為建立夏玉米無人機(jī)遙感估產(chǎn)模型,正確評(píng)價(jià)規(guī)�；r(nóng)業(yè)經(jīng)營(yíng)管理和用水效率,以內(nèi)蒙古自治區(qū)規(guī)�；N植的夏玉米為研究對(duì)象,設(shè)置了5個(gè)不同水分處理的實(shí)驗(yàn)區(qū)域,每個(gè)實(shí)驗(yàn)區(qū)域布置了3個(gè)樣區(qū),利用自主研發(fā)的多旋翼無人機(jī)多光譜遙感平臺(tái),對(duì)夏玉米進(jìn)行多時(shí)相的遙感監(jiān)測(cè)。采用牛頓-梯形積分和最小二乘法,構(gòu)建了基于多種植被指數(shù)和多種生育期對(duì)應(yīng)的夏玉米實(shí)測(cè)產(chǎn)量的6種線性模型,并采用閾值濾波法減少土壤噪聲對(duì)模型精度的影響。結(jié)果顯示,不同生育期的玉米估產(chǎn)模型精度存在顯著差異。單一生育期中,精度由高到低依次為:抽雄期、吐絲期、蠟熟期、拔節(jié)期,最優(yōu)植被指數(shù)為EVI2（決定系數(shù)R²=0. 72,均方根誤差RMSE為485. 46 kg/hm²）;多生育期的最優(yōu)植被指數(shù)為GNDVI（R²=0. 89,RMSE為299. 35 kg/hm²）。經(jīng)過土壤濾波后,拔節(jié)期和多生育期的R²提升顯著,其中基于植被指數(shù)GNDVI、MASVI2、EVI2的多生育期估產(chǎn)模型的決定系數(shù)R2提升到0. 87以上。多生育期的無人機(jī)遙感估產(chǎn)優(yōu)... 

【文章來源】：農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020,51(01)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

無人機(jī)作業(yè)田塊及采樣監(jiān)測(cè)點(diǎn)分布

多光譜圖像采集采用六旋翼無人機(jī)搭載Red Edge五波段多光譜相機(jī)，如圖2所示，具體波段如表2所示，相機(jī)焦距為5.5 mm，視場(chǎng)角為47.2°，圖像分辨率為1 280像素×960像素。相機(jī)配備了光強(qiáng)傳感器和2個(gè)3 m×3 m的灰板。光強(qiáng)傳感器用于校正無人機(jī)航拍過程中外界光線變化對(duì)光譜影像造成的影響，灰板具有固定的反射率，可對(duì)航拍影像進(jìn)行反射率的校正，從而生成反射率影像，進(jìn)行植被指數(shù)的提取。實(shí)驗(yàn)時(shí)晴朗無云，平均氣溫28.6℃，相對(duì)濕度61.96%，平均風(fēng)速1.12 m/s，微風(fēng)。實(shí)驗(yàn)時(shí)間在11:30—14:30。多光譜無人機(jī)飛行高度為70 m，飛行方向?yàn)槟媳狈较�，航向、旁向重疊度分別為80%和70%。將每次實(shí)驗(yàn)按照固定航線拍攝的多幅圖像，以日期為索引導(dǎo)入到瑞士Pix4D公司的Pix4D mapper軟件中，以實(shí)時(shí)動(dòng)態(tài)測(cè)量(Real time kinematic,RTK)的方法獲取地面相控點(diǎn)，導(dǎo)入小圖對(duì)應(yīng)的POS數(shù)據(jù)，在軟件中進(jìn)行初始化處理，幾何校正，構(gòu)建三維模型，提取紋理以及構(gòu)造地物特征，最終生成高清正射多光譜影像。

研究方法如圖3所示，遙感影像拼接校正后，進(jìn)行波段運(yùn)算得到多種植被指數(shù)，再篩選最優(yōu)植被指數(shù);基于夏玉米的生長(zhǎng)規(guī)律將夏玉米分為不同生育期，比較單生育期和多生育期的模型精度，篩選最佳監(jiān)測(cè)生育期;最終采用閾值濾波法剔除土壤像元的干擾，得到無人機(jī)夏玉米最優(yōu)遙感估產(chǎn)模型。1.4.1 植被指數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)玉米生產(chǎn)地位、優(yōu)勢(shì)與自給率分析[J]. 陳印軍,王琦琪,向雁.  中國(guó)農(nóng)業(yè)資源與區(qū)劃. 2019(01)
[2]基于Lab顏色空間的棉花覆蓋度提取方法研究[J]. 牛亞曉,張立元,韓文霆.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(10)
[3]基于無人機(jī)遙感植被指數(shù)優(yōu)選的田塊尺度冬小麥估產(chǎn)[J]. 朱婉雪,李仕冀,張旭博,李洋,孫志剛.  農(nóng)業(yè)工程學(xué)報(bào). 2018(11)
[4]基于LAI和VTCI及粒子濾波同化算法的冬小麥單產(chǎn)估測(cè)[J]. 王鵬新,孫輝濤,解毅,王蕾,張樹譽(yù),李俐.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(04)
[5]MODIS植被指數(shù)的美國(guó)玉米單產(chǎn)遙感估測(cè)[J]. 任建強(qiáng),陳仲新,周清波,劉佳,唐華俊.  遙感學(xué)報(bào). 2015(04)
[6]不同生育時(shí)期冬小麥葉面積指數(shù)高光譜遙感監(jiān)測(cè)模型[J]. 賀佳,劉冰鋒,李軍.  農(nóng)業(yè)工程學(xué)報(bào). 2014(24)
[7]玉米產(chǎn)量測(cè)定方法的應(yīng)用探討[J]. 韋海斌.  現(xiàn)代農(nóng)業(yè). 2013(09)
[8]基于NOAA-NDVI的河南省冬小麥遙感估產(chǎn)[J]. 賀振,賀俊平.  干旱區(qū)資源與環(huán)境. 2013(05)



本文編號(hào)：3138150