中国农学通报 ›› 2020, Vol. 36 ›› Issue (20): 119-126.doi: 10.11924/j.issn.1000-6850.casb20190400050
收稿日期:
2019-04-26
修回日期:
2019-06-27
出版日期:
2020-07-15
发布日期:
2020-07-20
通讯作者:
赵庚星
作者简介:
奚雪,女,1995年出生,河北张家口人,硕士研究生,研究方向:遥感应用与制图工程。通信地址:271081 山东省泰安市泰山区岱宗大街61号 山东农业大学资源与环境学院,Tel:0538-8243939,E-mail:1349637259@qq.com。
基金资助:
Received:
2019-04-26
Revised:
2019-06-27
Online:
2020-07-15
Published:
2020-07-20
Contact:
Zhao Gengxing
摘要:
旨在实现冬小麦各生育期叶绿素含量的准确估测,探究其时空变化规律。利用无人机获取冬小麦越冬期、返青期、拔节期、孕穗期和灌浆期的高分辨率多光谱图像,同时采集地面SPAD数据。选取三类光谱参数建立反演模型,优选出各生育期的最佳预测模型,并定量监测试验区冬小麦叶绿素含量时间变化和空间分布。结果表明:原始波段模型和波段倒数对数模型分别为越冬期及其他生育期叶绿素含量预测的最佳模型,拟合精度R2>0.59;时空分布上,灌浆期前试验区冬小麦叶绿素含量呈南北高、中部低特点,灌浆期则呈北高南低的趋势,叶绿素含量从越冬期到拔节期逐步增加,拔节期到孕穗期开始降低,孕穗期到灌浆期则大幅度降低。本研究建立的倒数对数预测模型,精度较高,且适用于返青到灌浆的4个生育期,对于试验区冬小麦叶绿素含量有较好的时空监测效果。
中图分类号:
奚雪, 赵庚星. 基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测[J]. 中国农学通报, 2020, 36(20): 119-126.
Xi Xue, Zhao Gengxing. Chlorophyll Content in Winter Wheat: Inversion and Monitoring Based on UAV multi-spectral Remote Sensing[J]. Chinese Agricultural Science Bulletin, 2020, 36(20): 119-126.
植被指数 | 计算公式 |
---|---|
归一化植被指数(NDVI) | (Rnir-Rred)/(Rnir+Rred) |
比值植被指数(RVI) | Rnir/Rred |
差值植被指数(DVI) | Rnir-Rred |
土壤调节植被指数(SAVI) | (Rnir-Rred)×(1+L)/(Rnir+Rred+L) |
绿波段比值植被指数(GRVI) | Rnir/Rgreen |
植被指数 | 计算公式 |
---|---|
归一化植被指数(NDVI) | (Rnir-Rred)/(Rnir+Rred) |
比值植被指数(RVI) | Rnir/Rred |
差值植被指数(DVI) | Rnir-Rred |
土壤调节植被指数(SAVI) | (Rnir-Rred)×(1+L)/(Rnir+Rred+L) |
绿波段比值植被指数(GRVI) | Rnir/Rgreen |
参数 | 预测变量 | 预测模型 | R2 | σ |
---|---|---|---|---|
原始波段 | b3 | Y=-34.558*b3+68.158 | 0.701 | 2.3658 |
b3,b1 | Y=-29.646*b3-32.195*b1+71.382 | 0.741 | 2.2086 | |
b3,b1,b2 | Y=-27.462*b3-28.326* b1-14.355*b2+72.011 | 0.759 | 2.139 | |
b3,b1,b2,b4 | Y=-25.405*b3-26.512*b1-12.623*b2+3.891*b4+68.712 | 0.772 | 2.086 | |
波段倒数对数 | a3 | Y=32.827*a3+40.828 | 0.684 | 2.4308 |
a3,a1 | Y=27.713*a3+14.008*a1+31.727 | 0.733 | 2.2418 | |
a3,a1,a4 | Y=23.944*a3+12.622*a1+5.442*a4+32.684 | 0.749 | 2.1946 | |
a3,a1,a4,a2 | Y=22.712*a3+11.515*a1+4.945*a4+3.124*a2+31.567 | 0.757 | 2.1638 | |
植被指数 | d1 | Y=15.745*d3+46.1 | 0.432 | 3.2575 |
d1,d5 | Y=9.194*d1+1.153*d5+45.763 | 0.479 | 3.1317 | |
d1,d5,d4 | Y=39.367*d1+2.466*d5-39.282*d4+43.214 | 0.529 | 2.9884 |
参数 | 预测变量 | 预测模型 | R2 | σ |
---|---|---|---|---|
原始波段 | b3 | Y=-34.558*b3+68.158 | 0.701 | 2.3658 |
b3,b1 | Y=-29.646*b3-32.195*b1+71.382 | 0.741 | 2.2086 | |
