基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

• 作者: 张宝忠 段晨斐 韩信 魏征 魏青
• 来源期刊: 麦类作物学报
• 学科: 农学
• 关键词: 无人机 多光谱遥感 叶绿素含量 逐步回归 植被指数
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 生理、生态与栽培
• 页码范围: 365-372
• 页数: 8页
• 分类号: S512.1|S314
• 字数: 4834字
• 语种: 中文
• DOI: 10.7606/j.issn.1009-1041.2020.03.13

摘要

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型.结果 表明,两种分析方法中逐步回归建模效果最佳.拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r2)为0.73,模型验证的r2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83％、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r2为0.81,模型验证的r2、RE、RMSE分别为0.63、2.83％、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r2为0.67,模型验证的r2、RE、RMSE分别为0.65、2.83％、1.88.因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化.