發(fā)布時間：2020-08-11 09:24

【摘要】：玉米作為我國旱地農(nóng)作物代表之一,其種植面積僅次于小麥和水稻,對玉米的生長動態(tài)進行監(jiān)測是現(xiàn)階段我國玉米農(nóng)作物研究的重點。葉面積指數(shù)(LAI)是反映作物葉片數(shù)量和有效監(jiān)測病蟲害的參數(shù),是描述植被生長狀況的一個重要指標,對預(yù)測農(nóng)作物生長趨勢和產(chǎn)量有著重要的意義。本文以2017年內(nèi)蒙古達拉特旗昭君鎮(zhèn)精準灌溉實驗基地的玉米為研究對象,利用自主研發(fā)的六旋翼無人機搭載RedEdge五波段多光譜相機對試驗區(qū)進行遙感影像獲取,利用LAI-2200冠層分析儀實測地面玉米的葉面積指數(shù),基于5種常用植被指數(shù)(歸一化差值植被指數(shù)NDVI、優(yōu)化土壤調(diào)節(jié)植被指數(shù)OSAVI、土壤調(diào)節(jié)植被指數(shù)SAVI、增強型植被指數(shù)EVI、重歸一化植被指數(shù)RDVI),針對不同水分脅迫處理下大田玉米進行了葉面積指數(shù)的反演研究。本文的主要研究內(nèi)容如下:(1)針對無人機飛行參數(shù)不同所導(dǎo)致遙感影像產(chǎn)生畸變的問題,在玉米遙感影像數(shù)據(jù)獲取過程中,進行多次試驗對比得到最佳的飛行參數(shù)。結(jié)果表明,當無人機飛行高度為70m,航向重疊度為80%和旁向重疊度為70%時,能夠得到效果最好的遙感影像數(shù)據(jù)。(2)利用一元線性回歸法,在水分脅迫和無水分脅迫條件下,分別構(gòu)建植被指數(shù)與葉面積指數(shù)的回歸模型,并利用決定系數(shù)、均方根誤差進行精度評價,尋找出較好的葉面積指數(shù)反演模型。結(jié)果表明,在無水分脅迫的條件下,各個階段較佳的模型為:拔節(jié)期的SAVI-LAI模型,生長期的EVI-LAI模型以及成熟期的EVI-LAI模型精度較好,決定系數(shù)分別為0.646、0.736和0.771。在有水分脅迫的條件下,各個階段較佳的模型為:拔節(jié)期NDVI-LAI模型,生長期的EVI-LAI模型以及成熟期的EVI-LAI模型精度較好,決定系數(shù)分別為0.863、0.751和0.645。(3)利用多元線性回歸法,構(gòu)建了觀測階段不同水分脅迫下多種植被指數(shù)與葉面積指數(shù)的回歸模型。得出在無水分脅迫的條件下:拔節(jié)期的回歸模型決定系數(shù)為0.819,生長期的回歸模型決定系數(shù)為0.832,成熟期的回歸模型決定系數(shù)為0.834。在有水分脅迫的條件下:拔節(jié)期的回歸模型決定系數(shù)為0.926,生長期的回歸模型決定系數(shù)為0.849,成熟期的回歸模型決定系數(shù)為0.770。(4)利用支持向量機,將EVI、OSAVI、SAVI、NDVI和RDVI植被指數(shù)組合作為輸入量,葉面積指數(shù)為輸出量,進行支持向量機模型的構(gòu)建。將訓(xùn)練得到的模型進行預(yù)測,發(fā)現(xiàn)支持向量機模型效果較好,在無水分脅迫的條件下,決定系數(shù)達到了0.853,在有水分脅迫的條件下,決定系數(shù)達到了0.851。(5)將得到的一元線性回歸模型、多元線性回歸模型和支持向量機回歸模型進行精度評價。發(fā)現(xiàn)支持向量機模型是最佳的反演模型,在無水分脅迫的條件下,其精度達到了91.3%,而在有水分脅迫的條件下,其精度達到了90.5%,較其他模型均有提高。因此利用支持向量機模型對觀測階段的玉米遙感圖像進行了LAI反演,得到LAI空間分布圖,比較后發(fā)現(xiàn)在水分脅迫下玉米的葉面積指數(shù)變化范圍在0.9~1.7之間。通過研究可知:利用無人機多光譜遙感影像對不同水分脅迫下的大田玉米進行快速、大范圍監(jiān)測是可行的,為指導(dǎo)作物灌溉用水提供了依據(jù),有力地推動了我國農(nóng)作物遙感理論的研究與應(yīng)用。
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：S513;S127
【圖文】：

