根据UAV高光谱图像的光谱信息和Haralick纹理估计土豆叶面积指数

科学领域:

• 农业遥感 农业遥感
• 植物生理学作物生理学
• 地理空间分析是什么?

背景情况:

• 叶面积指数 (LAI) 对于作物生长监测和施肥管理至关重要.
• 基于无人机的高光谱成像提供了非破坏性的,快速的LAI估计.
• 对于用于多阶段LAI评估的Haralick纹理存在有限的研究.

研究的目的:

• 评估UAV超光谱图像中的光谱和Haralick纹理特征的有效性,以估计土豆在多个生长阶段的LAI.
• 在LAI估计中比较不同机器学习模型 (PLSR,RFR,GPR) 的性能.
• 为了确定光谱和纹理数据对LAI预测准确性的贡献,单独和组合.

主要方法:

• 对两种土豆品种进行了实验,在三个关键生长阶段进行了不同的治疗.
• 使用超低空无人机获得的超光谱图像;通过地面方法测量LAI.
• 分析了原始光谱反射率 (OSR),第一阶差异光谱反射率 (FDSR),植被指数 (VIs) 和三种类型的Haralick纹理.
• 连续投影算法 (SPA) 用于特征选择,其次是PLSR,RFR和GPR用于模型构建.

主要成果:

• 光谱数据显示对LAI的敏感性高于Haralick纹理,VI是最敏感的.
• 单独的光谱数据提供了比Haralick纹理更准确的LAI估计 (VIs的R2 = 0.63).
• 将光谱数据与Haralick纹理结合起来,显著提高了LAI预测的准确性 (R2=0.70使用GPR).

结论:

• 基于无人机的光谱和纹理数据为准确,大规模的土豆LAI监测提供了巨大的潜力.
• 将光谱信息与Haralick纹理特征相结合,可以在多个生长阶段改善LAI估计.
• 这些发现为马种植中的精准农业应用提供了宝贵的参考.