图2 无人机遥感图像预测叶面积指数效果图
由图２可以看出，根据无人机图像得到的预测值和实测 LAI 值之间具有较好的拟合性，决定系数 R2＝0.94 ，RMSE ＝0.16 ，MAPE＝13 ％。通过最小二乘法得到的回归方程ｙ＝0.9５ｘ＋0.06 与实测数据之间的方差为 0.95 。T 检验结果显示：回归方程的斜率与１无显 著 性 差 异 （ｐ＝0.14 ），截 距 与 ０ 无 显 著 性 差 异（ｐ＝0.15），即回归方程与方程ｙ＝ｘ 没有显著差异。统计分析表明，根据遥感图像构建 NDVI 和 LAI 的线性模型 LAI＝0.14ｅ3.4 ×NDVI 能够对高粱的叶面积指数 LAI 进行准确的预测。
2.3 无人机遥感图像预测 FVC 精度评价
绘制训练数据集的 NDVI 和 FVC 之间的函数关系，如图３所示。
图３ 植被指数 NDVI 与植被覆盖度的函数关系
根 据 图 ３ 可 得，与 NDVI 和 LAI 关 系 不 同，NDVI 和 FVC 呈现线性关系（R 2＝0.9０），FVC 集中的分布在 0.6～０.9 之间。与前文的分析方法相同，使用 NDVI－FVC 的回归模型对实测的 FVC 和根据无人机遥感图像推算得到的 FVC 进行交叉验证，得到验证结果如图４所示。图４中虚线为函数ｙ＝ｘ，实线为植被覆盖度实测值和预测值之 间的最小二乘线性回归方程。
图４ 无人机遥感图像预测植被覆盖度效果
由图４可以看出，根据无人机图像得到的预测值和实测 FVC 值之间具有较好的拟合性，决定系数R 2＝0.90 ，RMSE ＝0.05 ，MAPE＝４％。T 检验结果显示，回归方程的斜率与１无显著性差异（ｐ＝0.07），截距与０无显著性差异（ｐ＝0.05），即 回归方 程与方 程ｙ＝ｘ没有显 著 差 异。统 计 分 析 表 明，根 据 遥 感 图 像 构 建ＮＤＶＩ和ＦＶＣ 的线性模型ＦＶＣ＝1.07 NDVI－0.16 能够对高粱的植被覆盖度 FVC 进行准确的预测。2.4 无人机遥感图像预测 LAI－FVC 之间的关系根据 FVC 和 LAI 的实测值，绘制两者的函数关系如图５所示。
图５ LAI－FVC 实测值函数关系
从图５可以看出，LAI－FVC 之间呈现曲线相关，在 LAI ＜1.5 时，如图 5 中虚线所示，LAI－FVC 之间呈现线性的关系；当 LAI＞1.5时，LAI－FVC 之间的曲线关系较为明显。当高粱冠层的 LAI 值达到约 2.5 时，植被覆盖了约70％的地面面积。在 LAI 大于 2.5 后，叶面积的继续增大，并没有引起植被覆盖度的变化。因此，当地块的植被覆盖度较高时，虽然 LAI 仍可能增加，但其 NDVI 值基本不变。
3结 论
本研究利用无人机多光谱遥感系统建立了植被指数和高粱 LAI 、FVC 之间的回归模型，并预测其精度，结果表明，通过无人机遥感技术可以精确、可靠地预测高粱作物的生长状态。１）归一化差异植被指数 NDVI 为反应高粱长势最优的植被指数，通过无人机遥感图像得到的 NDVI 值估计高粱的 LAI 和 FVC 的 鲁 棒 性 较 好。LAI －NDVI 和 FVC－NDVI 估 算 模 型 的 Ｒ２值 最 高 （0.91，0.88），且 RMSE（0.28，0.06）和 MAPE（11％，８％）最低。２）根据遥感图像分别构建 NDVI 和ＬＡＩ及 ＦＶＣ的线性模型 LAI ＝0.14ｅ3.4×NDVI和 FVC＝1.07 NDVI－0.16 能够准确预测高粱的 LAI 值和 FVC值。３）在高粱生长季的后期 LAI ＞2.5 时，由于 ND－VI 饱和度问题会降低其对 LAI 预测效果。
莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。
