利用无人机多光谱影像的多品种玉米成熟度监测

• Published in: 农业工程学报 Vol. 39; no. 20; pp. 84 - 91
• Main Authors: 姜友谊, 刘博伟, 张成健, 赵丹, 陈日强, 徐波, 龙慧灵, 杨贵军, 杨浩
• Format: Journal Article
• Language: Chinese
• Published: 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,北京 100097 01.10.2023; 西安科技大学测绘科学与技术学院,西安 710054%西安科技大学测绘科学与技术学院,西安 710054; 国家农业信息化工程技术研究中心,北京 100097%北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,北京 100097; 国家农业信息化工程技术研究中心,北京 100097
• Subjects: multispectral imaging; vegetation index; 回归模型; 玉米成熟度指数; 随机森林; 多光谱影像; 无人机; 植被指数; maize maturity index; random forest; UAVs; regression models
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202305123

S513; 基于遥感监测多品种玉米成熟度进而掌握最佳收获时机,对提高其产量和品质至关重要.该研究在玉米成熟阶段获取无人机多光谱影像,同步采集叶片叶绿素含量(chlorophyll content,C)、籽粒含水率(moisture content,M)、乳线占比(proportion of milk line,P)等地面实测数据,以此构建玉米成熟度指数(maize maturity index,MMI),从而定量表征玉米成熟度.通过MMI与植被指数构建回归模型和随机森林模型,验证MMI适用性,并分析无人机遥感对不同品种玉米成熟度的监测精度.结果表明:1)不同品种玉米的叶片叶绿素含量、籽粒含水率、乳线占比的变化速率均存在差异.2)MMI与所选植被指数的相关性均可达到0.01显著水平,其中与归一化植被指数(normalized difference vegetation index,NDVI)、转换叶绿素吸收率(transformed chlorophyll absorbtion ratio index,TCARI)相关性最高,相关系数均为0.87.3)该研究基于不同组合的数据集进行了模型验证,其中随机森林模型对MMI的估测精度最高,测试集决定系数(coefficient of determination,R2)为 0.84,均方根误差(root mean squared error,RMSE)为 8.77％,标准均方根误差(normalized root mean squared error,nRMSE)为12.05％.此外,随机森林模型对不同品种MMI的估测精度较好,京九青贮16精度最优,其R2、RMSE、nRMSE为0.76、10.67％、15.88％,模型精度证明了可以利用无人机平台对不同品种玉米成熟度进行监测.研究结果可为多光谱无人机实时监测农田多品种玉米成熟度的动态变化提供参考.