基于无人机数码图像的机采棉脱叶率监测模型构建
[目的]脱叶率是评价机采棉脱叶催熟效果的重要依据.以无人机RGB图像为基础数据源,通过从RGB图像中提取14种可见光植被指数,建立快速、准确监测棉花脱叶率的模型,为机采棉适时采收提供理论和技术支持.[方法]设置不同棉花品种,通过采集不同脱叶剂浓度及喷施时间处理下的棉花脱叶率数据,并利用无人机采集冠层RGB图像,提取可见光植被指数,分析其与棉花脱叶率的相关关系,进而采用一元线性回归(Simple linear regression,SLR)、多元线性回归(Multivariate linear regression,MLR)和偏最小二乘法回归(Partial least square regression,PLSR)构建棉花脱叶率监测模型,并进行模型评价.[结果]不同处理下的棉花脱叶率有明显差异,脱叶率与不同可见光植被指数存在较好相关性,其中三角形绿度值(Triangular greenness index,TGI)与棉花脱叶率的相关性最高(r=0.81).建模结果表明,SLR模型中,以TGI指数建模效果最好(决定系数0.66,均方根误差10.44％,相对均方根误差12.87％);MLR模型中,以过蓝指数(Excess blue index,ExB)、绿叶指数(Green leaf index,GLI)、TGI 和过绿指数(Excess green index,ExG)4个植被指数组合建立的模型效果最好,其决定系数为0.70,均方根误差为10.26％,相对均方根误差为12.65％.PLSR模型中,以ExB、GLI、TGI、ExG、综合植被指数2和综合植被指数1建立的模型精度更高,其决定系数为0.70,均方根误差为10.02％,相对均方根误差为12.22％.外部验证表明,各模型实测值与预测值间有较好的拟合关系.[结论]以MLR和PLSR方法建立的模型精度较高,拟合程度较好.从计算量及模型复杂程度角度考虑,通过MLR方法以ExB、GLI、TGI、ExG建立的棉花脱叶率监测模型,能够更好地监测棉花脱叶率.
棉花、脱叶率、可见光植被指数、RGB图像、无人机
33
新疆生产建设兵团科技计划重大项目;石河子大学科研项目;石河子大学"3152"青年骨干教师科研启动项目
2021-09-18（万方平台首次上网日期，不代表论文的发表时间）
共13页
347-359
