基于相对光谱变量的无人机遥感水稻估产及产量制图

• 作者: 王福民 王飞龙 胡景辉 谢京凯 谢莉莉
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 无人机 成像高光谱 相对光谱变量 水稻 估产 空间分布
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 遥感应用
• 页码范围: 458-468
• 页数: 11页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2020.2.0458

摘要

及时准确地监测农作物产量信息对国家和区域的粮食生产、贸易及粮食安全预警具有重要意义.当前卫星遥感估产由于高时空分辨率难以同时满足、波段数量少等原因限制估产精度进一步提高,无人机成像高光谱技术以其高时空分辨率、丰富的波段数量和图谱结合的遥感影像等优势被广泛地应用到现代智慧农业与精准农业,使高精度的农作物估产成为了可能.常规无人机估产方法使用的不同时期植被指数在获取时具有不同的光照条件、大气条件和背景,这些外界条件的差异将会引起不同时期植被指数的误差,进而影响估产精度.针对该问题,提出“相对光谱变量”和“相对产量”的概念开展多时期相对变量水稻遥感估产.首先将高光谱成像仪获取的波段进行一对一的组合建立相对归一化光谱指数RNDSI集,并确定水稻不同生育期的最优RNDSI及其构成波段;然后建立不同生育期组合的水稻估产最优模型并做相应的验证.结果 显示:使用分蘖期RNDSI[784.635]、拔节期RNDSI[807.744]、孕穗期RNDSI[784.712]和抽穗期RNDSI[816.736]组成的多元线性回归模型是多生育期估产的最优模型,R2和RMSE分别为0.74和248.97 kg/hm2,并对此结果进行验证,估产平均相对误差绝对值达到了4.31％,结果表明相对植被指数和相对产量的水稻遥感估产方法可较好地应用于像素级的水稻遥感估产.基于该模型绘制了水稻的田间产量分布图,可更加直观地表现不同区域的产量并进行精准地田间管理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王福民	浙江大学环境与资源学院	22	842	12.0	22.0
2	谢京凯	浙江大学建筑工程学院	3	0	0.0	0.0
3	王飞龙	浙江大学建筑工程学院	3	0	0.0	0.0
4	胡景辉	浙江大学环境与资源学院	1	0	0.0	0.0
5	谢莉莉	浙江大学环境与资源学院	2	1	1.0	1.0