基于综合指标的冬小麦长势无人机遥感监测

• 作者: 冯海宽 李振海 李长春 杨贵军 裴浩杰 金秀良
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 无人机 光谱分析 作物 长势监测 冬小麦 综合长势指标
• 年，卷（期）: 2017,（20）
• 所属期刊栏目: 农业航空工程
• 页码范围: 74-82
• 页数: 9页
• 分类号: S512.1+1|TP79
• 字数: 6969字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.20.010

摘要

作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况.将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI).利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型.以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测.结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R2均好于各项单独指标与相应光谱指数的R2.仅孕穗期CGI和RSI(754,694)的R2比叶绿素和RSI(486,518)的R2低,开花期的CGI和R570的R2比生物量和R834的R2低以及灌浆期CGI和SSI(582,498)的R2比植株含水量和SSI(790,862)的R2低.2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R2分别为0.70,0.72,0.78,0.78和0.61.拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047.CGI与相应光谱指数的R2高于单独各项指标与相应光谱指数的R2,光谱指数能够很好反映CGI包含的信息.无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考.