基于无人机多光谱影像的冬小麦倒伏提取适宜空间分辨率研究

黄艳伟，朱红雷，郭宁戈，殷姝溦，彭星玥，王雨蝶

(河南师范大学，河南新乡 453002)

倒伏是一种常见的小麦生产灾害。小麦倒伏会影响植株的光合作用及养分传输，减少穗粒数和粒重，造成减产[1]。同时，倒伏小麦不利于机械收割，导致农田的收益损失加大。因此，快速准确地获取小麦倒伏面积和程度等信息，有助于农业生产管理部门和农业保险公司进行灾情评估、灾后管理和救助。相较于传统的人工统计法，遥感图像覆盖面大，数据获取及时，是监测小麦倒伏状况的可靠手段[2-3]。目前，基于遥感技术的作物倒伏监测按平台可以分为地面、航空和卫星三类[4]。常用的卫星数据包括可见光-近红外多光谱[5-6]和合成孔径雷达(synthetic aperture radar, SAR)数据[7-8]。然而，由于卫星平台重访周期较长，空间分辨率较低等原因，倒伏区域经常出现数据匮乏、监测结果不准确等现象。近年来，采用无人机遥感监测作物倒伏成为该领域的一个新兴手段。小型无人机遥感具有低成本、低风险、高时效、高分辨率、天气影响小等特点[9-10]，非常适于作物倒伏信息的快速提取。李广等[11]对图像进行二次低通滤波，获取地物散点图，并以散点图的明显分界线作为小麦倒伏信息提取的单特征。李宗南等[12]基于无人机图像红、绿、蓝色均值纹理特征提取了倒伏玉米面积。Zhao等[13]同时获取了研究区RGB和三波段多光谱图像，采用深度学习法提取了倒伏水稻的面积，并指出RGB图像的提取结果优于多光谱图像。相较于星载多光谱数据，无人机图像可获取作物的高度信息，增加了倒伏作物提取的准确度，如Wilke等[14]利用无人机反演的作物高度对大麦的倒伏程度进行了划分。……