中国农业科学 ›› 2023, Vol. 56 ›› Issue (21): 4175-4191.doi: 10.3864/j.issn.0578-1752.2023.21.004
王伟康(), 张嘉懿, 汪慧, 曹强, 田永超, 朱艳, 曹卫星, 刘小军(
)
收稿日期:
2023-02-23
接受日期:
2023-05-10
出版日期:
2023-11-01
发布日期:
2023-11-06
通信作者:
联系方式:
王伟康,E-mail:2019801206@njau.edu.cn。
基金资助:
WANG WeiKang(), ZHANG JiaYi, WANG Hui, CAO Qiang, TIAN YongChao, ZHU Yan, CAO WeiXing, LIU XiaoJun(
)
Received:
2023-02-23
Accepted:
2023-05-10
Published:
2023-11-01
Online:
2023-11-06
摘要:
【背景】近年来随着遥感技术的快速发展,实时无损监测作物生长状况已成为当前研究热点,遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里,无人机因其操作简单、使用成本低等特点而受到广泛关注,无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合,探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验,在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像,同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标,采用简单线性回归、偏最小二乘回归和人工神经网络回归算法,构建基于固定翼无人机多光谱影像的水稻长势指标监测模型,比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系,结果表明植被指数与LAI和AGB之间有较强的相关性,表现最好的植被指数为CIRE和NDRE,R 2分别为0.80和0.76,但对于PNC的监测,植被指数并未达到理想的效果,表现最好的RESAVI和NDRE与PNC的决定系数仅为0.13。通过简单线性回归进一步发现单波段的纹理特征在对水稻生长指标的监测中表现并不理想;为进一步分析影像纹理对上述3个指标的监测效果,参照植被指数的构建方法构建了归一化纹理指数(NDTI)、比值纹理指数(RTI)和差值纹理指数(DTI),通过相关性分析发现新构建的纹理指数(TI)相较于单波段纹理特征对水稻生长指标的监测精度有所提升,但效果并未好于植被指数。为实现光谱与纹理间的结合,采用偏最小二乘和人工神经网络的建模方法,以VI、VI+TI为不同的输入参数组合进行水稻LAI、AGB和PNC的监测模型构建,结果表明采用偏最小二乘和人工神经网络的建模方法与简单线性回归相比模型的监测精度均得到了大幅提升,以VI+TI为输入变量,采用人工神经网络构建的模型在模型验证中取得了最佳效果,LAI模型的验证R 2由0.75提升至0.86,AGB和PNC的模型验证R 2也分别由0.72和0.26提升至0.92和0.86,同时模型的RMSE均显著降低。【结论】利用固定翼无人机采集水稻冠层多光谱影像,通过人工神经网络算法融合光谱和纹理信息能够有效提升水稻LAI、AGB和PNC的监测精度,该研究结果将为快速大面积作物长势监测提供理论依据。
王伟康, 张嘉懿, 汪慧, 曹强, 田永超, 朱艳, 曹卫星, 刘小军. 基于固定翼无人机多光谱影像的水稻长势关键指标无损监测[J]. 中国农业科学, 2023, 56(21): 4175-4191.
WANG WeiKang, ZHANG JiaYi, WANG Hui, CAO Qiang, TIAN YongChao, ZHU Yan, CAO WeiXing, LIU XiaoJun. Non-Destructive Monitoring of Rice Growth Key Indicators Based on Fixed-Wing UAV Multispectral Images[J]. Scientia Agricultura Sinica, 2023, 56(21): 4175-4191.
表1
本研究使用的植被指数"
植被指数Vegetation index | 公式Formula |
---|---|
归一化差值植被指数Normalized difference vegetation index (NDVI) | (NIR-R)/(NIR+R) |
归一化差异红边植被指数Normalized difference red-edge vegetation index (NDRE) | (NIR-RE)/(NIR+RE) |
比值植被指数Ratio vegetation index (RVI) | NIR/R |
差值植被指数Difference vegetation index (DVI) | NIR-R |
红边土壤调节植被指数 Red-edge soil-adjusted vegetation index (RESAVI) | 1.5*(NIR-RE)/(NIR+RE+0.5) |
红边叶绿素指数Red-edge chlorophyll index (CIRE) | (NIR/RE)-1 |
表5
6个纹理指数与水稻叶面积指数、地上部生物量和植株氮含量的相关性"
纹理指数 Texture index | 叶面积指数LAI | 地上部生物量AGB (t·hm-2) | 植株氮含量PNC (%) | ||||||
---|---|---|---|---|---|---|---|---|---|
λ1 | λ2 | R2 | λ1 | λ2 | R2 | λ1 | λ2 | R2 | |
NDTI | MEA550 | MEA790 | 0.59 | MEA550 | MEA790 | 0.48 | VAR660 | CON660 | 0.21 |
ENT550 | MEA790 | 0.55 | ENT550 | MEA790 | 0.45 | ENT735 | HOM660 | 0.17 | |
RTI | MEA550 | MEA790 | 0.56 | MEA550 | MEA790 | 0.40 | COR550 | SEC660 | 0.24 |
ENT550 | MEA790 | 0.54 | ENT550 | MEA790 | 0.37 | DIS660 | ENT660 | 0.21 | |
DTI | MEA550 | MEA790 | 0.56 | MEA550 | MEA790 | 0.46 | SEC735 | ENT660 | 0.26 |
MEA790 | CON735 | 0.51 | MEA790 | CON735 | 0.44 | VAR660 | CON660 | 0.22 |
[1] |
陈明江, 刘贵富, 余泓, 王冰, 李家洋. 水稻高产优质的分子基础与品种设计. 科学通报, 2018, 63(14): 1275-1289.
