-
产品文章
-
《COMPUT ELECTRON AGR》--基于Cubert框幅式高光谱成像仪估算直立生长作物的地上生物量
发布:北京安洲科技有限公司浏览次数:33点击上方蓝字关注我们
基于无人机遥感技术估算直立生长作物的地上生物量
英文:Estimating vertically growing crop above-ground biomass based on UAV remote sensing
研究单位
河南农业大学
北京农业信息技术研究中心
西南林业大学
浙江省农业科学院
摘要
准确估算作物地上生物量(AGB)有助于作物生长监测和粮食产量预测。近年来,遥感技术在区域和地方尺度上被广泛用于AGB估算。然而,光学遥感光谱指数(SIs)在中等至高作物覆盖率下会出现饱和。结合遥感技术和统计回归模型的运用,并不是基于对作物叶片和茎干如何贡献于作物AGB的理解。这导致使用光学遥感测量茎干(例如,植物茎、小麦穗、玉米穗;简称为AGBv)中的生物量存在困难。该研究旨在开发一种基于无人机(UAV)的直立生长作物AGB(VGC-AGB)模型。为提高AGBv估算精度,研究定义了Csm(g/m2)来描述作物茎干和生殖器官的平均干物质含量。作物叶面积指数(LAI,m2/m2)、叶干物质含量(Cm,g/m2)、高度(Ch,m)和密度(Cd,m-2)被用于VGC-AGB估算中。VGC-AGB通过LAI×Cm(g/m2)计算作物叶AGB(AGBl),并通过Cd×Ch×Csm(g/m2)计算AGBv。所提出的VGC-AGB(AGB=LAI×Cm+Cd×Ch×Csm)利用冬小麦和夏玉米在三个生长阶段的田间和UAV高光谱数据进行了验证。结果表明,基于UAV的VGC-AGB(R2=0.92-0.93,RMSE=68.82-75.15 g/m2)优于基于遥感SIs和作物表面模型(CSMs)的统计回归模型(R2=0.77,RMSE=134.94 g/m2)。由此可见,基于无人机的VGC-AGB模型不仅有助于分析作物光合作用产物的转移过程,而且为实施高效、无损的作物地上生物量监测提供了强有力的技术支持。
研究数据
高光谱数据:高光谱数据由Cubert S185机载高速高光谱成像仪获取。该成像仪采用框幅式高光谱成像技术,能以更快的速度进行所有光谱通道同步成像,在1/1000秒内获得整个高光谱立方体数据,配套功能强大的测量及处理软件,快速获取大面积高光谱图像,影像具有厘米级地理坐标信息。
研究过程
图1 研究区位置(a)、冬小麦实验设计(b)、无人机飞行路线(c) 表1 冬小麦田间测量的LAI和AGB 图2 直立生长作物示意图 (b、c分别为叶片和茎干)
表2 VGC-AGB验证的九种策略 图3 MIMO-ANN训练和测试过程 表3 用于作物参数估计的遥感光谱反射率和指数
表4 常规线性和指数(LAE)方程 图4 VGC-AGB和LAE模型性能验证流程图
图5 三阶段(S1:拔节期、S2:抽穗期、S3:开花期)AGB1与LAI(a)、AGBv与AGBl(b)、AGBv与Cd(c)、AGBv与Ch(d)、AGBv与Ch×Cd(e)、AGBv与Ch×Cd×Csm(f)的散点图
表5 VGC-AGB-F策略参数 图6 实测和估算冬小麦AGB关系图:(a)VGC-AGB-F1、(b)VGC-AGB-F2、(c)VGC-AGB-F3、(d)VGC-AGB-F4 图7 实测和估算夏玉米AGB关系图:(a)VGC-AGB-F1、(b)VGC-AGB-F2、(c)VGC-AGB-F3、(d)VGC-AGB-F4
图8 田间实测和基于CSMs估算的冬小麦高度关系
图9 实测和估算的冬小麦LAI、Ch、Cm和Csm关系
图10 不同VGC-AGB策略和最佳LAE模型估算的冬小麦AGB与实测AGB的散点图
图11 AGB估算结果图:(a)VGC-AGB-Map策略、(b)-(e)四种VGC-AGB-RS策略(ABG<380:绿色、380 表6 作物组1在三个生长阶段的田间实测AGB数据 图12 (a)-(c) AGBv与AGBl的比率 (RVL)、(d)-(f) AGBl估计误差、(g)-(i) AGBv估计误差
研究结论
该研究利用冬小麦和夏玉米三个生长阶段的田间和无人机高光谱遥感数据集对提出的VGC-AGB模型进行了验证。研究得出以下结论:
(i)基于无人机的VGC-AGB模型使用Csm来描述作物茎干和生殖器官的平均干物质含量,从而改善了茎干生物量(AGBv)的估算(AGBv=Cd×Ch×Csm)。由于大部分光合产物从中期到晚期转移到茎干和生殖器官,Csm呈增加趋势。基于无人机的VGC-AGB模型使用Cm来描述作物叶片的平均干物质含量,并改进了叶生物量(AGBl)的估算(AGBl=LAI×Cm)。
(ii)基于无人机的VGC-AGB模型支持高性能的田间和无人机遥感生物量测量。研究测试了VGC-AGB模型的无人机生物量制图性能,结果表明,基于无人机的VGC-AGB模型(R2=0.92-0.93,RMSE=68.82-75.15 g/m2)优于传统的统计回归模型(R2=0.77,RMSE=134.94 g/m2)。
原文链接:
https://doi.org/10.1016/j.compag.2023.107627
END
X20P-LIR一体式 多源遥感系统 X20P-LIR一体式多源遥感系统是一款多功能无人机遥感设备,集激光雷达、热红外及高光谱成像为一体,实时同步获取激光雷达、红外及高光谱图像数据。主要功能包括:基于光场技术的高光谱成像,光谱范围350~1000nm、5MP高清全色相机、测距达450m(@80%Ref)的固态激光雷达、大面阵高精度热红外成像;主机内置控制系统、高精度惯导及固态存储,整机重量轻、操作简单,适合M300/M350 RTK无人机搭载使用。 是国家高新技术企业,拥有多项发明专利及著作软件,并通过ISO9001质量管理体系认证。我们专注于遥感技术领域高端科研设备及服务十余年,已为国内数百家科研单位及高校提供了各种遥感设备及技术支持,服务范围遍布全国。愿与遥感领域的各科研单位及高校建立长期合作关系,为科研人员提供真正有价值的无人机遥感设备和全面而专业的技术服务! 总部地址: 北京市海淀区信息路2号浪潮信息大厦C座710 全国服务电话:4006-507-608 网址: www.azup.cn E-mail:info@azup.cn 各地办公室 上海办:021-54155790 sh@azup.cn 广州办:020-28171197 gz@azup.cn 武汉办:027-87336236 wh@azup.cn 西安办:029-81545954 xa@azup.cn 往期推荐
《COMPUT ELECTRON AGR》--基于Cubert框幅式高光谱成像仪实现茶树病虫害胁迫识别
《Journal of Hazardous Materials》--基于Cubert框幅式高光谱成像仪识别城市水污染源类型
《RSE》--基于Cubert框幅式高光谱成像仪优化行栽作物叶片叶绿素含量监测 2024-08-20相关仪器 -
免责声明
①本网刊载上述内容,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任
②若本站内容侵犯到您的合法权益,请及时告诉,我们马上修改或删除。邮箱:hezou_yiqi