基于mcm的济南市夏玉米多光谱多光谱多样性.docxVIP

基于mcm的济南市夏玉米多光谱多光谱多样性 摘要：以济南市济阳区夏玉米为研究对象,通过无人机(UAV)搭载多光谱相机进行叶绿素动态监测。在夏玉米3个生育时期(大喇叭口期、开花期、灌浆期),每个时期选取5块具有代表性的1 m×1 m的样地,利用无人机获取样地多光谱影像;同时从每块样地选取不同植株冠层不同部位的7片叶,用叶绿素仪测定每片叶的SPAD值,取其平均值作为该样地的SPAD实测值。利用Pix4D mapper软件对获取的多光谱影像进行拼接,然后利用伪标准地物辐射校正法进行校正,输出5个波段的反射率影像图,用ENVI对各波段进行配准组合成ENVI格式的反射率数据。选取4种光谱参数和夏玉米SPAD实测值构建反演模型并进行模型评价,结果表明:以归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、冠层叶绿素含量指数(CCCI)三种光谱参数为变量的多元线性回归(MLR)模型精度更高且更加稳定,模型检验Rv 叶绿素作为植物光合作用的主要色素,是作物发生物质能量交换的重要因素,其含量与农作物生长状况、氮素含量、产量等有着极大的相关性,能够反映植物衰老过程,是农作物长势监测的重要指标遥感技术在农作物研究领域被广泛应用,许多学者利用该技术对不同农作物的叶绿素含量进行了反演和预测。李媛媛等相对于传统遥感平台,无人机遥感平台具有成本低、时效性高等优点,且通过其获取的光谱图像可以提取整个小区作物的平均光谱反射率数据,比传统光谱技术获取的作物局部反射率数据更加科学合理。因此,本研究以三个生长阶段的大田种植玉米为对象,采用六旋翼无人机搭载RedEdge多光谱相机获取其冠层多光谱影像,同时实地测量其叶片SPAD值,并通过对SPAD值和光谱参数的相关性分析和回归分析,建立玉米叶绿素含量的遥感估算模型,以期为大田作物快速、无损的动态监测提供参考。1 1.1 试验区位于济南市济阳区,该地位于鲁西北平原的南部,属暖温带半湿润季风气候,具有北暖温带半湿润季风气候特点,四季分明,雨热同季,光照充足,年平均气温12.8℃,年平均无霜期195 d,年太阳辐射量520.8 kJ/cm试验时间在夏玉米生长季。分别于7月25日(大喇叭口期)、8月22日(开花期)、8月29日(灌浆期)利用无人机搭载多光谱相机获取样地玉米冠层的多光谱影像,同时实测玉米叶片的SPAD值。1.2 本试验采用大疆无人机M200搭载RedEdge-M多光谱相机采集多光谱数据。RedEdge-M多光谱相机(图1)一共有5个通道,分别是红、绿、蓝、红边、近红外5波段,对应的中心波长分别是668、560、475、717、840 nm,带宽分别为10、20、20、10、40 nm。每次拍摄于晴朗无云天气上午10—12时进行,无人机飞行高度设定为50 m,数据采集时的Google地图机载航线规划如图2所示。利用Pix4D mapper软件对航拍获得的多光谱影像进行拼接,然后利用伪标准地物辐射校正法进行校正,输出5个波段的反射率影像图,再用ENVI对各波段进行配准组合成ENVI格式的反射率数据。1.3 SPAD值可表征植物叶片的叶绿素含量,SPAD值越高,植物的生长活力越强,长势越好。在每个数据采集时期,于试验区内选取5个具有代表性的样地,每块样地为1 m×1 m,玉米长势均一。从每块样地内选取不同玉米植株冠层部位的7片叶,用SPAD-502 Plus叶绿素仪测定其SPAD值,取平均值作为该样地的SPAD最终值。为了与多光谱影像进行对应,在每块样地做标记并进行GPS记录。地面实测数据的采集与无人机飞行测量同步进行。将地面采样点的经纬度输入机载多光谱拼接影像中,选取采样点周边10×10个像元点的均值作为该点的光谱反射率值。1.4 遥感图像上的植被信息主要通过绿色植物叶片和冠层的光谱特性及其变化来反映1.4.1 归一化植被指数(NDVI)NDVI被定义为近红外波段与可见光红波段反射率数值之差与之和的比值。 (1)1.4.2 土壤调整植被指数(SAVI)为了解析背景的光学特征变化并修正NDVI对土壤背景的敏感,。 (2)式中,L为土壤调节系数,由实际区域条件决定,用来减少植被指数对不同土壤反射变化的敏感性。乘法因子(1+L)主要用来保证最后的SAVI值也介于-1.0～1.0之间。当L为0时,SAVI就是NDVI。对于中等植被覆盖度区,L一般接近于0.5。本研究L取值0.5。1.4.3 冠层叶绿素含量指数(CCCI)CCCI是NDVI的改进,它用红边波段代替了红光波段,突出了绿色植被特有的“红边”效应。其计算公式为:。 (1)式中ρ2 2.1 7月25日、8月22日和