基于无人机图像的小麦生物量与产量的估测研究

发布时间：2020-03-25 08:51

【摘要】：小麦是人类赖以生存的粮食作物之一,在当前“互联网+”农业的背景下,无人机以及无人机图像的发展和利用为小麦的生长监测提供了更加信息化、智能化、高效化的新方法,这也将是无损、快速并及时监测小麦生物量和产量的未来发展趋势。无人机平台在预测小麦生物量和产量具有优势是因为无人机具有数据获取效率高、成本低、飞行时间和飞行高度自由度较高等优点。本文提出的基于无人机图像的小麦生物量和产量预测正是基于“互联网+”农业的大背景之下,目的是探索估测小麦生物量和产量的信息化新手段。本文基于不同密度处理、氮肥处理和品种下的田间试验,应用inspire 1 RAW无人机和ZENMUSE X5R航拍相机获取小麦主要生育时期的RGB图像,通过影像处理获取小麦原始R、G、B值和纹理特征参数值,并同时期通过破坏性取样获取小麦生物量和产量;同时分析不同颜色指数和纹理特征参数与小麦生物量和产量的关系,筛选出适合小麦生物量和产量估测的颜色指数和纹理特征参数,根据无人机图像建立小麦生物量和产量预测模型,为监测小麦长势和估测产量提供有效的技术方面的支持。取得的主要结论如下:(1)RGB相机成本低、易于使用、易于操作并且分辨率高,图像处理流程简单快速,利用无人机图像提取 NDI、EXG、VARI、ExR、GLI、ExGR、MGRVI、RGBVI 这 8 个颜色指数和ASM、CON、COR、ENT这四个纹理特征参数。在本研究中,小麦拔节期、孕穗期各颜色指数与生物量和产量都有较大相关性,越冬前期和开花期表现较差。而本研究中小麦各纹理特征参数与生物量和产量的相关性都不太好,表现较差。但是,将颜色指数与纹理特征参数相结合估测小麦和生物量的产量的模型R2均有明显的提高。由此表明,纹理特征参数对于提高生物量和产量估测模型的精度和准确度具有一定的意义。(2)为了构建小麦生物量估测模型,本研究结合密度水平和氮肥处理试验,分析了颜色指数和纹理特征指数与主要生育时期生物量的相关关系,并单独利用各个时期的数据建立了主要生育时期的小麦生物量估测模型,结果表明,越冬前期颜色指数和小麦生物量的相关性不高,其中颜色指数VDI和小麦生物量的相关性最高;拔节期颜色指数和小麦生物量的相关性最好,其中颜色指数ExGR和小麦生物量的相关性达到了 0.911;孕穗期颜色指数饱和度太高,和小麦生物量的相关性有所下降,其中颜色指数MGRVI和小麦生物量的相关性依然较高,R2达到了 0.819;开花期颜色指数饱和度也太高,与小麦生物量的相关性不高。为了构建最佳的估测模型,本研究提出了基于颜色指数和纹理特征指数组成的多元指标构建小麦生物量估测模型。结果表明,建模过程中相关性基本上超过0.6,RMSE也相对比较小。最后通过小麦生物量实际测量值对估计测量值进行验证,模型验证的R2均在0.7左右,RMSE较小。(3)为了构建小麦产量预测模型,进行基于不同品种、密度水平、氮肥处理的小麦试验,分析了单个生育时期颜色指数和纹理特征指数与小麦产量的相关关系,并单独利用单个生育时期的数据对小麦产量进行预测,结果表明,拔节期和孕穗期相关性更好,而越冬前期相关性较低。VARI、NDI、ExR、MGRVI4个颜色指数预测表现较好,其中最高R2为0.790。利用拔节期VARI、MGRVI、NDI、ExG、ExGR、ExR预测小麦产量具有较好的效果,利用孕穗期VARI、MGRVI、NDI、ExR预测小麦产量同样具有较好的效果。建模过程中除了越冬前期外R2基本上超过0.7。最后通过小麦产量实际测量值对预计测量值进行模型验证,模型验证的R2基本上都比较大,大部分达到0.7,RMSE较小。其次,分析了多生育时期颜色指数和颜色特征指数与小麦生物量的相关性,结果表明,小麦孕穗期与其他生育期相结合与产量的相关性比单个生育时期与产量的相关性高,特别是拔节期与孕穗期相结合的效果最好。建模过程中拔节期产量预测模型R2最高达到0.758。最后通过小麦产量实际测量值对预计测量值进行验证,模型验证的R2基本上都比较大,大部分达到0.7,RMSE也比较小。
【图文】：

影像,相机,无人机

逦轴距逦５５９毫米逡逑无人机数据采集传感器采用的是（禅思）ＺＥＮＭＵＳＥＸ５Ｒ航拍相机（图２－２）。逡逑ｆ逡逑图２－２禅思Ｘ５航拍相机逡逑Ｆｉｇ．邋２－２邋ＺＥＮＭＵＳＥ邋Ｘ５Ｒ逡逑禅思Ｘ５航拍相机具体的参数指标见表２－３。逡逑表２－４无人机传感器的技术参数逡逑Ｔａｂｌｅ．邋２－４邋Ｔｅｃｈｎｏｌｏｇｙ邋Ｐａｒａｍｅｔｅｒｓ邋ｏｆ邋ＵＡＶ５ｓ邋Ｓｅｎｓｏｒ逡逑技术名称逦具体参数逦技术名称逦具体参数逡逑尺寸邋１７．３邋ｘ邋１３．０邋ｍｍ邋（高宽比４：３）逦快门速度逦８？１／８０００秒逡逑最大像素逦１６００万逦ＩＳＯ范围逦１００？２５６００逡逑多张连拍逦全像素７张每秒逦对焦范围逦２０厘米－无穷逡逑２．２图像获取过程逡逑无人机影像获取时期为越冬前期、拔节期、孕穗期、开花期。逡逑

示意图,飞行路线,示意图,配准

－，，究选取航向重叠率约为７０％，并剔除重复率过高的图像。航拍采集完图像后利用软件逡逑Ｐｈｏｔｏｓｃａｎ将图像生成正射影像、ＤＳＭ和三维点云数据，，通过相邻图像的特征匹配将相邻逡逑图像无缝拼接起来，然后利用地面控制点，将不同时期的影像进行影像配准和地理配准，逡逑最后对配准好的影像进行裁剪，裁出所需的研究区域。逡逑
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S512.1;S127

【相似文献】