基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对...     

基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度（canopy temperature,Tc）是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数（red-green ratio index,RGRI）法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数（crop water stress index,CWSI）性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI（记为CWSITcF%）。二是基于冠层温度方差（canopy temperature variance,Var）,将玉米冠层数据分为4个区间：区间Ⅰ,Tc≤40,Var≤10;区间Ⅱ,Tc≤40,10< Var≤20;区间Ⅲ,35< Tc<45,Var>20;区间Ⅳ,40< Tc<50,0< Var≤20,并在各自区间上选择最敏感的统计分位数计算CWSI（记为CWSIn）。研究结果表明：1）利用2020年和2021年两年数据计算的CWSIn与作物生理指标（气孔导度Gs、净光合速率Pn、蒸腾速率Tr）间的决定系数R2分别为0.72、0.52、0.62 ,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI（R2分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%）,但与CWSITcF%差别不大（R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%）;2）虽然CWSITcF%能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大（2020,61.17%;2021,49.38%;两年数据,83.51%）,而CWSIn稳定性更高（与生理指标间的nRMSE分别为：2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%）。因此,综合来看 CWSIn可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。     

基于无人机热红外与数码影像的玉米冠层温度监测

快速、准确、无损地获取田间玉米冠层温度,对实现无人机辅助玉米抗旱性状的监测具有重要的意义。该文以无人机搭载热红外成像仪和RGB高清数码相机构成低空遥感数据获取系统,以不同性状的拔节期玉米为研究对象,采集试验区的无人机影像。利用含有已知三维坐标的几何控制板,进行数码影像几何校正,并利用校正后的数码影像对热红外影像进行几何配准。利用便携式手持测温仪测量辐射定标板黑白面的温度,对热红外影像进行辐射定标。利用高空间分辨率的数码影像对玉米进行分类并二值化处理,基于二值化结果提取热红外影像的玉米冠层像元,并提取试验区不同性状玉米的冠层温度。同时,利用便携式手持测温仪在地面同步测量玉米冠层温度,并与提取的冠层温度经行一致性分析,以验证评估基于热红外影像提取玉米冠层温度的效果。结果表明:提取的冠层温度值与地面实测值具有高度一致性(R2=0.723 6,RMSE=0.60℃),提取精度较高,表明基于无人机热红外影像获取玉米冠层温度的方法具有高通量的优势且精度较高。最后将试验区的植被覆盖度与提取的冠层温度进行对比分析,结果表明:玉米冠层温度与其覆盖度有显著的相关性(R2=0.534 5,P0.000 1),覆盖度越高冠层温度越低,反之则越高,说明玉米冠层覆盖度的大小影响玉米冠层温度的高低。该研究可为玉米育种材料的田间冠层温度监测提供参考。     

作物冠层表面温度诊断冬小麦水分胁迫的试验研究

利用红外测温装置能够观测获得作物的冠层表面温度,从而诊断作物是否遭受水分胁迫。基于这种技术,使用作物水分胁迫指数CWSI反映我国华北平原地区冬小麦的水分胁迫状况。研究比较了作物水分胁迫指数CWSI的经验模式和理论模式,根据它们的波动特征,可以看出用CWSI经验模式反映华北地区冬小麦水分胁迫不很理想。研究分析了作物水分胁迫指数理论模式与其他一些反映作物水分状况的指标,包括叶水势、叶片气孔阻力,叶片最大净光合速率以及土壤水分含量之间的关系,结果表面理论模式与上述这些指标关系良好,表明其很好地反映了作物的水分胁迫特征。该研究给出了适合于我国华北平原地区冬小麦的作物水分胁迫指数计算的主要参数。研究从实际田间应用的可能性出发,分析并提出了作物水分胁迫指数经验模式和理论模式应用的改进方向     

基于冠层温度的夏玉米水分胁迫指数模型的试验研究

探讨并建立了适合于中国华北地区夏玉米水分状况监测的作物水分胁迫指数(CWSI)模型。通过不同的田间试验处理和观测,得到了适合夏玉米的CWSI经验模型中的经验关系,且表现明显。该研究建立了不同生育阶段的经验模型,经过初步的检验和分析,认为这一模型是合理的,可以应用于田间的基于冠层温度信息的夏玉米水分状况监测。     

