• • 上一篇
王伟康,张嘉懿,汪慧,曹强,田永超,朱艳,曹卫星,刘小军
WANG WeiKang, ZHANG JiaYi, WANG Hui, CAO Qing, TIAN YongChao, ZHU Yan, CAO WeiXing, LIU XiaoJun
摘要: 【背景】近年来随着遥感技术的快速发展,实时无损的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2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】首先利用简单线性回归的方法探究了植被指数、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系,研究结果表明植被指数(VI)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,R²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VI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,其中以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R2由75%提升至86%,AGB和PNC的模型验证R2也分别由72%和26%提升至92%和86%,同时模型的RMSE均有显著降低。【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。