论文部分内容阅读
截止到2016年,油菜是仅次于大豆和油棕榈的世界第三大油料作物;同时,油菜是中国的主要油料作物之一。苗期占油菜整个生育期的一半,是油菜营养物质积累的关键时期。因此,让农户及时了解苗期油菜的长势并采取应对措施是至关重要的。叶面积指数(Leafareaindex,LAI)通常定义为单位土地面积上植株叶片的叶面积总和,其不仅与植被蒸腾作用、光合有效辐射密切相关,且常常作为评价长势的重要依据。传统LAI获取大多依赖手动或卫星遥感方式,其难以应用于大范围、小田块尺度上的作物LAI监测。无人机遥感技术和图像处理算法的发展和改进,为实现田间作物LAI监测提供了有力的支撑。目前,无人机载传感器的种类较多,但其在价格、操作复杂度、实际LAI监测效果等方面均存在差异。因此,为了探讨不同无人机载传感器在苗期油菜LAI监测中的实用效果,本研究利用无人机搭载改造消费级传感器、多光谱传感器以及高光谱传感器进行了图像采集,基于所得数据分别计算了混合像元植被指数、纯油菜像元植被指数以及复合指数(纯油菜像元植被指数*株高)。在此基础上,本研究结合田间实测LAI,建立了上述指数的LAI反演模型,并对估测模型的精度进行了验证。围绕上述研究内容,本文主要结果如下:(1)利用混合像元植被指数进行LAI预测时,基于各传感器的近红外与红边指数的LAI预测效果明显优于可见光植被指数,高光谱传感器的表现又明显优于改造消费级传感与多光谱传感器。此外,高光谱传感器在607.026nm与761.529nm组合、多光谱传感器在红边与近红外组合、改造消费级传感器在788nm长通波段、红光波段组合下的差值植被指数分别具有最佳的表现。(2)由于通光量与传感器光谱响应能力的影响,改造消费级传感器宽波段图像的成像质量明显优于窄波段图像,导致各波段光谱特征(LAI的光谱敏感性)相似的情况下宽波段植被指数的LAI预测效果优于窄波段植被指数。因此,本研究提出了一种消费级传感器近红外改造的方案。该方案的原则是:在保证通过滤波片的光谱信号对于LAI敏感的前提下,选取半峰宽较大的滤波片进行近红外改造。(3)基于各传感器纯油菜像元植被指数的LAI预测效果相对于混合像元植被指数基本都有提升,其中基于消费级传感器与多光谱传感器的提升幅度相对明显,而基于高光谱传感器的提升幅度较小。(4)由于株高与苗期油菜中下层叶片的数量存在一定关系,所以加入株高信息的复合指数(纯油菜像元植被指数*株高)在预测LAI时的表现明显优于纯油菜像元植被指数。高光谱传感器无法获取DSM(Digitalsurfacemodel)数据,而消费级传感器与多光谱传感器可以获得高精度DSM数据,从而获取苗期油菜准确的株高信息。因此,在预测LAI时,综合考虑不同传感器的光谱信号捕捉能力、成像纹理精确度以及株高获取的精确度,本研究发现基于消费级传感器复合指数的LAI预测精度接近于多光谱与高光谱传感器的最佳LAI预测精度。综上所述,低空无人机遥感技术在苗期油菜LAI预测中的应用潜力巨大。无人机载改造消费级传感器凭借其低成本、易操作、高效率等优势,可应用于油菜或其他作物的LAI监测,为农业生产提供参考。