学术中心
利用无人机图像对不同氮素处理下水稻叶面积指数的多时相监测
发布时间:
2021-05-21
来源:
本站
作者:
PhenoTrait
利用先进的光学技术进行无人机遥感已成为一种极具潜力的作物生长状况监测工具。尽管利用无人机图像数据对作物生长进行了大量研究,但要获得令人满意的结果仍然存在挑战。本研究利用无人机RGB和多光谱成像技术,对水稻全生育期叶面积指数(LAI)进行了估算。
多光谱(MS)和RGB相机的正交图像
不同氮素处理和生育期对叶面积指数(LAI)的影响
首先,利用八旋翼无人机采集水稻冠层的多时相RGB和MS图像。然后,从RGB和MS图像中提取植被指数(VIs)。接着,基于偏最小二乘回归(PLSR)、支持向量机(SVM)、随机森林(RF)和极值学习机(ELM)四种机器学习方法建立了LAI预测模型。最后,对模型的估计性能进行了评价。结果表明,融合RGB图像和MS图像可见光的ELM模型预测效果最好。拔节初期、孕穗期、抽穗期和灌浆期以及各生育期的组合对LAI的预测效果较好,其决定系数R2分别为0.78、0.45、0.55、0.64和0.70,说明拔节初期对LAI的预测效果最好。利用最优VIs建立的LAI预测模型在整个生育期的预测均方根误差(RMSEP)降低了18.5%,在每个生育期的预测均方根误差降低不一致。综上所述,本文的研究表明,基于无人机的RGB和MS图像融合在水稻LAI预测中具有很大的潜力。
用ELM预测LAI的决定系数R2和预测均方根误差RMSEP
VIs与单波段与LAI的相关系数
来源:
Du X, Wan L, Cen H, et al. Multi-temporal monitoring of leaf area index of rice under different nitrogen treatments using UAV images. International Journal of Precision Agricultural Aviation. DOI: 10.33440/j.ijpaa.20200301.57.
推荐新闻
视频展示