|本期目录/Table of Contents|

[1]王永东,尼格拉·吐尔逊,郑江华,等.基于无人机可见光影像的坐果期枣树冠层SPAD值估算[J].江苏农业科学,2024,52(6):206-215.
　Wang Yongdong,et al.Preliminary estimation of canopy SPAD value of jujube tree during fruit-setting period based on UAV visible image[J].Jiangsu Agricultural Sciences,2024,52(6):206-215.
点击复制

基于无人机可见光影像的坐果期枣树冠层SPAD值估算(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第6期
页码:
206-215
栏目:
农业工程与信息技术
出版日期:
2024-03-20

文章信息/Info

Title:
Preliminary estimation of canopy SPAD value of jujube tree during fruit-setting period based on UAV visible image
作者:
王永东1; 尼格拉·吐尔逊1; 郑江华1; 3; 巴日斯1; 王蕾2
1.新疆大学地理与遥感科学学院，新疆乌鲁木齐 830046； 2.新疆林业科学院现代林业研究所，新疆乌鲁木齐 830000；3.绿洲生态教育部重点实验室，新疆乌鲁木齐 830046
Author(s):
Wang Yongdong ; et al
关键词:
无人机; 枣树冠层; 可见光; SPAD值; 植被指数; 反演模型; 随机森林算法
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
以坐果期枣树为研究对象，利用无人机可见光影像，对田间尺度的枣树冠层SPAD值进行监测，基于14种植被指数与枣树冠层实测SPAD值的相关性，优选植被指数构建单变量回归、多元逐步回归和随机森林回归的枣树冠层SPAD值估算模型，以期探讨无人机可见光遥感影像估算枣树冠层SPAD值的可行性。通过相关性分析发现，红绿比值指数(RGRI)、超绿指数(EXG)、改进型绿红植被指数(MGRVI)、可见光波段差异植被指数(VDVI)、可见光大气阻抗植被指数(ARVI)与枣树冠层SPAD值的相关性极显著，其中EXG与枣树冠层SPAD值的相关系数达到-0.578。基于枣树冠层SPAD值的相关性极显著的5种植被指数构建的单变量反演模型的r2在0.111~0.604之间，RMSE在1.936~3.085之间。其中，以EXG构建的线性模型为单变量反演模型中效果最优的模型，r2达到0.604，RMSE为1936。基于RGRI、MGRVI、EXG协同构建的多元逐步回归模型效果优于任何单一植被指数构建的单变量反演模型，R2达到0.635。与使用单变量构建的线性或非线性模型相比，基于随机森林算法构建的枣树冠层SPAD值反演模型效果最佳，其r2达到0.804，RMSE为1.317。基于随机森林算法的枣树冠层SPAD值反演模型表现出了对实测值较高的拟合能力和较优的模型预测能力，表现出了对枣树特殊种植结构比较健壮的反演能力，以及对土壤等背景因素的抗干扰能力。研究结果为低空遥感监测林果长势和健康评估提供了技术支撑。
Abstract:
-

参考文献/References:

