截止到2016年,油菜是僅次于大豆和油棕櫚的世界第三大油料作物;同時,油菜是中國的主要油料作物之一。苗期占油菜整個生育期的一半,是油菜營養(yǎng)物質(zhì)積累的關鍵時期。因此,讓農(nóng)戶及時了解苗期油菜的長勢并采取應對措施是至關重要的。葉面積指數(shù)（Leafareaindex,LAI）通常定義為單位土地面積上植株葉片的葉面積總和,其不僅與植被蒸騰作用、光合有效輻射密切相關,且常常作為評價長勢的重要依據(jù)。傳統(tǒng)LAI獲取大多依賴手動或衛(wèi)星遙感方式,其難以應用于大范圍、小田塊尺度上的作物LAI監(jiān)測。無人機遙感技術(shù)和圖像處理算法的發(fā)展和改進,為實現(xiàn)田間作物LAI監(jiān)測提供了有力的支撐。目前,無人機載傳感器的種類較多,但其在價格、操作復雜度、實際LAI監(jiān)測效果等方面均存在差異。因此,為了探討不同無人機載傳感器在苗期油菜LAI監(jiān)測中的實用效果,本研究利用無人機搭載改造消費級傳感器、多光譜傳感器以及高光譜傳感器進行了圖像采集,基于所得數(shù)據(jù)分別計算了混合像元植被指數(shù)、純油菜像元植被指數(shù)以及復合指數(shù)（純油菜像元植被指數(shù)*株高）。在此基礎上,本研究結(jié)合田間實測LAI,建立了上述指數(shù)的LAI反演模型,并對估測模型的精度進行了驗... 

【文章來源】：華中農(nóng)業(yè)大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

研究區(qū)域示意圖

華中農(nóng)業(yè)大學2020屆碩士研究生學位（畢業(yè)）論文12圖3傳感器不同波段的歸一化光譜響應曲線：（A）不同傳感器示意圖（B）MS中各通道的光譜響應曲線；（C）NK中各波段的光譜響應曲線Fig.3Nominalspectralresponsecurveofdifferentsensors.（A）Schematicdiagramofdifferentsensors，（B）spectralresponsecurveofMR，and（C）spectralresponsecurveofNK

華中農(nóng)業(yè)大學2020屆碩士研究生學位（畢業(yè)）論文14儀測得各定標板以及健康油菜的實際光譜反射率。圖4田間數(shù)據(jù)取樣方式Fig.4Samplingmodesofgrounddata2.2無人機影像處理2.2.1影像預處理消費級傳感器NK與多光譜傳感器MS獲取的影像在分析前需要進行：光暈校正、鏡頭畸變校正、圖像拼接、波段間配準和輻射定標等預處理過程。除輻射定標外，其余步驟均在瑞士Pix4D公司的Pix4Dmapper軟件中進行。在圖像拼接過程中，7個控制點的GPS信息被導入Pix4Dmapper中來提高生成密集點云的空間精度，最后生成高精度的正射影像與DSM。消費級傳感器的RIB、GIB、BIB圖像對應R、G、B三個通道，其圖像拼接過程同時進行，生成一張RGB真彩色正射影像和一個DSM，其余各波段圖像均獨立拼接。多光譜傳感器五個波段的圖像同時導入拼接軟件進行拼接，生成5個波段的正射影像和一個DSM。研究區(qū)域內(nèi)放置了3塊反射率分別為11.0%、31.0%、51.0%的定標布，通過線性回歸方法在定標布實際光譜反射率和影像上對應區(qū)域的DN（Digitalnumber）值之間建立輻射校正方程（表2）。在此基礎上即可將各波段影像的DN值轉(zhuǎn)化為相對反射率值。多光譜圖像的輻射定標方程是線性的，而NK圖像的定標方程是非線性的。這是因為消費級傳感器通常對入射光強度表現(xiàn)出非線性響應，而多光譜傳感器表現(xiàn)出線性響應（Coburnetal2018）。由于不同波段圖像集在Pix4D的拼接過程中使用了相同的GCPs，所以各波段正射影像與DSM的空間位置均是嚴格對齊的。高光譜圖像的預處理過程包含輻射亮度校正、幾何校正、輻射定標、以及地理

【參考文獻】：
期刊論文
[1]利用輻射傳輸模型和隨機森林回歸反演LAI[J]. 郭云開,劉雨玲,張曉炯,許敏.  測繪工程. 2019(06)
[2]基于低空遙感的消費級相機油菜苗期長勢監(jiān)測最優(yōu)波段選取[J]. 王楚鋒,王天一,廖世鵬,張東彥,謝靜,張建.  華中師范大學學報(自然科學版). 2018(04)
[3]大田玉米作物系數(shù)無人機多光譜遙感估算方法[J]. 韓文霆,邵國敏,馬代健,ZHANG Huihui,王毅,牛亞曉.  農(nóng)業(yè)機械學報. 2018(07)
[4]無人機高光譜遙感數(shù)據(jù)在冬小麥葉面積指數(shù)反演中的應用[J]. 潘海珠,陳仲新.  中國農(nóng)業(yè)資源與區(qū)劃. 2018(03)
[5]消費級近紅外相機的水稻葉片葉綠素（SPAD）分布預測[J]. 張建,孟晉,趙必權(quán),張東彥,謝靜.  光譜學與光譜分析. 2018(03)
[6]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]. 牛慶林,馮海寬,楊貴軍,李長春,楊浩,徐波,趙衍鑫.  農(nóng)業(yè)工程學報. 2018(05)
[7]利用無人機影像構(gòu)建作物表面模型估測甘蔗LAI[J]. 楊琦,葉豪,黃凱,查元源,史良勝.  農(nóng)業(yè)工程學報. 2017(08)
[8]基于無人機高光譜影像的引黃灌區(qū)水稻葉片全氮含量估測[J]. 秦占飛,常慶瑞,謝寶妮,申健.  農(nóng)業(yè)工程學報. 2016(23)
[9]基于無人機高光譜遙感的冬小麥葉面積指數(shù)反演[J]. 高林,楊貴軍,于海洋,徐波,趙曉慶,董錦繪,馬亞斌.  農(nóng)業(yè)工程學報. 2016(22)
[10]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]. 田明璐,班松濤,常慶瑞,由明明,羅丹,王力,王爍.  農(nóng)業(yè)工程學報. 2016(21)

博士論文
[1]基于無人機高光譜遙感的東北粳稻生長信息反演建模研究[D]. 于豐華.沈陽農(nóng)業(yè)大學 2017

碩士論文
[1]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[D]. 王亞杰.西北農(nóng)林科技大學 2018
[2]基于無人機遙感的小麥葉面積指數(shù)反演方法研究[D]. 王瑛.西北農(nóng)林科技大學 2017
[3]基于LandsatTM和SPOT5影像的城市植被葉面積指數(shù)反演比較研究[D]. 吉運.華中農(nóng)業(yè)大學 2013
[4]基于輻射傳輸模型和CHRIS數(shù)據(jù)反演春小麥LAI[D]. 邢著榮.山東科技大學 2010



本文編號：3217925