无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量

• Published in: 农业工程学报 Vol. 35; no. 11; pp. 63 - 74
• Main Authors: 陈鹏, 冯海宽, 李长春, 杨贵军, 杨钧森, 杨文攀, 刘帅兵
• Format: Journal Article
• Language: Chinese
• Published: 国家农业信息化工程技术研究中心,北京 100097 01.06.2019; 农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097; 北京市农业物联网工程技术研究中心,北京 100097; 辽宁工程技术大学测绘与地理科学学院,阜新 123000; 北京市农业物联网工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097; 河南理工大学测绘与国土信息工程学院,焦作 454000%农业部农业遥感机理与定量遥感重点实验室,北京农业信息技术研究中心,北京 100097
• Subjects: 农作物; 最优子集分析; 无人机; 纹理特征; 多光谱; 遥感; 马铃薯; 叶绿素含量
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2019.11.008

S252; 利用无人机平台搭载多光谱传感器在农业监测上已经有一些应用,但是利用无人机多光谱影像估算作物叶绿素含量的研究较少,特别是融合无人机多光谱影像光谱信息和纹理信息估算马铃薯叶绿素含量的研究更是罕见.基于此,该文利用2018年北京小汤山基地马铃薯各个典型生育期的无人机多光谱影像及实测的叶绿素含量数据,首先提取多光谱影像植被指数和纹理特征等变量,然后分析其与叶绿素含量相关性,筛选出较优特征变量,并开展基于调整R2和K折交叉验证的全子集分析估算马铃薯叶绿素含量.最后将植被指数与纹理特征通过主成分融合构建一种新的综合指标估算叶绿素含量.研究发现:1)多光谱植被指数和纹理特征估算叶绿素含量模型,K折交叉验证均优于调整R2;2)整个生育期,综合指标模型决定系数比植被指数模型、纹理特征模型均有提升,且标准均方根误差均降低.综合指标估算模型较优,多光谱植被指数模型次之,纹理特征模型较差.该研究可为马铃薯生长营养监测提供一种可行的方法,对马铃薯的栽培种植管理具有指导意义.