［1］Agarwal A，Gupta S D. Assessment of spinach seedling health status and chlorophyll content by multivariate data analysis and multiple linear regression of leaf image features［J］. Computers and Electronics in Agriculture，2018，152：281-289.
［2］Xu J，Volk T，Quackenbush L，et al. Estimation of shrub willow leaf chlorophyll concentration across different growth stages using a hand-held chlorophyll meter to monitor plant health and production［J］. Biomass and Bioenergy，2021，150(1)：106132.
［3］徐晋，蒙继华. 农作物叶绿素含量遥感估算的研究进展与展望［J］. 遥感技术与应用，2016，31(1)：74-85.
［4］杨志莹，张海良，王胜，等. 盐胁迫下丁香叶绿素含量与SPAD值相关性分析［J］. 山东农业科学，2021，53(9)：8-12.
［5］尚永胜，孙思维，杨文瑾，等. 平欧杂交榛叶片叶绿素含量与SPAD值相关性研究［J］. 林业科技，2021，46(4)：15-17.
［6］尼格拉·吐尔逊，苏磊·乃比，高健，等. GWLS-SVR模型的红枣树叶片叶绿素含量估算［J］. 光谱学与光谱分析，2021，41(6)：1730-1736.
［7］刘帅兵，杨贵军，景海涛，等. 基于无人机数码影像的冬小麦氮含量反演［J］. 农业工程学报，2019，35(11)：75-85.
［8］方德涛，刘珊珊，张笑. 低空无人机遥感系统在海岛潮间带监测中的应用［J］. 北京测绘，2019，33(1)：71-75.
［9］贾慧，杨柳，郑景飚. 无人机遥感技术在森林资源调查中的应用研究进展［J］. 浙江林业科技，2018，38(4)：89-97.
［10］毛智慧，邓磊，孙杰，等. 无人机多光谱遥感在玉米冠层叶绿素预测中的应用研究［J］. 光谱学与光谱分析，2018，38(9)：2923-2931.
［11］陈浩，冯浩，杨祯婷，等. 基于无人机多光谱遥感的夏玉米冠层叶绿素含量估计［J］. 排灌机械工程学报，2021，39(6)：622-629.
［12］乔浪，张智勇，陈龙胜，等. 基于无人机图像的玉米冠层叶绿素含量检测与分布研究［J］. 农业机械学报，2019，50(增刊)：182-186，194.
［13］刘小辉. 基于无人机影像的小麦叶绿素含量及产量定量反演研究［D］. 合肥：安徽大学，2019.
［14］奚雪，赵庚星. 基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测［J］. 中国农学通报，2020，36(20)：119-126.
［15］Mao Z H，Deng L，Duan F Z，et al. Angle effects of vegetation indices and the influence on prediction of SPAD values in soybean and maize［J］. International Journal of Applied Earth Observation and Geoinformation，2020，93：102198.
［16］马明洋，许童羽，周云成，等. 东北粳稻叶绿素相对含量的无人机高清影像检测方法［J］. 沈阳农业大学学报，2017，48(6)：757-762.
［17］Schirrmann M，Giebel A，Gleiniger F，et al. Monitoring agronomic parameters of winter wheat crops with low-cost UAV imagery［J］. Remote Sensing，2016，8(9)：706.
［18］孟沌超，赵静，兰玉彬，等. 基于无人机可见光影像的玉米冠层SPAD反演模型研究［J］. 农业机械学报，2020，51(增刊2)：366-374.
［19］贺英，邓磊，毛智慧，等. 基于数码相机的玉米冠层SPAD遥感估算［J］. 中国农业科学，2018，51(15)：2886-2897.
［20］王丽爱，马昌，周旭东，等. 基于随机森林回归算法的小麦叶片SPAD值遥感估算［J］. 农业机械学报，2015，46(1)：259-265.
［21］沈江龙，郑江华，尼格拉·吐尔逊，等. 若羌绿洲特色林果种植信息遥感提取方法适用性分析［J］. 中国农业资源与区划，2022，43(2)：206-219.
［22］Verrelst J，Schaepman M E，Koetz B，et al. Angular sensitivity analysis of vegetation indices derived from CHRIS/PROBA data［J］. Remote Sensing of Environment，2008，112(5)：2341-2353.
［23］Sellaro R，Crepy M，Trupkin S A，et al. Cryptochrome as a sensor of the blue/green ratio of natural radiation in Arabidopsis［J］. Plant Physiology，2010，154(1)：401-409.
［24］魏全全，李岚涛，任涛，等. 基于数字图像技术的冬油菜氮素营养诊断［J］. 中国农业科学，2015，48(19)：3877-3886.
［25］Jin X L，Ma J H，Wen Z D，et al. Estimation of maize residue cover using Landsat-8 OLI image spectral information and textural features［J］. Remote Sensing，2015，7(11)：14559-14575.
［26］Peuelas J，Gamon J A，Fredeen A L，et al. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves［J］. Remote Sensing of Environment，1994，48(2)：135-146.
［27］Gitelson A A，Kaufman Y J，Stark R，et al. Novel algorithms for remote estimation of vegetation fraction［J］. Remote Sensing of Environment，2002，80(1)：76-87.
［28］Hunt E R，Cavigelli M，Daughtry C S T，et al. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status［J］. Precision Agriculture，2005，6(4)：359-378.
［29］王方永，王克如，李少昆，等. 利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量［J］. 作物学报，2010，36(11)：1981-1989.
［30］Woebbecke D M，Meyer G E，von Bargen K，et al. Color indices for weed identification under various soil，residue，and lighting conditions［J］. American Society of Agricultural Engineers，1995，38(1)：259-269.
［31］汪小钦，王苗苗，王绍强，等. 基于可见光波段无人机遥感的植被信息提取［J］. 农业工程学报，2015，31(5)：152-159.
［32］Rondeaux G，Steven M，Baret F. Optimization of soil-adjusted vegetation indices［J］. Remote Sensing of Environment，1996，55(2)：95-107.
［33］Bendig J，Yu K，Aasen H，et al. Combining UAV-based plant height from crop surface models，visible，and near infrared vegetation indices for biomass monitoring in barley［J］. International Journal of Applied Earth Observation and Geoinformation，2015，39：79-87.
［34］郭铌. 植被指数及其研究进展［J］. 干旱气象，2003(4)：71-75.
［35］徐建华. 计量地理学［M］. 北京：高等教育出版社，2006.
［36］Breiman L. Random forests［J］. Machine Learning，2001，45(1)：5-32.
［37］周敏姑，邵国敏，张立元，等. 无人机多光谱遥感反演冬小麦SPAD值［J］. 农业工程学报，2020，36(20)：125-133.
［38］田军仓，杨振峰，冯克鹏，等. 基于无人机多光谱影像的番茄冠层SPAD预测研究［J］. 农业机械学报，2020，51(8)：178-188.
［39］牛庆林，冯海宽，周新国，等. 冬小麦SPAD值无人机可见光和多光谱植被指数结合估算［J］. 农业机械学报，2021，52(8)：183-194.

