基于无人机偏振遥感的水稻冠层氮素含量反演模型

摘要

受水稻冠层几何结构的影响,传统的无人机高光谱获取到的反射光谱信息中包含与水稻内部组成物质无关的镜面反射信息,从而影响水稻氮素含量的反演精度,因此在利用无人机获取水稻冠层反射光谱信息时,有必要考虑通过偏振测量技术去除反射光谱中的镜面反射分量,进而实现提升水稻氮素含量反演精度的目的。基于无人机偏振遥感测量得到的水稻分蘖期多角度偏振光谱数据和与之对应的氮素含量数据,采用植被指数方法分析二者之间的相关性,得到了水稻冠层偏振光谱数据与其对应氮素含量相关性最高时对应的角度,选取该观测角度下的偏振光谱数据,利用连续投影法(Successive projections algorithm,SPA)提取特征波段,在此基础上,基于数学变换的方法,提出了构建植被指数的新思路,构建了由2个波段组成的偏振光谱植被指数(Polarisation spectrum vegetation index,PSVI),并利用线性回归方法建立水稻冠层氮素含量的反演模型。结果表明,通过对不同观测天顶角下水稻冠层偏振光谱数据与氮素含量相关性分析,得到最佳观测角度为-15°(后向观测15°);利用连续投影法提取得到该角度下偏振光谱信息中的6个特征波长为500、566、663、691、736、763 nm;运用数学变换思想构建了由波长500 nm和566 nm组成的偏振光谱植被指数(PSVI);将PSVI作为模型输入,利用线性回归方法建立水稻冠层氮素含量反演模型,模型训练集R^(2)为0.7838,RMSE为0.428 mg/g;验证集RMSE为0.662 mg/g,反演结果优于差值植被指数(Difference vegetation index,DSI)、比值植被指数(Ratio vegetation index,RVI)等常见的植被指数构建的氮素含量反演模型。综上,基于无人机获取的水稻分蘖期偏振光谱数据,以PSVI植被指数作为模型输入,能提升水稻冠层氮素含量的反演精度。