基于无人机多光谱遥感的大田玉米作物系数估算方法研究

发布时间：2020-09-10 13:35

　　作物系数K_c快速获取是大田作物蒸散量(Evapotranspiration,ET)估算的关键。本文以2017年内蒙古达拉特旗昭君镇实验站大田玉米、土壤、气象等数据为基础,采用经气象因子和作物覆盖度校正后的双作物系数法计算不同生长时期与不同水分胁迫玉米的作物系数,使用自主研发的无人机多光谱系统拍摄玉米的冠层多光谱(蓝、绿、红、红边、近红外,475~840nm)影像,使用不同的建模方法,研究了不同生长时期(FAO-56中作物生长时期划分:快速生长期、生长中期和生长后期)玉米6种不同种类植被指数:归一化差值植被指数(NDVI)、土壤调节植被指数(SAVI)、增强型植被指数(EVI)、比值植被指数(SR)、绿度归一化植被指数(GNDVI)和抗大气指数(VARI),与作物系数K_c和基础作物系数K_(cb)关系及水分胁迫对其影响,生成作物系数K_c和实际蒸散量ET的空间分布图,分析了无人机多光谱遥感技术估算玉米K_c的可行性和适用性。本文的主要工作及结论如下:(1)使用自主研发的无人机多光谱系统采集实验区域玉米多光谱影像,采用Pix4DMapper软件对无人机多光谱系统获取的1795张高分辨率多光谱影像进行拼接,得到整个实验地的正射影像,地面分辨率为0.05m。正射影像在灰板校正后得到各波段的反射率影像,使用ENVI提取采集实验数据的感兴趣区域,并计算6种不同类型的植被指数。(2)使用一元线性回归、多元线性回归、多项式回归和支持向量回归4种建模方法建立不同时期(快速生长期至生长后期、快速生长期和生长中期至生长后期)和不同水分胁迫(充分灌溉和水分胁迫)条件下玉米植被指数与作物系数K_c的关系模型。快速生长期至生长后期充分灌溉条件下采用支持向量回归方法建立玉米植被指数与作物系数K_c的关系模型精度最好,其中植被指数SR与作物系数模型精度(R~2=0.64,RMSE=0.0526)最好;水分胁迫条件下采用多元线性回归模型建立植被指数与作物系数K_c的关系模型精度(R~2=0.90,RMSE=0.0996)最好。快速生长期至生长后期充分灌溉条件下采用一元线性回归方法建立植被指数与基础作物系数K_(cb)的关系模型,其中植被指数EVI与K_(cb)的模型精度(R~2=0.83,RMSE=0.0834)最好;水分胁迫条件下采用一元线性回归方法建立植被指数与基础作物系数K_(cb)的关系模型,其中植被指数SAVI与K_(cb)的模型精度(R~2=0.82,RMSE=0.0857)最好。生长时期和水分胁迫是影响玉米的植被指数估算作物系数K_c的两个主要因素,不同生长时期和不同水分胁迫玉米的植被指数和K_c相关性差异较大。快速生长期充分灌溉条件下采用一元线性回归方法建立植被指数与作物系数K_c的关系模型,其中植被指数SR与作物系数的模型精度(R~2=0.92,RMSE=0.0296)最好;水分胁迫条件下采用多元线性回归方法建立植被指数与作物系数K_c的模型精度(R~2=0.30,RMSE=0.0327)最好。生长中期至生长后期充分灌溉条件下采用支持向量回归方法建立植被指数与作物系数K_c的模型精度最好,其中植被指数SR与作物系数K_c的模型精度(R~2=0.44,RMSE=0.0789)最好;水分胁迫条件下采用支持向量回归方法建立植被指数与作物系数K_c的模型精度最好,其中植被指数SR与作物系数K_c模型精度(R~2=0.94,RMSE=0.0728)最好。结果表明采用无人机多光谱遥感技术估算作物系数K_c与基础作物系数K_(cb)具有一定的可行性。(3)快速生长期使用植被指数SR,采用一元线性回归方法,建立样地A玉米作物系数K_c空间分布图和实际蒸散量ET空间分布图;生长中期至生长后期使用植被指数SR,采用多项式回归方法,建立样地B玉米作物系数K_c空间分布图和实际蒸散量ET空间分布图。快速生长期样地A实际蒸散量的预测值估算真实值精度(R~2=0.83,RMSE=0.1909)与生长中期至生长后期使用实际蒸散量预测值估算真实值的精度(R~2=0.87,RMSE=0.5542)都较好,说明采用无人机多光谱遥感技术估算大田玉米实际蒸散量具有一定可行性。
【学位单位】：西北农林科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：S513;S127
【部分图文】：

影像,俯视图,影像,样地

田间持水率为 29%（体积含水率），土壤容重为 1.56g/cm3。实验地中选取 2 个扇形区域（图2-1），在区域 1 和区域 2 内分别选取一块 10m×10m 的方形样地（图 2-1 中 A 和 B 区域），并对样地 A 和 B 的玉米进行长期监测（2017 年 6 月 26 日~2017 年 8 月 29 日）。8

影像,灌溉量,测量方法,水分胁迫

图 2-1 实验地俯视图（2017.08.15，RGB 影像，5 cm/pixel）.2-1 Experimental ground view (2017.08.15, RGB image, 5cm/pi表 2-1 2017 年玉米生长阶段划分Tab.2-1 Maize growth stage division in 2017长初期快速生长期生长中期 20~06.10 06.11~07.20 07.21~08.20 苗期拔节期至大喇叭口期抽穗期至吐丝期依据参考 FAO-56 指南(Jensen M E and Allen R G 2016)。水分胁迫处理和灌溉量测量方法（图 2-2），采用中心支轴喷灌机育期进行不同的水分胁迫处理，如表 2-2 所示，设定用雨量筒（图 2-2-b）测量样地 A 和 B 的灌溉量和降量筒，取其测量平均值。

多光谱影像,无人机,采集系统

为灌溉量(mm)，R 为降雨量(mm)。无人机多光谱遥感系统无人机及机载传感器本实验采用自主研发的无人机多光谱影像采集系统（图 2-3），该系统采用开源wk，经纬 M600 型机架，最大载重 5kg，最大续航时间 30min。搭载的多光谱 2-3-b）为 RedEdge（MicaSense，USA），该相机有 5 个波段（表 2-3），相机5mm，视场角为 47.2o，图像分辨率为 1280 像素×960 像素。该相机配备了光（图 2-3-d）及两块 3m×3m 的灰板（图 2-3-c）（GroupVIII，USA）。光强传感航拍过程中外界光线的变化对光谱影像造成的影响，灰板具有固定的反射率可对多光谱影像进行反射率校正，生成反射率影像，并提取植被指数。

【参考文献】