基于综合指标的冬小麦长势无人机遥感监测

• Published in: 农业工程学报 Vol. 33; no. 20; pp. 74 - 82
• Main Author: 裴浩杰;冯海宽;李长春;金秀良;李振海;杨贵军
• Format: Journal Article
• Language: Chinese
• Published: 北京市农业物联网工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%中国科学院湿地生态与环境重点实验室,中国科学院东北地理与农业生态研究所,长春 130102 2017; 国家农业信息化工程技术研究中心,北京 100097; 农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097; 北京市农业物联网工程技术研究中心,北京 100097; 河南理工大学测绘与国土信息工程学院,焦作 454000%农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097
• Subjects: 作物; 光谱分析; 冬小麦; 无人机; 综合长势指标; 长势监测; 长势监测; spectrum analysis; unmanned aerial vehicles; 作物; 无人机; 光谱分析; comprehensive growth index; crops; winter wheat; 冬小麦; 综合长势指标; growth monitoring
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2017.20.010

作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数（leaf area index,LAI）、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标（comprehensive growth index,CGI）。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数（normalized difference spectral index,NDSI）,比值光谱指数（ratio spectral index,RSI）和简单光谱指数（simple spectral index,SSI）,计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归（partial least squares regression,PLSR）建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明：1）冬小麦各生育期,总体上CGI与光谱指数的决定系数R~2均好于各项单独指标与相应光谱指数的R~2。仅孕穗期CGI和RSI（754,694）的R~2比叶绿素和RSI（486,518）的R~2低,开花期的CGI和R570的R~2比生物量和R834的R~2低以及灌浆期CGI和SSI（582,498）的R~2比植株含水量和SSI（790,862）的R~2低。2）拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R~2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE（root mean square error）分别为0.050,0.032和0.047。CGI与相应光谱指数的R~2高于单独各项指标与相应光谱指数的R~2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。