基于冠层温度的夏玉米水分胁迫理论模型的初步研究

该文探讨并建立了适合于中国华北平原夏玉米的作物水分胁迫指数(CWSI)模型。通过对夏玉米的冠层最小阻力、零平面位移和粗糙度进行分生育阶段取值,得到了适合于夏玉米的水分胁迫指数模型。     

不同基因型冬小麦冠层温度与产量和水分利用效率的关系

通过研究水分利用效率和产量之间的相关性,证明冠层温度在筛选小麦品种(系)时也是一个重要的指标。利用红外测温仪,于2006-2007年在甘肃陇东旱原研究了来自中国北方和美国的40个小麦品种(系)不同生育时期冠层温度的差异及其与产量、水分利用效率的关系。结果表明,不同基因型小麦在籽粒灌浆结实期存在着冠层温度高度分异现象,其分异程度随生育期的推后明显加大,到灌浆中后期达到最大。无论拔节期、灌浆初期还是中后期,旱地冬小麦产量、水分利用效率与冠层温度均呈极显著的负相关,并且随着生育期推移,相关性增大。灌浆中期以后不同基因型小麦冠层温度保持较高的一致性,冠层温度偏低的品种具有较高的产量和水分利用效率。灌浆中后期的冠层温度在评价小麦产量和水分利用效率上具有较高的可靠性,可作为田间选择的一个指标应用。     

基于无人机热红外图像的核桃园土壤水分预测模型建立与应用

为了解北方核桃园区的土壤水分状况,实现优化水资源配置的目的。该文于2016和2017年采用固定式热红外成像仪(A310 f)连续观测得到核桃主要生长季节午后(13:00和14:00)的冠层温度,并同步观测温度、湿度、辐射、风速、降雨量和0~80 cm不同土层深度的土壤体积含水量。并于2017年8月11日利用无人机热成像系统(TC640)对连续灌溉区域和干旱胁迫区域进行了图像采集。结果表明,40~60 cm土层深度可能是核桃树主要吸收水分的区域。冠层温度普遍高于空气温度,其变化范围在0~5℃之间,冠气温差与土壤含水量呈负相关,与太阳辐射呈正向关系,其中,土壤含水量的贡献值达到了75%。利用2017年13:00时的冠层与空气温差数据来建立的土壤水分预测模型,R2=0.64;同时,利用14:00时的实测数据对所建立模型进行验证,R2=0.61,表明该模型具有一定的拟合精度。最后,将模型用于诊断核桃区域水分状况,证明了其具有较好的实际应用效果。该研究首次将固定式热成像设备与无人机热成像系统相结合来研究树木的冠层温度,并成功实现了从理论模型到实际应用,从单株水平到区域尺度的转换。     

冠层—气温差监测和诊断冬小麦农田水分

以农田生态系统为研究单元，以ＳＰＡＣ的理论为基本原则，深入探讨了冠层－气温差与冬小麦农田土壤和作物水分状况的关系。在比较精确和连续的大田试验基础上，得出了冠层－气温差监测０￣５０ｃｍ土层相对含水量的模型及诊断冬小麦水分状况的指标，该模型和指标可直接用于指导灌溉。     

基于冠层上下部温差的冠层阻力计算

为了研究交替隔沟非充分供水下玉米冠层阻力的计算方法,于2009—2010年在中国农业科学院农田灌溉研究所作物需水量试验场进行了田间试验.根据实测资料分析了玉米气孔阻力与各环境因素的关系,基于 Jarvis (1976)多因子冠层阻力模型,引入冠层上、下部温差变量(ΔTc),提出了交替隔沟非充分供水下玉米冠层阻力的计算方法,即基于ΔTc的冠层阻力法,并分别与Jarvis(1976)、Ortega-Farias(2004)和Brisson et al(1998)法作对比研究,验证其准确性.结果表明,Javias(1976)、Ortega-Farias(2004)、基于ΔTc的冠层阻力法和Brisson (1998)的日平均冠层阻力计算结果分别为355.93、318.75、300.61和253.42 sm-1.其中,Ortega-Farias(2004)法和Javias(1976)法模拟结果分别偏高9.70%和22.50%;Brisson(1998)法模拟结果偏低12.78%;基于ΔTc的冠层阻力法计算结果比实测值偏高3.46%,二者的相关性最好,其计算结果与实测值间的平均绝对误差(MAE)、标准差(SD)和拟合度(d1)值分别为2.42、6.77和0.89,R2为0.86,计算精度优于Jarvis(1976)、Ortega-Farias (2004)和Brisson et al(1998)模型.基于冠层上、下部温差的冠层阻力计算法,考虑了作物、土壤、气候3大因素,模型的模拟范围、数据获取和精度都优于其他方法,能够较准确地表达交替隔沟非充分供水下的玉米冠层阻力.     

