定系数R~2为0.74,预测模型的RMSE和MRE分别为0.36、17.58%。该模型可作为冬小麦干物质积累量精准监测的拟合模型。模型拟合结果表明,以归一化植被指数NDVI(760,560)构建的监测模型对夏玉米地上部干物质积累量的监测效果最好,模型为y=323×NDVI(760,560)-1.8303,决定系数R~2为0.95,模型RMSE和MRE分别为8.92、13.17%。该模型可作为夏玉米干物质积累量精准监测的拟合模型。3.小麦玉米SPAD值监测模型模型拟合结果表明,以归一化植被指数NDVI(790,660)构建的模型对冬小麦SPAD值的监测效果最好,模型为y=20.001×NDVI(790,660)+42.366,决定系数R~2为0.72,预测模型的RMSE和MRE分别为2.24、3.66%。该模型可作为冬小麦SPAD值精准监测的拟合模型。模型拟合结果表明,以差值植被指数DVI(735,550)构建的模型对夏玉米SPAD值的监测效果最好,模型为y=42.8046×DVI(735,550)+48.219,决定系数R~2为0.69,预测模型的RMSE和MRE分别为2.21和3.45%。该模型可作为夏玉米SPAD值精准监测的拟合模型。4.小麦玉米产量估测模型模型拟合结果表明,开花期的植被指数与冬小麦产量构建的拟合模型效果最优,以开花期归一化植被指数NDVI(870,679)构建的模型对冬小麦产量的估测效果最好,模型为y=2924×NDVI(870,679)+6534.6,决定系数R~2为0.66,预测模型的RMSE和MRE分别为178.28和1.68%。该模型可作为冬小麦产量估测的拟合模型。模型拟合结果表明,乳熟期的植被指数与夏玉米产量构建的拟合模型效果最优,以乳熟期比值植被指数RVI(790,660)构建的模型对夏玉米产量的估测效果最好,模型为y=-2219.5×RVI(790,660)+16836,决定系数R~2为0.75,预测模型的RMSE和MRE分别为462.81和5.02%。该模型可作为夏玉米产量估测的拟合模型。
【学位单位】：山东农业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S512.1;S513;TP751
【部分图文】：

根据任务文件里无人机飞行高度的记录，删去起飞前和降落时的原始文件，然后进行初步格式转换和辐射校准（图2）。图 2 反射率初步转换示意图Fig.2 Schematic diagram of preliminary conversion of spectral reflectance第一步转换校准完的文件，利用 Coregister 软件进行格式转换，目的是将 DAT 格式的图像文件转换成 TIF 格式的图像文件，便于查看和下一步工作的进行（图 3）。图 3 格式转换示意图Fig.3 Image format conversion diagram经过格式转换得到的 TIF 格式的冠层光谱图像，选择覆盖试验区的光谱图像，利用Agisoft PhotoScan 软件进行图像拼接，得到整个试验区域的冠层光谱图像（图 4）。原始图像筛选 转换并校准 格式转换 图像拼接反射率提取

光谱反射率的初步转换，首先进行图像的筛选，根据任务文件里，删去起飞前和降落时的原始文件，然后进行初步格式转换和辐图 2 反射率初步转换示意图Fig.2 Schematic diagram of preliminary conversion of spectral reflectance转换校准完的文件，利用 Coregister 软件进行格式转换，目的是转换成 TIF 格式的图像文件，便于查看和下一步工作的进行（

图 4 光谱图像拼接示意图Fig.4 Schematic diagram of spectral image mosaicENVI4.7 打开上述已完成拼接的光谱图像，选择所需试验小区，（图 5）。
【参考文献】

相关期刊论文 前10条

1 杨贵军;李长春;于海洋;徐波;冯海宽;高林;朱冬梅;;农用无人机多传感器遥感辅助小麦育种信息获取[J];农业工程学报;2015年21期

2 陈怀亮;李颖;张红卫;;农作物长势遥感监测业务化应用与研究进展[J];气象与环境科学;2015年01期

3 夏天;吴文斌;周清波;周勇;于雷;;基于高光谱的冬小麦叶面积指数估算方法[J];中国农业科学;2012年10期

4 潘静;曹兵;万仲武;;两种果树叶片SPAD值与叶绿素含量相关性分析[J];北方园艺;2012年05期

5 谭昌伟;王纪华;朱新开;王妍;王君婵;童璐;郭文善;;基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测[J];中国农业科学;2011年07期

6 刘镕源;王纪华;杨贵军;黄文江;李伟国;常红;李小文;;冬小麦叶面积指数地面测量方法的比较[J];农业工程学报;2011年03期

7 孙红;李民赞;张彦娥;赵勇;王海华;;玉米生长期叶片叶绿素含量检测研究[J];光谱学与光谱分析;2010年09期

8 张俊华;张佳宝;;夏玉米光谱特征对其不同色素含量的响应差异[J];西北农业学报;2010年04期

9 张俊华;张佳宝;贾科利;;不同品种夏玉米光谱特征差异及其与农学参量相关性研究[J];土壤通报;2010年02期

10 孙红;李民赞;赵勇;张彦娥;王晓敏;李修华;;冬小麦生长期光谱变化特征与叶绿素含量监测研究[J];光谱学与光谱分析;2010年01期

本文编号：2843761