基于无人机可见光遥感和阈值法的玉米植被覆盖度提取

发布时间：2022-02-12 22:20

　　为了快速获取夏季玉米四叶期、拔节期和抽穗期的植被覆盖度信息,以无人机拍摄的夏季玉米3个时期的可见光图像为研究对象,通过计算获取可见光波段的差异植被指数、过绿指数和归一化绿蓝差异指数.利用上述3种植被指数,通过时序交点阈值法和最大熵阈值法提取玉米3个生长时期的植被覆盖度信息,将监督分类结果作为真值对上述两种方法的提取效果进行评价.结果表明,与时序交点阈值法相比,利用最大熵阈值法确定的阈值提取玉米植被覆盖度精度较高,玉米3个生长时期的可见光波段差异（VDVI）植被指数的提取误差分别为4.66%、3.42%和5.81%. 

【文章来源】：福建农林大学学报(自然科学版). 2020,49(02)北大核心CSCD

【文章页数】：6 页

【部分图文】：

试验地概况

通过ENVI软件统计分析玉米VDVI、EXG和NGBDI的直方图[4],发现EXG统计直方图较为复杂,难以确定其统计直方图交点.因此本文仅将VDVI和NGBDI较低植被覆盖度的四叶期和较高植被覆盖度拔节期的统计直方图交点作为玉米3个生长时期的植被覆盖度提取阈值,统计直方图如图2所示,VDVI玉米3个时期植被覆盖度提取阈值为0.122;NGBDI玉米3个生长时期的植被覆盖度提取阈值为0.107.2.2 基于最大熵阈值法的阈值提取

通过目视判读的方法在上述玉米的3个生长时期内的遥感图像中各选取70个典型的玉米植株和70个相对独立的裸土区域作为训练样本进行支持向量机监督分类,选取50个玉米植株和50个相对独立的土壤区域作为测试样本并进行混淆矩阵验证.通过样本可分离性计算工具分析玉米3个生长时期的样本可分离性,发现土壤和玉米的可分离性均在1.95以上,训练样本选择合理.将上述3个时期的玉米试验田分为土壤和玉米植被两类,核函数为线性核函数.3个时期的混淆矩阵总体分类精度为98.73%、97.69%和95.82%.对应3个时期玉米植被所占比例为64.4%、93.50%和94.6%,玉米覆盖度变化基本符合玉米3个时期的生长特征.利用上述时序交点阈值法和最大熵阈值法确定阈值,提取夏季玉米3个时期的植被覆盖度,四叶期、拔节期和抽穗期植被覆盖度提取图像如图3～8所示,其中绿色部分代表玉米,白色部分代表土壤.利用式(4)进行玉米植被覆盖度计算,将监督分类结果当作真值,并利用式(5)进行植被覆盖度提取效果评价.时序交点阈值法的植被覆盖度和精度评价结果如表2所示.基于最大熵阈值法的植被覆盖度提取结果和精度评价如表3所示.由植被覆盖度提取结果可知,利用时序交点阈值法确定的阈值提取玉米3个时期的植被覆盖度时,VDVI和NGBDI在拔节期植被覆盖度提取精度较高,四叶期和抽穗期阶段提取误差较大.提取精度变化的主要原因是随着玉米的生长,玉米拔节期的叶绿素含量显著升高.

【参考文献】：
期刊论文
[1]地形因子对长汀县植被覆盖度时空特征的驱动影响[J]. 田地,张厚喜,刘政,胡亚林.  福建农林大学学报(自然科学版). 2019(06)
[2]基于无人机可见光波段对荒漠植被覆盖度提取的研究——以沙坡头地区为例[J]. 高永平,康茂东,何明珠,孙岩,许华.  兰州大学学报(自然科学版). 2018(06)
[3]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)
[4]基于无人机遥感与植被指数的冬小麦覆盖度提取方法[J]. 牛亚晓,张立元,韩文霆,邵国敏.  农业机械学报. 2018(04)
[5]基于低空可见光谱的植被覆盖率计算[J]. 卞雪,马群宇,刘楚烨,赵言文.  水土保持通报. 2017(05)
[6]基于可见光波段无人机遥感的植被信息提取[J]. 汪小钦,王苗苗,王绍强,吴云东.  农业工程学报. 2015(05)
[7]基于微小型无人机的遥感信息获取关键技术综述[J]. 汪沛,罗锡文,周志艳,臧英,胡炼.  农业工程学报. 2014(18)
[8]基于无人机低空遥感的农作物快速分类方法[J]. 田振坤,傅莺莺,刘素红,刘峰.  农业工程学报. 2013(07)
[9]基于低空无人机遥感的冬小麦覆盖度变化监测[J]. 李冰,刘镕源,刘素红,刘强,刘峰,周公器.  农业工程学报. 2012(13)
[10]基于数码照片的草地植被覆盖度快速提取方法[J]. 胡健波,张璐,黄伟,吴世红,刘长兵.  草业科学. 2011(09)



本文编号：3622488