论文部分内容阅读
油菜作为我国种植面积最大的油料作物,分布范围广泛,其生长发育和产量形成受氮素影响极大。实时、快速、精准地对不同施氮水平下油菜试验区进行长势监测,对于油菜生产管理及产量预测具有重要的研究意义。油菜叶片的叶绿素（Chlorophyll,Chl）、类胡萝卜素（Carotenoid,Car）和类黄酮（Flavonoids,Flav）含量以及株高（Height,H）、叶面积指数（Leaf Area Index,LAI）等能够综合反映油菜长势。无人机遥感技术作为目前农情监测的前沿手段之一,具备低成本、多角度、高分辨率、灵活简单、安全易操作等优势,能够弥补传统遥感技术诸多不足,是目前精准农业研究和应用的新热点。本文将油菜作为研究对象,采用无人机平台获取高清数码图像及5波段多光谱数据,结合田间实测数据,建立了不同施氮水平、不同生育期油菜各生理生化参数的反演模型。围绕上述内容,得到的主要研究结果如下:（1）油菜生化参数（NBI、Chl、Flav）的植被指数反演模型及其影响因素分析。分别基于混合像元和纯油菜像元提取了6种典型植被指数（RVI、MCARI1、TCARI、OSAVI、TCARI/OSAVI、NDRE）,对比分析了两种方式下获取的植被指数与NBI、Chl、Flav的相关性,结果显示剔除阴影、土壤等背景因素后,相关性在生长前期提高较为明显,蕾薹期变化不大,说明各植被指数与NBI、Chl、Flav的相关性在生长前期受背景影响较大,蕾薹期的影响较小。6种纯油菜像元植被指数在各生育期与NBI的相关系数均大于0.79,与Chl的相关系数均大于0.62,与Flav的相关系数均大于0.56。将两种方式计算的植被指数分别作为自变量,利用5种线性/非线性回归模型（线性、指数、对数、幂、多项式）建立了各关键生育期的NBI、Chl、Flav最优反演模型,结果表明,纯油菜像元植被指数建立的最优反演模型精度更高,建模集和验证集的决定系数R2更高,均方根误差RMSE更小,相对分析误差RPD更大。各生长时期基于纯油菜像元植被指数建立的NBI最优预测模型R2cal>0.65、R2 val>0.75、RMSEC<2.46、RMSEP<3.19、RPD>1.51;Chl最优预测模型R2cal>0.58、R2 val>0.51、RMSEC<1.99、RMSEP<2.51、RPD>1.47;Flav最优预测模型R2cal>0.54、R2 val>0.69、RMSEC<0.07、RMSEP<0.09、RPD>1.42。最优回归模型以线性函数、二次多项式、指数函数为主,大部分模型都选择了NDRE作为最优植被指数。（2）基于无人机载数码影像的油菜株高估计。利用无人机点云数据生成高精度数字表面模型（Digital Surface Model,DSM）,建立了一套完整的基于无人机平台的油菜株高提取流程。各生长时期基于DSM数据建立的株高反演模型优良(R2cal及R2 val>0.70,RMSEC与RMSEP<0.07m,RPD>2.0),十叶期株高预测效果最好(R2cal=0.92,R2val=0.97,RMSEC=0.02m,RMSEP=0.02m,RPD=4.1),说明利用无人机载数码影像提取油菜株高具有较高可行性,为油菜株高测量提供了新方法。（3）株高与植被指数耦合反演油菜LAI。NDVI、GNDVI、DVI、NLI、SAVI、Datt2等6种植被指数及株高与LAI之间均呈正相关关系且相关性良好（六叶期r>0.74,十叶期、越冬期、蕾薹期r>0.80）。分别将6种植被指数、6种植被指数和株高作为自变量,LAI作为因变量,进行逐步回归分析选择最优回归子集,建立LAI最优反演模型,结果表明,六叶期、十叶期、越冬期时株高的加入使得LAI的反演精度得到一定程度的提高,蕾薹期株高的加入对模型结果没有影响。说明生长前期,株高与多种植被指数融合估测LAI能够在一定程度上降低植被指数之间多重共线性及饱和现象并提高LAI反演精度。