b3,b1,b2 | Y=-27.462*b3-28.326* b1-14.355*b2+72.011 | 0.759 | 2.139 | |
b3,b1,b2,b4 | Y=-25.405*b3-26.512*b1-12.623*b2+3.891*b4+68.712 | 0.772 | 2.086 | |
波段倒数对数 | a3 | Y=32.827*a3+40.828 | 0.684 | 2.4308 |
a3,a1 | Y=27.713*a3+14.008*a1+31.727 | 0.733 | 2.2418 | |
a3,a1,a4 | Y=23.944*a3+12.622*a1+5.442*a4+32.684 | 0.749 | 2.1946 | |
a3,a1,a4,a2 | Y=22.712*a3+11.515*a1+4.945*a4+3.124*a2+31.567 | 0.757 | 2.1638 | |
植被指数 | d1 | Y=15.745*d3+46.1 | 0.432 | 3.2575 |
d1,d5 | Y=9.194*d1+1.153*d5+45.763 | 0.479 | 3.1317 | |
d1,d5,d4 | Y=39.367*d1+2.466*d5-39.282*d4+43.214 | 0.529 | 2.9884 |
模型 | 预测模型 | R2 | RMSE |
---|---|---|---|
OB | Y=-25.405*b3-26.512*b1-12.623*b2+3.891*b4+68.712 | 0.8119 | 2.0726 |
BRL | Y=22.712*a3+11.515*a1+4.945*a4+3.124*a2+31.567 | 0.8083 | 2.0859 |
VI | Y=39.367*d1+2.466*d5-39.282*d4+43.214 | 0.6500 | 3.9089 |
模型 | 预测模型 | R2 | RMSE |
---|---|---|---|
OB | Y=-25.405*b3-26.512*b1-12.623*b2+3.891*b4+68.712 | 0.8119 | 2.0726 |
BRL | Y=22.712*a3+11.515*a1+4.945*a4+3.124*a2+31.567 | 0.8083 | 2.0859 |
VI | Y=39.367*d1+2.466*d5-39.282*d4+43.214 | 0.6500 | 3.9089 |
生育期 | 模型 | 拟合方程 | R2 |
---|---|---|---|
返青期 | OB | y=0.3826x+36.535 | 0.6279 |
BRL | y=1.0091x-0.5407 | 0.6519 | |
VI | y=1.149x-8.8155 | 0.4417 | |
拔节期 | OB | y=0.4787x+30.606 | 0.6043 |
BRL | y=1.348x-20.406 | 0.7086 | |
VI | y=2.0167x-59.618 | 0.5495 | |
孕穗期 | OB | y=0.4876x+29.508 | 0.5138 |
BRL | y=0.9882x+0.6817 | 0.5956 | |
VI | y=1.206x-11.86 | 0.3961 | |
灌浆期 | OB | y=0.2888x+24.508 | 0.6378 |
BRL | y=0.332x+23.02 | 0.6924 | |
VI | y=0.2961x+24.257 | 0.4470 |
生育期 | 模型 | 拟合方程 | R2 |
---|---|---|---|
返青期 | OB | y=0.3826x+36.535 | 0.6279 |
BRL | y=1.0091x-0.5407 | 0.6519 | |
VI | y=1.149x-8.8155 | 0.4417 | |
拔节期 | OB | y=0.4787x+30.606 | 0.6043 |
BRL | y=1.348x-20.406 | 0.7086 | |
VI | y=2.0167x-59.618 | 0.5495 | |
孕穗期 | OB | y=0.4876x+29.508 | 0.5138 |
BRL | y=0.9882x+0.6817 | 0.5956 | |
VI | y=1.206x-11.86 | 0.3961 | |
灌浆期 | OB | y=0.2888x+24.508 | 0.6378 |
BRL | y=0.332x+23.02 | 0.6924 | |
VI | y=0.2961x+24.257 | 0.4470 |
[1] | 邹璀, 刘秀丽. 山东省粮食产量预测研究[J]. 系统科学与数学, 2013,33(1):97-109. |
[2] |
Lu Sh, Lu X T, Zhao W L, et al. Comparing vegetation indices for remote chlorophyll measurement of white poplar and Chinese elm leaves with different adaxial and abaxial surfaces[J]. Journal of Experimental Botany, 2015,66(18).
