论文部分内容阅读
【研究背景】水稻是我国重要的粮食作物之一,对我国的粮食安全和保障人民基本生活具有重要意义。快速、无损、准确地监测作物长势,并准确预测作物产量是现代精确农业的核心环节。近年来快速发展的无人机遥感技术,相比地面遥感手段具有覆盖面积大、效率高的优点,相比卫星遥感手段具有重返周期短、灵活性高同时能够获取更高空间分辨率影像的特点。但是目前在水稻长势监测研究上应用较多的是多旋翼无人机,对于效率更高、续航时间更长的固定翼无人机的研究较少。【材料与方法】本研究以水稻为研究对象,在江苏省兴化市百万亩国家粮食生产功能区(119°53E,33°04N),开展了涉及2个水稻品种(籼粳杂交稻:甬优2640;粳稻:南粳9108),3种播栽方式(钵苗机插,毯苗机插,直播稻)和4个施氮水平处理(0;135 kg N ha-1;270 kg N ha-1;405 kg N ha-1)的田间试验,应用固定翼无人机eBee SQ(SenseFly,Ins.,Cheseaux-Losanne,Switzerland)和Sequoia多光谱相机(Parrot,Ins.,Paris,France)获取主要生育期的水稻冠层多光谱影像,经过图像预处理、图像拼接等数据预处理过程后,提取到水稻原始冠层多光谱反射率;并同步破坏性取样测试水稻叶面积指数(leaf area index,LAI)、叶片干物重(leaf dry matter,LDM,g/m2)和产量(tha-1)等。【结果与分析】从拔节期至灌浆前期,采用原始光谱反射率计算所得的各类植被指数与LAI,LDM进行了相关性分析,结果表明,归一化红边植被指数(Normalized difference Red-edge,NDRE[735,790])的表现优于其他植被指数,相关系数(R2)分别达到0.68和0.60。单个生育期植被指数与籽粒产量的相关性分析发现:灌浆期的相关性高于其他生育期,表现最好的植被指数是垂直植被指数(Perpendicular Vegetation Index,PVI[660,790]),R2达到0.66。进一步将多生育期的植被指数(PVI[660,790])进行组合(连续或非连续)与水稻籽粒产量用3种方法进行相关性分析发现:基于多元线性回归方法的任意两个生育时期植被指数MLR(PVI[660,790])与产量进行相关性分析结果显示,水稻拔节期与灌浆期进行组合能够提高与产量的相关性(R2=0.74)。任意两个生育时期植被指数之和SUM(PVI[660,790])与籽粒产量关系中,拔节期与灌浆期组合能够提高与产量的相关性(R2=0.72)。连续生育时期累计植被指数∑PVI[660,790]与产量的相关性分析结果显示,不同生育时期不断累积∑PVI[660,790]与产量的相关性并没有提高,最大R2只有0.43(开花期到灌浆期)。【结论】本研究构建了基于无人机影像的水稻LAI、LDM监测和产量预测模型。利用多光谱影像监测全生育期LAI和LDM表现最好的植被指数均为NDRE[735,790]。利用单一生育期植被指数预测产量效果最好的时期是灌浆期,最好的植被指数是PVI[660,790]。拔节期和灌浆期的植被指数进行组合,利用多元线性回归方法构建的MLR(PVI[660,790])和任意2个生育期植被指数之和SUM(PVI[660,790])都不同程度地提高了预测精度。研究结果为快速无损监测农作物长势状况提供了技术支撑。