利用无人机多光谱估算小麦叶面积指数和叶绿素含量

利用无人机遥感的方式进行农作物长势监测是目前精准农业、智慧农业发展的重要方向,为了探究无人机多光谱反演小麦叶面积指数（Leaf Area Index,LAI）和叶绿素含量的模型估算潜力,该研究在3个飞行高度（30、60、120 m）采集多光谱影像,通过使用全波段差值光谱指数（Difference Spectral Index,DSI）、比值光谱指数（Ratio Spectral Index,RSI）、归一化光谱指数（Normalized Spectral Index,NDSI）和经验植被指数与地面实测数据进行相关性分析,获得不同高度下的光谱指数与LAI和叶绿素含量的关系模型及其决定系数,以决定系数为依据分别构建多元逐步回归、偏最小二乘回归和人工神经网络等模型,分析不同飞行高度无人机多光谱反演小麦冠层LAI和叶绿素含量SPAD（Soil and Plant Analyzer Development）值的精度。结果表明：1）30 m高度下,绿-红比值光谱指数与小麦LAI的相关性最高,相关系数为0.84;60 m高度下,红-蓝比值光谱指数与小麦叶绿素含量的相关性最高,相关系数为0.68;2）在60 m高度下,经验植被指数与小麦LAI和叶绿素含量的相关性较好, 最大相关系数分别为0.77和0.5。3）利用偏最小二乘回归反演小麦LAI的精度最高,决定系数为0.732,均方根误差为0.055;利用人工神经网络模型反演小麦叶绿素含量的精度最高,决定系数为0.804,均方根误差0.135。该研究成果为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机多光谱波段实现作物长势参数快速估测提供应用参考。     

基于无人机影像的冠层光谱和结构特征监测甜菜长势

甜菜是中国北方地区重要的经济作物。快速、准确、高通量的获取甜菜的地上部和块根鲜质量、块根含糖率、叶绿素含量对甜菜生产具有重要意义。该研究采用无人机搭载数码和多光谱相机,获取甜菜叶丛快速生长期、块根及糖分增长期和糖分积累期的数码影像和多光谱影像,提取了冠层的结构特征和光谱特征。选择随机森林回归（Random Forest Regression,RFR）和偏最小二乘回归（Partial Least Squares Regression,PLSR）2种建模方法基于获取的冠层特征,构建甜菜全生育期的地上部和块根鲜质量、块根含糖率和SPAD（Soil and Plant Analyzer Development）值估算模型。研究结果表明,随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.9～0.94、0.88～0.9,rRMSE范围分别为7.6%～17%、8.8%～20%。对SPAD值的预测均较弱,R2分别为0.66和0.67。为了减小输入变量集的大小以及去掉对预测不敏感的变量,该研究采用置换重要性（Permutation Importance,PIMP）来筛选冠层光谱特征和结构特征中对预测有重要影响的变量。结果表明基于筛选出的重要性特征构建的随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.89～0.94、0.74～0.91,rRMSE范围分别为7.3%～19%、7.6%～19%。对SPAD值的预测均较弱,R2分别为0.65和0.68。进一步表明随机森林回归模型在精度上略好于偏最小二乘回归模型。同时基于PIMP筛选变量的方法在保持原有精度的同时能实现降低数据收集复杂性的目的。研究结果为基于无人机遥感技术快速、准确监测甜菜长势和估测块根类作物的根部活性物质提供了参考。     

匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法

无人机通常搭载可见光波段传感器获取红-绿-蓝(Red-Green-Blue,RGB)影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度.该研究提出了一种匹配点云结合色调-饱和度-亮度(Hue-Saturation-Intensity,HSI)空间色彩分量的无人机RGB影像信息提取方法.首先以饱和度分量和...     

基于机器学习的棉花叶面积指数监测

为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数(Leaf Area Index,LAI)监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导(First Derivative,FDR)、二阶导(Second Derivative,SDR)、S...     

