论文部分内容阅读
中国作为粮食和水果产量世界第一大国,利用遥感手段实时、快速、无损获取大面积农田作物和果园信息,监测植物的生长状况,对于实现我国农业的高产、优质、高效、生态、安全具有重要意义。本研究以北京市昌平区小汤山精准农业示范基地为试验区,基于地面、高架车、无人机三个遥感平台对植物的营养及病虫害监测开展一系列相关试验,地面平台:通过开展地面植物养分调查和条锈病接种实验,在小麦多个关键生育期获取被动式的冠层光谱和主动式的叶片生理生理生化参数如叶绿素相对含量(Chl)、类黄酮相对含量(Flav)、氮平衡指数(NBI)并开展植物营养状况和病情调查;高架车平台:通过高架车同步搭载热红外成像仪和成像高光谱仪获取桃树冠层遥感图像,开展基于热红外成像技术及光谱成像技术的养分诊断及病害特征的定性分析;无人机平台:设计以多旋翼无人机为遥感平台搭载Lightweight Agricultural Digital Camera(ADC-Lite)多光谱传感器,组成无人机遥感监测系统开展植物养分和病虫害调查试验,获取到桃园成熟期的多光谱遥感影像,对桃树的生理生化参量包括Chl、花青素指数(ANTH)、NBI及病虫害胁迫进行遥感监测。本文选用的光谱特征为植被指数,纹理特征为基于灰度共生矩阵(GLCM)提取的包括3×3、5×5、7×7、9×9 4个尺度下的纹理参量,通过优选光谱特征和不同尺度下的纹理特征,结合地面实测的生理生化参数数据,利用偏最小二乘回归方法(Partial Least Squares Regression,PLSR)构建生理生化参数和病情指数反演模型,采用决定系数(R2)和均方根误差(RMSE)评价模型精度,获得最优精度的特征组合。结果表明,地面高光谱植物营养监测方面:对比分析高光谱和多光谱植被指数构建的小麦生理生化参数监测模型,基于高光谱植被指数的构建的模型反演精度最高,效果最好,其中,Chl反演精度最高时期为开花期,R2为0.97,RMSE为1.7;Flav反演精度最高时期为开花期,R2为0.95,RMSE为0.039;NBI反演精度最高时期为拔节期,R2为0.89,RMSE为2.1。地面高光谱植物病虫害监测方面:基于光谱观测的优选光谱特征和基于叶片生理观测的Flav、Chl的不同组合在小麦挑旗期、灌浆早期和灌浆期分别具有较佳表现,模型精度达到R2=0.90,RMSE=0.026。相比单纯采用光谱特征,综合冠层光谱和叶片生理观测能够使模型精度提高21%,表明两种数据的结合有利于提高病情严重度估测精度。植物营养无人机遥感监测方面,结合光谱特征和纹理特征构建的模型提高了 Chl、ANTH的估测精度,但对于NBI的估测,精度提高并不显著;其中,Chl反演最优模型尺度为5×5,R2为0.897,RMSE为1.83,精度提高20%;ANTH反演最优模型尺度为3×3,R2为0.414,RMSR为0.0427,精度提高6%;通过最优模型反演生成的桃树成熟期Chl、ANTH反映了当地当时桃树真实的营养情况。果园病虫害无人机遥感监测方面,基于纹理特征与光谱特征的结合构建的的桃树病情监测模型效果最佳,其中精度最高的模型尺度为7×7,预测准确率为63%。因此,基于不同遥感平台的植物养分和病虫害监测是可行的,可为不同遥感平台下的植物营养与病虫害的的监测一种新的研究方法。