利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测

发布时间：2021-06-22 04:29

　　为了实现基于无人机的小麦产量快速预测,通过不同种植密度、氮肥和品种的田间试验,应用无人机航拍获取小麦生育前期（越冬前期和拔节期）的RGB图像,通过图像处理获取小麦田间颜色和纹理特征指数,并在小麦收获后测定实际产量。通过分析不同颜色和纹理特征指数与小麦产量的关系,筛选出适合小麦产量预测的颜色和纹理特征指数,建立小麦产量预测模型并进行验证。结果表明,小麦生育前期图像颜色指数与产量的相关性较好,而纹理特征指数相关性较差。对越冬前期利用单一颜色指数NDI构建的产量预测模型验证时,R²为0.541,RMSE为671.26 kg·hm^-2;对拔节期用单一颜色指数VARI构建的产量预测模型验证时,R²为0.603,RMSE为639.78 kg·hm^-2,预测结果比较理想,但不是最优。对越冬前期颜色指数NDI和纹理特征指数ENT相结合构建的产量预测模型验证时,R²和RMSE分别为0.629和611.82kg·hm^-2,比单一颜色指数模型分别提升16.27%和减小8.85%... 

【文章来源】：麦类作物学报. 2020,40(08)北大核心CSCD

【文章页数】：6 页

【部分图文】：

基于生育前期图像颜色指数的小麦产量预测模型验证效果(A:越冬前期;B:拔节期)

利用独立数据对小麦产量二元估测模型进行验证,并绘制实测值与模型预测值的1∶1关系图(图2)。由图2可知,基于越冬前期和拔节期的小麦产量预测值与实测值之间有较好的一致性。其中越冬前期和拔节期模型验证的R2分别为 0.629和0.746,较单一颜色指数模型分别提升 16.27%和23.71%。统计分析表明,两个时期模型预测值与实测值的相关性均达到极显著水平。同时,越冬前期和拔节期的RMSE分别为611.82和510.29 kg·hm-2,较单一颜色指数模型分别减小 8.85%和20.24%。这表明小麦产量二元 估测模型的精度和可靠性高于单一颜色指数 模型。3 讨 论

【参考文献】：
期刊论文
[1]基于遥感信息和产量形成过程的小麦估产模型[J]. 李卫国,王纪华,赵春江,刘良云.  麦类作物学报. 2007(05)
[2]基于MODISEVI的冬小麦产量遥感预测研究[J]. 王长耀,林文鹏.  农业工程学报. 2005(10)

硕士论文
[1]基于无人机图像的小麦出苗均匀度评价[D]. 陈雯.扬州大学 2018
[2]基于无人机平台的水稻生长特征监测研究[D]. 周祥.南京农业大学 2016



本文编号：3242119