基于无人机影像的SEGT棉花估产模型构建

及时、准确的产量估算对农业经营管理和宏观决策具有重要意义。该研究利用无人机高分辨率遥感影像,提出了一种基于苗铃生长趋势的SEGT(Seedling Emergence and Growth Trend)模型用于棉花产量估算。首先借助无人机可见光影像数据,通过植被指数与大津法、形态学滤波相结合的方法,获取研究区内棉花出苗信息;然后利用无人机多光谱时间序列影像数据,分析各时期归一化差异植被指数NDVI(Normalized Difference Vegetation Index)与实际产量的相关特征,对棉花生长状态进行等级划分,反演每株棉花的预测成铃数;最后结合棉花单铃质量构建SEGT模型进行产量估算,并根据实测产量数据进行精度验证。试验结果表明:ExG-ExR(Excess Green-Excess Red)植被指数对棉花苗识别和提取效果较好,精确率、召回率、F1值分别达到93%、92.33%和92.66%,VDVI(Visible-band Difference Vegetation Index)植被指数精度次之;将预测产量与实测产量进行对比验证,估产模型的决定系数达到0.92,表明利用SEGT模型进行棉花产量估算是一种切实可行的方法。研究结果可为无人机遥感在作物估产中的应用提供参考。     

基于无人机高清影像的棉花苗期长势监测及后期长势预测

棉花长势对其产量有重要影响，对3～4叶期棉花长势进行监测并对后期长势进行预测，有利于棉花的田间管理和提高最终产量。本研究利用棉花3～4叶期无人机高清影像进行试验，首先利用绿叶指数(green leaf index,GLI)对棉花苗期影像进行分割，利用ENVI 5.6软件中的农业工具包对棉花幼苗进行提取；然后根据棉花幼苗的直径范围以自然断点法将棉花幼苗依次划分为一等苗、二等苗和三等苗；最后以305像素×305像素为单位面积，以单位面积内甲等苗数量占出苗总数的比例和出苗率乘积的大小实现对棉花后期长势优劣的预测。结果发现，在众多指数中，GLI指数对影像的分割效果最好，可以实现对棉花幼苗的有效提取。试验区共提取棉花37 123株，其中，一等苗11 091株，二等苗21 151株，三等苗4 881株。经不同尺度的重复检验，棉花幼苗的提取精度达95.7%;试验区3～4叶期棉花冠层的平均地表覆盖度为6.54%;长势预测评分结果与2期NDVI相关性的决定系数分别为0.756 9、0.662 1,均方根误差分别为0.077 0、0.900 1。本研究表明，利用棉花苗期长势结合出苗率可对后期长势进行有效预...