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...     

基于无人机多光谱影像特征融合的小麦倒伏监测

【目的】小麦倒伏严重影响小麦光合及成熟进程,进而造成小麦减产及品质下降。为快速精确获取倒伏信息,评估无人机遥感监测小麦倒伏的能力,构建小麦倒伏监测模式,为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像,经过预处理飞行高度50 m的小麦冠层图像,得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM）,从中提取光谱特征、高度特征和光谱纹理共3类特征信息;采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较,使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器;同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价,确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差,“椒盐现象”严重,在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合,小麦...     

典型绿洲灌区棉田土壤盐分多光谱遥感反演与季节差异性研究

为探究区域尺度的土壤含盐量空间分布、季节性变化和年际变化特征,本研究以新疆第二师31团棉田为研究区,以2019年和2021年春、夏、秋季实测土壤含盐量和Landsat 8 OLI多光谱影像为基础,将波段组、盐分指数组、植被指数组和全变量组作为模型输入变量组,通过相关性分析优选特征光谱参量,采用极限学习机（Extreme Learning Machine,ELM）、支持向量机（SupportVector Machine,SVM）和BP神经网络（Back Propagation Neural Network,BPNN）构建基于各变量组的不同季节土壤盐分反演模型,通过实测数据评价精度筛选确定各季节最优模型,定量反演地表土壤含盐量。结果表明：研究区两年春、夏、秋季土壤含盐量总样本变异系数分别为 0.67、0.56、0.67,呈中等变异性;中度盐化土的光谱反射率高于轻度盐化土和非盐化土;基于全变量组的BPNN模型均为各季节最优的土壤盐分反演模型,精度由高到低依次为夏季>春季>秋季;两年各季节土壤含盐量由大到小顺序均为秋季>春季>夏季,说明灌排及农业耕作措施对土壤盐分动态变化影响较大;2019—2021年各季节土壤含盐量均有所减小,说明灌区灌排措施对盐碱地治理效果明显。研究表明,基于多光谱影像建立的机器学习模型可定量反演土壤含盐量,为南疆典型绿洲灌区棉田土壤盐渍化监测提供参考。     

基于无人机多光谱影像的冬小麦氮肥监测

[目的]研究无人机多光谱影像与土壤养分水平变化的关系。[方法]利用无人机搭载的多光谱传感器生成研究区50 m高的反射率正射影像,计算NDVI,GNDVI和SAVI指数值,调取作物感兴趣区进行研究。[结果]植被指数在小麦越冬期的不同长势小麦有明显差别。在其他外部条件一致的情况下,土壤N水平的变化对冬小麦越冬期长势影响较明显。[结论]无人机多光谱影像对冬小麦有较好的氮诊断潜力,可利用估测结果指导精准氮肥管理。     

基于无人机多光谱影像的海口市美舍河凤翔湿地公园水体叶绿素反演

为掌握海口市美舍河凤翔湿地公园水体中的叶绿素(CHL)空间分布,科学评估区域水体水质情况。使用无人机搭载多光谱传感器获取多光谱影像,从中提取16个光谱参数(V1～V16),结合实测水体样本数据,构建CHL叶绿体的反演模型。结果显示：光谱参数V3与CHL具有明显的相关性,在建立的反演模型中,指数函数反演模型的精度最高,决定系数R²值为0.660。经检验,指数函数模型的估测值和实测值的拟合曲线R²值为0.870 9。研究结果符合水质参素反演精度要求,可为下一步绘制水质参数空间分布图及美舍河凤翔湿地公园的水体治理提供科学依据。     

