基于无人机多光谱影像的水稻氮营养监测

• Published in: 农业工程学报 Vol. 39; no. 13; pp. 160 - 170
• Main Authors: 凌琪涵, 孔发明, 宁强, 魏勇, 柳展, 代明珠, 张跃强, 石孝均, 王洁, 周宇
• Format: Journal Article
• Language: Chinese
• Published: 长江经济带农业绿色发展研究中心 重庆 400716 01.07.2023; 西南大学资源环境学院 重庆 400716%西南大学资源环境学院 重庆 400716; 国家紫色土肥力与肥料效益监测基地 重庆 400716; 长江经济带农业绿色发展研究中心 重庆 400716%勐海曼香云天农业发展有限公司 勐海县 666205%西南大学资源环境学院 重庆 400716
• Subjects: vegetation index; 机器学习; 多光谱成像; 无人机; 植被指数; 水稻; 氮营养监测; UAV; multi-spectral imaging; machine learning; nitrogen nutrition monitoring; rice
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202302093

S147.2%S24; 探究消费级无人机多光谱影像对不同生态点、不同品种水稻氮营养监测建模精确度和普适度的影响,对于实现区域水稻氮营养精确管理与应用有重要意义.该研究分别在云南省西双版纳勐遮镇(供试品种:云粳 37)与重庆市北碚区(供试品种:极优 6135)2个试验点设置不同氮水平田间试验,利用大疆精灵 4多光谱无人机于水稻分蘖期、拔节期和抽穗期采集水稻冠层多光谱图像,采用凯氏定氮法测定水稻植株冠层氮含量(canopy nitrogen content,CNC)并计算地上部氮累积量(plant nitrogen accumulation,PNA);分别利用植被指数、偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)、反向传播神经网络(back-propagation neural network,BPNN)对单一试验点、单品种和不同试验点、多品种水稻建立氮营养监测模型并探究模型的迁移能力.拔节期和抽穗期的模型精度较高(归一化植被指数NDVI或近红外归一化植被指数NNVI,R2 为0.68～0.88),而分蘖期的模型精度欠佳(NDVI,R2 为 0.53～0.79),且模型迁移能力均较差;通过RVI(ratio vegetation index)建立的单品种水稻全生育期地上部氮累积量监测的精度较高且迁移能力较好.基于PLSR、RF和BPNN构建的模型精度高于植被指数模型,其中基于RF的多品种全生育期冠层氮含量和地上部氮累积量监测模型精度最高,R2 分别为 0.84和 0.94,均方根误差分别为 0.28%和10.09 kg/hm2.研究结果可为无人机多光谱影像技术对不同生态点、不同品种的水稻全生育期氮营养监测提供理论依据和技术支持.