相似文献/References:

[1]孙世泽,汪传建,刘伟,等.无人机多光谱草地估产中的最佳波段组合研究[J].江苏农业科学,2018,46(04):190.
　Sun Shize,et al.Study on optimum band combination in estimating biomass of grassland based on UAV multispectral images[J].Jiangsu Agricultural Sciences,2018,46(6):190.
[2]梁钊雄,周红艺,吴国威,等.基于无人机影像的崩岗空间分布特征研究[J].江苏农业科学,2018,46(04):220.
　Liang Zhaoxiong,et al.Study on spatial distribution of collapse base on UAV images[J].Jiangsu Agricultural Sciences,2018,46(6):220.
[3]琚书存,汪志存,张东彦,等.基于高分辨率无人机影像的喷药除草效果评估[J].江苏农业科学,2019,47(06):76.
　Ju Shucun,et al.Evaluation of spraying and weeding effect based on high resolution UAV image[J].Jiangsu Agricultural Sciences,2019,47(6):76.
[4]苏瑞东.无人机在现代农业中的应用综述[J].江苏农业科学,2019,47(21):75.
　Su Ruidong.Application of UAVs in modern agriculture： a review[J].Jiangsu Agricultural Sciences,2019,47(6):75.
[5]孙星星,王凯,李红阳,等.航空超低量喷雾技术在水稻生产上应用现状、存在问题及发展趋势[J].江苏农业科学,2020,48(13):29.
　Sun Xingxing,et al.Application status， existing problems and development trends of aviation ultra-low volume spray technology in rice production[J].Jiangsu Agricultural Sciences,2020,48(6):29.
[6]林峰.虚拟现实技术在农业可视化场景快速构建中的应用[J].江苏农业科学,2020,48(14):268.
　Lin Feng.Application of virtual reality technology in rapid construction of agricultural visualization scene[J].Jiangsu Agricultural Sciences,2020,48(6):268.
[7]徐国钦,黄明凤,黄建平.基于改进语义分割模型的无人机多光谱图像杂草分割[J].江苏农业科学,2022,50(12):212.
　Xu Guoqin,et al.Segmentation of UAV multispectral weed image based on improved semantic segmentation model[J].Jiangsu Agricultural Sciences,2022,50(6):212.
[8]王羿,丁鸣鸣,何菁,等.基于不同建模方法的土壤pH值无人机遥感影像反演[J].江苏农业科学,2022,50(14):224.
　Wang Yi,et al.Soil pH UAV remote sensing image inversion based on different modeling methods[J].Jiangsu Agricultural Sciences,2022,50(6):224.
[9]孙乐鑫,陈兵,赵静,等.无人机施药技术在农业生产中的应用研究现状及展望[J].江苏农业科学,2022,50(15):31.
　Sun Lexin,et al.Research status and prospect on application of UAV spray technology in agricultural production[J].Jiangsu Agricultural Sciences,2022,50(6):31.
[10]杨野,杨德昌,孙红,等.基于无人机多光谱遥感和机器学习算法的南疆棉花生物量估算[J].江苏农业科学,2023,51(15):179.
　Yang Ye,et al.Estimation of cotton biomass in southern Xinjiang based on UAV multi-spectral remote sensing and machine learning algorithm[J].Jiangsu Agricultural Sciences,2023,51(6):179.

备注/Memo

备注/Memo:
收稿日期：2023-05-22
基金项目：新疆大学横向科研项目(编号：2020670007)。
作者简介：王永东(1997—)，男，甘肃定西人，硕士研究生，主要从事遥感技术应用与农业遥感研究。E-mail： wyd1997@stu.xju.edu.cn。
通信作者：郑江华，博士，教授，主要从事干旱区环境遥感与生态评价研究。E-mail： zheng _ jianghua@126.com。
更新日期/Last Update: 2024-03-20