基于Lab颜色空间的小麦成熟度监测模型研究

为快速、准确监测小麦成熟度,合理制订收割时间,本研究以不同品种小麦为研究对象,在灌浆中后期获取试验区无人机RGB影像和多光谱影像。对RGB图像进行Lab空间转换,提取a分量值,分析小麦籽粒形成期、乳熟期、蜡熟末期、籽粒形成期倒伏和乳熟期倒伏不同状态下小麦a值的变化特征,对小麦从籽粒形成期到乳熟期的a值进行归一化处理,构建成熟度监测指标MCI。通过多光谱影像分析不同成熟度小麦的光谱特征变化规律,基于优选波段特征,选用比值植被指数(RVI)和归一化植被指数(NDVI)分别作为反演MCI的自变量,构建小麦成熟度监测模型。结果表明,基于NDVI构建的小麦成熟度监测模型的决定系数为0.718 7,拟合效果良好。研究采用2021年和2022年RGB影像和多光谱影像对小麦成熟度监测模型进行了验证,MCI预测值和参考值的均方根误差(RMSE)2021年为0.029 8,2022年为0.040 5,验证结果表明通过构建的小麦成熟度监测模型反演小麦成熟度空间分布是可行的。研究结果可为高空遥感大范围监测小麦成熟度,确定小麦适收顺序提供依据。     

小麦锈病的防治

为害症状：条锈主要为害小麦叶片，也可为害叶鞘、茎秆、穗部。夏孢子堆在叶片上排列呈虚线状，鲜黄色，孢子堆小，长椭圆形，孢子堆破裂后散出粉状孢子。     

小麦锈病的发生与防治

阐述了小麦锈病的危害症状,发生规律及其防治措施。     

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     

基于无人机多光谱影像反演不同生育期小麦光合参数分析

【目的】研究无人机多光谱影像对冬小麦光合作用实时监测的可行性,分析不同长势差异的冬小麦对估算模型的影响。【方法】选用16个冬小麦品种作为材料,在无氮处理N₀(0 kg N/667m²)和正常施氮处理N₁(15 kg N/667m²)下获得孕穗期、开花期和灌浆期无人机蓝(B)、绿(G)、红(R)、红边(RE)和近红外(NIR)5个波段的光谱遥感影像,结合同时期4种光合参数胞间CO₂浓度(Ci)、气孔导度(Gs)、净光合速率(Pn)和蒸腾速率(Ti),采用梯度增强回归和岭回归方法建立正常施氮处理下开花期和全生育期4个光合参数的估算模型,并用该估算模型估算无氮处理下开花期和全生育期4个光合参数。【结果】梯度增强回归可以较好的预测施氮下开花期净光合速率(Pn),决定系数(R²)为0.82,Ci、Gs和Ti的预测反演精度分别为0.44、0.64和0.48,在无氮处理下,该模型估算精度大于0.5的为Pn、Gs和Ti。【结论】岭回归在估算正常施氮下全生育期的4个光合参数...     

基于无人机多光谱影像和随机森林的蔬菜识别

实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割,以光谱特征（spectrum features,SPEC）为基础,分别引入指数特征（index features,INDE）、纹理特征（grey-level co-occurrence matrix features,GLCM）和几何特征（geometric features,GEOM）构建8个分类方案（S1～S8）,使用随机森林算法进行分类并分析分类效果。结果表明,方案S5（SPEC+GLCM+INDE）的分类效果最好,总体精度和Kappa系数分别为92.75%和0.92。几何特征的引入降低了分类精度,而纹理和指数特征则与其相反;仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜,为提高精度后续研究有必要引入植株高度等特征;在4大类特征中,重要性排在首位的是光谱特征,其次为指数特征。基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度,并能确认影响精度的重要特征,可为其他作物的精准识别提供借鉴。     

小麦锈病的区分与防治技术

2015年小麦叶锈病的流行给小麦生产造成了一定的影响,本文从小麦的3种锈病的特点进行区分,主要从选择小麦抗病品种和品种混播,以及拌种和喷施农药等方面给出了防治小麦锈病的方法和措施。     

基于无人机多光谱和热红外影像信息融合的小麦白粉病监测

[目的]白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑.[方法]在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回...     

