论文部分内容阅读
油菜是我国重要的油料作物,油菜种植时氮肥施用量影响油菜籽的产量以及含油量,利用低空光谱成像遥感技术,及时有效地检测油菜冠层的氮含量水平,制定精细的养分管理方案,有利于提高油菜的产量与质量。本研究选用一种甘蓝型油菜——浙双758作为研究对象,以SPAD值作为氮素评判指标,利用无人机模拟平台搭载多光谱相机进行低空遥感,并基于多光谱图像的植被指数和纹理特征分别建立油菜冠层SPAD值低空遥感解析模型；通过设置不同的图像采集时间、采集时相机高度及运动速度等三个变量,探究不同采集因素对SPAD值解析模型的影响。本研究还利用可见近红外高光谱成像技术检测油菜冠层SPAD值,在优选光谱预处理及特征波段选取方法后,分别基于全波段、特征波段光谱反射率以及特征波段图像纹理特征,采用不同化学计量学建模方法建立油菜冠层SPAD值解析模型。主要研究结论如下：(1)基于多光谱图像优选植被指数建立油菜冠层SPAD值预测模型时,植被指数NIR/G和NIR - G)/(NIR + G)与冠层SPAD值有较好的相关性,整体上线性函数模型优于二次函数和指数函数模型；基于多光谱图像纹理特征建立油菜冠层SPAD值预测模型时,PLS模型优于MLR模型；基于纹理特征建模易受成像质量的影响,不同条件下基于优选植被指数的模型预测性能稳定性优于基于纹理特征的模型。(2)多光谱图像采集时间、采集高度、采集速度对基于植被指数、纹理特征的SPAD值预测模型性能均有不同程度的影响；基于植被指数建模时,图像采集时间延后、采集高度增加能显著提高模型预测性能,采集速度降低模型预测性能略高；基于纹理特征建模时,图像采集时间延后、采集高度增加、采集速度降低均能显著提高模型预测性能；基于植被指数、纹理特征的SPAD值预测模型均在第3次图像采集高度为1.9m、速度为0.1m/s时,模型预测集相关系数Rp达到最优,分别为0.7354和0.7800。(3)基于可见近红外高光谱图像光谱特征建立油菜冠层SPAD预测模型时,优选卷积平滑和连续投影算法为光谱预处理和特征波段选择方法；基于全波段的SPAD值PLS预测模型预测集相关系数Rp在第3次图像采集时达到最优,为0.8287；不同时间基于特征波段光谱反射率建立P LS、MLR、BPNN、SVM、ELM等5种油菜冠层SPAD值预测模型时,ELM模型适应性略优,模型预测集相关系数Rp在第3次图像采集时达到最优,为0.8466；基于特征波段图像纹理特征建立油菜冠层SPAD预测模型时,PLS模型优于MLR模型,在第2次图像采集时达到最优,为0.7341；图像采集时间对建模效果有影响,基于全波段和特征波段光谱特征的建模效果明显优于基于特征波段图像纹理特征。本研究基于低空光谱成像遥感技术实现了油菜冠层SPAD值的快速检测,并探究了多光谱图像采集时间、采集高度、采集速度对遥感解析模型的影响规律,为将来应用无人机低空光谱成像遥感技术快速获取大范围油菜冠层氮素信息奠定了理论基础。