文献类型：期刊文章

作　　者：魏鹏飞[1,2] 徐新刚[1] 李中元[2] 杨贵军[1] 李振海[1] 冯海宽[1] 陈帼[1,2] 范玲玲[1] 王玉龙[1] 刘帅兵[1]

Wei Pengfei;Xu Xingang;Li Zhongyuan;Yang Guijun;Li Zhenhai;Feng Haikuan;Chen Guo;Fan Lingling;Wang Yulong;Liu Shuaibing(Key Laboratory of Quantitative Remote Sensing in Agriculture of Ministry of Agriculture P. R.China,Beijing Research Center for Information Technology in Agriculture,Beijing 100097,China;College of Resources and Environment,Hubei University,Wuhan 430062,China)

机构地区：[1]农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心,北京100097 [2]湖北大学资源环境学院,武汉430062

出　　处：《农业工程学报》

基　　金：国家重点研发计划(2017YFD0201501);国家自然科学基金(41571416)

年　　份：2019

卷　　号：35

期　　号：8

起止页码：126-133

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用无人机平台搭载多光谱相机组成的遥感监测系统在农业上已取得了一些成果,但利用无人机多光谱影像开展作物氮素估测研究少有尝试。基于此,该文利用国家精准农业基地2017年夏玉米3个关键生育期无人机多光谱影像和田间实测叶片氮含量数据,开展夏玉米叶片氮素含量的无人机遥感估测研究。对该研究选用的15个光谱变量,通过相关性分析解析光谱变量与LNC的相关关系,筛选出对玉米叶片氮素含量敏感的光谱变量;应用后向逐步回归方法分析不同变量指数下估测精度变化,最终确定不同生育期夏玉米LNC估测的光谱变量,实现对夏玉米叶片氮含量的较高精度监测。研究发现:1)在3个生育时期,GRE和GNDVI与LNC都有很强的相关性,表明绿波段可以很好地进行夏玉米生物理化参数的反演;2)在喇叭口期和灌浆期,OSAVI、SAVI与LNC具有高度相关性,证明在夏玉米生长前期和后期选择控制土壤因素的光谱变量可以提高对氮素估测的能力。在筛选最优光谱变量建模过程中发现,喇叭口期选取5个光谱变量(GNDVI、GRE、OSAVI、REG、SAVI)建模效果最好,估测模型的R^2、RMSE和nRMSE分别为0.63、27.63%、11.62%;抽雄吐丝期选取6个光谱变量(REG、GRE、GNDVI、MNLI、RED、NDVI)建模效果最好,估测模型的R^2、RMSE和n RMSE分别为0.64、20.50%、7.80%;灌浆期选取5个光谱变量(GRE、GNDVI、RED、NDVI、OSAVI)建模效果最好,估测模型的R^2、RMSE和n RMSE分别为0.56、31.12%、12.71%;在不同生育期选取最优光谱变量进行夏玉米LNC估测具有很好的效果。应用无人机多光谱遥感影像数据可以很好地监测田块尺度夏玉米LNC的空间分布,可为玉米田间氮素精准管理提供空间决策服务信息支持。

关 键 词：无人机 遥感  氮  多光谱 叶片氮含量 逐步回归  夏玉米

分 类 号：S252]