URL pmid: 25873673 |
[3] |
Sun H, Li M Z, Zhao Y, et al. The spectral characteristics and chlorophyll content at winter wheat growth stages[J]. Spectroscopy and Spectral Analysis, 2010,30(1).
URL pmid: 20302114 |
[4] | 赵佳佳, 冯美臣, 王超, 等. 基于光谱植被指数的冬小麦叶绿素含量反演[J]. 山西农业大学学报:自然科学版, 2014,34(5):391-396. |
[5] | 毛智慧, 邓磊, 孙杰, 等. 无人机多光谱遥感在玉米冠层叶绿素预测中的应用研究[J]. 光谱学与光谱分析, 2018,38(9):2923-2931. |
[6] | 田明璐, 班松涛, 常庆瑞, 等. 基于无人机成像光谱仪数据的棉花叶绿素含量反演[J]. 农业机械学报, 2016,47(11):285-293. |
[7] | 靳彦华, 熊黑钢, 张芳, 等. 基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究[J]. 干旱地区农业研究, 2014,32(5):106-111. |
[8] | 罗丹, 常庆瑞, 齐雁冰, 等. 基于光谱指数的冬小麦冠层叶绿素含量估算模型研究[J]. 麦类作物学报, 2016,36(9):1225-1233. |
[9] | 孙中宇, 陈燕乔, 杨龙, 等. 轻小型无人机低空遥感及其在生态学中的应用进展[J]. 应用生态学报, 2017,28(2):528-536. |
[10] | 孙刚, 黄文江, 陈鹏飞, 等. 轻小型无人机多光谱遥感技术应用进展[J]. 农业机械学报, 2018,49(3):1-17. |
[11] |
胡建波, 张建. 无人机遥感在生态学中的应用进展[J] 生态学报, 2018,38(1):20-30.
doi: 10.5846/stxb201612092538 URL |
[12] | Yan L, Gou Z Y, Duan Y N A. UAV Remote Sensing System: Design and Tests[M]. Springer US, 2010, 06-15 |
[13] | 田振坤, 傅莺莺, 刘素红, 等. 基于无人机低空遥感的农作物快速分类方法[J]. 农业工程学报, 2013,29(7):109-116,295. |
[14] |
Senthilnath J, Kandukuri M, Dokania A, et al. Application of UAV imaging platform for vegetation analysis based on spectral-spatial methods[J]. Computers and Electronics in Agriculture, 2017,140:8-24
doi: 10.1016/j.compag.2017.05.027 URL |
[15] | Guillot B, Pouget F. UAV application incoastal environment, example of the oleron island for dunes and dikes survey [J]. ISPRS-International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences 2015,XL-3/W3(1):321-326. |
[16] | 刘畅, 杨贵军, 李振海, 等. 融合无人机光谱信息与纹理信息的冬小麦生物量估测[J]. 中国农业科学, 2018,51(16):3060-3073. |
[17] | 王妮. 基于无人机平台的小麦长势监测与产量预测研究[D]. 南京农业大学, 2016. |
[18] | 周晓敏, 赵力彬, 张新利. 低空无人机影像处理技术及方法探讨[J]. 测绘与空间地理信息, 2012,35(2):182-184. |
[19] | 李红军, 李佳珍, 雷玉平, 等. 无人机搭载数码相机航拍进行小麦、玉米氮素营养诊断研究[J]. 中国生态农业学报, 2017,25(12):1832-1841. |
[20] | 方孝荣, 高俊峰, 谢传奇, 等. 农作物冠层光谱信息检测技术及方法综述[J]. 光谱学与光谱分析, 2015,35(7):1949-1955. |
[21] | 张同瑞, 赵庚星, 高明秀, 等. 基于近地多光谱和OLI影像的黄河三角洲冬小麦种植区盐分估算及遥感反演——以山东省垦利县和无棣县为例[J]. 自然资源学报, 2016,31(6):1051-1060. |
