基于無人機圖像以及不同機器學習和深度學習模型的小麥倒伏率檢測

Paulo FLORES 張昭

摘要：冬小麥澇漬脅迫頻發不僅嚴重影響區域糧食安全和生態安全，還威脅社會經濟穩定和可持續發展。為識別冬小麥澇漬脅迫及判別其脅迫程度，本研究設置冬小麥澇漬脅迫梯度盆栽試驗，采用ASD地物光譜儀和Gaiasky-mini2推掃式成像光譜儀分別測定葉片及冠層高光譜數據，結合植被指數、歸一化均值距離和光譜微分差信息熵等方法，監測冬小麥是否遭受澇漬脅迫并判別其澇漬脅迫程度。試驗結果顯示，簡單比值色素指數SRPI是識別澇漬脅迫冬小麥的最優植被指數。紅光吸收谷（RW：640～680nm）是識別冬小麥澇漬脅迫程度的最優波段，在RW波段內，抽穗、開花和灌漿期的光譜微分差信息熵可判別冬小麥澇漬脅迫程度，脅迫程度越大，光譜微分差信息熵越大。本研究為澇漬脅迫監測提供了一種新方法，在澇漬脅迫精確防控中具有較好的應用前景。

關鍵詞：高光譜遙感;澇漬脅迫;植被指數;光譜微分差信息熵;冬小麥

中圖分類號：S127;TP79文獻標志碼：A文章編號：202105-SA001

引用格式：楊菲菲，劉升平，諸葉平，李世娟.基于高光譜遙感的冬小麥澇漬脅迫識別及程度判別分析[J].智慧農業（中英文），2021， 3（2）： 35-44.

YANG Feifei， LIU Shengping， ZHU Yeping， LI Shijuan. Identification and level discrimination of waterlogging stress in winter wheat using hyperspectral. remote sensing[J]. Smart Agriculture， 2021， 3（2）： 35-44. （in Chinese with English abstract）

1引言

農業生產對氣候條件具有較強的依賴性。澇漬災害作為主要自然災害之一，正成為制約作物生長的明顯因素。澇漬災害是一種慢性災害現象，監測困難。傳統的監測方法主要包括檢測土壤水分和作物體內水分狀況等，存在勞動強度大、觀測不及時等缺陷。高光譜遙感信息豐富、無破壞性，可為監測澇漬脅迫提供一種無損、實時、可信的方法。……