基于无人机遥感植被指数优选的田块尺度冬小麦估产

• Published in: 农业工程学报 Vol. 34; no. 11; pp. 78 - 86
• Main Authors: 朱婉雪, 李仕冀, 张旭博, 李洋, 孙志刚
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院大学资源与环境学院,北京 100049 01.06.2018; 中国科学院地理科学与资源研究所/生态系统网络观测与模拟重点实验室,北京 100101; 中国科学院大学资源与环境学院,北京 100049%中国科学院地理科学与资源研究所/生态系统网络观测与模拟重点实验室,北京,100101%中国科学院地理科学与资源研究所/生态系统网络观测与模拟重点实验室,北京 100101; 中科山东东营地理研究院,东营 257000
• Subjects: vegetation index; 产量估算; models; unmanned aerial vehicle; threshold filtering; 模型; 无人机; 植被指数; crops; winter wheat; yield estimation; 农作物; 生长期; 阈值滤波; 冬小麦; growth period
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2018.11.010

TP79%S127; 田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义.因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法.该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产.基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价.多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R2最高,RMSE最低(n=34).其中,模型R2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI.另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R2(n=34)有所提升但不显著.综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著.因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具.