高粱是国际第五大农作物，是酿制业和饲料业的根底质料，在我国栽培广泛且近几年的对外依存度较高。全面并精确地获取高粱的成长状况信息对辅导高粱的出产、精确的猜测产值、点评出产耗能等具有重要的现实意义。然而在无人机遥感技术对高粱成长状况的监测研讨方面还未有很多研讨。本文以南通市农业研讨试验基地栽培的高粱为研讨目标，选取可反响农作物长势的叶面积指数（LAI）、植被掩盖度（FVC）为高粱成长参数的目标，经过多旋翼无人机渠道获取高粱不同成长阶段的遥感图画，在树立４种典型植被指数和高粱成长参数 LAI 和FVC 的经历核算回归模型，确认适用于反响高粱长势的最优植被指数；然后，比照实测和经过无人机遥感图画取得的 LAI 和FVC 值，点评无人机遥感点评农作物长势的精确性。

　　试验于南通市农业研讨试验基地进行，基地地形平整，土壤类型草甸黑土，土壤质地黏重，前茬大豆，秋整地。高粱种类为红糯 16，每公顷的保苗株数为25万株，耕种一起施入种肥300kg/hｍ２（氮∶磷∶钾＝23:10:12）。上肥、防虫灭草等均按当地出产进行，耕种及各项耕耘活动均在同一天内完结。

　　本研讨选用无人机５通道多光谱相机。相机在120ｍ 的飞翔高度时，分辨率（ GDS ）为８ｃｍ，可收集蓝、绿、红、红边、近红外５个光谱波段。在高粱耕种到老练的进程中，选取３个首要生育期展开无人机遥感作业，挑选太阳光强度安稳、气候晴朗无云的气候，10:00～14:00获取遥感图画，试验日期与对应的生育期如表１所示。３ 次 无 人 机 作 业 时 采 取 同 一 航 线，飞 行 时 间 约 为20ｍiｎ，飞翔高度为120ｍ。

　　地上数据收集作业与无人机空中作业在同一天同一时间段展开，运用植物冠层剖析仪，完结研讨区域内的高粱叶面积指 数 LAI 的丈量。一起，将数码相机安装在杆子上，在间隔地上约３ｍ 的高度俯拍高粱冠层的图片，每个拍照点至少拍照３张相片。

　　对无人机收集的多光谱图画，首要选用图画软件将单个图画拼接成研讨区域全体的图画。再运用 ENVI 遥感图画处理软件进行辐射定标，选用伪规范地物辐射纠正法，经过树立地上实测反射率和地上实践反射系数之间的线性联系来完成辐射定标。在试验田周边安置两个标称反射率为0.03和0.22的３ｍ×３ｍ 航拍试验规范反射率参阅板。运用 ENVI 软件从无人机图画中提取与规范参阅板相对应的ＤＮ 值。运用各光谱波段的参阅板ＤＮ 值和已知的校准参阅板反射率值树立了线性回归方程，将无人机图画的 ＤＮ 值转换为辐射定标后的反射率

　　式中：ρ（x , y , i ）—光谱带ｉ中像素（ x , y ）的辐射定标后的反射率；ＤＮ（x , y , i ）—光谱带ｉ中像素（ x , y ）的 ＤＮ 值；ａｉ、ｂｉ—光 谱 带ｉ 的 线 性 回 归 模 型 的 斜 率 和截距。无人机多光谱印象的辐射定标需求独自提取绿、红、红边和近红外波段印象的白色参阅板ＤＮ值，顺次别离进行单波段印象的辐射校对。最终，对经过辐射定标的绿、红、红边和近红外波段印象进行波段组成处理，得到多光谱印象组成数据。关于地上收集的图画，在选用 AdobePhoto shop 软件处理高粱冠层图片后，将相片导入 ENVI 软件以预算植被掩盖度ＦＶＣ 值。具体的核算进程为：首要运用“maｘimumlikehood ”函数，将每幅图画分为有植被和无植被两类。然后，运用“quick stats”函数确认植被区域中的像素数。将植被部分的像素数除以图画的像素总数，预算出每幅植被图画的 FVC 值。

　　在辐射定标后，结合无人机遥感渠道，如表２所示，挑选４种常用的植被指数用于高粱LAI和 FVC反演模型的构建，运用ENVI软件中的自带函数核算植被指数。

　　运用验证数据集剖析回归模型的精确性，选用点评目标：决定系数Ｒ２、均方根差错 ＲＭＳＥ、均匀绝对差错MAPE点评回归模型的精度。此外，运用Ｔ查验确认估测模型是否可以以合理的精度猜测高粱 的 FVC 和 LAI ，假如斜率值与１无显着性差异，截距值与０无显着性差异，则可以得出回归模型与直线ｙ＝ｘ无显着性差异的定论，即估测模型可以完成高精度的猜测。

　　经过比照剖析 NDVI 、绿色 NDVI 、RVI 和 WDR－V I 植被指数和高粱的 LAI 和 FVC 相关性，确认最优的估测植被指数。从 50 幅无人机图画中提取数据点构建样本数据集，随机挑选2/3的样本数据作为练习集与多光谱反射率印象建模，挑选指数回归和线性 回 归别离构建高粱 LAI 和 FVC 的估测模型。剩下的1/3样本数据作为验证集，点评回归模型的功能，得到的 LAI 和 FVC 的４栽培被指数的最佳拟合函数和点评目标别离如表３和表４所示。

