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%。     

基于无人机高光谱遥感的春玉米氮营养指数反演

为了利用高光谱技术准确探测作物氮素营养状况,以东北春玉米为研究对象,获取6个氮肥梯度的随机试验数据,并采用无人机(unmanned aerial vehicle, UAV)搭载UHD185高光谱成像系统,获取关键生育期试验小区内春玉米冠层高光谱遥感影像,通过5种方法对提取的冠层高光谱信息进行预处理,并分别采用偏最小二乘回归、BP神经网络回归和随机森林回归3种算法,构建春玉米氮营养指数反演模型。结果表明:(1)各光谱预处理下,春玉米氮营养指数与冠层高光谱反射率在近红外波段范围内相关性较高;比较高光谱特征参数,春玉米氮营养指数与黄边内一阶微分光谱中的最大值相关性较高;(2)经MSC预处理后,以高光谱特征参数为变量构建的反演模型精度最高,预测集R²的平均值为0.80;(3)随机森林算法结合MSC预处理反演玉米氮营养指数效果更好,精度更高,模型更稳定。通过对比不同方法建立的春玉米氮营养指数反演模型,提高了模型估测能力和验证精度,有利于模型估测能力的调控与优化,提升了反演模型的适用性,为春玉米精准氮营养诊断和精准氮肥管理提供了理论依据和技术支撑。