王凡;孟翔宇;陈龙跃;段丹丹;【目的 】花生是我国重要的油料作物之一,从无人机遥感影像中准确识别花生植株,实现快速、无损、准确的花生株数统计,对花生田间管理和高产具有重大意义。【方法 】文章以广东省河源市灯塔盆地花生种植基地为研究对象,利用无人机获取花生种植区域的高光谱图像(Hyperspectral Images,HSI)数据,利用提取花生平均覆盖度的方法近似估算花生株数。通过分析390~1 000 nm范围内高光谱图像特征,选取分割提取花生植株的有效特征波段,构建了包括光谱特征(Vegetation Indices,VIs)和群体形态特征(Morphological Parameters,MPs)在内共20个特征参数,并利用皮尔逊相关分析选择了12个参数。然后基于偏最小二乘回归(Partial Least Square Regression,PLSR)、随机森林回归(Random Forest Regression,RFR)和支持向量回归(Support Vector Regression,SVR) 3种算法,分别利用光谱特征、群体形态特征、联合光谱特征和群体形态特征构建花生平均覆盖度估测模型,并确定估算花生平均覆盖度的最优估测模型。【结果 】(1)在可见光区域,绿色植株与背景区域的差异明显且不存在重叠区域,671 nm处光谱反射率可有效区分花生植株与背景区域。(2)在使用PLSR、RFR和SVR 3种算法训练的模型中,SVR模型估测结果的精度最佳。(3)在单特征模型中,基于群体形态特征指数的模型精度优于基于最优光谱指数所构建的模型。在多特征模型中,联合光谱特征和群体形态特征所构建的模型精度更高、稳定性更强,PLSR、RFR和SVR 3种模型的R~2分别达到0.56、0.58和0.75。其中,SVR模型的RMSE低至0.29株。【结论】基于SVR算法、光谱特征和群体形态特征所构建的模型能有效监测田间条件下的花生覆盖度水平,适用于基于无人机的花生苗期株数的实时快速检测,可为花生的精准管理生产提供一种快捷高效的技术手段。
2024年04期 v.36 1-13页 [查看摘要][在线阅读][下载 1422K] [下载次数:151 ] |[网刊下载次数:0 ] |[引用频次:1 ] |[阅读次数:1 ]