　　从表３和表４可得，NDVI 构建 LAI 和 FVC 的预算模型的精度和作用要优于其他植被指数。比较于其他３ 栽培被指数，LAI－NDVI 和 FVC－NDVI 预算模型的决定系数 R2 值最高（0.91，0.88）且均方根差错 RMSE（0.28，0.06）和均匀绝对差错MAPE（11％，８％）最低。WDRVI 的体现优于绿色NDVI 和 RVI ，但该指数的R2较低，RMSE和MAPE 较高，与其他植被指数比较 RVI 显现精确性最低。因为NDVI 与高粱作物的LAI 和 FVC 的相关性最大，所以挑选 ND－VI 指数进行下一步的具体研讨。

　　由图１ 可以看出，在图画采 集期间，高粱 的 LAI 值会集在 0.2～3.0 的 范 围内。但 当 LAI ＞2.5 时，NDVI 不会产生显着的改变，保持在 0.9 左右。该成果与其他学者的研讨成果较为共同：LAI 的持续增大不会显着影响植物红光波段吸收和反射，所以 NDVI 不会跟着高粱叶面积的增大而改变。该现象的首要原因是：关于大都农作物，在 LAI ≥ 2.5，吸收峰高于95％时，红光波段的冠层反射率小于５％。为了点评依据无人机遥感图画 得到的 NDVI 与LAI 经历联系的可行性和精确性，对实测的 LAI 数据和经过无人机遥感数据得到的 LAI 的猜测回归模型进行穿插验证，得到的成果如图２所示。图２中虚线为函数ｙ＝ｘ，实线为叶面积指数实测值和猜测值之间的最小二乘线性回归方程。

　　由图２可以看出，依据无人机图画得到的猜测值和实测 LAI 值之间具有较好的拟合性，决定系数 R2＝0.94 ，RMSE ＝0.16 ，MAPE＝13 ％。经过最小二乘法得到的回归方程ｙ＝0.9５ｘ＋0.06 与实测数据之间的方差为 0.95 。T 查验成果显现：回归方程的斜率与１无显 著 性 差 异 （ｐ＝0.14 ），截 距 与 ０ 无 显 著 性 差 异（ｐ＝0.15），即回归方程与方程ｙ＝ｘ 没有显着差异。核算剖析标明，依据遥感图画构建 NDVI 和 LAI 的线 ×NDVI 可以对高粱的叶面积指数 LAI 进行精确的猜测。

　　根 据 图 ３ 可 得，与 NDVI 和 LAI 关 系 不 同，NDVI 和 FVC 出现线），FVC 会集的散布在 0.6～０.9 之间。与前文的剖析办法相同，运用 NDVI－FVC 的回归模型对实测的 FVC 和依据无人机遥感图画计算得到的 FVC 进行穿插验证，得到验证成果如图４所示。图４中虚线为函数ｙ＝ｘ，实线为植被掩盖度实测值和猜测值之 间的最小二乘线性回归方程。

　　由图４可以看出，依据无人机图画得到的猜测值和实测 FVC 值之间具有较好的拟合性，决定系数R 2＝0.90 ，RMSE ＝0.05 ，MAPE＝４％。T 查验成果显现，回归方程的斜率与１无显着性差异（ｐ＝0.07），截距与０无显着性差异（ｐ＝0.05），即 回归方 程与方 程ｙ＝ｘ没有显 著 差 异。统 计 分 析 表 明，根 据 遥 感 图 像 构 建ＮＤＶＩ和ＦＶＣ 的线 可以对高粱的植被掩盖度 FVC 进行精确的猜测。2.4 无人机遥感图画猜测 LAI－FVC 之间的联系依据 FVC 和 LAI 的实测值，制作两者的函数联系如图５所示。

　　从图５可以看出，LAI－FVC 之间出现曲线 中虚线所示，LAI－FVC 之间出现线性的联系；当 LAI＞1.5时，LAI－FVC 之间的曲线联系较为显着。当高粱冠层的 LAI 值到达约 2.5 时，植被掩盖了约70％的地上面积。在 LAI 大于 2.5 后，叶面积的持续增大，并没有引起植被掩盖度的改变。因而，当地块的植被掩盖度较高时，尽管 LAI 仍或许添加，但其 NDVI 值根本不变。

　　本研讨运用无人机多光谱遥感体系树立了植被指数和高粱 LAI 、FVC 之间的回归模型，并猜测其精度，成果标明，经过无人机遥感技术可以精确、可靠地猜测高粱作物的成长状况。１）归一化差异植被指数 NDVI 为反响高粱长势最优的植被指数，经过无人机遥感图画得到的 NDVI 值估量高粱的 LAI 和 FVC 的 鲁 棒 性 较 好。LAI －NDVI 和 FVC－NDVI 估 算 模 型 的 Ｒ２值 最 高 （0.91，0.88），且 RMSE（0.28，0.06）和 MAPE（11％，８％）最低。２）依据遥感图画别离构建 NDVI 和ＬＡＩ及 ＦＶＣ的线×NDVI和 FVC＝1.07NDVI－0.16 可以精确猜测高粱的 LAI 值和 FVC值。３）在高粱成长季的后期 LAI ＞2.5 时，因为 ND－VI 饱和度问题会下降其对 LAI 猜测作用。

　　莱森光学（深圳）有限公司是一家供给光机电一体化集成解决方案的高科技公司，咱们专心于光谱传感和光电使用体系的研制、出产和出售。回来搜狐，检查更多

上一篇：科学网-根据深度学习的光学遥感图画方针检测研讨进展-欧彦 下一篇：光学遥感图画