基于无人机多光谱影像的柑橘冠层叶绿素含量反演

【摘要】：叶绿素是一种反映植物生长水平和健康状况的重要生理生化指标，为快速、无损地大规模获取柑橘冠层的叶绿素含量以精确指导果园管理，本文利用多旋翼无人机搭载多光谱传感器获取多波段反射率数据，使用多光谱阴影指数对冠层阴影和土壤背景进行剔除，计算得到植被指数与纹理特征，将地面实测的叶绿素含量值作为验证，综合对比了全子集回归、偏最小二乘回归和深层神经网络的反演精度以选取最优模型。结果表明，植被指数与叶绿素含量的相关性良好；将仅使用植被指数与仅使用纹理特征的建模结果进行对比，仅使用纹理特征的模型在全子集回归和偏最小二乘回归的反演精度均有明显提升；结合植被指数与纹理特征共同建模后，全子集回归和偏最小二乘回归的反演精度相比仅使用纹理特征的模型均能获得提升；深层神经网络因其良好的非线性拟合能力，获得了最高的反演精度，R2、MAE、RMSE分别为0.665、7.69mg/m~2、9.49 mg/m~2，被选取为本文最优模型。本研究利用无人机多光谱影像反演得到柑橘冠层叶绿素含量，为实现柑橘生长监测提供一定指导作用。