LAI无人机多光谱遥感估测及其在盐渍土改良中的应用

发布时间：2021-06-11 08:12

　　【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数（LAI）是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于... 

【文章来源】：中国农业科学. 2020,53(09)北大核心CSCD

【文章页数】：11 页

【部分图文】：

试验区范围与采样点

表4数据显示，支持向量机建模方法的精度最高，其次为线性回归方法和PLS方法，随机森林的误差最大。将支持向量机方法的LAI预测值与实测值结果进行比较，结果如图2所示，其建模集R2为0.85,RMSE为0.48,RPD为2.4。验证集R2为0.66,RMSE为0.67,RPD为1.3。因此采用支持向量机构建冬小麦叶面积指数遥感反演模型。利用该模型对整个研究区进行反演结果如图3所示。图3 叶面积指数等级分布图

图2 冬小麦LAI实测值与预测值比较图3表明，研究区的拔节期冬小麦LAI介于0—6，其中0—1对应裸土，冬小麦LAI主要集中在1—2.5，与实际采集拔节期冬小麦LAI接近，总体来看,叶面积指数空间变化强烈。研究区北部和南部冬小麦LAI长势差别明显，说明改良措施多且具有较大差异。另外，从LAI等级分布图中还可以看出，同一地块中的冬小麦LAI差异明显，这意味着少数几个采样点的数据并不能代表该地块的整体水平，但利用无人机却能够更加准确直观地展示试验田中同一地块内和不同地块间冬小麦LAI的差异。

【参考文献】：
期刊论文
[1]果树水肥一体化高效利用技术研究进展[J]. 刘思汝,石伟琦,马海洋,王国安,陈清,徐明岗.  果树学报. 2019(03)
[2]植被指数与作物叶面积指数的相关关系研究[J]. 郑踊谦,董恒,张城芳,黄鹏.  农机化研究. 2019(10)
[3]利用无人机数字图像监测不同棉花品种叶面积指数[J]. 雷亚平,韩迎春,杨北方,王康丽,王国平,冯璐,王占彪,李亚兵.  中国棉花. 2018(12)
[4]“渤海粮仓”典型区土壤养分时空变异[J]. 姚宇,朱昌达.  中国人口·资源与环境. 2018(S1)
[5]基于无人机遥感影像的冬小麦氮素监测[J]. 刘昌华,王哲,陈志超,周兰,岳学智,苗宇新.  农业机械学报. 2018(06)
[6]基于随机森林算法的冬小麦叶面积指数遥感反演研究[J]. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍.  中国农业科学. 2018(05)
[7]基于无人机数码影像的大豆育种材料叶面积指数估测[J]. 李长春,牛庆林,杨贵军,冯海宽,刘建刚,王艳杰.  农业机械学报. 2017(08)
[8]滨海盐碱地生态修复效果评价[J]. 季洪亮,路艳.  西北林学院学报. 2017(02)
[9]基于无人机遥感的叶面积指数反演[J]. 褚洪亮,肖青,柏军华,程娟.  遥感技术与应用. 2017(01)
[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)

硕士论文
[1]基于无人机遥感影像的冬小麦播种效果与空间变异评价[D]. 何小安.西安科技大学 2018



本文编号：3224185