基于无人机可见光影像的毛竹相对叶绿素含量反演研究

[目的]叶绿素是植物光合作用的一个重要生理生化指标,直接反映了植物生长状况.毛竹(Phyllostachysedulis(Carriere)J.Houz.)具有重要的经济和生态效益,在固碳减排上发挥重要的作用,因此对毛竹叶绿素遥感实时动态监测研究有助于评估其生长状态和固碳能力.目前估算植物叶绿素大多数是使用实地测量法或采用卫星遥感获得植物光谱数据,建立叶绿素反演模型,但是这种反演模型时效性和准确性较弱.随着无人机技术的发展,为更精准和快速地反演叶绿素含量提供了新的方法.[方法]研究采用CCM-200手持式叶绿素仪获取毛竹相对叶绿素含量(chlorophyll content index,CCI)长时序数据,通过无人机可见光传感器获取毛竹红绿蓝(RGB)可见光影像数据,在此基础上分析基于无人机RGB影像得到的植被指数和CCI之间的相关关系,采用一元线性回归和以高斯误差函数作为隐含层激活函数的BP算法前馈神经网络(Erf-BP)两种方法建立毛竹CCI遥感反演模型并作精度评价.[结果]在构建的24个变量中,(2b-r-g)-(1.4r-b)、B/R、川岛指数(IKAW)、(2b-r)/3r这4个植被指数和毛竹CCI相关性较高,相关系数分别为0.927、0.916、-0.915、0.913.由(2b-r-g)-(1.4r-b)建立的一元线性模型的拟合值和验证值与实测值之间的决定系数(R2)分别为0.8893和0.8535,均方根误差(RMSE)分别为1.3778和1.9114.Erf-BP神经网络模型R2分别为0.8724和0.8825,RMSE分别为1.6429和1.5547.Erf-BP神经网络的验证精度要稍高于一元线性回归模型.在基于无人机RGB影像反演毛竹相对叶绿素时可选择神经网络模型.[结论]研究结合统计方法和无人机RGB影像建立了毛竹相对叶绿素反演模型,可以精准反演毛竹相对叶绿素含量,为动态监测毛竹叶绿素含量提供了可行的方法.