LAI无人机多光谱遥感估测及其在盐渍土改良中的应用

【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数(LAI)是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于...     

无人机多光谱遥感在农作物生长监测中的应用综述

遥感技术是掌握作物生长发育情况的常用方法,无人机遥感技术的使用具有简单、有效、廉价的优点,近年来更广泛的运用在农业中。多光谱相机可以在近红外波段和红边波段获得数据,利用光谱数据及时地进行作物估产、生长检测和营养评估工作,并具有成本低、稳定性高、数据量小和覆盖面积广的特征,在较大面积的区域调查中具有广阔的应用。叶绿素含量、叶面积指数、氮素含量等农学参数与作物的长势密切相关,通过这些参数可以实时诊断作物的营养状况及病虫害状况,根据作物的实际情况来进行精准管理与调控。本文从遥感无人机与多光谱相机的类型和特征、多光谱在作物表型信息监测上的主要应用、农作物灾害检测3个方面作了详尽的综述,希望为无人机多光谱遥感技术在作物生产的精细化作业提供借鉴。     

基于无人机多光谱数据的水稻LAI反演与应用

为比较和验证不同叶面积指数(LAI)机器学习模型迁移后的稳定性,以无人机获取的湖北鄂州与海南水稻田的多光谱影像数据为研究对象,使用8 种植被指数经验模型与3 种机器学习方法对鄂州试验田的水稻LAI进行反演,并推广至海南试验区。结果表明:1)非线性模型在鄂州试验数据的建模集测试中精确度较优,其中归一化红边差值(NDRE)非线性模型验证的变异系数(CV)=31.05%,但推广至海南试验区后精确度下降严重(验证集CV=74.90%),可移植性差;2)线性模型和机器学习模型在模型移植后表现出较优的稳定性,其中梯度提升回归(GBR)二波段模型在鄂州数据建模集CV=28.91%,在海南数据验证集CV=26.58%;3)增强植被指数(EVI2)线性拟合模型在鄂州数据建模集CV=33.78%,在海南数据验证集CV=27.90%。最后使用EVI2构建的经验模型,对各生育时期2 种不同水稻(珞优9348和丰两优4号)的LAI进行预测,结果表明在相同氮水平下,珞优9348表现为氮高效品种。     

基于无人机多光谱与地面高光谱遥感的土壤主要养分含量估测

耕地土壤作为农业资源的重要组成部分,是我国农业生产的基本资源与保障条件.山原红壤作为云南典型的土壤类型,在云南的农业生产与经济发展中发挥着重要作用.通过多光谱与高光谱遥感结合技术,对山原红壤主要养分含量的高光谱特性进行了研究分析,研究了土壤主要养分含量的多高光谱特性、筛选出了各养分含量的特征波段.而后,通过多光谱波段变...     

基于不同树种的LAI遥感估测研究

基于哑变量模型探究树种差异性对LAI反演模型精度的影响,为建立更精确的LAI反演模型提供一定参考。以塞罕坝机械林场中的落叶松、樟子松、白桦及云杉为研究对象,基于178块样地(白桦40个,落叶松56个,樟子松48个,云杉34个)的LAI实地调查数据及2019年8月8日的哨兵2号遥感影像,利用全子集回归模型进行全局择优,在19个变量因子中选取适宜的变量因子,构建相关的线性模型以及哑变量模型。结果表明,引入树种作为哑变量后,模型的R~2提高了0. 03,RMSE减少了0. 05,AIC减少了7. 23。树种差异性对LAI的反演存在显著影响,综合考虑树种的哑变量模型拟合精度更高,为建立更高精度的LAI反演模型提供借鉴。     

融合无人机多光谱和纹理特征的马铃薯LAI估算

目的 研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。方法 利用大疆P4M无人机采集2021年2－4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R²_adj的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。结果 从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VI-MLR(Vegetation index multiple linear regression)模型,R²分别为0.73、0.59和0.66。结论 本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。     

