基于无人机遥感的冬小麦氮素营养诊断

无人机遥感具有实时、灵活、低成本等特点,在农作物长势监测及精准农业管理中应用广泛。为了实现冬小麦高产高效及氮肥的合理使用,利用无人机搭载Tetracam Mini-MCA 6多光谱相机,于2016年对山东省乐陵市的冬小麦试验田进行了遥感监测及氮素营养诊断分析,结果表明:(1)对无人机获取的遥感影像数据进行处理,经验证拼接后,影像的平均精度为99.3%;(2)植被指数对冬小麦地上部生物量(R2=0.94)和植株吸氮量(R2=0.91)均可以准确地估测,对植株氮质量分数的估测能力稍弱(R2=0.73);(3)通过氮充足指数NSI对植被指数进行归一化处理后,对氮营养指数NNI的估测能力都优于原始的植被指数(R2=0.85),使用NSI-MNDI进行氮营养诊断,氮素缺乏时NSI-MNDI小于1.006,氮素过量时,NSI-MNDI大于1.020,1.006~1.020时NSI-MNDI为适宜;(4)通过植被指数估测地上部生物量、植株氮质量分数再间接估测氮营养指数的方法精度最高,一致性检验结果为85%。     

基于多线性稀疏主成分的高光谱影像特征提取

高光谱影像特征提取有助于提高高光谱数据的应用效率和精度。针对基于向量的特征提取算法无法充分利用高光谱影像立方体空间结构信息这一缺点,本文提出在所有张量模式中执行稀疏降维的多线性稀疏主成分分析(MSPCA)算法,以中国嘉兴典型村庄和美国内华达州Curprite矿区高光谱影像为原始数据,运用主成分分析(PCA)、空间主成分分析(SPCA)和多线性判别分析(MPCA)3种特征提取方法对比分析所提算法特征提取后的分类精度。结果表明,利用MSPCA进行特征提取得到的分类精度均优于其他方法,在两个试验区的总体分类精度分别达到96.36%和95.00%。