光照与阴影对无人机热红外遥感监测土壤含水率的影响

为探究作物冠层受阳光直射或阴影遮挡对无人机热红外遥感诊断作物水分胁迫、监测土壤含水率的影响,该研究以不同灌溉处理的夏玉米为研究对象,将热红外图像划分为光照冠层、阴影冠层、光照土壤、阴影土壤4个部分,分别提取光照温度与阴影温度后计算了11:00、13:00、15:00的冠气温差（冠层温度与大气温度之差,ΔT）、作物水分胁迫指数（crop water stress index,CWSI）、蒸发比（潜热通量与有效能量的比值,evaporative fraction,EF）,并对比了3种指数在不同时刻使用光照温度（ΔT_L、CWSI_L、EF_L）与阴影温度（ΔT_S、CWSI_S、EF_S）后对土壤含水率的监测效果变化情况。结果表明：1）3种指数的监测效果会随时间发生变化,11:00与15:00时EF监测效果较好,13:00时CWSI监测效果较好,ΔT的监测效果较差但随时间波动最小;2）拔节期在区分光照温度与阴影温度后监测效果在11:00时提升幅度最大,EF、EF_S、EF_L的R²分别为0.54、0.65、0.78,CWSI、CWSI_S、CWSI_L的R²分别为0.47、0.64、0.70,抽雄期与灌浆期使用光照温度对监测效果提升不大,但使用阴影温度的指数监测效果有明显降低,在13:00时CWSI_S较CWSI有最大降幅,R²降幅分别为0.11、0.06;3）在拔节期与抽雄期使用11:00的EF_L,在灌浆期使用13:00的CWSI能取得最好的土壤含水率监测效果,预测土壤含水率的R²分别为0.75、0.75、0.89。该研究可以为无人机热红外监测土壤含水率提供参考。     

基于无人机图像纹理和表型参数的夏玉米水分胁迫诊断

农田水分胁迫是影响作物生长发育和产量品质的重要原因。及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义。为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载六通道多光谱传感器获取2022年夏玉米拔节期和抽雄期的遥感影像数据,且同步采集夏玉米气孔导度和表型参数数据,监督分类剔除冗余背景后使用灰度共生矩阵计算得到冠层植被指数和图像纹理信息,通过贝叶斯信息准则和全子集筛选法筛选出敏感的植被指数、图像纹理和表型参数及其组合,结合极限学习机、随机森林和反向传播神经网络3种机器学习方法构建夏玉米气孔导度预估模型,并基于最优气孔导度预估模型绘制夏玉米水分胁迫状况反演图。结果表明,多光谱图像的夏玉米冠层反射率与气孔导度呈弱负相关,植被指数和表型参数与气孔导度呈极显著正相关,不同波段的图像纹理均与气孔导度有较高的相关性,其中550 nm波段最佳。植被指数用于评估植被整体健康和水分状况,图像纹理用于捕捉作物空间分布、纹理和结构特征,表型参数用于立体反映作物生理和形态信息,它们在诊断作物水分胁迫的机理上具有互补性。基于植被指数、图像纹理和表型参数构建的反向传播神经网络模型是夏玉米水分胁迫诊断的最佳模型（决定系数为0.841,均方根误差为0.043 mol/(m²·s),平均绝对误差为0.034 mol/(m²·s) ）,并显著改善了对气孔导度较低值的低估情况。绘制的夏玉米水分胁迫状况反演图呈现出广泛的应用潜力,能够便捷准确地诊断作物水分胁迫状况,以优化灌溉策略,调整资源分配。研究结果可为夏玉米的水分胁迫诊断提供一种可行而准确的方法。     

