文献类型：期刊文章

作　　者：王翔宇[1] 杨菡[2] 李鑫星[2] 郑永军[3] 严海军[4] 李娜[5]

WANG Xiang-yu;YANG Han;LI Xin-xing;ZHENG Yong-jun;YAN Hai-jun;LI Na(Department of Electronic Information and Physics,Changzhi University,Changzhi 046011,China;Beijing Laboratory of Food Quality and Safety,College of Information and Electrical Engineering,China Agricultural University,Beijing 100083,China;College of Engineering,China Agricultural University,Beijing 100083,China;College of Water Conservancy and Civil Engineering,China Agricultural University,Beijing 100083,China;Industrial Technology Center,Chengde Petroleum College,Chengde 067000,China)

机构地区：[1]长治学院电子信息与物理系,山西长治046011 [2]中国农业大学信息与电气工程学院,食品质量与安全北京实验室,北京100083 [3]中国农业大学工学院,北京100083 [4]中国农业大学水利与土木工程学院,北京100083 [5]承德石油高等专科学校工业技术中心,河北承德067000

出　　处：《光谱学与光谱分析》

基　　金：国家重点研发计划项目(2017YFD0201502)资助。

年　　份：2021

卷　　号：41

期　　号：1

起止页码：265-270

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、PUBMED、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：玉米是我国重要的粮食作物之一,在我国种植规模最大、发展最快。玉米的长势会直接影响到其产量和品质,因此通过对玉米的长势进行有效监测,可以为田间管理、早期产量估算提供宏观的参考信息,为国家和相关部门决策提供重要的参考依据。以无人机为遥感平台,搭载影像传感器构建遥感系统,获取玉米可见光谱遥感影像。利用ENVI软件对获取的玉米冠层可见光谱彩色图像进行几何校正和辐射校正,然后对图像进行彩色图像灰度化和增强处理。利用对农田复杂背景适应能力较好以及具有较强光照适应性的AP-HI算法完成作物分割来提取玉米覆盖度信息。在计算玉米覆盖度时,首先利用AP-HI算法将图像进行分割,并转换为二值图,来去除图像中的土地、水管、道路、作物残渣等背景,以保留玉米的二值图像。图像中的农田存在道路区域,计算实际作物覆盖度时需将其排除。道路区域出现在图像的四个边界以及相对正中的位置处,对这些位置分别进行处理,统计其中黑色像素点的个数,根据像素点个数确定道路宽度,并将道路部分从二值图中去除。去除后的二值图中,白色像素为无作物区域,黑色像素为玉米种植区域,统计黑色像素占总像素的比例,以此确定作物的多少。选取80×80像素值作为单位面积,对处理图像进行分块标记,得到区块数为720,对单位面积的分块进行全区域扫描,每当扫描到一个黑色像素值就将总的统计面积加1,直至扫描到6400个像素点,计算其中含有的总的黑色像素值数目与6400的比值,直至将720个区块黑色像素点占总像素比例统计完全,即可计算图像中黑色像素数与总像素数之比,即为玉米覆盖度。在此基础上,根据实际情况计算玉米冠层孔隙率,并建立覆盖度与叶面积指数模型,完成玉米叶面积指数反演,为玉米长势监测提供理论依据。

关 键 词：无人机 遥感 可见光谱 玉米 长势监测 叶面积指数

分 类 号：S127]