基于低空光譜成像遙感技術(shù)的油菜冠層SPAD檢測(cè)研究.pdf

1、油菜是我國重要的油料作物，油菜種植時(shí)氮肥施用量影響油菜籽的產(chǎn)量以及含油量，利用低空光譜成像遙感技術(shù)，及時(shí)有效地檢測(cè)油菜冠層的氮含量水平，制定精細(xì)的養(yǎng)分管理方案，有利于提高油菜的產(chǎn)量與質(zhì)量。本研究選用一種甘藍(lán)型油菜——浙雙758作為研究對(duì)象，以SPAD值作為氮素評(píng)判指標(biāo)，利用無人機(jī)模擬平臺(tái)搭載多光譜相機(jī)進(jìn)行低空遙感，并基于多光譜圖像的植被指數(shù)和紋理特征分別建立油菜冠層SPAD值低空遙感解析模型;通過設(shè)置不同的圖像采集時(shí)間、采集時(shí)相機(jī)高度及

2、運(yùn)動(dòng)速度等三個(gè)變量，探究不同采集因素對(duì)SPAD值解析模型的影響。本研究還利用可見近紅外高光譜成像技術(shù)檢測(cè)油菜冠層SPAD值，在優(yōu)選光譜預(yù)處理及特征波段選取方法后，分別基于全波段、特征波段光譜反射率以及特征波段圖像紋理特征，采用不同化學(xué)計(jì)量學(xué)建模方法建立油菜冠層SPAD值解析模型。主要研究結(jié)論如下：
　　(1)基于多光譜圖像優(yōu)選植被指數(shù)建立油菜冠層SPAD值預(yù)測(cè)模型時(shí)，植被指數(shù)NIR/G和(NIR-G)/(NIR+G)與冠層SPAD

3、值有較好的相關(guān)性，整體上線性函數(shù)模型優(yōu)于二次函數(shù)和指數(shù)函數(shù)模型;基于多光譜圖像紋理特征建立油菜冠層SPAD值預(yù)測(cè)模型時(shí)，PLS模型優(yōu)于MLR模型;基于紋理特征建模易受成像質(zhì)量的影響，不同條件下基于優(yōu)選植被指數(shù)的模型預(yù)測(cè)性能穩(wěn)定性優(yōu)于基于紋理特征的模型。
　　(2)多光譜圖像采集時(shí)間、采集高度、采集速度對(duì)基于植被指數(shù)、紋理特征的SPAD值預(yù)測(cè)模型性能均有不同程度的影響;基于植被指數(shù)建模時(shí)，圖像采集時(shí)間延后、采集高度增加能顯著提高模型

4、預(yù)測(cè)性能，采集速度降低模型預(yù)測(cè)性能略高;基于紋理特征建模時(shí)，圖像采集時(shí)間延后、采集高度增加、采集速度降低均能顯著提高模型預(yù)測(cè)性能;基于植被指數(shù)、紋理特征的SPAD值預(yù)測(cè)模型均在第3次圖像采集高度為1.9m、速度為0.1m/s時(shí)，模型預(yù)測(cè)集相關(guān)系數(shù)Rp達(dá)到最優(yōu)，分別為0.7354和0.7800。
　　(3)基于可見近紅外高光譜圖像光譜特征建立油菜冠層SPAD預(yù)測(cè)模型時(shí)，優(yōu)選卷積平滑和連續(xù)投影算法為光譜預(yù)處理和特征波段選擇方法;基于全

5、波段的SPAD值PLS預(yù)測(cè)模型預(yù)測(cè)集相關(guān)系數(shù)Rp在第3次圖像采集時(shí)達(dá)到最優(yōu)，為0.8287;不同時(shí)間基于特征波段光譜反射率建立PLS、MLR、BPNN、SVM、ELM等5種油菜冠層SPAD值預(yù)測(cè)模型時(shí)，ELM模型適應(yīng)性略優(yōu)，模型預(yù)測(cè)集相關(guān)系數(shù)Rp在第3次圖像采集時(shí)達(dá)到最優(yōu)，為0.8466;基于特征波段圖像紋理特征建立油菜冠層SPAD預(yù)測(cè)模型時(shí)，PLS模型優(yōu)于MLR模型，在第2次圖像采集時(shí)達(dá)到最優(yōu)，為0.7341;圖像采集時(shí)間對(duì)建模效果有