基于無人機遙感的玉米表型信息提取技術(shù)研究.pdf

1、表型信息是農(nóng)作物品種、生長狀況的直觀表現(xiàn)，也是影響農(nóng)作物產(chǎn)量的重要因素。隨著全球人口基數(shù)不斷增大，糧食需求量與日俱增，糧食供給問題日益嚴峻?？焖倬_提取大尺度農(nóng)田中農(nóng)作物的表型信息，監(jiān)測作物的生長狀況，并及時采取有效的管理措施，對選育高產(chǎn)優(yōu)質(zhì)的作物品種，維護我國糧食安全具有深遠意義。然而，目前多采用人工實地測量的方法獲取表型信息，雖準確性高，但區(qū)域覆蓋度低，不適合大區(qū)域尺度育種試驗田。隨著遙感技術(shù)的飛速發(fā)展，使實時、快速、無損的獲取大區(qū)

2、域尺度的地表信息成為可能。
　　本研究旨在為基于微小型無人機高通量遙感平臺獲取作物表型信息提供一定的理論依據(jù)，為研究玉米品種基因型與表型信息關(guān)聯(lián)規(guī)律提供輔助支持。于2015年6月至9月在“國家精準農(nóng)業(yè)示范研究基地”玉米育種研究區(qū)開展了關(guān)于微小型無人機高通量表型信息獲取試驗，進行了圖像特征提?。ㄓ衩字旮摺⒊樾蹠r間、植被覆蓋度、葉色變化）及LAI反演研究。主要研究工作及研究結(jié)果如下:
　　(1)利用無人機高通量遙感平臺獲取的高清

3、數(shù)碼照片數(shù)據(jù)，采用ISODATA方法、SVM方法、基于HSV色彩空間變換的決策樹分類三種方法進行冠層覆蓋度提取，總精度和Kappa系數(shù)分別為59.06％、0.26，92.70％、0.96，98.32％、0.96?？梢娀贖SV色彩空間變換的決策樹分類精度最高，可利用該方法進行多生育期影像冠層覆蓋度提取。
　　(2)利用基于HSV色彩空間變換的決策樹分類和面向?qū)ο蠓诸悾ńY(jié)合紋理、HSV色彩空間變換、NDI植被指數(shù)、幾何信息）兩種方法

4、進行玉米雄穗提取，分類總精度分別為83.79％、85.91％，相比于基于HSV色彩空間變換的決策樹分類方法，面向?qū)ο蠓诸惙椒ň容^高。因此，利用面向?qū)ο蠓诸惙椒ㄌ崛∮衩仔鬯耄M而提取玉米的抽雄時間，提取精度為65.62％，可見利用該方法進行玉米抽雄時間的提取、監(jiān)測是可行的。
　　(3)利用基于HSV色彩空間變換的決策樹分類進行多生育期玉米葉色變化提取。利用影像的色調(diào)值可以顯著區(qū)分葉片的顏色，從而達到提取玉米葉色的需求。
　　

5、(4)利用多光譜影像提取的8種植被指數(shù)反演LAI時，對單變量模型而言，NDVI反演的多生育期LAI效果好于其他植被指數(shù)，其中線性模型和冪模型反演結(jié)果的R2和RMSE分別為0.525、0.711，0.530、0.717，可以用NDVI來監(jiān)測多生育期玉米LAI的變化情況;在多變量反演過程中，首先對8種植被指數(shù)進行主成分分析得到主成分變量，然后對主成分變量進行多元線性回歸和BP神經(jīng)網(wǎng)絡(luò)分析。結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)對玉米LAI具有較好的反演能力