[22] | 杨贵军, 李长春, 于海洋, 等. 农用无人机多传感器遥感辅助小麦育种信息获取[J]. 农业工程学报, 2015,31(21):184-190. |
[23] | 宋茜, 周清波, 吴文斌, 等. 农作物遥感识别中的多源数据融合研究进展[J]. 中国农业科学, 2015,48(6):1122-1135. |
[24] | 安德玉, 邢前国, 赵庚星. 基于HICO波段的滨海土壤盐分遥感反演研究[J]. 海洋学报, 2018,40(6):51-59. |
[25] | 王惠文, 孟洁. 多元线性回归的预测建模方法[J]. 北京航空航天大学学报, 2007(4):500-504. |
[26] | 强雁, 羌维立. 基于线性回归的建模方法——最小量化法[J]. 南京理工大学学报:自然科学版, 2003(S1):91-94. |
[27] | 郭燕, 程永政, 黎世民, 等. 区域尺度冬小麦叶绿素含量的高光谱预测和空间变异研究[J]. 麦类作物学报, 2017,37(7):970-977. |
[1] | 武志斌, 黄超, 雷媛, 敬峰, 刘战东. 不同产量水平下冬小麦水肥利用特性研究[J]. 中国农学通报, 2022, 38(8): 64-71. |
[2] | 李红梅, 权文婷, 张树誉. 气候变暖对陕西中北部冬小麦返青前热量资源的影响[J]. 中国农学通报, 2022, 38(4): 53-61. |
[3] | 刘琪, 高志强, 杨珍平, 乔月静. 合理氮肥用量改善冬小麦土壤耕层细菌群落结构及理化性质研究[J]. 中国农学通报, 2022, 38(30): 77-84. |
[4] | 孙文彦, 尹红娟, 田昌玉, 徐久凯, 赵秉强, 唐继伟. 不同用量化肥和猪粪对优质强筋小麦产量和品质的影响[J]. 中国农学通报, 2022, 38(3): 1-10. |
[5] | 陈斌. 基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例[J]. 中国农学通报, 2022, 38(29): 152-158. |
[6] | 任三学, 齐月, 田晓丽, 赵花荣. 冬小麦灌浆期光合参数及产量对土壤高湿和干旱变化的响应[J]. 中国农学通报, 2022, 38(29): 96-102. |
[7] | 崔燕华, 周婷婷, 沈煜洋, 陈利, 蔺国仓, 杨安沛, 张航, 雷钧杰, 李广阔, 高海峰. 小型植保无人机超低量喷雾对荒漠绿洲麦区小麦白粉病的防治效果[J]. 中国农学通报, 2022, 38(27): 147-150. |
[8] | 吴翠霞, 徐加利, 宋敏, 杨丽娜, 张田田, 马冲. 7种土壤处理除草剂对冬小麦田杂草的防治效果[J]. 中国农学通报, 2022, 38(21): 105-111. |
[9] | 马苏, 崔国屹, 赵玉, 赵莹, 刘雪珍, 张承栋. 植被NPP时空变化特征及驱动因子分析——以延安地区为例[J]. 中国农学通报, 2022, 38(19): 93-98. |
[10] | 王汝毅, 王秀娟, 高磊, 岳训. 多旋翼授粉无人机的作业航迹规划[J]. 中国农学通报, 2022, 38(18): 159-164. |
[11] | 刘昌斌, 祁泽伟, 马茹, 徐伟, 张泽燕, 郑海泽, 薛建福. 基于不同夏作物-冬小麦种植制度的黄土高原东部农田土壤物理质量研究[J]. 中国农学通报, 2022, 38(11): 30-37. |
[12] | 付梦雪, 吴名宇, 韩碧波, 张倩, 韩燕来, 谭金芳, 李培培, 张涛, 李慧. 秸秆还田与生物炭配施对麦-玉轮作体系产量和氮素利用率的影响[J]. 中国农学通报, 2021, 37(8): 89-96. |
[13] | 王志军, 王碧胜, 孙筱璐, 徐梦杰, 杨晓慧, 侯靳锦, 房全孝. 胶东半湿润区滴灌制度对冬小麦农田土壤水分、作物生长及水分利用的影响[J]. 中国农学通报, 2021, 37(27): 6-15. |
[14] | 杨国航, 李琼, 和利钊, 顾静, 牛婧, 张海欧, 郑子健, 赵振. 晚稻全生育期Cd的迁移转化规律及预测模型研究[J]. 中国农学通报, 2021, 37(25): 1-10. |
[15] | 王启尧, 赵庚星, 李涛, 李建伟, 潘登, 涂强. 滨海盐渍麦田施用微生物菌肥的降盐效果及冬小麦长势响应[J]. 中国农学通报, 2021, 37(24): 60-66. |
阅读次数 | ||||||||||||||||||||||||||||||||||||||||||||||||||
全文 102
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||
摘要 695
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||