《表2 本研究使用的光谱指数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

i，j为RedEdge M五波段反射率的任意两两组合

首先，采用人工目视解译的方法从3个时期无人机影像中识别各小区棉花信息，以用于后期剔除土壤等背景；其次，设置剔除土壤背景、不剔除土壤背景等不同情景，分析剔除土壤背景对棉花冠层反射率的影响；然后，基于剔除土壤背景后的影像，提取其纹理特征，采用相关性分析方法探讨纹理特征与植株氮浓度之间的相关性；最后，设置不剔除土壤背景、剔除土壤背景、剔除土壤背景+增加纹理特征等不同情景，根据Red Edge M波段设置情况，选择常用光谱指数，计算相应光谱指数值，以其为输入变量，采用主成分回归法分别建立各情景下的植株氮浓度反演模型，并比较模型优劣。需要说明的是：（1）参考已有关于作物氮素营养诊断方面的报道[17-18]，本研究使用的光谱指数包括比值光谱指数、土壤调整植被指数、改进土壤调整植被指数、三角植被指数、增强植被指数、修改三角植被指数、绿波段比值光谱指数、红边模型等常用光谱指数和以归一化差值植被指数为基础任意组合各波段信息构成的光谱指数，计算公式如表2所示；（2）主成分回归法是常用的遥感反演植被参数时的建模方法[28]。在建模时，获得的棉花3个时期共48个样本被随机分为2组。1组包含36个样本作为建模样本；另一组包含12个样本作为检验样本。各情境下的建模，依赖于相同的建模样本和检验样本。在构建主成分反演植株氮浓度模型时，选择恰能代表原输入变量99.5%以上信息的前n个主成分变量来建立模型，预测决定系数（coefficient of determination，R2）、预测标准误差（root mean square error，RMSE）和相对预测标准误差（RMSE/平均值×100%）被用来评价模型的优劣；（3）本研究使用的图像纹理特征主要依赖于灰度共生矩阵计算的各种参数，包括各波段的对比度、能量值、同质性、平均值和标准差等，利用Matlab软件编程实现相关计算。