|
|
|
[2] |
doi: 10.1016/j.eja.2022.126537 |
[3] |
doi: 10.1016/j.fcr.2018.09.005 |
[4] |
doi: 10.1016/j.fcr.2014.07.010 |
[5] |
doi: 10.1016/j.eja.2020.126193 |
[6] |
doi: 10.3390/agriculture12081141 |
[7] |
doi: 10.3390/rs12030508 |
[8] |
doi: 10.3390/s20041231 |
[9] |
doi: 10.1186/s13007-019-0402-3 pmid: 30828356 |
[10] |
陈鹏飞,
|
|
|
[11] |
doi: 10.3389/fpls.2017.01111 pmid: 28713402 |
[12] |
doi: 10.3390/rs13153001 |
[13] |
doi: 10.1016/j.rse.2019.111599 |
[14] |
万亮, 杜晓月, 陈硕博, 于丰华, 朱姜蓬, 许童羽, 何勇, 岑海燕. 基于无人机多源图谱融合的水稻稻穗表型监测. 农业工程学报, 2022, 38(9): 162-170.
|
|
|
[15] |
戴震. 基于无人机多源影像信息融合的玉米冠层氮含量遥感监测研究[D]. 合肥: 安徽大学, 2021.
|
|
|
[16] |
|
[17] |
doi: 10.1016/S0034-4257(97)00169-7 |
[18] |
刘俊, 毕华兴, 朱沛林, 孙菁, 朱金兆, 陈涛. 基于ALOS遥感数据纹理及纹理指数的柞树蓄积量估测. 农业机械学报, 2014, 45(7): 245-254.
|
|
|
[19] |
陈鹏飞, 梁飞. 基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究. 中国农业科学, 2019, 52(13): 2220-2229. doi: 10.3864/j.issn.0571-1752.2019.13.003.
|
|
|
[20] |
陈鹏, 冯海宽, 李长春, 杨贵军, 杨钧森, 杨文攀, 刘帅兵. 无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量. 农业工程学报, 2019, 35(11): 63-74.
|
|
|
[21] |
doi: 10.3390/rs11111371 |
[22] |
doi: 10.1080/2150704X.2018.1504339 |
[23] |
doi: 10.1016/j.compag.2021.106138 |
[24] |
田庆久, 闵祥军. 植被指数研究进展. 地球科学进展, 1998, 13(4): 327-333.
|
|
|
[25] |
杨福芹, 冯海宽, 肖天豪, 李天驰, 郭向前. 融合无人机影像光谱与纹理特征的冬小麦氮营养指数估算. 农业现代化研究, 2020, 41(4): 718-726.
|
|
|
[26] |
杭艳红, 苏欢, 于滋洋, 刘焕军, 官海翔, 孔繁昌. 结合无人机光谱与纹理特征和覆盖度的水稻叶面积指数估算. 农业工程学报, 2021, 37(9): 64-71.
|
|
|
[27] |
李岚涛, 郭宇龙, 韩鹏, 王丹丹, 王宜伦. 基于高光谱的冬小麦不同生育时期地上部生物量监测. 麦类作物学报, 2021, 41(7): 904-913.
|
|
|
[28] |
doi: 10.3390/rs9040309 |
[29] |
赵晓阳, 张建, 张东彦, 周新根, 刘小辉, 谢静. 低空遥感平台下可见光与多光谱传感器在水稻纹枯病病害评估中的效果对比研究. 光谱学与光谱分析, 2019, 39(4): 1192-1198.
|
|
|
[30] |
doi: 10.1016/j.compag.2019.105026 |
[31] |
doi: 10.1016/j.isprsjprs.2019.02.022 |
[32] |
doi: 10.1007/s11119-018-9600-7 |
[33] |
|
[34] |
doi: 10.1016/j.scienta.2020.109326 |
[35] |
doi: 10.3390/rs14112534 |
[36] |
doi: 10.1016/j.rse.2005.03.009 |
[37] |
刘秀英. 玉米生理参数及农田土壤信息高光谱监测模型研究[D]. 杨凌: 西北农林科技大学, 2016.