基于无人机倾斜摄影技术的黄土丘陵区典型小流域淤地坝特征信息提取与分析

淤地坝现状特征信息的精准提取对于淤地坝运行现状评估十分重要,全面的淤地坝特征信息可为病险坝除险加固提供重要依据,当前淤地坝特征信息提取尚缺乏科学高效的技术。针对此问题,拟提出基于无人机倾斜摄影技术提取淤地坝运行现状特征的方法,以无人机航拍影像为基础数据,生成三维实景模型和高精度DEM,用于淤地坝数目、位置、剩余库容、有效坝高等重要现状信息的提取和测量,进而分析小流域内淤地坝分布、组成结构、坝体信息、淤积程度、坝控流域面积等特征。将此技术应用于陕西省榆林市子洲县蛇家沟小流域,详细提取1座大型坝和3座中型坝的现状特征信息。经过同野外实测数据对比,提取的淤地坝坝体信息相对误差均＜3.8%。所识别的大型坝剩余库容不足,处于基本淤满状态,且坝顶明显沉降,在极端降水条件下具有极大的漫顶溃坝风险。坝地耕作面积占小流域面积比例仅为2.17%,仍有坝地尚未开垦利用。研究结果可为小流域淤地坝动态监测与科学管理提供新方法和新思路。     

植保无人机低空低量施药雾滴沉积飘移分布立体测试方法

随着植保无人机在中国的广泛使用,植保无人机的沉积分布均匀性与雾滴飘移流失也引起各方面的重视。目前,针对植保无人机施药雾滴沉积飘移的测试方法较少,且着重于从沉积或飘移中某一方面分析植保无人机雾滴沉积飘移规律,未对作业中全方位的雾滴的沉积飘失规律进行系统测试。该文基于国际标准ISO22866和ISO24253建了1套针对低空低量植保无人机的立体测试方法,分别在地面布置沉积和飘移收集器,在空中架设立体沉积和空中飘移收集器,结合航拍影像所获取的植保无人机准确作业参数,对4个型号植保无人机分别搭载德国Lechler公司的IDK120-015和TR80-0067喷头进行了测试,系统分析了无人机周边的总沉积以验证方法准确性,计算了总地面沉降以表征可利用部分和空中耗散以评估环境风险。结果表明,各植保无人机地面沉积率在53.6%~76.6%,地面飘移率最高17.4%,空中飘移率可高达14.7%;该测试系统可收集62.4%~101.7%无人机喷洒出的雾滴。测试的4种植保无人机在搭载IDK喷头后均明显降低了雾滴飘移,但也同时降低地面沉积率;各植保无人机在搭载2种喷头时沉积规律不同,不同植保无人机设计需要选择不同喷头。该测试方法能够有效的收集并分析植保无人机在作业区域的雾滴立体分布状态,可为植保无人机综合评估提供新的参考依据。     

无人机倾斜航空摄影监测崩岗侵蚀量变化的方法

如何高效精确地监测崩岗的动态发育过程并且量化侵蚀量是崩岗侵蚀机理研究中的难点。该文以准专业级无人机对目标崩岗进行倾斜摄影获得的全方位多角度航空影像为基础,通过空三加密处理生成目标崩岗的三维点云模型;利用点云数据构建DTM,提取目标崩岗地形数据;运用多时相连续DEM相减的方法获取监测周期内崩岗的高程变化,计算侵蚀量并找到侵蚀严重的部位,再使用2.5D体积测算方法细化侵蚀严重的崩壁和沟头部位的侵蚀量,以此作为补充,最终获得监测期内的总侵蚀/沉积量体积并换算为泥沙量。最终结果验证的平均相对误差为9.69%,一个月监测周期内最大的绝对误差仅为0.303 3 m3,满足监测要求。因此利用无人机倾斜航空摄影测量的方法监测崩岗侵蚀量是可行有效的,该方法可提取崩岗的所有地形信息,研究侵蚀泥沙的来源和侵蚀过程,是较为快速和精确的崩岗监测手段。     

