![点击分享此内容可以赚币 分享](/master/images/share_but.png)
融合多因子的无人机高光谱遥感冬小麦产量估算.pdf
《融合多因子的无人机高光谱遥感冬小麦产量估算.pdf》由会员分享,可在线阅读,更多相关《融合多因子的无人机高光谱遥感冬小麦产量估算.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 35 卷 第 2 期2023 年 6 月河南工程学院学报(自然科学版)JOURNAL OF HENAN UNIVERSITY OF ENGINEERING(NATURAL SCIENCE EDITION)Vol.35,No.2Jun.2023 融合多因子的无人机高光谱遥感冬小麦产量估算 谢 瑞1,杨福芹1,冯海宽2,李天驰1(1.河南工程学院 土木工程学院,河南 郑州 451191;2.国家农业信息化工程技术研究中心,北京 100097)摘 要:为快速准确地预测冬小麦产量,利用无人机搭载高光谱相机,获取了冬小麦开花期高光谱数据。首先,运用相关性分析筛选了对地上生物量和植株氮含量敏感的最佳植
2、被指数,根据筛选的最佳植被指数分别构建了地上生物量和植株氮含量遥感估算模型;然后,在此基础上构建植被指数-氮营养指数模型;最后,融合氮营养指数农学参数构建了植被指数-氮营养指数-产量半经验半理论遥感估算模型,并将该模型应用于无人机高光谱影像进行冬小麦产量空间分布分析。结果表明,以氮营养指数为中间变量所构建的产量遥感模型能较为准确地预测冬小麦产量,模型的预测决定系数是 0.471,预测的均方根误差是 0.982,可视化处理结果能较为直观地显示冬小麦产量分布状况,大部分试验区产量少于 7.0 t/hm2,可加强田间管理以提高产量。关键词:冬小麦;无人机;高光谱;植被指数;氮营养指数 中图分类号:P
3、237 文献标志码:A 文章编号:1674-330X(2023)02-0043-06Winter wheat yield estimation based on multi-factor fusion of UAV hyperspectral dataXIE Rui1,YANG Fuqin1,FENG Haikuan2,LI Tianchi1(1.College of Civil Engineering,Henan University of Engineering,Zhengzhou 451191,China;2.National Engineering Research Center fo
4、r Information Technology in Agriculture,Beijing 100097,China)Abstract:In order to predict the yield of winter wheat quickly and accurately,a hyperspectral camera was carried out to obtain UAV images of the flowering stage of winter wheat.Firstly,the optimum vegetation index that is sensitive to abov
5、eground biomass and plant nitrogen content is selected by correlation analysis.According to the selected optimal vegetation index,the remote sensing estimation models of aboveground biomass and plant nitrogen content are constructed respectively.Secondly,the vegetation index nitrogen nutrition index
6、 model is constructed.Finally,the semi-empirical and semi-mechanism remote sensing estimation model of remote sensing parameters-nitrogen nutrition index-yield is constructed by integrating the nitrogen nutrition index,and the model is applied to the UAV hyperspectral image to analyze the spatial di
7、stribution of the winter wheat yield.The results show that the yield remote sensing model established with nitrogen nutrition index as the intermediate variable can accurately predict the yield of winter wheat.The prediction determination coefficient of the model is 0.471 and the predicted error of
8、mean square is 0.982 in this paper.The visual processing results can intuitively display the yield distribution of winter wheat.The yield of most experimental plots is less than 7.0 t/hm2,field management can be strengthened to improve yield.Keywords:winter wheat;UAV;hyperspectral;vegetation index;n
9、itrogen nutrition index收稿日期:2022-07-28基金项目:国家自然科学基金项目(42007424);河南省重点研发与推广专项(科技攻关)(212102310427);河南省高等学校重点科研项目(23A420001)作者简介:谢瑞(1980),女,河南漯河人,副教授,博士,主要研究方向为遥感技术与应用。作物产量直接影响农业经济发展及人民生活状况1-2。人们通常随机选取多个作物样本进行估产,但这种方法破坏性较强,而且需要耗费较多的人力与物力3-4。随着对作物研究的深入,部分学者发现叶面积指数5、生物量6、植被指数7等农学参数与作物产量有密切关系。遥感技术的快速发展,为准
