基于无人机可见光影像的坐果期枣树冠层SPAD值估算  

Preliminary estimation of canopy SPAD value of jujube tree during fruit-setting period based on UAV visible image

作　　者：王永东 尼格拉·吐尔逊 郑江华[1,3] 巴日斯 王蕾 Wang Yongdong

机构地区：[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

出　　处：《江苏农业科学》2024年第6期206-215,共10页Jiangsu Agricultural Sciences

基　　金：新疆大学横向科研项目(编号:2020670007)。

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r^(2)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,r^(2)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,R 2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r^(2)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。

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 

分 类 号：S127[农业科学—农业基础科学]