融合多源遥感特征的水稻叶片叶绿素含量估算

摘要

为评估融合多源遥感特征估算水稻叶片叶绿素含量的效果，以水稻品种“南粳46”为研究对象，分别在分蘖期、拔节孕穗期、抽穗期和灌浆期等关键生育期获取无人机影像并测定水稻叶片叶绿素含量；提取了4个原始波段、42个多光谱植被指数、1 104个纹理特征，分析其与水稻叶片叶绿素含量的相关性，采用偏最小二乘回归（Partial least squares regression,PLSR）、粒子群优化的支持向量机（Particle swarm optimization-support vector machine,PSO-SVM）和多层感知机（Multilayer perceptron,MLP）这3种建模算法，评估多源遥感特征在估算水稻叶片叶绿素含量中的应用效果。结果表明：与水稻叶片叶绿素含量互信息最高的原始波段、植被指数和纹理特征分别为650 nm、MCARI和RDTI＿1，互信息值依次为0.40、0.39和0.21；融合纹理特征与植被指数对比单植被指数R²提高0.121 2,RMSE降低0.291 5μg/cm²,MAE降低0.111 5μg/cm²,RPD增加0.375 5;PSO-SVM算法优于PLSR和MLP，最优模型决定系数R²为0.755 8, RMSE为2.978 4μg/cm²,MAE与RPD分别为2.199 9μg/cm²和2.058 2；水稻叶片叶绿素含量的无人机空间分布在4个生育期内呈现先增加后减小的演变规律，反映出不同生育期水稻叶片叶绿素随光合作用强度与养分分配变化的时空动态变化特征。利用融合多源遥感特征精准估算水稻叶片叶绿素含量行之有效，有效实现了水稻关键生长期叶片叶绿素含量空间分布的精细制图，为稻田氮肥精准管理提供可靠依据。

关键词

无人机 / 多光谱 / 水稻 / 叶绿素 / 植被指数 / 纹理特征