基于无人机多源遥感数据的苗期油菜叶面积指数评估
发布时间：2021-06-08 07:08
截止到2016年,油菜是仅次于大豆和油棕榈的世界第三大油料作物;同时,油菜是中国的主要油料作物之一。苗期占油菜整个生育期的一半,是油菜营养物质积累的关键时期。因此,让农户及时了解苗期油菜的长势并采取应对措施是至关重要的。叶面积指数（Leafareaindex,LAI）通常定义为单位土地面积上植株叶片的叶面积总和,其不仅与植被蒸腾作用、光合有效辐射密切相关,且常常作为评价长势的重要依据。传统LAI获取大多依赖手动或卫星遥感方式,其难以应用于大范围、小田块尺度上的作物LAI监测。无人机遥感技术和图像处理算法的发展和改进,为实现田间作物LAI监测提供了有力的支撑。目前,无人机载传感器的种类较多,但其在价格、操作复杂度、实际LAI监测效果等方面均存在差异。因此,为了探讨不同无人机载传感器在苗期油菜LAI监测中的实用效果,本研究利用无人机搭载改造消费级传感器、多光谱传感器以及高光谱传感器进行了图像采集,基于所得数据分别计算了混合像元植被指数、纯油菜像元植被指数以及复合指数（纯油菜像元植被指数*株高）。在此基础上,本研究结合田间实测LAI,建立了上述指数的LAI反演模型,并对估测模型的精度进行了验...
【文章来源】：华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
研究区域示意图
华中农业大学2020届硕士研究生学位（毕业）论文12图3传感器不同波段的归一化光谱响应曲线：（A）不同传感器示意图（B）MS中各通道的光谱响应曲线；（C）NK中各波段的光谱响应曲线Fig.3Nominalspectralresponsecurveofdifferentsensors.（A）Schematicdiagramofdifferentsensors，（B）spectralresponsecurveofMR，and（C）spectralresponsecurveofNK
华中农业大学2020届硕士研究生学位（毕业）论文14仪测得各定标板以及健康油菜的实际光谱反射率。图4田间数据取样方式Fig.4Samplingmodesofgrounddata2.2无人机影像处理2.2.1影像预处理消费级传感器NK与多光谱传感器MS获取的影像在分析前需要进行：光晕校正、镜头畸变校正、图像拼接、波段间配准和辐射定标等预处理过程。除辐射定标外，其余步骤均在瑞士Pix4D公司的Pix4Dmapper软件中进行。在图像拼接过程中，7个控制点的GPS信息被导入Pix4Dmapper中来提高生成密集点云的空间精度，最后生成高精度的正射影像与DSM。消费级传感器的RIB、GIB、BIB图像对应R、G、B三个通道，其图像拼接过程同时进行，生成一张RGB真彩色正射影像和一个DSM，其余各波段图像均独立拼接。多光谱传感器五个波段的图像同时导入拼接软件进行拼接，生成5个波段的正射影像和一个DSM。研究区域内放置了3块反射率分别为11.0%、31.0%、51.0%的定标布，通过线性回归方法在定标布实际光谱反射率和影像上对应区域的DN（Digitalnumber）值之间建立辐射校正方程（表2）。在此基础上即可将各波段影像的DN值转化为相对反射率值。多光谱图像的辐射定标方程是线性的，而NK图像的定标方程是非线性的。这是因为消费级传感器通常对入射光强度表现出非线性响应，而多光谱传感器表现出线性响应（Coburnetal2018）。由于不同波段图像集在Pix4D的拼接过程中使用了相同的GCPs，所以各波段正射影像与DSM的空间位置均是严格对齐的。高光谱图像的预处理过程包含辐射亮度校正、几何校正、辐射定标、以及地理
【参考文献】：
期刊论文
[1]利用辐射传输模型和随机森林回归反演LAI[J]. 郭云开,刘雨玲,张晓炯,许敏. 测绘工程. 2019(06)
[2]基于低空遥感的消费级相机油菜苗期长势监测最优波段选取[J]. 王楚锋,王天一,廖世鹏,张东彦,谢静,张建. 华中师范大学学报(自然科学版). 2018(04)
[3]大田玉米作物系数无人机多光谱遥感估算方法[J]. 韩文霆,邵国敏,马代健,ZHANG Huihui,王毅,牛亚晓. 农业机械学报. 2018(07)
[4]无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用[J]. 潘海珠,陈仲新. 中国农业资源与区划. 2018(03)
[5]消费级近红外相机的水稻叶片叶绿素（SPAD）分布预测[J]. 张建,孟晋,赵必权,张东彦,谢静. 光谱学与光谱分析. 2018(03)
[6]基于无人机数码影像的玉米育种材料株高和LAI监测[J]. 牛庆林,冯海宽,杨贵军,李长春,杨浩,徐波,赵衍鑫. 农业工程学报. 2018(05)
[7]利用无人机影像构建作物表面模型估测甘蔗LAI[J]. 杨琦,叶豪,黄凯,查元源,史良胜. 农业工程学报. 2017(08)
[8]基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测[J]. 秦占飞,常庆瑞,谢宝妮,申健. 农业工程学报. 2016(23)
[9]基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 农业工程学报. 2016(22)
[10]基于低空无人机成像光谱仪影像估算棉花叶面积指数[J]. 田明璐,班松涛,常庆瑞,由明明,罗丹,王力,王烁. 农业工程学报. 2016(21)
博士论文