第一章 緒論 71.3.2 技術(shù)路線本文基于六旋翼無人機搭載多光譜相機進行葉面積指數(shù)監(jiān)測方法的研究，在預(yù)處理后的多光譜圖像中提取所需的植被指數(shù)，與實測的葉面積指數(shù)建模得到不同時期的玉米LAI 反演模型，然后利用最佳的估算模型得到玉米 LAI 的空間分布處方圖，具體技術(shù)路線如圖 1-1 所示。

基于無人機多光譜遙感的玉米葉面積指數(shù)監(jiān)測方法研究實驗方案與地面數(shù)據(jù)采集2.1 試驗區(qū)概況本文實驗研究區(qū)域在內(nèi)蒙古鄂爾多斯市達拉特旗昭君鎮(zhèn)（N 40°25'46.99"，36'35.68"）的無人機遙感與精準灌溉實驗基地進行。該地區(qū)屬于黃河上中游地區(qū)型的溫帶大陸性氣候，干旱多大風(fēng)，年均降水量為 323.9mm，年平均氣溫為 8.極端最高氣溫為 36.9℃，年極端最低零下 28.6 ℃，年日照時數(shù) 2755-3133 小時區(qū)土壤為砂壤土，其中砂粒（≥0.05-2mm）占 80.7%、粉粒（≥0.002-0.05mm）占黏粒（＜0.002mm）占5.6%，耕層土壤有機質(zhì)質(zhì)量分數(shù)為47.15g/kg，土壤容重為1研究區(qū)俯視圖如圖 2-1 所示。試驗區(qū)所種作物為夏玉米，屬于春播中晚熟型，一年播種時間為 2017 年 5 月，生育期共 110 天，選擇玉米的拔節(jié)期、生長期和成熟試驗。為了排除其它因素的干擾，根據(jù)種植經(jīng)驗進行施肥、施加除草劑。

表 2-1 各生育期變量灌溉Tab.2-1 All growth period variable irrigation苗期 生長期 100 100 84 97 84 95 84 69 100 100 I-COR 公司 LAI-2200 冠層分析儀進行地面帶、質(zhì)量輕等優(yōu)點，趙虎等（2012）利用 L指數(shù)。實驗儀器具體組成如圖 2-2 所示，光學(xué)

【參考文獻】

相關(guān)期刊論文 前10條

1 牛慶林;馮海寬;楊貴軍;李長春;楊浩;徐波;趙衍鑫;;基于無人機數(shù)碼影像的玉米育種材料株高和LAI監(jiān)測[J];農(nóng)業(yè)工程學(xué)報;2018年05期

2 姚雄;余坤勇;楊玉潔;曾琪;陳樟昊;劉健;;基于隨機森林模型的林地葉面積指數(shù)遙感估算[J];農(nóng)業(yè)機械學(xué)報;2017年05期

3 褚洪亮;肖青;柏軍華;程娟;;基于無人機遙感的葉面積指數(shù)反演[J];遙感技術(shù)與應(yīng)用;2017年01期

4 韓文霆;李廣;苑夢嬋;張立元;師志強;;基于無人機遙感技術(shù)的玉米種植信息提取方法研究[J];農(nóng)業(yè)機械學(xué)報;2017年01期

5 韓文霆;郭聰聰;張立元;楊江濤;雷雨;王紫軍;;基于無人機遙感的灌區(qū)土地利用與覆被分類方法[J];農(nóng)業(yè)機械學(xué)報;2016年11期

6 田明璐;班松濤;常慶瑞;由明明;羅丹;王力;王爍;;基于低空無人機成像光譜儀影像估算棉花葉面積指數(shù)[J];農(nóng)業(yè)工程學(xué)報;2016年21期

7 閻廣建;胡容海;羅京輝;穆西晗;謝東輝;張吳明;;葉面積指數(shù)間接測量方法[J];遙感學(xué)報;2016年05期

8 劉s

本文編號：2788894