基于无人机采集的视觉与光谱图像预测棉花产量

摘要

为了高效管理农田,该文提出了一种应用低空遥感视觉与光谱图像预测棉花产量的方法.盛花期前的棉花图像由无人机遥感平台在距地面50 m的飞行高度下采集,采集的局部图像通过拼接处理得到棉花地的全景RGB图像与CIR(color-infrared,彩色红外)图像.基于全景图像提取并计算了色度、植株覆盖率与归一化植被指数(normalized difference vegetation index,NDVI)3个特征参数,用于构建棉花产量的预测模型.包括产量与特征参数的原始数据集随机分为训练集(90％)与测试集(10％).训练集数据首先基于产量概率分布特征去除了10％的离群值,然后通过均值滤波器滤波,处理后的数据用于构建预测模型.通过SAS软件对比分析了单变量、双变量以及三变量构建的线性回归模型,预测模型由P值、决定系数R2、每0.4 hm2面积下估计值与真实值之间的平均绝对误差百分比(mean absolute percentage error,MAPE)这3个参数进行评估.试验结果表明,单变量、双变量以及三变量构建的共7个线性回归模型,其P值均小于0.05,则7个线性回归模型均具有统计学意义(5％显著性水平).其中,由三变量构建的多元线性回归模型具有最大的决定系数R2=0.9773,因此适应性最优.基于测试集验证模型精度,试验结果表明,采用多元线性回归模型进行产量估计,估计值与实际值之间的平均绝对误差百分比为4.0％.因此,无人机搭载图像传感器采集提取视觉与光谱特征能够有效用于作物产量的预测.