无人机遥感与地面观测的多模态数据融合反演水稻氮含量

• Published in: 农业工程学报 Vol. 40; no. 18; pp. 100 - 109
• Main Authors: 王宇唯, 马旭, 谭穗妍, 贾兴娜, 陈嘉盈, 秦亦娟, 胡希红, 郑惠文
• Format: Journal Article
• Language: Chinese
• Published: 华南农业大学工程学院,广州 510642%华南农业大学工程学院,广州 510642 01.09.2024; 新疆农业大学机电工程学院,乌鲁木齐 830052%华南农业大学电子工程学院,广州 510642%肇庆市农业科学研究所,肇庆 526070
• Subjects: 地面观测; fusion; rice nitrogen content; 水稻氮含量; 多模态数据; 无人机; remote sensing; multimodal data; 遥感; 融合; UAV; ground observation
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202404175

S158.7; 准确监测水稻田间生长过程中的氮含量,保证按需高效施肥,对提高水稻产量和肥效利用率具有重要意义.该研究基于无人机遥感与地面观测的多模态数据融合构建了水稻拔节后期叶片(leaf nitrogen content,LNC)和植株氮含量(plant nitrogen content,PNC)反演模型,显著提高反演水稻氮含量的准确性.通过2021和2022年开展两次田间试验,利用无人机搭载多光谱和RGB相机在拔节后期获取稻田冠层遥感影像;从多光谱影像中提取植被指数(vegetation index,VI)和纹理特征值(texture feature value,TFV),TFV使用灰度共生矩阵方法提取,对TFVs进行组合构建纹理指数(texture index,TI);使用RGB影像结合地面参考法获取各小区估测冠层高度(estimating canopy height,ECH);人工收集各小区实测冠层高度及田间氮素管理数据(field nitrogen management data,FN)作为地面观测数据;使用凯氏定氮法获取水稻LNC和PNC;采用最大互信息系数评估和筛选特征;使用随机森林回归算法分别构建水稻LNC和PNC反演模型.结果表明:使用TFVs组合构建的TIs能显著提升纹理信息与LNC和PNC的相关性,当无人机飞行高度为100m时,灰度共生矩阵的滑动窗口尺寸为9×9(像素)时构建的比值纹理指数表现最优,相比最优TFV,MIC值均提升了 11.48％;从遥感影像提取的估测冠层高度具有较高的估测精度,决定系数(coefficient of determination,R2)、均方根误差(root mean squared error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为 0.77、3.4 cm和2.8 cm;无人机遥感与地面观测的多模态数据融合可显著提升LNC和PNC的反演精度,综合考虑反演精度和实际操作的便捷性,推荐田间生产中使用特征组合为:VI+TI+ECH+FN.研究结果表明,无人机遥感与地面观测的多模态数据融合构建随机森林回归模型可准确反演水稻氮含量,可为水稻田间管理和施肥决策提供科学依据.