无人机可见光遥感和特征融合的小麦倒伏面积提取

摘要：

倒伏是造成小麦减产和品质下降的主要原因之一.为快速准确地提取小麦倒伏面积,给农业保险理赔及灾后应急处置提供数据支持,该研究采用无人机遥感平台获取小麦倒伏后的冠层红绿蓝(Red-Green-Blue,RGB)可见光图像,并进行数字表面模型(Digital Surface Model,DSM)图像提取,计算了过绿植被(Excess Green,EXG)指数,利用ArcGIS中的镶嵌工具将不同图像特征进行融合,得到DSM+RGB融合图像和DSM+EXG融合图像,利用最大似然法和随机森林法对2种特征融合图像进行监督分类提取小麦倒伏面积,并与仅基于RGB可见光图像和DSM图像提取倒伏面积结果对比.结果表明,2种方法对4种图像进行小麦倒伏面积提取的整体趋势一致,且最大似然法提取效果整体优于随机森林法,基于最大似然法对RGB图像、DSM图像、DSM+RGB特征融合图像、DSM+EXG特征融合图像提取倒伏小麦面积的整体精度分别为77.21％、93.37％、93.75％和81.78％,Kappa系数分别为0.54、0.86、0.87和0.64,对比分析发现DSM+RGB特征融合图像提取小麦倒伏面积精度最高.该研究表明通过图像特征融合的方法能够有效提取倒伏小麦信息,为快速提取小麦倒伏面积提供参考.

关键词：无人机、遥感、图像处理、特征融合、DSM、小麦、倒伏

所属期刊栏目：37

分类号：S127(农业物理学)

资助基金：山东省引进顶尖人才"一事一议"专项经费资助项目;山东省农业重大应用技术创新项目

在线出版日期：2021-04-15（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：73-80