无人机多光谱反演黄河口重度盐渍土盐分的研究

【目的】为提高土壤盐分信息定量遥感提取精度,准确掌握土壤盐渍化程度与分布。【方法】选择垦利区黄河口镇集中连片的重度盐渍土区域为试验区,于2018年4月26日—28日采用搭载Sequoia多光谱相机的无人机进行试验区近地遥感图像采集,并进行图像拼接、辐射校正、正射校正和几何校正等预处理;然后基于相关性分析、灰色关联度分析筛选土壤盐分的敏感波段,构建并筛选光谱参量;进而分别采用多元线性回归（multivariable linear regression,MLR）、支持向量机（support vector machine,SVM）及偏最小二乘（partial least square,PLS）方法构建土壤盐分定量反演模型,并进行验证与评价;最后基于最佳模型进行试验区土壤盐分的分布反演与分析,并与反距离加权插值结果进行精度比较。【结果】相较相关性分析,通过灰色关联度分析的反演模型精度及显著性均有所提高;对比3种建模方法,SVM模型精度最高,PLS模型次之,MLR模型最低,最佳模型为基于灰色关联度分析筛选变量的支持向量机模型,其建模R ²、RMSE分别为0.820、3.626,验证R ²、RMSE、RPD分别为0.773、4.960、2.200;据此模型反演得到该区域土壤盐分含量为0.323—21.210 g·kg ^-1,平均值为6.871 g·kg ^-1,重度盐渍土占58.094%,与实地调查结果较为一致;反演结果与反距离加权插值结果的误差80%控制在样本盐分含量平均值的20%以内,亦较为相近。 【结论】基于无人机多光谱可实现重度盐渍土盐分信息的准确提取。     

基于无人机多光谱的棉花育种材料FPAR估测

快速、无损、高通量地获取棉花育种材料的光合有效辐射信息,对棉花高光效品种选育及栽培管理具有重要意义.于2020年8-9月在河南现代农业研究开发基地,采用大疆Matrice 600 Pro无人机搭载Micasense RedEdge-M多光谱成像仪获取棉花育种材料的多光谱影像,提取光合有效辐射吸收比率(Fraction of photosynthetically active radiation,FPAR)测量点蓝、绿、红、红边、近红外等5个通道反射率值构建多光谱变量;然后分析多光谱变量与FPAR的定量关系,建立FPAR的一元与多元回归模型;最后,基于实测FPAR对估测模型进行精度验证.结果表明:棉花育种材料的多光谱遥感影像可以快速、直观表征植株冠层叶片颜色、长势等表型性状信息;基于多光谱影像构建的变换土壤调节植被指数(Transformed soil adjusted vegetation index,TSAVI)、土壤调节植被指数(Soil adjusted vegetation index,SAVI)、垂直植被指数(Perpendicular vegetation index,PVI)、比值植被指数(Ratio vegetation index,RVI)、差值植被指数(Difference vegetation index,DVI)、增强型的植被指数(Enhanced vegetation index,EVI)、归一化差值植被指数(Normalized difference vegetation index,NDVI)、大气阻抗植被指数(Atmospherically resistant vegetation index,ARVI)等8种多光谱变量均与棉花FPAR具有较好的相关性,|r|为0.542～0.932;基于TSAVI构建的FPAR 一元线性回归模型,对棉花FPAR具有较好的估测效果,估测模型的R2为0.867,SE 为0.115,验证模型的R2为0.932,RPD 为2.468,RMSE 为0.119.     

多光谱无人机农业遥感应用

如今对多光谱的应用随着市场的需求变得越来越广.常见的多光谱无人机搭载着一个成像系统,里面包含着1个可见光摄像头以及5个多光谱的摄像头,如今的研究基本通过多光谱收集到多个波段,并将不同的光谱进行组合得到各种各样的植被指数,通过指数反映出植被的各种特征.研究探讨了多光谱在农业遥感中的应用,并且结合实例,介绍了多光谱无人机为...     

线性混合光谱模型在多光谱遥感影像分类中的应用

介绍了混合像元的概念、研究现状和广泛用于混合像元分解的线性模型。以TM遥感图像分类为例,对图像做MNF处理后进行有约束和无约束两种线性混合光谱模型分解混合像元;再对图像进行分类,将得到的图像同直接分类的图像进行比较分析。实验结果表明,考虑约束条件的线性混合光谱解混分类精度比直接分类精度提高了32.8%。     

基于无人机多光谱影像的云南松林蓄积量估测模型

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息,在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源,探索森林蓄积量的遥感估测模型,以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinus yunnanensis纯林为研究对象,利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等,计算各特征变量的标准地均值;筛选与云南松林蓄积量相关性显著的特征变量,采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型,以决定系数(R²)、平均绝对误差(E_MA)、均方根误差(E₍RMS()、平均相对误差(E_MR)评价模型精度。【结果】(1) 3种模型中,随机森林的精度最高(R²=0.89,E_MA=4.69m³·hm^-2, E_RMS=5.45m³·hm^-2, E_MR     

