基于无人机遥感的玉米叶面积指数与产量估算

发布时间：2021-07-14 21:00

　　以2018和2019年在河南省新乡县中国农业科学院农田灌溉研究所试验基地的玉米为研究对象,利用八旋翼无人机搭载的MicaSense RedEdge多光谱相机对试验区进行遥感监测,构建玉米叶面积无人机遥感监测模型和产量估算模型,并在示范区进行应用。结果表明,NDVI、EVI和GNDVI这3种植被指数在构建叶面积指数监测模型中具有较好的精度和稳定性。利用抽雄期植被指数构建的估产模型精度最高,吐丝期次之,拔节期最低。与单生育期估产模型相比,累积3个生育期植被指数构建的估产模型精度有一定提升,R2为0.87,RMSE为405.42 kg/hm2。构建的无人机遥感监测模型,可以快速有效评估玉米长势和产量。 

【文章来源】：玉米科学. 2020,28(06)北大核心CSCD

【文章页数】：6 页

【部分图文】：

玉米LAI预测值与实测值比较

根据上述研究结果，利用本文构建的基于无人机多光谱遥感的玉米叶面积指数监测模型和产量估算模型，应用到试验地所在地新乡县七里营镇的玉米示范区。该示范区秋季作物以玉米种植为主，另外还包括少量的大豆、花生、蔬菜等。无人机遥感监测时间为2019年8月9日，是玉米产量估算最佳生育期。无人机多光谱遥感数据预处理后，利用目前比较成熟的面向对象分类方法对无人机遥感图像进行分类，提取出玉米及其他作物的种植地块分布信息；然后将叶面积指数监测模型和产量估算模型应用于抽雄期无人机多光谱遥感影像，得到示范区玉米叶面积指数和产量空间分布图(图4)。示范区玉米叶面积指数值域为2.8～5.1，单产值域为4 800～8 445 kg/hm2。经随机调查18个样点，测试其叶面积指数和产量，对监测模型实际应用进行测试和检验。通过对18组数据的比较，叶面积指数估算最大的相对误差为24.2%，最小的为1.1%，平均相对误差为7.5%；产量估算最大的相对误差29.0%，最小的为3.4%，平均相对误差为8.8%。在应用过程中，可能由于玉米品种多样化和管理差异化，叶面积指数和产量估算精度都略低于试验精度，但仍达到了较高的精度。

图2 基于单生育期与多生育st期ag植es被指数的估产模型精度分析在5个植被指图3数中，GNDVI、NDVI和EVI构建的估产模型精度相对较高，除拔节期外，决定系数都在0.6以上，其中GNDVI最高，决定系数在都在0.8以上。SAVI和OSAVI模型预测精度相对较低，R2均在0.5以下。综上，基于多生育期累积GNDVI构建的估产模型最佳，R2为0.87,RMSE为405.42 kg/hm2，估产模型公式为

【参考文献】：
期刊论文
[1]基于多时相无人机遥感植被指数的夏玉米产量估算[J]. 韩文霆,彭星硕,张立元,牛亚晓.  农业机械学报. 2020(01)
[2]基于无人机遥感可见光影像的农作物分类[J]. 刘斌,史云,吴文斌,段玉林,赵立成.  中国农业资源与区划. 2019(08)
[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]基于无人机可见光影像的农田作物分类方法比较[J]. 郭鹏,武法东,戴建国,王海江,徐丽萍,张国顺.  农业工程学报. 2017(13)
[5]基于多源遥感数据的大豆叶面积指数估测精度对比[J]. 高林,李长春,王宝山,杨贵军,王磊,付奎.  应用生态学报. 2016(01)

博士论文
[1]基于多源遥感信息融合的小麦生长监测研究[D]. 王来刚.南京农业大学 2012

硕士论文
[1]基于无人机多光谱遥感的玉米叶面积指数监测方法研究[D]. 王亚杰.西北农林科技大学 2018
[2]基于无人机平台的小麦长势监测与产量预测研究[D]. 王妮.南京农业大学 2016



本文编号：3284885