基于综合指标的冬小麦长势无人机遥感监测

被引:56
作者
裴浩杰 [1 ,2 ,3 ,4 ]
冯海宽 [1 ,2 ,3 ]
李长春 [4 ]
金秀良 [5 ]
李振海 [1 ,2 ,3 ]
杨贵军 [1 ,2 ,3 ]
机构
[1] 农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心
[2] 国家农业信息化工程技术研究中心
[3] 北京市农业物联网工程技术研究中心
[4] 河南理工大学测绘与国土信息工程学院
[5] 中国科学院湿地生态与环境重点实验室中国科学院东北地理与农业生态研究所
关键词
无人机; 光谱分析; 作物; 长势监测; 冬小麦; 综合长势指标;
D O I
暂无
中图分类号
S127 [遥感技术在农业上的应用]; S512.11 [];
学科分类号
082804 ;
摘要
作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R2均好于各项单独指标与相应光谱指数的R2。仅孕穗期CGI和RSI(754,694)的R2比叶绿素和RSI(486,518)的R2低,开花期的CGI和R570的R2比生物量和R834的R2低以及灌浆期CGI和SSI(582,498)的R2比植株含水量和SSI(790,862)的R2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R2高于单独各项指标与相应光谱指数的R2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。
引用
收藏
页码:74 / 82
页数:9
相关论文
共 26 条
[1]  
不同遥感变量组合模式监测小麦关键长势参数研究.[D].马昌.扬州大学.2014, 05
[2]  
基于高光谱的小麦植株水分状况监测研究.[D].韩刚.南京农业大学.2011, 01
[3]  
基于环境卫星数据的冬小麦长势监测研究.[D].冯海宽.辽宁工程技术大学.2011, 06
[4]  
冬小麦长势遥感监测指标研究.[D].李宗南.中国农业科学院.2010, 02
[5]  
农作物长势遥感监测指标研究.[D].蒙继华.中国科学院研究生院(遥感应用研究所).2006, 12
[6]   Estimating winter wheat (Triticum aestivum) LAI and leaf chlorophyll content from canopy reflectance data by integrating agronomic prior knowledge with the PROSAIL model [J].
Li, Zhenhai ;
Jin, Xiuliang ;
Wang, Jihua ;
Yang, Guijun ;
Nie, Chenwei ;
Xu, Xingang ;
Feng, Haikuan .
INTERNATIONAL JOURNAL OF REMOTE SENSING, 2015, 36 (10) :2634-2653
[7]   Multi-Temporal Hyperspectral and Radar Remote Sensing for Estimating Winter Wheat Biomass in the North China Plain [J].
Koppe, Wolfgang ;
Gnyp, Martin L. ;
Hennig, Simon D. ;
Li, Fei ;
Miao, Yuxin ;
Chen, Xinping ;
Jia, Liangliang ;
Bareth, Georg .
PHOTOGRAMMETRIE FERNERKUNDUNG GEOINFORMATION, 2012, (03) :281-298
[8]   Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression [J].
Hansen, PM ;
Schjoerring, JK .
REMOTE SENSING OF ENVIRONMENT, 2003, 86 (04) :542-553
[9]   冬小麦生物量高光谱遥感监测模型研究 [J].
贺佳 ;
刘冰峰 ;
郭燕 ;
王来刚 ;
郑国清 ;
李军 .
植物营养与肥料学报, 2017, 23 (02) :313-323
[10]   不同光谱植被指数反演冬小麦叶氮含量的敏感性研究 [J].
张潇元 ;
张立福 ;
张霞 ;
王树东 ;
田静国 ;
翟涌光 .
中国农业科学, 2017, 50 (03) :474-485