基于无人机高光谱长势指标的冬小麦长势监测

发布时间：2021-04-27 03:54

　　为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标（Growth monitoring indicator,GMI）的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R²、RMSE和NRMSE分别是0. 716 4、0. 096 3、15. 90%。 

【文章来源】：农业机械学报. 2020,51(02)北大核心EICSCD

【文章页数】：12 页

【文章目录】：
0 引言
1 材料与方法
    1.1 研究区概况
    1.2 数据获取与处理
        1.2.1 地面数据
        1.2.2 无人机高光谱数据
    1.3 研究方法
        1.3.1 分析方法
        1.3.2 光谱指数选取
        1.3.3 长势监测指标构建
        1.3.4 模型建立、验证和精度评价
2 结果分析
    2.1 无人机高光谱精度验证
    2.2 光谱指数与GMI相关性分析
    2.3 单光谱指数反演模型建立
    2.4 GMI模型构建
    2.5 GMI空间分布
3 讨论
4 结论


【参考文献】：
期刊论文
[1]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)
[2]基于无人机影像的采煤沉陷区玉米生物量反演与分析[J]. 肖武,陈佳乐,笪宏志,任河,张建勇,张雷.  农业机械学报. 2018(08)
[3]一款无人机高光谱传感器的验证及其在玉米叶面积指数反演中的应用[J]. 陈鹏飞,李刚,石雅娇,徐志涛,杨粉团,曹庆军.  中国农业科学. 2018(08)
[4]基于特征光谱参数的苹果叶片叶绿素含量估算[J]. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏.  农业工程学报. 2018(06)
[5]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)
[6]基于多载荷无人机遥感的大豆地上鲜生物量反演[J]. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕.  大豆科学. 2017(01)
[7]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)
[8]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)
[9]基于随机森林算法的冬小麦生物量遥感估算模型对比[J]. 岳继博,杨贵军,冯海宽.  农业工程学报. 2016(18)
[10]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)



本文编号：3162711