利用无人机高光谱图像捕获相对光谱变量评估水稻产量

利用无人机高光谱图像捕获相对光谱变量评估水稻产量

本研究提出了基于地块层次的相对植被指数(ΔVI)和相对产量,并进一步估算水稻产量,植物表型资讯介绍如下:

时间序列植被指数(VIs)通常用于粮食产量估算。然而,不同的背景、光照和大气条件都可能会影响多时相VIs,因此时间序列VIs的绝对误差可能还包括除了植被变化的外部条件引起的影响,这将对评估作物产量的准确性造成负面影响。因此,本研究提出了基于地块层次的相对植被指数(ΔVI)和相对产量,并进一步估算水稻产量。

图1.田间实验的位置

研究人员在2017年生长季节期间,利用无人机搭载Rikola高光谱成像仪,获得了分蘖期、拔节期、孕穗期、抽穗期、灌浆期、成熟期等关键生育期的高光谱图像和水稻产量。利用500~900 nm离散通道的所有可能双波段组合,分别建立了三种类型的地块级相对植被指数,包括相对归一化差植被指数(RNDVI)、相对比值植被指数(RRVI)和相对差植被指数(RDVI)。在水稻产量估算中,确定了不同生育阶段的最佳VI型及其波段组合。此外,通过F检验确定用于产量估算的不同生长阶段的最佳组合,并使用留一交叉验证(LOOCV)方法进行验证。

图2.无人机高光谱平台

比较结果表明,对于单生育期模型,孕穗期RNDVI[880,712]与水稻产量相关性最好,R2值为0.75。对于多生育期模型,拔节期RNDVI[808,744]、孕穗期RNDVI[880,712]、灌浆期RNDVI[808,744]的获得的R2值较高,为0.83,水稻估产的平均绝对百分误差为3%。综上所述,该方法将进一步丰富基于遥感数据的作物产量估算技术系统。

图3.来自所有波段组合的相对VI与相对产率之间的相关系数:(A-C),(D-F),(G-I),(J-L),(M-O)和(P- R)分别对应于RNDVI,RRVI和RDVI的分蘖期,拔节期,孕穗期,抽穗期,灌浆期和成熟期

来源:

Wang Fl, Wang Fm, Zhang Y, et al.Rice Yield Estimation Using Parcel-Level Relative Spectral Variables From UAV-Based Hyperspectral Imagery. Front. Plant Sci., 10 April 2019 | https://doi.org/10.3389/fpls.2019.00453.

微信图片_20190423133619

扩展阅读:

粽香情浓,植物表型资讯一周年目录汇总

植物表型资讯2018年1-12月目录汇总

植物表型资讯2019年1-4月目录汇总

微信图片_20190408151928