為研究無人機多光譜遙感5個波段光譜反射率反演冬小麥SPAD(Soil and Plant Analyzer Development)值的可行性,該研究采用六旋翼無人機搭載五波段多光譜相機,采集冬小麥拔節(jié)期、孕穗期、抽穗期、開花期的冠層光譜影像并提取反射率特征參數(shù),建立SPAD值的反演模型。結果表明,當波長范圍在藍光、綠光和紅光波段,冬小麥拔節(jié)期、孕穗期和開花期的無人機多光譜影像反射率參數(shù)與SPAD值呈負相關關系,而在抽穗期,二者呈正相關;當波長范圍為紅邊及近紅外波段,在整個生長期,二者均呈現(xiàn)正相關關系。該研究構建冬小麥SPAD值反演模型采用了主成分回歸、逐步回歸和嶺回歸法,經(jīng)對比發(fā)現(xiàn)基于逐步回歸法構建的模型效果最優(yōu),該模型的校正決定系數(shù)為0.77,主成分回歸法次之,嶺回歸法較差。此外,冬小麥抽穗期多光譜反射率反演SPAD值效果最顯著,主成分回歸、嶺回歸和逐步回歸3種回歸模型的校正決定系數(shù)分別為0.72、0.74和0.77。該研究可為無人機多光譜遙感監(jiān)測作物長勢、實現(xiàn)精準農業(yè)生產管理提供技術依據(jù)。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 冬小麥4個生長期多光譜反射率影像

分別提取冬小麥4個生長期的無人機多光譜影像光譜反射率數(shù)據(jù)及與之對應的同步測量地面數(shù)據(jù)，構成樣本數(shù)據(jù)集，每個波段均獲得65組數(shù)據(jù)，隨機選取70%的樣本數(shù)據(jù)（45組數(shù)據(jù)）作為建模集，采用不同的回歸分析方法構建SPAD值反演模型，再利用其余30%的樣本數(shù)據(jù)（20組數(shù)據(jù)）作為驗證集，評價....

圖2 冬小麥SPAD值反演模型構建流程圖

本研究首先對無人機多光譜影像進行拼接、裁剪等預處理，獲得冬小麥4個生長期的單波段光譜影像，提取反射率特征參數(shù)，并分別建立5個波段反射率數(shù)據(jù)和實測SPAD值之間的相關關系；然后判斷自變量之間的共線性問題，分別基于主成分回歸、逐步回歸和嶺回歸法構建SPAD值反演模型；最后對各個模型進....

圖3 冬小麥4個生長階段葉片光譜反射率隨SPAD值變化特征

由圖3可知，冬小麥從拔節(jié)期到開花期，冠層光譜反射率在可見光區(qū)隨著SPAD值增大，反射率減小，至孕穗期達到最小，抽穗期開始增大，至開花期達到最大。紅邊和近紅外波段，冠層光譜反射率從拔節(jié)期到開花期一直呈現(xiàn)上升趨勢。出現(xiàn)該趨勢的原因在于，小麥植株處于生長階段，SPAD值逐漸增大，光合能....

圖4 基于逐步回歸法的冬小麥抽穗期SPAD值反演模型模擬及預測值與實測值的關系

比較每個生長期篩選出的最優(yōu)模型可以看出，抽穗期構建的逐步回歸模型的R2adj最高、RMSE最小，故冬小麥抽穗期建立的逐步回歸模型精度優(yōu)于其他模型，可作為冬小麥SPAD值反演的最佳模型（圖4a）。為驗證模型的可靠性，采用驗證數(shù)據(jù)集（30%的樣本數(shù)據(jù)，20個樣本）進行驗證，結果如圖4....

本文編號：4056150