基于无人机多光谱影像的荒漠草原典型物种识别

【目的】准确获取草原植物物种空间分布信息是草原生态系统生物多样性监测、群落重构与生态功能维持的重要基础。及时准确获取植物物种空间分布可以为草原植物物种信息提取提供有效技术手段。【方法】文章以无人机多光谱影像为基础,分别在像元尺度和对象尺度上开展了荒漠草原典型物种的信息提取方法研究。像元尺度上先定义样本计算样本可分离性,在选择不同分类器进行分类。而对象尺度上首先进行遥感影像尺度分割研究,选出最佳分割尺度。在此基础上,提取最优特征变量,并采用阈值分类法提取植被信息。【结果】高分辨率无人机多光谱数据能够为荒漠草原物种信息提取提供有效数据基础。面向对象影像分析技术的表现最好,总体精度85.16%,Kappa系数0.71,其中短花针茅的制图精度和用户精度分别为97.6%和86%;其次是支持向量机机器学习算法,其总体精度80.40%,Kappa系数0.70,短花针茅的制图精度和用户精度分别为90.08%和76.46%;而传统最大似然分类法的识别精度较低,总体精度为74.68%,Kappa系数0.64,短花针茅的制图精度和用户精度分别为72.40和81.96。【结论】无人机多光谱数据对于集中连片分布...     

基于无人机多光谱影像的春玉米田管理分区研究

为了提高大尺度农田管理的针对性,探寻低成本高效的分区方法,以黑龙江省典型黑土区30.8 hm²春玉米田为对象进行分区研究。基于吐丝期无人机多光谱影像,使用多尺度分割与模糊聚类相结合的方法进行分区,同时基于播种前的土壤养分（土壤有机质、速效氮磷钾）、土壤体积含水率、电导率、pH进行模糊聚类分区并作为对照,对分区间春玉米产量和土壤养分进行方差分析,并对分区内变异系数进行比较以评价分区效果。结果表明,基于无人机影像得到4个较优管理分区为M1、M2、M3、M4,各分区产量分别为7 597.53、8 236.35、8 686.98、9 119.93 kg·hm^-2,各分区间产量差异显著,其中M1、M2、M3间土壤养分差异显著（P<0.05）,分区内作物产量和土壤养分的变异系数降低;基于土壤数据确定4个分区,即S1、S2、S3、S4,春玉米产量分别为7 754.81、8 173.44、8 860.05、9 153.23 kg·hm^-2,分区间土壤养分、土壤水分差异显著（P<0.05）,分区内部土壤均一性提高。综合来看,2种方法的划分结果在空间分布上具有一定的相似性,同级分区的空间重合度分别为40.00%、46.51%、57.45%、59.38%,整体重合度为51.32%。当缺乏土壤数据时,无人机多光谱影像可为农田管理分区提供参考依据。     

基于无人机多光谱影像的玉米含水量监测模型研究

本研究利用无人机低空遥感平台获取不同生育期玉米冠层多光谱和可见光图像,提取植被指数和纹理特征,分析不同植被指数和纹理特征在水分胁迫条件下对玉米的植株水分的敏感性特征,筛选出具有最高相关性的植被指数和纹理特征,利用线性回归法构建玉米含水量监测模型,以期为农田精准灌溉提供技术支撑。     

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%。     

基于高光谱影像的玉米LAI反演模型研究

以吉林省长春西部地区合心与合隆镇为研究区,利用高光谱Hyperion遥感影像,结合与其同步实测LAI数据,分别建立影像波段与玉米LAI线性及非线性统计回归模型,最终选出以SAVI为自变量的指数函数模型y=1.717e1.064x为最优反演模型,其估测精度高达96.8%。经实验证实,高光谱遥感可以实现大范围、快速、较精确地获取玉米叶面积指数。     

基于高光谱影像的玉米LAI反演模型研究

以吉林省长春西部地区合心与合隆镇为研究区,利用高光谱Hyperion遥感影像,结合与其同步实测LAI数据,分别建立影像波段与玉米LAI线性及非线性统计回归模型,最终选出以SAVI为自变量的指数函数模型y=1.717e1.064x为最优反演模型,其估测精度高达96.8%。经实验证实,高光谱遥感可以实现大范围、快速、较精确地获取玉米叶面积指数。     

基于Sentinel-2多光谱数据的枸杞叶面积指数反演

叶面积指数(LAI)是重要的植被生物理化参数,基于物理、经验模型的LAI估算效率和精度有限.为评价机器学习算法在LAI遥感估算中的适用性,本文以宁夏枸杞种植基地为研究区,基于Sentinel-2多光谱数据,结合实测LAI,分析了波段反射率、植被指数与LAI的相关性,并将80组数据随机分成60组训练集和20组测试集,构建...