基于低空光譜成像遙感技術(shù)的油菜冠層SPAD檢測研究.pdf

1、油菜是我國重要的油料作物，油菜種植時氮肥施用量影響油菜籽的產(chǎn)量以及含油量，利用低空光譜成像遙感技術(shù)，及時有效地檢測油菜冠層的氮含量水平，制定精細的養(yǎng)分管理方案，有利于提高油菜的產(chǎn)量與質(zhì)量。本研究選用一種甘藍型油菜——浙雙758作為研究對象，以SPAD值作為氮素評判指標，利用無人機模擬平臺搭載多光譜相機進行低空遙感，并基于多光譜圖像的植被指數(shù)和紋理特征分別建立油菜冠層SPAD值低空遙感解析模型;通過設置不同的圖像采集時間、采集時相機高度及

2、運動速度等三個變量，探究不同采集因素對SPAD值解析模型的影響。本研究還利用可見近紅外高光譜成像技術(shù)檢測油菜冠層SPAD值，在優(yōu)選光譜預處理及特征波段選取方法后，分別基于全波段、特征波段光譜反射率以及特征波段圖像紋理特征，采用不同化學計量學建模方法建立油菜冠層SPAD值解析模型。主要研究結(jié)論如下：
　　(1)基于多光譜圖像優(yōu)選植被指數(shù)建立油菜冠層SPAD值預測模型時，植被指數(shù)NIR/G和(NIR-G)/(NIR+G)與冠層SPAD

3、值有較好的相關(guān)性，整體上線性函數(shù)模型優(yōu)于二次函數(shù)和指數(shù)函數(shù)模型;基于多光譜圖像紋理特征建立油菜冠層SPAD值預測模型時，PLS模型優(yōu)于MLR模型;基于紋理特征建模易受成像質(zhì)量的影響，不同條件下基于優(yōu)選植被指數(shù)的模型預測性能穩(wěn)定性優(yōu)于基于紋理特征的模型。
　　(2)多光譜圖像采集時間、采集高度、采集速度對基于植被指數(shù)、紋理特征的SPAD值預測模型性能均有不同程度的影響;基于植被指數(shù)建模時，圖像采集時間延后、采集高度增加能顯著提高模型

4、預測性能，采集速度降低模型預測性能略高;基于紋理特征建模時，圖像采集時間延后、采集高度增加、采集速度降低均能顯著提高模型預測性能;基于植被指數(shù)、紋理特征的SPAD值預測模型均在第3次圖像采集高度為1.9m、速度為0.1m/s時，模型預測集相關(guān)系數(shù)Rp達到最優(yōu)，分別為0.7354和0.7800。
　　(3)基于可見近紅外高光譜圖像光譜特征建立油菜冠層SPAD預測模型時，優(yōu)選卷積平滑和連續(xù)投影算法為光譜預處理和特征波段選擇方法;基于全

5、波段的SPAD值PLS預測模型預測集相關(guān)系數(shù)Rp在第3次圖像采集時達到最優(yōu)，為0.8287;不同時間基于特征波段光譜反射率建立PLS、MLR、BPNN、SVM、ELM等5種油菜冠層SPAD值預測模型時，ELM模型適應性略優(yōu)，模型預測集相關(guān)系數(shù)Rp在第3次圖像采集時達到最優(yōu)，為0.8466;基于特征波段圖像紋理特征建立油菜冠層SPAD預測模型時，PLS模型優(yōu)于MLR模型，在第2次圖像采集時達到最優(yōu)，為0.7341;圖像采集時間對建模效果有