為研究無(wú)人機(jī)多光譜遙感5個(gè)波段光譜反射率反演冬小麥SPAD(Soil and Plant Analyzer Development)值的可行性,該研究采用六旋翼無(wú)人機(jī)搭載五波段多光譜相機(jī),采集冬小麥拔節(jié)期、孕穗期、抽穗期、開(kāi)花期的冠層光譜影像并提取反射率特征參數(shù),建立SPAD值的反演模型。結(jié)果表明,當(dāng)波長(zhǎng)范圍在藍(lán)光、綠光和紅光波段,冬小麥拔節(jié)期、孕穗期和開(kāi)花期的無(wú)人機(jī)多光譜影像反射率參數(shù)與SPAD值呈負(fù)相關(guān)關(guān)系,而在抽穗期,二者呈正相關(guān);當(dāng)波長(zhǎng)范圍為紅邊及近紅外波段,在整個(gè)生長(zhǎng)期,二者均呈現(xiàn)正相關(guān)關(guān)系。該研究構(gòu)建冬小麥SPAD值反演模型采用了主成分回歸、逐步回歸和嶺回歸法,經(jīng)對(duì)比發(fā)現(xiàn)基于逐步回歸法構(gòu)建的模型效果最優(yōu),該模型的校正決定系數(shù)為0.77,主成分回歸法次之,嶺回歸法較差。此外,冬小麥抽穗期多光譜反射率反演SPAD值效果最顯著,主成分回歸、嶺回歸和逐步回歸3種回歸模型的校正決定系數(shù)分別為0.72、0.74和0.77。該研究可為無(wú)人機(jī)多光譜遙感監(jiān)測(cè)作物長(zhǎng)勢(shì)、實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)生產(chǎn)管理提供技術(shù)依據(jù)。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1 冬小麥4個(gè)生長(zhǎng)期多光譜反射率影像

分別提取冬小麥4個(gè)生長(zhǎng)期的無(wú)人機(jī)多光譜影像光譜反射率數(shù)據(jù)及與之對(duì)應(yīng)的同步測(cè)量地面數(shù)據(jù)，構(gòu)成樣本數(shù)據(jù)集，每個(gè)波段均獲得65組數(shù)據(jù)，隨機(jī)選取70%的樣本數(shù)據(jù)（45組數(shù)據(jù)）作為建模集，采用不同的回歸分析方法構(gòu)建SPAD值反演模型，再利用其余30%的樣本數(shù)據(jù)（20組數(shù)據(jù)）作為驗(yàn)證集，評(píng)價(jià)....

圖2 冬小麥SPAD值反演模型構(gòu)建流程圖

本研究首先對(duì)無(wú)人機(jī)多光譜影像進(jìn)行拼接、裁剪等預(yù)處理，獲得冬小麥4個(gè)生長(zhǎng)期的單波段光譜影像，提取反射率特征參數(shù)，并分別建立5個(gè)波段反射率數(shù)據(jù)和實(shí)測(cè)SPAD值之間的相關(guān)關(guān)系；然后判斷自變量之間的共線性問(wèn)題，分別基于主成分回歸、逐步回歸和嶺回歸法構(gòu)建SPAD值反演模型；最后對(duì)各個(gè)模型進(jìn)....

圖3 冬小麥4個(gè)生長(zhǎng)階段葉片光譜反射率隨SPAD值變化特征

由圖3可知，冬小麥從拔節(jié)期到開(kāi)花期，冠層光譜反射率在可見(jiàn)光區(qū)隨著SPAD值增大，反射率減小，至孕穗期達(dá)到最小，抽穗期開(kāi)始增大，至開(kāi)花期達(dá)到最大。紅邊和近紅外波段，冠層光譜反射率從拔節(jié)期到開(kāi)花期一直呈現(xiàn)上升趨勢(shì)。出現(xiàn)該趨勢(shì)的原因在于，小麥植株處于生長(zhǎng)階段，SPAD值逐漸增大，光合能....

圖4 基于逐步回歸法的冬小麥抽穗期SPAD值反演模型模擬及預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系

比較每個(gè)生長(zhǎng)期篩選出的最優(yōu)模型可以看出，抽穗期構(gòu)建的逐步回歸模型的R2adj最高、RMSE最小，故冬小麥抽穗期建立的逐步回歸模型精度優(yōu)于其他模型，可作為冬小麥SPAD值反演的最佳模型（圖4a）。為驗(yàn)證模型的可靠性，采用驗(yàn)證數(shù)據(jù)集（30%的樣本數(shù)據(jù)，20個(gè)樣本）進(jìn)行驗(yàn)證，結(jié)果如圖4....

本文編號(hào)：4056150