文献类型：期刊文章

作　　者：牛鲁燕[1] 蒋风伟[2] 张俊丽[3] 孙家波[1] 张晓艳[1] 卢德成[1] 刘延忠[4]

Niu Luyan;Jiang Fengwei;Zhang Junli;Sun Jiabo;Zhang Xiaoyan;Lu Decheng;Liu Yanzhong(Institute of Science and Technology Information,Shandong Academy of Agricultural Sciences,Jinan 250100,China;People’s Government of Xingcun Town,Sishui County,Sishui 273209,China;Juancheng Bureau of Agricultural and Rural Affairs,Juancheng 274600,China;Shandong Cotton Research Center,Jinan 250100,China)

机构地区：[1]山东省农业科学院科技信息研究所,山东济南250100 [2]泗水县星村镇人民政府,山东泗水273209 [3]鄄城县农业农村局,山东鄄城274600 [4]山东棉花研究中心,山东济南250100

出　　处：《山东农业科学》

基　　金：国家重点研发计划项目(2017YFD0301004-3)。

年　　份：2021

卷　　号：53

期　　号：3

起止页码：139-145

语　　种：中文

收录情况：BDHX、BDHX2020、JST、ZGKJHX、核心刊

摘　　要：高效、无损的监测作物长势是现代精准农业的核心环节,无人机平台因具有成本低、数据获取效率高、测试高度及测试时间可按需调节等优点,在监测作物长势中发挥着地面平台和高空平台无法比拟的优势。本研究以小麦为研究对象,应用无人机搭载RedEdge-M多光谱相机获取主要生育时期的小麦冠层多光谱影像,并同步取样测量小麦叶片SPAD、地上部鲜重和干重,进一步探索基于无人机平台获取多光谱影像的预处理方法,提取小麦冠层反射率并筛选出适合作物长势监测的植被指数,构建基于无人机平台的小麦长势监测模型,结果表明,基于NDVI、SAVI、CCCI构建的多元线性回归模型精度更高、稳定性更好。预测小麦SPAD值的最佳模型为y=19.765+7.522NDVI+18.362SAVI+25.629CCCI,R^(2)为0.965;预测小麦地上部干重的最佳模型为y=-0.508+0.603NDVI+0.325SAVI+0.032CCCI,R^(2)为0.951;预测小麦地上部鲜重的最佳模型为y=-2.217+2.923NDVI+2.213SAVI-1.417CCCI,R^(2)为0.766。本研究结果可为园区和农场尺度小麦长势的实时监测提供有效技术支撑。

关 键 词：无人机 多光谱影像 小麦 长势监测

分 类 号：S512.1] TP79]