[1]基于无人机高光谱遥感的东北粳稻生长信息反演建模研究[D]. 于丰华.沈阳农业大学 2017
硕士论文
[1]基于无人机多光谱遥感的玉米叶面积指数监测方法研究[D]. 王亚杰.西北农林科技大学 2018
[2]基于无人机遥感的小麦叶面积指数反演方法研究[D]. 王瑛.西北农林科技大学 2017
[3]基于LandsatTM和SPOT5影像的城市植被叶面积指数反演比较研究[D]. 吉运.华中农业大学 2013
[4]基于辐射传输模型和CHRIS数据反演春小麦LAI[D]. 邢著荣.山东科技大学 2010
本文编号：3217925
【文章来源】：华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
研究区域示意图
华中农业大学2020届硕士研究生学位（毕业）论文12图3传感器不同波段的归一化光谱响应曲线：（A）不同传感器示意图（B）MS中各通道的光谱响应曲线；（C）NK中各波段的光谱响应曲线Fig.3Nominalspectralresponsecurveofdifferentsensors.（A）Schematicdiagramofdifferentsensors，（B）spectralresponsecurveofMR，and（C）spectralresponsecurveofNK
华中农业大学2020届硕士研究生学位（毕业）论文14仪测得各定标板以及健康油菜的实际光谱反射率。图4田间数据取样方式Fig.4Samplingmodesofgrounddata2.2无人机影像处理2.2.1影像预处理消费级传感器NK与多光谱传感器MS获取的影像在分析前需要进行：光晕校正、镜头畸变校正、图像拼接、波段间配准和辐射定标等预处理过程。除辐射定标外，其余步骤均在瑞士Pix4D公司的Pix4Dmapper软件中进行。在图像拼接过程中，7个控制点的GPS信息被导入Pix4Dmapper中来提高生成密集点云的空间精度，最后生成高精度的正射影像与DSM。消费级传感器的RIB、GIB、BIB图像对应R、G、B三个通道，其图像拼接过程同时进行，生成一张RGB真彩色正射影像和一个DSM，其余各波段图像均独立拼接。多光谱传感器五个波段的图像同时导入拼接软件进行拼接，生成5个波段的正射影像和一个DSM。研究区域内放置了3块反射率分别为11.0%、31.0%、51.0%的定标布，通过线性回归方法在定标布实际光谱反射率和影像上对应区域的DN（Digitalnumber）值之间建立辐射校正方程（表2）。在此基础上即可将各波段影像的DN值转化为相对反射率值。多光谱图像的辐射定标方程是线性的，而NK图像的定标方程是非线性的。这是因为消费级传感器通常对入射光强度表现出非线性响应，而多光谱传感器表现出线性响应（Coburnetal2018）。由于不同波段图像集在Pix4D的拼接过程中使用了相同的GCPs，所以各波段正射影像与DSM的空间位置均是严格对齐的。高光谱图像的预处理过程包含辐射亮度校正、几何校正、辐射定标、以及地理
【参考文献】：
期刊论文
[1]利用辐射传输模型和随机森林回归反演LAI[J]. 郭云开,刘雨玲,张晓炯,许敏. 测绘工程. 2019(06)
[2]基于低空遥感的消费级相机油菜苗期长势监测最优波段选取[J]. 王楚锋,王天一,廖世鹏,张东彦,谢静,张建. 华中师范大学学报(自然科学版). 2018(04)
[3]大田玉米作物系数无人机多光谱遥感估算方法[J]. 韩文霆,邵国敏,马代健,ZHANG Huihui,王毅,牛亚晓. 农业机械学报. 2018(07)
[4]无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用[J]. 潘海珠,陈仲新. 中国农业资源与区划. 2018(03)
[5]消费级近红外相机的水稻叶片叶绿素（SPAD）分布预测[J]. 张建,孟晋,赵必权,张东彦,谢静. 光谱学与光谱分析. 2018(03)
[6]基于无人机数码影像的玉米育种材料株高和LAI监测[J]. 牛庆林,冯海宽,杨贵军,李长春,杨浩,徐波,赵衍鑫. 农业工程学报. 2018(05)
[7]利用无人机影像构建作物表面模型估测甘蔗LAI[J]. 杨琦,叶豪,黄凯,查元源,史良胜. 农业工程学报. 2017(08)
[8]基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测[J]. 秦占飞,常庆瑞,谢宝妮,申健. 农业工程学报. 2016(23)
[9]基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 农业工程学报. 2016(22)
[10]基于低空无人机成像光谱仪影像估算棉花叶面积指数[J]. 田明璐,班松涛,常庆瑞,由明明,罗丹,王力,王烁. 农业工程学报. 2016(21)
博士论文
[1]基于无人机高光谱遥感的东北粳稻生长信息反演建模研究[D]. 于丰华.沈阳农业大学 2017
硕士论文
[1]基于无人机多光谱遥感的玉米叶面积指数监测方法研究[D]. 王亚杰.西北农林科技大学 2018
[2]基于无人机遥感的小麦叶面积指数反演方法研究[D]. 王瑛.西北农林科技大学 2017
[3]基于LandsatTM和SPOT5影像的城市植被叶面积指数反演比较研究[D]. 吉运.华中农业大学 2013
[4]基于辐射传输模型和CHRIS数据反演春小麦LAI[D]. 邢著荣.山东科技大学 2010
本文编号：3217925
本文链接：https://www.wllwen.com/kejilunwen/nykj/3217925.html