10、确监测农作物生长状况提供了技术支持8-9。白文龙等10对 19992007 年 SPOT 系列卫星数据进行预处理,通过相关性分析筛选出与产量相关性较好的月份和旬的 NDVI 数据,建立了冬小麦产量估算模型,结果显示 4 月上旬河南工程学院学报(自然科学版)2023 年的 NDVI 数据对冬小麦产量的预测效果最好,相对误差在-8%以下。陈鹏飞等11把氮营养指数作为中间变量,建立了冬小麦籽粒蛋白质含量遥感反演模型,该方法有经验模型的优点,而且性能比较稳定。卫星影像具有时间周期性,同时其空间分辨率有限,估测结果会存在一定误差12,故无人机遥感技术凭借其操作简便、时效性强等特点被广泛应用于农业信息监测
11、13。通过无人机同步搭载的多光谱相机、高光谱传感器等,结合地面实测数据,可对作物多种农学参数进行有效监测,并建立相关数学模型,实现对作物产量的可视化分析14-15。然而现有研究多基于植被指数等进行产量预测,利用农学参数(如生物量、叶面积指数、氮营养指数等)作为中间变量进行产量估算的研究较少。本研究基于冬小麦相关农学参数和高光谱数据,建立关于生物量和氮含量的植被指数,并通过分析筛选出与冬小麦产量相关性较高的植被指数,分别建立植被指数与各农学参数的一元回归模型,探讨融合多因子进行冬小麦产量估算的可行性及其效果,以期为高效监测冬小麦生长状况提供参考。1 1 材料与方法1.1 研究区与试验设计试验于
12、20142015 年在北京市昌平区小汤山镇国家精准农业示范基地进行。该基地位于北纬 4000至 4021,东经 11634至 11700,海拔 36 m,属于半湿润大陆性季风气候。图 1 试验设计方案Fig.1 Design of experiments试验设计方案如图 1 所示。采用随机正交试验,设品种、氮肥和水分 3 个梯度。品种设2 个 水 平,分 别 为 京 9843(J9843)和 中 麦175(ZM175);氮 肥 设 4 个 水 平,分 别 为0 kg/hm2(0,N1)、13 kg/hm2(1/2 正常,N2)、26 kg/hm2(正常,N3)、39 kg/hm2(3/2 正常
13、,N4);水分设 3 个水平,分别为雨养(W1)、正常水(W2)、2 倍正常水(W3)。试验田东西距离为 84 m,南北距离为 32 m,48 个区,分 3 组,每组 16 个区,每个区面积 56 m2。1.2 试验数据获取1.2.1 无人机数据获取无人机高光谱数据采集于冬小麦开花期,选择晴朗无云的 2015 年 5 月 13 日 10:0014:00,采用八旋翼无人机同步搭载 UHD185 型高光谱相机,飞行高度为 50 m。UHD 成像光谱仪镜头尺寸是 195 mm67 mm60 mm,光谱分辨率是 8 nm。影像采集完毕后,采用 Agisoft PhotoScan Professiona
14、l 软件对影像进行拼接和校正,利用 Cubert Cube-Pilot 软件将拼接的全色影像和高光谱影像进行融合,生成高空间分辨率和高光谱分辨率的影像,然后提取出感兴趣区域的像元光谱反射率,每个试验区共提取影像中 125 个波段的反射率,每个波段间隔 4 nm,波段为 454950 nm16。1.2.2 地上生物量、植株氮含量及产量的获取在各试验区选取固定样方面积内具有代表性的冬小麦植株作为样本,带回实验室进行器官分离、105 杀青、75 烘干等处理后,将茎、叶、穗称量的结果相加即可获得冬小麦地上干生物量。称量后将冬小麦茎、叶、穗粉碎与研磨,采用凯氏定氮法测定冬小麦各部分氮含量。在冬小麦成熟后
15、选取各试验区内冬小麦籽粒,通过折算含水率等计算冬小麦产量。1.3 植被指数选取在已有研究植被指数的基础上,通过比较分析,选取了 10 个与生物量和植株氮含量相关的植被指数,如表 1 所示。44第 2 期谢 瑞,等:融合多因子的无人机高光谱遥感冬小麦产量估算表 1 研究使用的植被指数Tab.1 Vegetation index used in the paper与生物量相关与植株氮含量相关植被指数指数计算公式参考文献植被指数指数计算公式参考文献NDVI(802,670)(R802-R670)/(R802+R670)17SR(750,706)R750/R70626LCI(R850-R710)/(R
16、850+R670)1/218PSDNb(R800-R635)/(R800+R635)21PRI(R570-R530)/(R570+R530)19NDRE(R790-R720)/(R790+R720)27GNDVI(750,550)(R750-R705)/(R750+R705)20RI-1dBR735/R72028SRPIaR800/R68021RI-3dBR741/R71728SRPIcR800/R47021VOGb(R734-R747)/(R715+R726)29VOGaR740/R72022VOGc(R750-R705)/(R750+R705)29OSAVI(800,670)1.16(R8
17、00-R670)/(R800+R670+0.16)23DCNI(R720-R700)/(R700-R670)(R720-R670+0.03)30ZMR750/R71024CIrededgeR750/R720-125MTCI(R750-R710)/(R710+R680)25MCARI/MTVI2(R700-R670)-0.2(R700-R550)(R700/R670)/1.5 1.2(R800-R550)-2.5(R670-R550)/2(R800+1)2-6R800+5(R670)1/2-0.51/231 注:R 表示高光谱波段的反射率,R 后面的数字表示波长。1.4 研究方法及精度评价指标1
18、.4.1 氮营养指数氮营养指数 NNI 是基于植株氮含量和生物量建立的氮营养诊断指标,包括植株临界氮浓度稀释模型32。根据 Justes 等33的研究可知,冬小麦临界氮浓度稀释模型与 NNI 计算模型如下:Nct=5.35 DM-0.442,(1)NNI=NNct,(2)式(1)和式(2)中:Nct为冬小麦的临界氮含量,%;DM 为冬小麦地上生物量,t/hm2;N 为冬小麦植株实际氮含量,%。1.4.2精度评价使用决定系数 R2和均方根误差 RMSE33进行产量模型精度评价,计算公式如下:R2=ni=1(yi-y)2ni=1(xi-y)2,(3)RMSE=ni=1(xi-yi)2n,(4)式(
19、3)和式(4)中:xi、yi分别为实测和预测冬小麦产量;y 表示实测冬小麦产量均值;n 表示样本量。R2越大、RMSE 越小,表示模型效果越好。54河南工程学院学报(自然科学版)2023 年2 2 结果与分析2.1 植被指数与冬小麦生物量和植株氮含量的相关性表 2 为植被指数与生物量和植株氮含量的相关性分析结果。从表 2 可以看出:选取的植被指数与冬小麦生物量和植株氮含量均达到 0.01 的显著性水平(P0.01);植被指数与生物量的相关系数绝对值为0.5140.813,相关性最好的植被指数是 SRPIa,其相关系数绝对值为 0.813,故选取 SRPIa 作为入选参数构建生物量遥感估算模型;
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 融合 因子 无人机 光谱 遥感 冬小麦 产量 估算
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。