基于无人机遥感光谱图像的小麦玉米长势精准监测研究

摘要

为在实际的农业生产中快速、精确的监测作物生长信息，估测作物产量，为大面积农田作物生产提供管理调控的科学依据。本研究以中国主要作物冬小麦、夏玉米为材料，冬小麦设置品种处理，夏玉米设置不同品种、施氮量处理，基于无人机平台获取小麦玉米关键生育时期的高分辨率光谱图像，分析筛选出与作物生长信息相关性最高的光谱参数，构建作物长势监测和产量预测的最佳拟合模型，并对相关模型进行独立数据的检验，验证模型的精确性与稳定性，具体结果如下： 1.小麦玉米LAI监测模型 模型拟合结果表明，以比值植被指数RVI(810,560)构建的模型对冬小麦LAI的监测效果最好，模型为y=-1.1629×RVI(810,560)+7.9207，决定系数R2为0.71，预测模型RMSE和MRE分别为0.68和13.31%。该模型可作为冬小麦LAI精准监测的拟合模型。 模型拟合结果表明，以差值植被指数DVI(800,550)构建的模型对夏玉米LAI的监测效果最好，模型为y=19.128×DVI(800,550)-0.8742，决定系数R2为0.90，预测模型RMSE和MRE分别为0.41、14.36%。该模型可作为夏玉米LAI精准监测的拟合模型。 2.小麦玉米干物质积累量监测模型 模型拟合结果表明以差值值被指数DVI(810,560)构建的拟合模型对冬小麦地上部干物质积累量的监测效果最好，模型为y=-8.4529×DVI(810,560)+5.7085，决定系数R2为0.74，预测模型的RMSE和MRE分别为0.36、17.58%。该模型可作为冬小麦干物质积累量精准监测的拟合模型。 模型拟合结果表明，以归一化植被指数NDVI(760,560)构建的监测模型对夏玉米地上部干物质积累量的监测效果最好，模型为y=323×NDVI(760,560)-1.8303，决定系数R2为0.95，模型RMSE和MRE分别为8.92、13.17%。该模型可作为夏玉米干物质积累量精准监测的拟合模型。 3.小麦玉米SPAD值监测模型 模型拟合结果表明，以归一化植被指数NDVI(790,660)构建的模型对冬小麦SPAD值的监测效果最好，模型为y=20.001×NDVI(790,660)+42.366，决定系数R2为0.72，预测模型的RMSE和MRE分别为2.24、3.66%。该模型可作为冬小麦SPAD值精准监测的拟合模型。 模型拟合结果表明，以差值植被指数DVI(735,550)构建的模型对夏玉米SPAD值的监测效果最好，模型为y=42.8046×DVI(735,550)+48.219，决定系数R2为0.69，预测模型的RMSE和MRE分别为2.21和3.45%。该模型可作为夏玉米SPAD值精准监测的拟合模型。 4.小麦玉米产量估测模型 模型拟合结果表明，开花期的植被指数与冬小麦产量构建的拟合模型效果最优，以开花期归一化植被指数NDVI(870,679)构建的模型对冬小麦产量的估测效果最好，模型为y=2924×NDVI(870,679)+6534.6，决定系数R2为0.66，预测模型的RMSE和MRE分别为178.28和1.68%。该模型可作为冬小麦产量估测的拟合模型。 模型拟合结果表明，乳熟期的植被指数与夏玉米产量构建的拟合模型效果最优，以乳熟期比值植被指数RVI(790,660)构建的模型对夏玉米产量的估测效果最好，模型为y=-2219.5×RVI(790,660)+16836，决定系数R2为0.75，预测模型的RMSE和MRE分别为462.81和5.02%。该模型可作为夏玉米产量估测的拟合模型。

目录

声明

符号说明

1前言

1.1目的意义

1.2国内外研究现状

1.2.1作物光谱特征与高光谱成像技术

1.2.2遥感技术在精准农业中的应用

1.2.3基于地面及高空遥感平台的作物长势监测及产量预测研究进展

1.2.4基于低空无人机平台的作物长势监测及产量预测研究进展

2材料与方法

2.1试验设计

2.2测定项目与方法

2.2.1本研究所使用仪器基本参数

2.2.2光谱数据的获取

2.2.3长势参数的测定

2.3数据分析与处理

2.4数据分析方法

2.4.1植被指数计算

2.4.2数据处理与分析

3 结果与分析

3.1无人机平台采集的冬小麦冠层光谱反射率的动态变化特征

3.2 无人机平台采集的夏玉米冠层光谱反射率的动态变化特征

3.3冬小麦LAI 监测模型的构建与检验

3.3.1 冬小麦LAI 与光谱参数的相关性分析

3.3.2 冬小麦LAI 监测模型的构建

3.3.3 冬小麦LAI 监测模型的检验

3.4 夏玉米LAI监测模型的构建与检验

3.4.1 夏玉米LAI 与光谱参数的相关性分析

3.4.2 夏玉米LAI 监测模型的拟合

3.4.3 夏玉米LAI 监测模型的检验

3.5 冬小麦地上部干物质积累量监测模型的构建与检验

3.5.1冬小麦地上部干物质积累量与光谱参数的相关性分析

3.5.2 冬小麦地上部干物质积累量监测模型的构建

3.5.3 冬小麦地上部干物质积累量监测模型的检验

3.6 夏玉米地上部干物质积累量监测模型的构建与检验

3.6.1 夏玉米地上部干物质积累量与光谱参数的相关性分析

3.6.2 夏玉米地上部干物质积累量监测模型的构建

3.6.3 夏玉米地上部干物质积累量监测模型的检验

3.7 冬小麦相对叶绿素含量 SPAD值监测模型的构建与检验

3.7.1 冬小麦SPAD值与光谱参数的相关性分析

3.7.2 冬小麦SPAD值监测模型的构建

3.7.3 冬小麦SPAD值监测模型的检验

3.8 夏玉米相对叶绿素含量SPAD值监测模型的构建与检验

3.8.1 夏玉米SPAD值与光谱参数的相关性分析

3.8.2 夏玉米SPAD值监测模型的构建

3.8.3 夏玉米SPAD值监测模型的检验

3.9 冬小麦产量预测模型的构建与检验

3.9.1冬小麦籽粒产量与光谱参数的相关性分析

3.9.2 冬小麦产量预测模型的构建

3.9.3 冬小麦产量预测模型的检验

3.10 夏玉米产量预测模型的构建与检验

3.10.1 夏玉米籽粒产量与光谱参数的相关性分析

3.10.2夏玉米产量预测模型的构建

3.10.3夏玉米产量预测模型的检验

4 讨论

4.1 不同生育时期冬小麦冠层光谱反射率的变化

4.2 不同生育时期夏玉米冠层光谱反射率的变化

4.3冬小麦LAI监测模型分析

4.4 夏玉米LAI监测模型分析

4.5冬小麦地上部干物质积累量监测模型分析

4.6 夏玉米地上部干物质积累量监测模型分析

4.7 冬小麦SPAD值监测模型分析

4.8 夏玉米SPAD值监测模型分析

4.9 冬小麦产量监测分析

4.10 夏玉米产量监测分析

5 结论

5.1小麦玉米LAI监测模型

5.2 小麦玉米地上部干物质积累量监测模型

5.3 小麦玉米SPAD值监测模型

5.4 小麦玉米产量估测模型

参考文献

致谢