基于無人機遙感的玉米葉面積指數(shù)與產(chǎn)量估算
發(fā)布時間:2021-07-14 21:00
以2018和2019年在河南省新鄉(xiāng)縣中國農(nóng)業(yè)科學院農(nóng)田灌溉研究所試驗基地的玉米為研究對象,利用八旋翼無人機搭載的MicaSense RedEdge多光譜相機對試驗區(qū)進行遙感監(jiān)測,構建玉米葉面積無人機遙感監(jiān)測模型和產(chǎn)量估算模型,并在示范區(qū)進行應用。結果表明,NDVI、EVI和GNDVI這3種植被指數(shù)在構建葉面積指數(shù)監(jiān)測模型中具有較好的精度和穩(wěn)定性。利用抽雄期植被指數(shù)構建的估產(chǎn)模型精度最高,吐絲期次之,拔節(jié)期最低。與單生育期估產(chǎn)模型相比,累積3個生育期植被指數(shù)構建的估產(chǎn)模型精度有一定提升,R2為0.87,RMSE為405.42 kg/hm2。構建的無人機遙感監(jiān)測模型,可以快速有效評估玉米長勢和產(chǎn)量。
【文章來源】:玉米科學. 2020,28(06)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
玉米LAI預測值與實測值比較
根據(jù)上述研究結果,利用本文構建的基于無人機多光譜遙感的玉米葉面積指數(shù)監(jiān)測模型和產(chǎn)量估算模型,應用到試驗地所在地新鄉(xiāng)縣七里營鎮(zhèn)的玉米示范區(qū)。該示范區(qū)秋季作物以玉米種植為主,另外還包括少量的大豆、花生、蔬菜等。無人機遙感監(jiān)測時間為2019年8月9日,是玉米產(chǎn)量估算最佳生育期。無人機多光譜遙感數(shù)據(jù)預處理后,利用目前比較成熟的面向對象分類方法對無人機遙感圖像進行分類,提取出玉米及其他作物的種植地塊分布信息;然后將葉面積指數(shù)監(jiān)測模型和產(chǎn)量估算模型應用于抽雄期無人機多光譜遙感影像,得到示范區(qū)玉米葉面積指數(shù)和產(chǎn)量空間分布圖(圖4)。示范區(qū)玉米葉面積指數(shù)值域為2.8~5.1,單產(chǎn)值域為4 800~8 445 kg/hm2。經(jīng)隨機調(diào)查18個樣點,測試其葉面積指數(shù)和產(chǎn)量,對監(jiān)測模型實際應用進行測試和檢驗。通過對18組數(shù)據(jù)的比較,葉面積指數(shù)估算最大的相對誤差為24.2%,最小的為1.1%,平均相對誤差為7.5%;產(chǎn)量估算最大的相對誤差29.0%,最小的為3.4%,平均相對誤差為8.8%。在應用過程中,可能由于玉米品種多樣化和管理差異化,葉面積指數(shù)和產(chǎn)量估算精度都略低于試驗精度,但仍達到了較高的精度。
圖2 基于單生育期與多生育st期ag植es被指數(shù)的估產(chǎn)模型精度分析在5個植被指圖3數(shù)中,GNDVI、NDVI和EVI構建的估產(chǎn)模型精度相對較高,除拔節(jié)期外,決定系數(shù)都在0.6以上,其中GNDVI最高,決定系數(shù)在都在0.8以上。SAVI和OSAVI模型預測精度相對較低,R2均在0.5以下。綜上,基于多生育期累積GNDVI構建的估產(chǎn)模型最佳,R2為0.87,RMSE為405.42 kg/hm2,估產(chǎn)模型公式為
【參考文獻】:
期刊論文
[1]基于多時相無人機遙感植被指數(shù)的夏玉米產(chǎn)量估算[J]. 韓文霆,彭星碩,張立元,牛亞曉. 農(nóng)業(yè)機械學報. 2020(01)
[2]基于無人機遙感可見光影像的農(nóng)作物分類[J]. 劉斌,史云,吳文斌,段玉林,趙立成. 中國農(nóng)業(yè)資源與區(qū)劃. 2019(08)
[3]基于無人機遙感植被指數(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)工程學報. 2018(11)
[4]基于無人機可見光影像的農(nóng)田作物分類方法比較[J]. 郭鵬,武法東,戴建國,王海江,徐麗萍,張國順. 農(nóng)業(yè)工程學報. 2017(13)
[5]基于多源遙感數(shù)據(jù)的大豆葉面積指數(shù)估測精度對比[J]. 高林,李長春,王寶山,楊貴軍,王磊,付奎. 應用生態(tài)學報. 2016(01)
