基于无人机多光谱影像的直播水稻氮含量监测OA

为实现快速、准确估算直播水稻叶片氮含量,以黄华占、春两优长70和两优185为对象,利用大疆精灵4无人机获取直播水稻分蘖期、拔节期、孕穗期和抽穗期4个时期的冠层多光谱影像。分别选取与叶片氮含量相关性较高的5个植被指数,利用支持向量机(SVM)、随机森林(RF)、BP神经网络(BPNN)和偏最小二乘回归(PLSR)4种算法构建水稻叶片氮含量的估算模型并检验精度。结果表明,植被指数与不同生育时期的水稻植株叶片氮含量相关性存在差异,其中,分蘖期的增强植被指数(EVI)与叶片氮含量的相关性较高,相关系数为0.858;拔节期的比值植被指数(RVI)与叶片氮含量的相关性较高,相关系数为0.938;孕穗期的RVI与叶片氮含量的相关性较高,相关系数为0.793;抽穗期的NDVI和SAVI与叶片氮含量的相关性较高,相关系数均为0.782。分蘖期和拔节期的模型精度较高,而孕穗期和抽穗期的模型精度较低,反演效果差。基于RF算法构建的水稻叶片氮含量预测模型效果相对较优,分蘖期的建模集决定系数(R_(c)^(2))为0.922,建模集均方根误差(RMSE_(c))为0.101%,验证集决定系数(R_(cv)^(2))为0.658,验证集均方根误差(RMSE_(c)v)为0.205%;拔节期R_(c)^(2)为0.980,RMSE_(c)为0.061%,R_(cv)^(2)为0.913,RMSE_(c)v为0.124%。表明基于RF算法构建的叶片氮含量监测模型,预测准确性较高,可以实现直播水稻叶片氮含量的预测。