利用无人机高光谱影像的冬小麦氮含量监测

摘要：

作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要.旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力.首先,以无人机为遥感平台,搭载高光谱传感器获取了冬小麦拔节期、挑旗期、开花期和灌浆期 4 个主要生育期的高光谱遥感影像,并实测了各生育期的氮含量数据.其次,基于预处理后的高光谱影像,提取冬小麦各生育期的冠层反射率数据,并构造能较好反映作物氮素营养状况的 12 种植被指数和 12 种光谱特征参数.然后,计算了各光谱参数与冬小麦氮含量的相关性,并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数;最后,利用逐步回归分析(SWR)构建基于植被指数、植被指数结合光谱特征参数的氮含量估算模型.结果显示:(1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性.其中,植被指数的相关性高于光谱特征参数;(2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行,但精度还有待进一步提高;(3)与单一植被指数或光谱特征参数相比,植被指数结合光谱特征变量利用 SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期:建模R2=0.64,RMSE=24.68%,NRMSE=7.96%,验证R2 =0.77,RMSE=23.13%,NRMSE=7.81%;挑旗期:建模R2=0.81,RMSE=15.79%,NRMSE=7.41%,验证R2 =0.84,RMSE=15.10%,NRMSE= 7.08%;开花期:建模R2 =0.78,RMSE=9.88%,NRMSE=5.66%,验证R2 =0.85,RMSE=9.12%,NRMSE=4.76%;灌浆期:建模R2=0.49,RMSE=13.68%,NRMSE=9.85%,验证R2=0.40,RMSE= 18.29%,NRMSE=14.73%).研究结果表明,结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高,研究结果可为冬小麦氮含量的空间分布和精准管理提供参考.

关键词：无人机、冬小麦、高光谱、氮含量、逐步回归、光谱特征参数

所属期刊栏目：43

分类号：S25(农业航空)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3239-3246