博士論文
[1]基于多源遙感信息融合的小麥生長監(jiān)測研究[D]. 王來剛.南京農(nóng)業(yè)大學 2012
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]基于無人機平臺的小麥長勢監(jiān)測與產(chǎn)量預測研究[D]. 王妮.南京農(nóng)業(yè)大學 2016
本文編號:3284885
【文章來源】:玉米科學. 2020,28(06)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
玉米LAI預測值與實測值比較
根據(jù)上述研究結果,利用本文構建的基于無人機多光譜遙感的玉米葉面積指數(shù)監(jiān)測模型和產(chǎn)量估算模型,應用到試驗地所在地新鄉(xiāng)縣七里營鎮(zhèn)的玉米示范區(qū)。該示范區(qū)秋季作物以玉米種植為主,另外還包括少量的大豆、花生、蔬菜等。無人機遙感監(jiān)測時間為2019年8月9日,是玉米產(chǎn)量估算最佳生育期。無人機多光譜遙感數(shù)據(jù)預處理后,利用目前比較成熟的面向對象分類方法對無人機遙感圖像進行分類,提取出玉米及其他作物的種植地塊分布信息;然后將葉面積指數(shù)監(jiān)測模型和產(chǎn)量估算模型應用于抽雄期無人機多光譜遙感影像,得到示范區(qū)玉米葉面積指數(shù)和產(chǎn)量空間分布圖(圖4)。示范區(qū)玉米葉面積指數(shù)值域為2.8~5.1,單產(chǎn)值域為4 800~8 445 kg/hm2。經(jīng)隨機調(diào)查18個樣點,測試其葉面積指數(shù)和產(chǎn)量,對監(jiān)測模型實際應用進行測試和檢驗。通過對18組數(shù)據(jù)的比較,葉面積指數(shù)估算最大的相對誤差為24.2%,最小的為1.1%,平均相對誤差為7.5%;產(chǎn)量估算最大的相對誤差29.0%,最小的為3.4%,平均相對誤差為8.8%。在應用過程中,可能由于玉米品種多樣化和管理差異化,葉面積指數(shù)和產(chǎn)量估算精度都略低于試驗精度,但仍達到了較高的精度。
圖2 基于單生育期與多生育st期ag植es被指數(shù)的估產(chǎn)模型精度分析在5個植被指圖3數(shù)中,GNDVI、NDVI和EVI構建的估產(chǎn)模型精度相對較高,除拔節(jié)期外,決定系數(shù)都在0.6以上,其中GNDVI最高,決定系數(shù)在都在0.8以上。SAVI和OSAVI模型預測精度相對較低,R2均在0.5以下。綜上,基于多生育期累積GNDVI構建的估產(chǎn)模型最佳,R2為0.87,RMSE為405.42 kg/hm2,估產(chǎn)模型公式為
【參考文獻】:
期刊論文
[1]基于多時相無人機遙感植被指數(shù)的夏玉米產(chǎn)量估算[J]. 韓文霆,彭星碩,張立元,牛亞曉. 農(nóng)業(yè)機械學報. 2020(01)
[2]基于無人機遙感可見光影像的農(nóng)作物分類[J]. 劉斌,史云,吳文斌,段玉林,趙立成. 中國農(nóng)業(yè)資源與區(qū)劃. 2019(08)
[3]基于無人機遙感植被指數(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)工程學報. 2018(11)
[4]基于無人機可見光影像的農(nóng)田作物分類方法比較[J]. 郭鵬,武法東,戴建國,王海江,徐麗萍,張國順. 農(nóng)業(yè)工程學報. 2017(13)
[5]基于多源遙感數(shù)據(jù)的大豆葉面積指數(shù)估測精度對比[J]. 高林,李長春,王寶山,楊貴軍,王磊,付奎. 應用生態(tài)學報. 2016(01)
博士論文
[1]基于多源遙感信息融合的小麥生長監(jiān)測研究[D]. 王來剛.南京農(nóng)業(yè)大學 2012
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]基于無人機平臺的小麥長勢監(jiān)測與產(chǎn)量預測研究[D]. 王妮.南京農(nóng)業(yè)大學 2016
本文編號:3284885
本文鏈接:http://sikaile.net/nykjlw/nzwlw/3284885.html
最近更新
教材專著