基于无人机数码影像和高光谱数据的冬小麦产量估算对比

作物产量准确估算在农业生产中具有重要意义。该文利用无人机获取冬小麦挑旗期、开花期和灌浆期数码影像和高光谱数据,并实测产量。首先利用无人机数码影像和高光谱数据分别提取数码影像指数和光谱参数,然后将数码影像指数和光谱参数与冬小麦产量作相关性分析,挑选出相关性较好的9个指数和参数,最后以选取的数码影像指数和光谱参数为建模因子,通过MLR(multiple linear regression,MLR)和RF(random forest,RF)对产量进行估算。结果表明:数码影像指数和光谱参数与实测产量均有很强的相关性。利用数码影像指数和光谱参数通过MLR和RF构建的产量估算模型均在灌浆期表现精度最高,在灌浆期,数码影像指数和光谱参数构建的MLR模型R~2和NRMSE分别为0.71、12.79%,0.77、10.32%。对模型对比分析可知,以光谱参数为因子的MLR模型精度较高,更适合用于估算冬小麦产量。利用无人机遥感数据,通过光谱参数建立的MLR模型能够快速、方便地对作物进行产量预测,并可以根据不同生育期的产量估算模型有效地对作物进行监测。     

基于无人机数码影像的冬小麦株高和生物量估算

高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义。该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像。首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model,CSM),利用CSM提取出冬小麦的株高(Hcsm),然后利用提取的21种数码影像图像指数,构建了拔节期、挑旗期和开花期混合的多生育期生物量估算模型,并进行单生育期和多生育期模型对比分析;最后选择逐步回归(stepwise regression,SWR)、偏最小二乘(partial least square,PLSR)、随机森林(random forest,RF)3种建模方法对多生育期估算模型进行对比,挑选出冬小麦生物量估算的最优模型。结果表明,提取的Hcsm和实测株高(H)具有高度拟合性(R2=0.87,RMSE=6.45 cm,NRMSE=11.48%);与仅用数码影像图像指数构建的生物量估算模型相比(R2=0.721 2,RMSE=0.137 2 kg/m2,NRMSE=26.25%),数码影像图像指数融入H和Hcsm所得模型效果更佳,其中融入Hcsm的模型精度和稳定性(R2=0.819 1,RMSE=0.110 6 kg/m2,NRMSE=21.15%)要优于加入株高H所构建的估算模型(R2=0.794 1,RMSE=0.117 9 kg/m2,NRMSE=22.56%);SWR生物量估算模型(R2=0.7212)效果优于PLSR(R2=0.677 4)和RF(R2=0.657 1)生物量估算模型。该研究为冬小麦生长状况高效、快速监测提供参考。     

基于无人机高光谱长势指标的冬小麦长势监测

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R~2、RMSE和NRMSE分别是0. 716 4、0. 096 3、15. 90%。     

基于连续小波变换的冬小麦叶片最大净光合速率遥感估算

已有研究发现,植物的最大净光合速率(A_(max))决定了其潜在的光合能力。以冬小麦为研究对象,以2017年、2018年4-6月获取的拔节期、挑旗期、开花期和灌浆期4个重要生育期的不同叶位叶片的原始光谱(350～1 350 nm)与气体交换数据为基础,旨在建立基于连续小波变换的冬小麦叶片最大净光合速率估算模型。结果表明,基于连续小波变换方法估算的模型,2017年、2018年的建模决定系数(R~2)分别为0.62、0.77,验证R~2分别为0.65、0.77,其估算模型的精度远高于基于植被指数建立的模型。通过对比分析几种植被指数与高光谱数据对最大净光合速率的估算结果发现,植被指数对小麦叶片A_(max)的解释能力较低,无法对光合能力作出正确且精确的估算。基于连续小波变换方法对冬小麦叶片A_(max)的估算精度较高,可以作为预估冬小麦生长状况、产量的依据。     

不同水分处理下冬小麦叶片光谱特征及 氮素垂直分布情况分析

【目的】为了研究不同水分处理下冬小麦冠层叶片氮素的分布情况。【方法】文章以2014年北京市农林科学院试验田的冬小麦为研究对象,在野外观测实验的支持下,分析不同水分处理下冬小麦氮素垂直分布规律及冠层光谱变化规律,并对不同水分处理下冠层不同叶位光谱指数与叶片氮素进行相关性分析。【结果 /结论】在挑旗期W2水分处理下叶片氮素含量最大,而W1、W3、W4、W5随着灌水量增加叶片氮素含量降低,在拔节期上2叶的氮素含量高于上1叶,而到了抽穗期和灌浆期随着叶位的升高氮素含量逐渐升高;对于拔节期未做水分处理时光谱反射率差异性表现为W2W3W4W5W1。除拔节期外其他生育期随灌水量增加冠层叶片光谱反射率降低;拔节期上1叶在W1、W2水分处理下氮素与光谱指数相关性达显著性水平,最大相关性为0.87,挑旗期上1叶、上3叶、上5叶氮素与光谱指数相关性达显著性水平,最大相关性为0.90,抽穗期上1叶、上2叶、上3叶、上4叶氮素与光谱指数达显著性水平,最大相关性为0.92,灌浆期、上2叶氮素与光谱指数相关性达显著性水平其最大相关性为0.96。