基于无人机多光谱影像的棉花SPAD值及叶片含水量估测

利用多光谱快速准确获取棉花花铃期旱胁迫性状对棉花后期产量和纤维品质具有重要帮助.为实现棉花关键抗旱指标的快速检测,该研究以253份棉花品种为材料,设置干旱胁迫和正常灌溉2个处理,在花铃期通过大疆精灵4多光谱无人机获得图像,分析花铃期干旱胁迫和正常处理棉花的光谱反射率,结合地面调查叶绿素相对值(SPAD)和叶片含水量(LWC)数据,结合神经网络算法中的径向基函数进行模型的预测.结果显示:棉花干旱胁迫前后除红光反射值略上升,其余4个光谱均小于正常处理;通过径向基函数模型估测SPAD和LWC的最佳估测模型都为二次函数,决定系数R2分别为0.8488和0.9366,均方根误差RMSE分别为2.005和0.930,相对误差RE分别为0.004和0.011;将2个模型应用于试验区影像,对SPAD及LWC预测值进行聚类分析,根据SPAD聚类结果,试验棉花旱情等级划分为特旱、重旱、中旱、轻旱、无旱5类,根据LWC聚类结果,试验棉花旱情等级划分为特旱、重旱、中旱、干旱、轻旱、无旱6类.以上模型及分类效果良好且符合棉花干旱胁迫的特点,研究结果可为快速评价棉花抗旱性、挖掘棉花抗旱基因提供技术支持.