论文部分内容阅读
在新疆农业生产中,与精准农业关系最密切相关的是作物长势监测。在所有长势参数中,作物冠层的高度、LAI指数和土壤中的水分含量是关键参数。长势监测的传统方法是依靠人工调查的方式来完成,主观性强且效率低。精准农业一方面要求更短时间周期,另一方面也需要更高精度的结果,卫星遥感有时无法满足。低空无人机系统具有更高的空间分辨率和时间分辨率,机动性更高,非常适合农田长势监测工作的开展。本研究立足于这一实际需要,利用多种低空机载传感器,综合获取农田作物关键长势参数,具体内容与成果如下:(1)利用可见光相机数据对农田进行分类通过色彩空间转换与灰度共生矩阵纹理滤波法、颜色指数法和面向对象信息提取3种方法对可见光相机数据进行农田分类,都取得了良好的效果,但从分类精度来看,基于色彩空间转换与灰度共生矩阵纹理滤波法的精度高于颜色指数法,面向对象分类方法的精度高于色彩空间转换与灰度共生矩阵纹理滤波法,是最有效、精度最高的分类方法。(2)多光谱数据的农田LAI反演利用4通道多光谱影像数据计算得到的8种不同的植被指数,分别构建了一元线性回归模型和二次多项式非线性回归模型。通过与实测LAI数据进行对比分析发现,GNDVI指数和RVI指数反演精度较高,EA值分别为97.58%和96.09%。(3)激光雷达数据反演作物高度与LAI指数研究利用激光点云数据计算得到了数字高程模型(DEM)和数字表面模型(DSM),差值后得到了农田棉花的归一化高度分布结果(nDSM),绝对误差的最大值也仅为0.13m。另外得到了农田作物覆盖度,进而根据LAI计算公式得到了该区域的LAI结果,决定系数为0.86。(4)多光谱数据的土壤水分反演在棉田播种前、生长中期和旺盛期分别利用土壤热惯量法、PDI、SPDI、MPDI、MMPDI指数的方法反演了无植被覆盖、中等覆盖度和高植被覆盖度条件下的土壤水分。在播种前无植被覆盖条件下,利用热惯量、NDWI指数等指数与实测数据的模拟结果效果很好,R~2达到了0.91;在中等植被覆盖度的棉田,SPDI指数的反演精度最高;在高植被覆盖度条件下,MMPDI指数为最优方法,R~2为0.62。(5)长势参数信息提取综合验证开展了综合实验,采集了同一时期同一地点的影像和地面验证数据,分析与验证之前结论中最优方法的可靠性与可行性。结果表明,农田分类相对误差值较小,精度较高;利用GNDVI和RVI指数反演得到的LAI结果EA值分别为90.83%和89.4944%;利用MMPDI指数对土壤水分的估算结果好于PDI指数的结果;利用激光雷达得到的棉花株高与实测结果的EA值为89.36%,LAI指数的EA值为94.72%。