基于不同地面分辨率的无人机图像监测水稻白叶枯

摘要

【目的】快速无损地监测水稻白叶枯并量化感染程度，从而指导田间作业。【方法】利用无人机获取受白叶枯病菌Xanthomonas oryzae pv. oryzae感染的水稻冠层高分辨率图像，提取颜色和纹理特征，分别构建基于颜色、纹理特征以及两者融合的多元回归模型，对白叶枯感染等级进行预测。探究不同地面分辨率(Ground sampling distances,GSD)对不同模型精度的影响。【结果】基于颜色特征的监测模型的决定系数(Coefficient of determination,R2)为85.9%，均方根误差(Root mean square error,RMSE)为1.43，相对均方根误差(Relative RMSE,RRMSE)为19.1%，相比基于纹理特征的模型，R2上升了2.4个百分点，RRMSE增加了4.6个百分点；与单一种类特征相比，基于颜色和纹理特征融合的预测模型(R2=89.6%,RMSE=1.06,RRMSE=15.1%)精度有较大的提升；通过构建不同GSD模型发现，当GSD为0.2、0.5或0.8 cm时，模型精度较高，R2均在80%以上。【结论】从无人机捕获的低空遥感图像中提取的颜色和纹理特征可用于监测水稻白叶枯病，结果可为无人机遥感监测水稻白叶枯提供有效的技术支持。

关键词

水稻 / 白叶枯病 / 无人机 / 颜色特征 / 纹理特征 / 地面分辨率