论文部分内容阅读
我国的农作物生产依赖化肥的施用,其中存在着施肥效益低、浪费损失严重等问题。本论文针对我国目前作物变量追肥决策科学依据不足的现状,开发了一种基于多旋翼无人机的多光谱成像遥感系统,并分别从冠层和大田区域尺度获取水稻的养分信息,以SPAD值作为养分评判指标,建立遥感反演模型,获取可视化空间分布图,为后期区域尺度下变量施肥处方图的生成提供了依据。主要研究内容和结论如下:(1)开发了一种基于多旋翼无人机的小重量、多波段、快速成像的窄波段多光谱成像遥感系统。针对目前多光谱成像传感器相对于高光谱波段数目有限、且波段较宽不能满足精细定量遥感需求以及高光谱成像遥感系统往往体积重量大的现状,以CMOSIS CMV2000多光谱成像传感器为基础,设计集成了一套机载多光谱成像遥感平台系统。系统由主控计算机、高光谱相机、数据储存、界面显示和供电系统五部分组成,实现了多光谱传感器的供电、控制和图像数据储存。该系统获取的多光谱图像波段数较多(25个)、波段窄(<15 nm),且能根据遥感作业的实时要求进行定点抓拍。系统通过相机暗电流测试和水稻冠层图谱数据测试,初步验证可以用于水稻养分信息获取。(2)基于无人机低空模拟平台实现了冠层尺度的水稻SPAD值检测,初步验证该多光谱成像遥感系统可以用于水稻养分的定量检测。利用无人机低空模拟平台搭载多光谱成像遥感系统模拟室外和低空环境获取水稻冠层多光谱图像,选取PC2作为特征图像进行阈值分割,实现目标区域的自动识别和提取;利用标准的四梯度校正板将得到的样本DN值通过经验线性法转换成表面反射率;基于全波段光谱信息采用PLS、BPNN、LS-SVM和ELM算法建立不同的水稻冠层SPAD值预测模型,比较发现ELM模型的精度好于其他三种模型,建模集决定系数R2和预测集决定系数R2均最高,分别为0.86和0.71;基于三种窄波段组合最优植被指数建立水稻冠层SPAD值预测模型,比较发现基于波段693 nm和849 nm的NDVI-like指数的建模效果要稍好于其他两种指数的建模效果,预测集决定系数R2为0.59,均方根误差RMSE低于1.6。(3)基于多旋翼无人机实现了大田区域尺度的水稻SPAD值检测。多光谱图像采集前,根据遥感作业任务要求选择合适的试验参数;使用Agisoft Photoscan实现无人机多光谱图像的快速自动拼接,得到无人机多光谱正射影像图,并采用场地替代定标方式和经验线性法进行辐射定标,获得大田水稻冠层的反射率光谱数据;采用PLS算法基于全谱信息建立大田水稻SPAD值的预测模型,建模集决定系数R2为0.8135,预测集R2为0.6759;基于三种窄波段组合最优植被指数建立大田水稻SPAD值的线性预测模型,比较发现基于SR-like(R732,R889)的大田水稻SPAD值预测模型精度最高,建模集R2为0.7008,预测集R2为0.6354,精度虽然没有基于全谱信息的PLS模型高,但简化了运算;以SR-like(R732,R889 建立的线性模型对多光谱图像进行SPAD值可视化反演,实现了可视化空间分布。