论文部分内容阅读
水稻是我国的主要农作物,种植面积居世界首位,而叶绿素的含量(Soil and Plant Analyzer Develotrnent,SPAD)与水稻生长状态密切相关,其含量的测定对水稻的健康状况、农业灌溉与调控施肥等具有重要意义。随着成像高光谱技术和无人机遥感的发展与应用,使用定量遥感技术精确获取水稻生物理化参数信息成为可能。本研究以江油市马角坝地区的水稻为研究对象,在2019年使用搭载于无人机的成像高光谱仪获取冠层尺度的不同生育期水稻高光谱影像,根据影像对研究区地物分类识别,将多种地物分类并提取出研究所需水稻冠层光谱信息;结合地面实测SPAD值农学参数,分析不同生育期的水稻冠层光谱特征,提取光谱与SPAD值间的敏感波段和特征参数。综合使用单变量回归、偏最小二乘回归、支持向量机回归和BP神经网络回归4种方法,建立水稻冠层SPAD值的估算模型,应用模型对水稻冠层SPAD值进行反演填图。试验表明应用无人机高光谱技术能精准反演水稻冠层SPAD值信息,能够为精准农业的快速发展提供新的研究手段。研究得到的主要结论和成果如下:(1)结合无人机影像高分辨率和成像高光谱数据丰富信息量的特征,对无人机航飞区域进行分类识别提取所需地物信息。对比2种非监督和3种监督分类方法结果,得出最优分类方法为监督分类方法中的基于光谱角分类(Kappa系数0.7597,总体精度77.58%)的结论,从而以该种方法高效提取航飞区内试验田水稻光谱信息。(2)水稻冠层的光谱特征随着生育期的变化而呈现规律性变化。从孕穗期到乳熟期,随着SPAD值增加,光谱反射率在可见光波段范围(500-721nm)内逐渐降低,在近红外区域(770-900nm)逐渐增加,红边区域(680-756nm)向长波方向移动,红边内一阶微分值逐渐增大。(3)分析不同生育期SPAD值的敏感波段。将原始光谱、一阶导数光谱和去包络线光谱与不同生育期的SPAD值相关性分析,结果显示SPAD值与各光谱在可见光范围呈显著负相关关系,近红外区域呈显著正相关关系。最终得出10个孕穗期敏感波段为(525nm、539nm、560nm、567nm、686nm、728nm、735nm、755nm、770nm和818nm),8个乳熟期敏感波段为(518nm、546nm、553nm、560nm、647nm、728nm、763nm和818 nm)。(4)选取各生育期的水稻冠层SPAD值最优反演模型。将敏感波段与特征参数应用于单变量回归、偏最小二乘回归、支持向量机回归和BP神经网络回归4种回归模型,构建SPAD值反演模型。相关性分析实验中,孕穗期4组模型有3组决定系数(R~2)达0.6以上,乳熟期模型的R~2均为0.6以上,甚至模型“乳熟期-BP”的R~2达到0.7076。反演填图精度检验表明,孕穗期模型“孕穗期-SVR”的回归斜率(1.2551)和决定系数(R~2=0.6258)都最接近1,均方根误差(RMSE=7.8599)和相对误差(RE=20.6)更小,因此将其选为孕穗期SPAD值最优反演模型,同样分析,乳熟期最优反演模型为“乳熟期-BP”。结果显示各生育期最优模型均取得较好SPAD值反演效果,证明利用无人机遥感监测水稻冠层SPAD值信息是切实可行的,本研究对精准农业的发展具有一定的借鉴价值。