基于树冠最高点和地面树干中心的森林影像点云配准方法

为了弥补无人机和地面不同观测视角导致的森林信息缺失以及不同平台摄影测量影像点云难以高效配准的问题,该研究基于无人机和地面摄影测量构建森林三维影像点云数据,以提取的无人机树冠最高点和地面树干中心为关键特征点,参考由粗到精的配准思路,借助特征点在3D和2D的映射关系以及改进的模拟退火算法和迭代最近点算法,提出了一种适合于无人机和地面不同观测平台的森林影像点云配准框架。测试结果表明,相较于银杏树和楸树而言,杨树对关键点匹配影响较大（杨树1.13 m > 楸树0.75 m > 银杏树0.52 m）,不同树种对粗配准影响较小（杨树0.13 m > 银杏树0.08 m > 楸树0.07 m）;所提方法在不同树种组成的6块典型样地上表现出色,平均精配准误差分为0.06 m,有效实现了无人机和地面平台影像点云的精细化配准。研究结果可为森林资源调查、森林三维重建以及影像点云的推广应用提供有力的支撑。     

Aerial drone technology can assist compliance of trap fisheries

Illegal fishing is a global issue that threatens the viability of fishing industries and biodiversity conservation. Management agencies typically use on‐ground surveillance to monitor and minimise illegal fishing practices, the efficacy of which may be enhanced by integrating emerging remote sensing technology. Affordable drones may contribute to cost‐effective detection of illegal fishing activity and associated gear, although their application has yet to be evaluated in many types of fisheries. Here, the utility of drones for the detection of crab traps and floats set in a shallow estuary was quantitatively tested, and the effects of survey altitudes, cameras and monitor screens on detection rates were determined. It was found that drone flight altitude and float colour influenced the detection rates of common crab trap floats, with infrared cameras improving the detection of floats camouflaged by black paint. However, the type of monitor screen used by the drone operator had no influence on the detection of crab traps. Overall, it appears drones can contribute to cost‐effective compliance in estuarine trap fisheries, and the approach can contribute to evidence‐based standard operating procedures.     

基于无人机多光谱影像的矮林芳樟叶片含水率与叶水势反演

叶片含水率和叶水势反映植物组织中水分的状态,是衡量植物水分供应和水分利用效率的重要指标。为探究基于不同高度下无人机多光谱影像反演叶片含水率和叶水势模型的差异,本研究在3个飞行高度处理F30、F60、F100 (30、60、100m)下采集多光谱影像数据,通过使用6种光谱反射率+经验植被指数的组合与地面实测数据进行相关性分析,获得不同飞行高度下的光谱反射率+经验植被指数组合与叶片含水率和叶水势的反演模型及其决定系数,以决定系数为依据分别构建支持向量机（SVM）、随机森林（RF）和径向基神经网络（RBFNN）模型,分析不同飞行高度无人机多光谱影像反演芳樟叶片含水率和叶水势的精度。结果发现：3个飞行高度下,基于RF模型的反演精度均高于SVM模型和RBFNN模型。F30处理对叶片含水率与叶水势反演效果均优于F60和F100处理。F30处理对叶片含水率反演的敏感光谱反射率+植被指数组合为红光波段反射率（R）、红边1波段反射率（RE1）、红边2波段反射率（RE2）、近红外波段反射率（NIR）、增强型植被指数（EVI）、土壤调节植被指数（SAVI）。RF模型训练集的R2、RMSE、MRE分别为0.845、0.548%、0.712%;测试集的R2、RMSE、MRE分别为0.832、0.683%、0897%。对叶水势反演的敏感光谱反射率+植被指数组合为R、RE2、NIR、EVI、SAVI、花青素反射指数（ARI）。RF模型训练集的R2、RMSE、MRE分别为0.814、0.073MPa、3.550%;测试集的R2、RMSE、MRE分别为0.806、0.095MPa、4.250%。研究结果表明飞行高度30m与RF方法分别为反演叶片含水率和叶水势的最优光谱获取高度与最优模型构建方法。本研究可为基于无人机平台的矮林芳樟水分监测提供技术支持,并可为筛选无人机多光谱波段与经验植被指数、实现植物长势参数快速估测提供应用参考。