基于无人机遥感影像的水稻种植信息提取

水稻是中国南方最主要的粮食作物,种植面积波动对国家粮食稳定有很大影响。通过无人机遥感试验获取多幅有重叠区域的图像,使用Agisoft photoscan软件拼接重构试验区的完整图像,利用多尺度分割方法将试验区域分割成若干对象,并基于统计方法提取对象的光谱特征、几何特征和纹理特征;然后,建立识别水稻地块的二分类Logistic回归模型,特征指标为形状指数、红色均值、红色标准偏差、最大化差异度量、灰度共生矩阵同质性和灰度共生矩阵非相似性。结果表明:模型辨识训练样本集的正确率为100%,辨识检验样本的正确率为97%,模型应用于辨识验证区域水稻田块,总体正确率为98%。最后基于累计像素方法测算水稻田块的面积,并与目视解译测算的结果对比,面积误差小于3.5%,研究方法识别水稻田块效果好,面积测算准确率高。因此,该研究对利用无人机遥感影像普查水稻种植信息具有一定的适用性。     

基于小麦冠层无人机高光谱影像的农田土壤含水率估算

精准监测农田土壤含水率（soil moisture content,SMC）有助于提高中国水资源利用率以及农业可持续发展水平,为实现国家农业经济的稳定发展及可持续发展目标打下坚实的基础。为了探索基于无人机遥感数据进行准确、快速的土壤含水率监测的方法,该研究选取新疆阜康绿洲田块为研究区,使用无人机（unmanned aerial vehicle,UAV）高光谱传感器采集田块尺度小麦冠层光谱信息,进行SMC定量估算和制图。对小麦冠层光谱进行savitzky-golay（SG）平滑,利用7种不同的小波基函数（bior4.4、coif4、db4、fk14、haar、rbio3.9、sym4）对光谱信息进行连续小波变换（continuous wavelet transform,CWT）处理,并采用遗传算法（genetic algorithm, GA）对小波系数进行特征提取,最后结合偏最小二乘回归（partial least square regress,PLSR）、支持向量机（support vector machine,SVM）、人工神经网络（artificial neural network,ANN）、随机森林（radom forest,RF）以及极端梯度提升（extreme gradient boosting,XGBoost）估算SMC并实现其空间制图。结果表明：基于GA的特征波段选择方法可有效提高SMC的估算精度。使用全波段小波系数构建模型的精度R2在0.20～0.44之间,而使用特征小波系数的R2为0.25～0.82。与其他小波基函数相比,采用db4特征小波系数的估算精度最优,PLSR、SVM、ANN、RF和XGBoost模型估算SMC的R2分别为0.82、0.72、0.79、0.76和0.45。基于PLSR和ANN最优模型进行SMC空间制图,结果表明基于CWT和机器学习结合模型能够有效估算小田块尺度SMC。该研究基于无人机高光谱数据实现了SMC精确估算,为农田尺度SMC监测提供了有效手段。     

基于多信息融合的番茄冠层水分诊断

为精确、快速、稳定地测定番茄植株含水率并能全面检测其水分胁迫程度,该文通过将番茄冠层的反射光谱、多光谱图像、冠层温度特征及环境温湿度进行多信息融合,评判其水分胁迫状况。通过去除冠层光谱噪声波长,并进行相关性分析,确定950～1080nm、1170～1300nm、1370～1500nm、1600～1730nm和1860～1980nm为5个相关性较高的波段,并利用逐步回归,进一步筛选出1026、1247、1431、1640、1910nm为特征波长。对获取的中心波长为810nm近红外图像和560nm可见光图像进行3×3窗口的中值滤波,采用最大类间方差法进行图像分割,计算图像的平均灰度。获取番茄冠层温度,并结合环境温湿度信息,建立番茄的冠气温差模型和水分胁迫指数模型。将5个特征波长、单通道的近红外和可见光图像的灰度均值和CWSI作为多信息融合的输入,利用偏最小二乘-神经网络回归分析并进行了验证,最终得到实测值与预测值的相关系数为0.9364,验证均方根误差为10.6713,平均误差为7.6714%,拟合方程斜率为0.9615。多信息融合模型的各项评价指标均好于单一信息模型。