东北粳稻叶绿素相对含量的无人机高清影像检测方法

叶绿素相对含量(soil and plant analyzer development,SPAD)是评价水稻健康状况的重要农学参数,为了解决传统监测方法工作量大,效率低的问题,以东北粳稻为研究对象,采用不同施肥处理开展小区试验,利用无人机低空遥感技术分别获取水稻分蘖期、拔节孕穗期、抽穗灌浆期水稻冠层高清数码影像,同时利用叶绿素仪测量水稻冠层SPAD值,并对无人机高清数码影像反演SPAD的可行性及方法进行研究。结合k-means聚类和阈值分割的方法去除背景提取出水稻叶片的RGB值,构建出R、G、B及G/R、G/B、B/R、R-B、G-R、NRI、NGI、NBI共11种颜色参数,并分别用11种参数和水稻叶片SPAD做相关性分析,分析结果表明NRI、B/R、R-B 3种参数和SPAD值高度相关。分别采用一元线性回归分析法和BP神经网络法对3种参数和SPAD的关系进行建模并对建模精度进行分析。结果表明:无人机高清影像反演SPAD是可行的,其中一元线性回归分析中,NRI和SPAD的建模精度高于B/R和R-B,均方根误差(RMSE)为1.51;基于NRI、B/R和R-B的多特征输入的BP神经网络预测粳稻SPAD的RMSE为1.354,相比基于NRI的一元线性回归分析模型精度提升11%,BP模型能较好地对东北粳稻的SPAD进行反演,能为无人机低空遥感反演粳稻SPAD提供理论依据和实现方法。