MDPI开放科学分享 http://blog.sciencenet.cn/u/mdpi https://www.mdpi.com/

博文

中国科学院地理科学与资源研究所——利用高频无人机遥感预测玉米最佳物候期产量

已有 2656 次阅读 2024-2-17 17:04 |个人分类:学术软文|系统分类:论文交流

原文出自 Remote Sensing 期刊

Yang, B.; Zhu, W.; Rezaei, E.E.; Li, J.; Sun, Z.; Zhang, J. The Optimal Phenological Phase of Maize for Yield Prediction with High-Frequency UAV Remote Sensing. Remote Sens. 202214, 1559.https://doi.org/10.3390/rs14236006


文章导读

基于无人飞行器
(UAV)
的多光谱遥感技术可有效监测农业生态系统的功能并预测作物产量。利用高频次无人机遥感观测在不同作物生长期下进行产量预测的研究较少,多时相和单时相无人机遥感数据对产量的影响存在多大差异目前仍有待探究。来自中国科学院地理科学与资源研究所的孙志刚研究员及其团队在 Remote Sensing 期刊发表了文章,利用无人机遥感技术对玉米的九个生长阶段进行多光谱观测,将单时相和多时相无人机图像计算出的光谱和纹理指数输入随机森林模型进行产量预测。本研究对于准确预测作物产量提出了有效的无人机遥感观测时期建议。

11.png

图1为本研究中的玉米产量预测简要框架。

研究过程及结果

本研究旨在确定玉米产量预测的最佳无人机遥感观测时间

(物候期),并通过高频率无人机观测提高预测精度。具体的研究问题是:1、玉米哪个发育阶段是产量预测的最佳观测时间?2、与单一生长阶段的观测相比,多个发育阶段的观测组合是否能提升玉米产量预测的精度?为了解决这些研究问题,作者制定了一个五步工作计划:(1)
进行高频无人机遥感观测,即在玉米的关键生长阶段进行了9次无人机多光谱观测。(2) 对无人机多光谱数据进行预处理,生成正射影像图。(3)
计算用于随机森林产量预测模型建模的无人机遥感指标。(4) 分别使用玉米生长单阶段数据和多时相数据建立随机森林模型进行产量预测。(5)
评估不同预测模型的性能,并确定最佳无人机观测时间。

田间试验在中国山东省中国科学院禹城综合试验站 (东经116.57°,北纬36.83°) 进行 (图 2,地图以GCS_Beijing_1954 Albers投影显示)。实验时间为2020年7月至9月的玉米 (郑单 958)
生长季,共进行了9次无人机多光谱遥感观测。研究选择了两块典型的长期试验田,即水氮耦合 (WNCR)
试验田和养分平衡试验田。水氮耦合试验田采用了五种氮肥 (N)
水平和两种灌溉处理。在养分平衡试验田中,采用了不同的氮肥、磷肥和钾肥以及秸秆还田处理。水氮耦合试验田共有32个5 m×10
m的地块,而养分平衡试验田有25个5 m×6 m的地块;共有57块地作为本研究样本。

22.png

图2为 (a) 中国科学院青年科学研究中心的位置;(b) NBES 田间概况;(c) WNCR 田间概况。

对单时相无人机遥感指标的特征筛选结果表明,每个物候期所选择的无人机指标类型和数量不同,这表明用于玉米产量预测的无人机遥感指标受玉米物候期的影响很大。其次,单时相数据的产量预测对比显示,籽粒灌浆初期是产量预测的最佳物候期。具体而言,不同时期的产量预测精度依次为乳熟期>抽丝期>十四叶期>抽雄期>蜡熟期>完熟期>六叶期>四叶期>二叶期
(图3)。随后,对九个阶段的产量预测精度进行了排序,生成了八个无人机多时相组合数据集。对多时期的无人机遥感指标进行筛选和比较,植被指数
(表征光谱信息) 的数量明显多于纹理指数
(表征纹理信息),且植被指数的重要性值更高。这一结果表明,在利用多时相无人机数据估算玉米产量时,光谱信息比纹理更为重要。此外,多时相无人机遥感数据进行的产量预测的R2值0.89-0.93,RMSE 值为0.97-0.77 t/ha。抽雄期、抽丝期、乳熟期和蜡熟期对玉米产量的精准预测至关重要。

33.png

图3为使用不同多时相无人机数据的产量预测精度:(a) R2 和 (b) RMSE (吨/公顷) 值。

研究总结

本研究采用玉米九个关键生长期的无人机遥感光谱和纹理指标以及随机森林模型来预测玉米的籽粒产量。主要结论如下:(1)
对于单时相无人机观测,十四叶期是最早的合适时间,而乳熟期是玉米产量预测的最佳观测时间。(2)
整合不同作物生长发育阶段的无人机数据可提高产量预测精度;抽雄期、抽丝期、乳熟期和蜡熟期的无人机观测数据组合表现出最高的产量预测精度。(3)
玉米乳熟期的归一化差异红边指数 (NDRE)、绿色归一化差异植被指数 (GNDVI)
和基于近红外的异质性指标是谷物产量预测的合适变量。该研究结果对精准农业具有理论意义和实用价值。

Remote Sensing 期刊介绍

主编:Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA

期刊范围涵盖遥感科学所有领域,从传感器的设计、验证和校准到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。

2022 Impact Factor:5.0

2022 CiteScore:7.9

Time to First Decision:23 Days  

Acceptance to Publication:2.7 Days

尾图1.jpg

尾图2.jpg



https://blog.sciencenet.cn/blog-3516770-1421222.html

上一篇:CTN期刊正式被ESCI收录 | MDPI News
下一篇:Journal of Intelligence:“创造力”主题文章精选 (一) | MDPI 编辑荐读
收藏 IP: 175.2.70.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-22 22:44

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部