无人机遥感影像提取的单木冠幅数据在桉树林分蓄积量估测中的应用

以广西壮族自治区南宁市树木园坛里管理区为研究区域、以桉树(Eucalyptus spp.)人工林为研究对象,在坛里管理区内设置6块20 m×20 m的典型样地,实地测量单木树高、胸径(1.3 m高)、冠幅直径,获得287株桉树样木数据;样地调查同时进行无人机航拍数据采集,获取分辨率为8 cm像素影像(110张),通过正射校正、倾斜校正、投影差校正对无人机影像进行处理,消除环境因子的影响,采用面向对象的影像分析方法对遥感影像上的桉树林提取林分单木冠幅;根据样地实测数据建立冠幅-胸径模型、冠幅-树高模型,将无人机影像提取的修正后的桉树单木冠幅数据代入构建的模型中,选择相关系数最高的模型推算胸径和树高,利用桉树二元材积公式估算样地的蓄积量,分析依据无人机遥感影像提取桉树单木冠幅数据估算林分蓄积量的可行性与精确度。结果表明：利用无人机影像提取冠幅与实测冠幅之间存在显著正相关,提取的平均精度为90.85%,建立的桉树冠幅-胸径曲线估计模型,其中对数函数方程拟合效果最好(决定系数为0.799);桉树冠幅-树高模型,拟合效果最好的是三次方函数方程(决定系数为0.755)。影像提取的单木冠幅,通过模型...     

无人机遥感在森林资源调查中的应用

无人机是新近才受到重视的遥感平台,根据无人机遥感的特点,结合地理信息系统（GIS）、全球定位系统（GPS）技术,以森林资源二类调查为例,探讨无人机遥感技术在森林调查中的应用。分析指出,无人机遥感技术在森林精确区划调查、森林病虫害监测防治方面有良好应用前景。     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

基于无人机多光谱遥感的小麦长势监测研究

高效、无损的监测作物长势是现代精准农业的核心环节,无人机平台因具有成本低、数据获取效率高、测试高度及测试时间可按需调节等优点,在监测作物长势中发挥着地面平台和高空平台无法比拟的优势.本研究以小麦为研究对象,应用无人机搭载RedEdge-M多光谱相机获取主要生育时期的小麦冠层多光谱影像,并同步取样测量小麦叶片SPAD、地...     

基于无人机多光谱遥感的冬小麦叶面积指数反演

以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。     

基于无人机多光谱遥感的水质年际变化

悬浮物浓度和浊度是评价水质的重要指标。本文采用多旋翼无人机携带多光谱传感器获取多光谱影像,并结合实测悬浮物浓度和浊度,建立悬浮物浓度和浊度的反演模型,获取2019和2020年浙江农林大学东湖校区东湖的悬浮物浓度和浊度分布,并分析其年际变化趋势以及其内在原因。从年际变化可以看出,悬浮物浓度和浊度变化不大,水质状况保持良好。从空间分布上来说,受施工建设、人为活动以及植物种植的影响,空间分布状况有所改变。基于此,使用无人机携带多光谱相机获取图像进行小型水域的长期水质监测,可以及时有效地反馈水质状况,保护生态环境。     

玉米和大豆LAI高光谱遥感估算模型研究

以ASD Fieldspec光谱仪实测了不同生长季的大田玉米、大豆的冠层高光谱与作物的叶面积指数LAI。采用单变量线性与非线性拟合和逐步回归分析的方式,建立了玉米、大豆LAI高光谱遥感估算模型,并对模型的估算结果进行了初步分析。分析结果表明,绿光波段反射峰区、红光波段以及近红外区的单波段反射率与作物的LAI有较强的相关性,而其他波段的反射率与作物的LAI的相关性相对较弱;以高光谱的窄波段构造的NDVI和RVI与作物的LAI的相关程度高,回归模型的预测水平高;而以多波段逐步回归方式构造的统计模型的预测效果最好。     

水稻氮素高光谱遥感估测模型研究

以宁夏引黄灌区水稻为研究对象,将各生育期水稻冠层原始光谱反射率、一阶微分光谱及高光谱变量与氮素进行相关性分析,构建了分蘖盛期、孕穗期、齐穗期和灌浆期水稻氮素高光谱遥感估测线性及非线性模型,并对模型进行验证,结果表明:齐穗期所有的氮素估测模型均优于其他生育期;基于一阶微分光谱构建的模型拟合效果及精度优于原始光谱和高光谱变量构建的模型;线性回归模型与非线性模型的决定系数差异均不大,拟合效果接近;最终确定各生育期的最优模型是基于一阶微分光谱构建的线性模型:分蘖盛期y=12.54x+3.202(r=0.877),孕穗期y=16.88x+1.224(r=0.893),齐穗期y=1.197x+2.049(r=0.958),灌浆期y=-6.974x+1.467(r=-0.802),其中齐穗期估测效果最佳。