基于多时相无人机遥感植被指数的夏玉米产量估算

发布时间：2021-04-14 22:46

　　为建立夏玉米无人机遥感估产模型,正确评价规模化农业经营管理和用水效率,以内蒙古自治区规模化种植的夏玉米为研究对象,设置了5个不同水分处理的实验区域,每个实验区域布置了3个样区,利用自主研发的多旋翼无人机多光谱遥感平台,对夏玉米进行多时相的遥感监测。采用牛顿-梯形积分和最小二乘法,构建了基于多种植被指数和多种生育期对应的夏玉米实测产量的6种线性模型,并采用阈值滤波法减少土壤噪声对模型精度的影响。结果显示,不同生育期的玉米估产模型精度存在显著差异。单一生育期中,精度由高到低依次为:抽雄期、吐丝期、蜡熟期、拔节期,最优植被指数为EVI2（决定系数R²=0. 72,均方根误差RMSE为485. 46 kg/hm²）;多生育期的最优植被指数为GNDVI（R²=0. 89,RMSE为299. 35 kg/hm²）。经过土壤滤波后,拔节期和多生育期的R²提升显著,其中基于植被指数GNDVI、MASVI2、EVI2的多生育期估产模型的决定系数R2提升到0. 87以上。多生育期的无人机遥感估产优... 

【文章来源】：农业机械学报. 2020,51(01)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

无人机作业田块及采样监测点分布

多光谱图像采集采用六旋翼无人机搭载Red Edge五波段多光谱相机，如图2所示，具体波段如表2所示，相机焦距为5.5 mm，视场角为47.2°，图像分辨率为1 280像素×960像素。相机配备了光强传感器和2个3 m×3 m的灰板。光强传感器用于校正无人机航拍过程中外界光线变化对光谱影像造成的影响，灰板具有固定的反射率，可对航拍影像进行反射率的校正，从而生成反射率影像，进行植被指数的提取。实验时晴朗无云，平均气温28.6℃，相对湿度61.96%，平均风速1.12 m/s，微风。实验时间在11:30—14:30。多光谱无人机飞行高度为70 m，飞行方向为南北方向，航向、旁向重叠度分别为80%和70%。将每次实验按照固定航线拍摄的多幅图像，以日期为索引导入到瑞士Pix4D公司的Pix4D mapper软件中，以实时动态测量(Real time kinematic,RTK)的方法获取地面相控点，导入小图对应的POS数据，在软件中进行初始化处理，几何校正，构建三维模型，提取纹理以及构造地物特征，最终生成高清正射多光谱影像。

研究方法如图3所示，遥感影像拼接校正后，进行波段运算得到多种植被指数，再筛选最优植被指数;基于夏玉米的生长规律将夏玉米分为不同生育期，比较单生育期和多生育期的模型精度，筛选最佳监测生育期;最终采用阈值滤波法剔除土壤像元的干扰，得到无人机夏玉米最优遥感估产模型。1.4.1 植被指数

【参考文献】：
期刊论文
[1]我国玉米生产地位、优势与自给率分析[J]. 陈印军,王琦琪,向雁.  中国农业资源与区划. 2019(01)
[2]基于Lab颜色空间的棉花覆盖度提取方法研究[J]. 牛亚晓,张立元,韩文霆.  农业机械学报. 2018(10)
[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LAI和VTCI及粒子滤波同化算法的冬小麦单产估测[J]. 王鹏新,孙辉涛,解毅,王蕾,张树誉,李俐.  农业机械学报. 2016(04)
[5]MODIS植被指数的美国玉米单产遥感估测[J]. 任建强,陈仲新,周清波,刘佳,唐华俊.  遥感学报. 2015(04)
[6]不同生育时期冬小麦叶面积指数高光谱遥感监测模型[J]. 贺佳,刘冰锋,李军.  农业工程学报. 2014(24)
[7]玉米产量测定方法的应用探讨[J]. 韦海斌.  现代农业. 2013(09)
[8]基于NOAA-NDVI的河南省冬小麦遥感估产[J]. 贺振,贺俊平.  干旱区资源与环境. 2013(05)



本文编号：3138150