基于无人机高光谱遥感数据的冬小麦产量估算

发布时间：2021-03-23 18:13

　　为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被指数和红边参数与产量的相关性,优选5种植被指数和2种红边参数用于构建产量估算模型;然后,构建了不同生育期的3种产量估算模型:单参数线性回归模型、基于植被指数并使用偏最小二乘回归方法模型、基于植被指数结合红边参数并使用偏最小二乘回归方法模型;最后利用3种模型分别估算冬小麦产量。结果表明:4个生育期内,大部分植被指数和红边参数与产量呈现极显著相关性;拔节期、挑旗期、开花期与灌浆期构建的单参数线性回归模型中表现最佳的参数分别为REP、Dr/Drmin、GNDVI与GNDVI;利用偏最小二乘回归方法提高了产量估算精度,以植被指数结合红边参数为因子构建的模型提高了产量估算效果（优于以植被指数为因子构建的产量模型）。本研究可为无人机高光谱估算作物产量提供参考。 

【文章来源】：农业机械学报. 2020,51(07)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

基于植被指数的冬小麦不同生育期产量实测值与预测值关系

地面实测过程中，于冬小麦成熟期获取产量数据。为了保证采集的数据均匀和有代表性，在每个小区的对角线交点处取1 m2区域进行采样，分别获取了48个小区样本，将获取的样本放入袋中带回实验室，将样本晒至恒定质量后，称取各小区的冬小麦产量，产量单位kg/hm2，共获取48组产量数据。1.4 无人机高光谱遥感数据的获取与处理

目前，估算作物产量大多为利用卫星遥感或实地测量的方式获取，卫星遥感技术可以监测大区域的作物产量，但空间分辨率低，对于小区域的产量分布监测效果不明显;地面测量消耗大量人力物力，不能高效地监测产量。本文基于无人机获取数据具有高效和较高的空间分辨率的特点，同时根据高光谱具有多波段的特征，利用无人机高光谱获取了冬小麦不同生育期的影像数据，融入了高光谱的特有波段区域(红边区域)，获取了较好的产量估算效果，为作物产量的准确和快速估算提供了新的方法。图4 开花期产量预测分布图

【参考文献】：
期刊论文
[1]基于无人机成像高光谱影像的冬小麦LAI估测[J]. 陶惠林,冯海宽,杨贵军,杨小冬,刘明星,刘帅兵.  农业机械学报. 2020(01)
[2]无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量[J]. 陈鹏,冯海宽,李长春,杨贵军,杨钧森,杨文攀,刘帅兵.  农业工程学报. 2019(11)
[3]基于无人机遥感植被指数优选的田块尺度冬小麦估产[J]. 朱婉雪,李仕冀,张旭博,李洋,孙志刚.  农业工程学报. 2018(11)
[4]基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测[J]. 屈莎,李振海,邱春霞,杨贵军,宋晓宇,陈召霞,刘畅.  农业工程学报. 2017(12)
[5]基于无人机载高光谱空间尺度优化的大豆育种产量估算[J]. 赵晓庆,杨贵军,刘建刚,张小燕,徐波,王艳杰,赵春江,盖钧镒.  农业工程学报. 2017(01)
[6]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)
[7]基于无人机成像光谱仪数据的棉花叶绿素含量反演[J]. 田明璐,班松涛,常庆瑞,马文君,殷紫,王力.  农业机械学报. 2016(11)
[8]植被生物量高光谱遥感监测研究进展[J]. 姚阔,郭旭东,南颖,李坤,江淑芳,孙婷婷.  测绘科学. 2016(08)
[9]基于无人机遥感影像的大豆叶面积指数反演研究[J]. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽.  中国生态农业学报. 2015(07)
[10]基于小波变换与支持向量机回归的冬小麦叶面积指数估算[J]. 梁栋,杨勤英,黄文江,彭代亮,赵晋陵,黄林生,张东彦,宋晓宇.  红外与激光工程. 2015(01)



本文编号：3096208