為了快速獲取夏季玉米四葉期、拔節(jié)期和抽穗期的植被覆蓋度信息,以無人機拍攝的夏季玉米3個時期的可見光圖像為研究對象,通過計算獲取可見光波段的差異植被指數、過綠指數和歸一化綠藍差異指數.利用上述3種植被指數,通過時序交點閾值法和最大熵閾值法提取玉米3個生長時期的植被覆蓋度信息,將監(jiān)督分類結果作為真值對上述兩種方法的提取效果進行評價.結果表明,與時序交點閾值法相比,利用最大熵閾值法確定的閾值提取玉米植被覆蓋度精度較高,玉米3個生長時期的可見光波段差異（VDVI）植被指數的提取誤差分別為4.66%、3.42%和5.81%. 

【文章來源】：福建農林大學學報(自然科學版). 2020,49(02)北大核心CSCD

【文章頁數】：6 頁

【部分圖文】：

試驗地概況

通過ENVI軟件統計分析玉米VDVI、EXG和NGBDI的直方圖[4],發(fā)現EXG統計直方圖較為復雜,難以確定其統計直方圖交點.因此本文僅將VDVI和NGBDI較低植被覆蓋度的四葉期和較高植被覆蓋度拔節(jié)期的統計直方圖交點作為玉米3個生長時期的植被覆蓋度提取閾值,統計直方圖如圖2所示,VDVI玉米3個時期植被覆蓋度提取閾值為0.122;NGBDI玉米3個生長時期的植被覆蓋度提取閾值為0.107.2.2 基于最大熵閾值法的閾值提取

通過目視判讀的方法在上述玉米的3個生長時期內的遙感圖像中各選取70個典型的玉米植株和70個相對獨立的裸土區(qū)域作為訓練樣本進行支持向量機監(jiān)督分類,選取50個玉米植株和50個相對獨立的土壤區(qū)域作為測試樣本并進行混淆矩陣驗證.通過樣本可分離性計算工具分析玉米3個生長時期的樣本可分離性,發(fā)現土壤和玉米的可分離性均在1.95以上,訓練樣本選擇合理.將上述3個時期的玉米試驗田分為土壤和玉米植被兩類,核函數為線性核函數.3個時期的混淆矩陣總體分類精度為98.73%、97.69%和95.82%.對應3個時期玉米植被所占比例為64.4%、93.50%和94.6%,玉米覆蓋度變化基本符合玉米3個時期的生長特征.利用上述時序交點閾值法和最大熵閾值法確定閾值,提取夏季玉米3個時期的植被覆蓋度,四葉期、拔節(jié)期和抽穗期植被覆蓋度提取圖像如圖3～8所示,其中綠色部分代表玉米,白色部分代表土壤.利用式(4)進行玉米植被覆蓋度計算,將監(jiān)督分類結果當作真值,并利用式(5)進行植被覆蓋度提取效果評價.時序交點閾值法的植被覆蓋度和精度評價結果如表2所示.基于最大熵閾值法的植被覆蓋度提取結果和精度評價如表3所示.由植被覆蓋度提取結果可知,利用時序交點閾值法確定的閾值提取玉米3個時期的植被覆蓋度時,VDVI和NGBDI在拔節(jié)期植被覆蓋度提取精度較高,四葉期和抽穗期階段提取誤差較大.提取精度變化的主要原因是隨著玉米的生長,玉米拔節(jié)期的葉綠素含量顯著升高.

【參考文獻】：
期刊論文
[1]地形因子對長汀縣植被覆蓋度時空特征的驅動影響[J]. 田地,張厚喜,劉政,胡亞林.  福建農林大學學報(自然科學版). 2019(06)
[2]基于無人機可見光波段對荒漠植被覆蓋度提取的研究——以沙坡頭地區(qū)為例[J]. 高永平,康茂東,何明珠,孫巖,許華.  蘭州大學學報(自然科學版). 2018(06)
[3]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.  農業(yè)機械學報. 2018(10)
[4]基于無人機遙感與植被指數的冬小麥覆蓋度提取方法[J]. 牛亞曉,張立元,韓文霆,邵國敏.  農業(yè)機械學報. 2018(04)
[5]基于低空可見光譜的植被覆蓋率計算[J]. 卞雪,馬群宇,劉楚燁,趙言文.  水土保持通報. 2017(05)
[6]基于可見光波段無人機遙感的植被信息提取[J]. 汪小欽,王苗苗,王紹強,吳云東.  農業(yè)工程學報. 2015(05)
[7]基于微小型無人機的遙感信息獲取關鍵技術綜述[J]. 汪沛,羅錫文,周志艷,臧英,胡煉.  農業(yè)工程學報. 2014(18)
[8]基于無人機低空遙感的農作物快速分類方法[J]. 田振坤,傅鶯鶯,劉素紅,劉峰.  農業(yè)工程學報. 2013(07)
[9]基于低空無人機遙感的冬小麥覆蓋度變化監(jiān)測[J]. 李冰,劉镕源,劉素紅,劉強,劉峰,周公器.  農業(yè)工程學報. 2012(13)
[10]基于數碼照片的草地植被覆蓋度快速提取方法[J]. 胡健波,張璐,黃偉,吳世紅,劉長兵.  草業(yè)科學. 2011(09)



本文編號：3622488