|
|
|
[38] |
龚红菊, 姬长英. 基于图像处理技术的麦穗产量测量方法. 农业机械学报, 2007, 38(12): 116-119.
|
|
|
[39] |
郑恒彪. 水稻生育期及生长参数的近地面遥感监测研究[D]. 南京: 南京农业大学, 2018.
|
|
|
[40] |
doi: 10.1080/01431160500142145 |
[41] |
孙俊, 金夏明, 毛罕平, 武小红, 朱文静, 张晓东, 高洪燕. 基于高光谱图像光谱与纹理信息的生菜氮素含量检测. 农业工程学报, 2014, 30(10): 167-173.
|
|
[1] | 魏永康, 杨天聪, 臧少龙, 贺利, 段剑钊, 谢迎新, 王晨阳, 冯伟. 基于无人机多光谱影像特征融合的小麦倒伏监测[J]. 中国农业科学, 2023, 56(9): 1670-1685. |
[2] | 李浩, 陈金, 王洪亮, 柳开楼, 韩天富, 都江雪, 申哲, 刘立生, 黄晶, 张会民. 红壤性水稻土有机无机复合体中碳氮特征对长期施肥的响应[J]. 中国农业科学, 2023, 56(7): 1333-1343. |
[3] | 温一博, 陈淑婷, 徐正进, 孙健, 徐铨. DEP1、Gn1a和qSW5组合应用调控水稻穗部性状[J]. 中国农业科学, 2023, 56(7): 1218-1227. |
[4] | 李儒香, 周恺, 王大川, 李巧龙, 向奥妮, 李璐, 李苗苗, 向思茜, 凌英华, 何光华, 赵芳明. 水稻CSSL-Z481代换片段携带的穗部性状QTL分析及次级代换系培育[J]. 中国农业科学, 2023, 56(7): 1228-1247. |
[5] | 赵梓钧, 吴如会, 王硕, 张君, 游静, 段倩楠, 唐俊, 张新芳, 韦秘, 刘金艳, 李云峰, 何光华, 张婷. 水稻PDL2的突变导致小穗外稃退化[J]. 中国农业科学, 2023, 56(7): 1248-1259. |
[6] | 朱洪慧, 李映姿, 高远卓, 林泓, 王成洋, 晏紫仪, 彭瀚平, 李田野, 熊茂, 李云峰. 水稻短宽粒基因SWG1的图位克隆[J]. 中国农业科学, 2023, 56(7): 1260-1274. |
[7] | 张绩, 周上铃, 何发, 刘莉莎, 张玉娟, 何晋宇, 杜晓秋. 水稻α-淀粉酶基因的表达模式与颖花开放的关系[J]. 中国农业科学, 2023, 56(7): 1275-1282. |
[8] | 贺江, 丁颖, 娄向弟, 姬东玲, 张向向, 王永慧, 张伟杨, 王志琴, 王伟露, 杨建昌. 水稻分蘖期干物质积累对大气CO2浓度升高和氮素营养的综合响应差异及其生理机制[J]. 中国农业科学, 2023, 56(6): 1045-1060. |
[9] | 郭燕, 井宇航, 王来刚, 黄竞毅, 贺佳, 冯伟, 郑国清. 基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析[J]. 中国农业科学, 2023, 56(5): 850-865. |
[10] | 谢军, 尹学伟, 魏灵, 王子芳, 李清虎, 张晓春, 鲁远源, 王秋月, 高明. 垄作直播控制灌溉对水稻产量和温室气体排放的影响[J]. 中国农业科学, 2023, 56(4): 697-710. |
[11] | 刘刚, 夏快飞, 吴艳, 张明永, 张再君, 杨金松, 邱东峰. 水稻耐热新种质R203的创制与应用[J]. 中国农业科学, 2023, 56(3): 405-415. |
[12] | 徐海, 李秀坤, 芦佳浩, 姜恺, 马玥, 徐正进, 徐铨. 籼型血缘渗入对北方粳稻产量和品质的影响[J]. 中国农业科学, 2023, 56(22): 4359-4370. |
[13] | 李莉, 孙玲, 张金花, 邹晓威, 孙辉, 任金平, 姜兆远, 刘晓梅. 基于稻瘟病菌小种变化的吉林省主要粳稻品种抗性评价及利用价值分析[J]. 中国农业科学, 2023, 56(22): 4441-4452. |
[14] | 杨好, 黄衍焱, 易春霖, 石军, 谭楮湉, 任文芮, 王文明. 水稻Pi9位点6个稻瘟病抗性基因特异分子标记的开发及应用[J]. 中国农业科学, 2023, 56(21): 4219-4233. |
[15] | 樊自尧, 李奎, 李家洋, 黄三文. “稻薯猪”生态循环农业的设想[J]. 中国农业科学, 2023, 56(20): 4067-4071. |
|