中图分类号：S511文献标识码：ADOI编号：基于低成本无人机的水稻叶片SPAD值遥感估测摘要：叶绿素作为植物体内参与光合作用的重要色素，其含量可反映出水稻生命体征。SPAD-502plus叶绿素仪所测定的SPAD值常用于代表叶绿素含量，但其仅能反映叶绿素含量在空间上的点状分布。本文采用低成本消费级无人机拍摄水稻冠层图像，经图像处理后，发现遥感指数R与剑叶SPAD值的相关关系显著,所建立的SPAD值预测模型具有较高的预测精度，为农户小尺度田块的水稻监测提供了一种方便灵活、低成本的有效方法。关键词：无人机；SPAD值；水稻；光合作用10.14025/j.cnki.jlny.2017.18.020我国水稻种植面积约占粮食作物总种植面积的1/3,总产量占粮食总产量的40%o因此，发展水稻生产对我国国民经济至关重要。叶绿素是水稻生长的重要营养和生理参数，其含量通常以SPAD-502plus叶绿素仪所测定的SPAD值来间接地代表。然而,叶绿素仪仅能进行点状测量，无法成像。目前，已有学者使用卫星遥感估测作物叶片SPAD值。李粉玲等在研究使用高分一号遥感影像估测冬小麦叶片SPAD值时发现，基于GNDVI.GRVI和TGI等植被指数构建的冬小麦叶片SPAD值回归模型的估测精度较高。黄汝根等指出，基于RVI指数的回归模型是反演亚热带典型作物冠层SPAD值的最佳回归模型，实际拟合精度达92.75%。但是，我国的耕地面积小而分散，卫星遥感受空间分辨率的限制难以在小田块尺度上进行有效的SPAD值估测。而且光学卫星遥感严重受限于时间分辨率以及天气等因素。因此，本文探索能否使用低成本消费级无人机对水稻叶片SPAD值进行有效的遥感估测，为农户在水稻生育期及时采取合理的管理措施提供决策支持。1材料与方法1.1材料说明材料为扬州大学农学院实验农场种植的水稻，品种为武运粳24和甬优2640,前茬作物均为小麦。实验选用了28块小区，每个小区面积30平方米。各小区施肥状况不同，小区之间筑田境并用塑料薄膜覆盖，以防肥水串灌。1.2水稻叶片SPAD值测量2016年8月6日，使用SPAD-502plus叶绿素仪测量水稻剑叶叶片的SAPD值，以其代表叶片叶绿素含量。测量采用五点取样法即各小区四个角及中心随机选取一株材料。每株材料取完整展开的剑叶测上、中、下三处的叶绿素值，记录三处的平均值作为该叶片SPAD值，再以五点的平均值代表该小区水稻剑叶的平均叶绿素含量。1.3无人机图像拍摄及处理2016年8月3日，于正午十二点至下午两点间，使用大疆精灵2V+无人机拍摄小区图像。无人机所搭载的相机为可见光相机。拍摄过程中将用于图像校正的白板放于试验小区的中间，同时避免阴影干涉，无人机拍摄高度为正上方30米，每小区重复拍摄两次，保留其中成像质量较高者。将无人机所拍摄的图像导入Lighrooom软件，校正鱼眼镜头所造成的图像变形。然后，将图像导入ENVI软件。对于每一张图像，通过建立白板以及小区的R0I（感兴趣区），分别提取它们的DN值。对于红、绿、蓝三个波段，分别将小区水稻叶片和白板的DN值进行比值处理，作为三个波段的遥感指标（记为R、G、B)o进而计算(R+G+B)/3、(G-R)/(G+R)、(G-B)/(G+B)、(R-B)/(R+B)等指数。2结果与分析28个小区的SPAD测量值分别与R、G、B、（R+G+B）/3、（G-R）/(G+R)、(G-B)/(G+B)、(R-B)/(R+B),进行对其回归统计分析，发现R、G、（R-B）/（R+B）等遥感指数与SPAD值的相关关系较为显著，决定系数均大于0.45（见图1）。由于在各遥感指标中，R与SPAD值具有最高的相关关系，因此建立以下SPAD值预测模型:SPAD=-28・7*R+53・588(1)(R2=0.48,n=28,P值＜0.01)使用该模型预测SPAD时，均方根误差（RMSE）为1.45,相对均方根误差（RRMSE）为3.43%,平均绝对相对误差（MARE）为2.64%。因此，该模型具有较高的预测精度。3结论本文研究了多个基于无人机可见光相机所拍摄图像的遥感指标与水稻剑叶叶片SPAD值的相关关系，发现红波段R与SPAD值具有最高的相关关系，所建立的SPAD值预测模型具有较高的预测精度。不同于仅能以点状方式进行测量的SPAD-502plus叶绿素仪,无人机可在低空飞行，以成像方式显示农田水稻叶片叶绿素在空间上的连续分布特征，有助于快速和直观地揭示水稻生长状况。无人机相机的空间分辨率高，适用于中国农户的小尺度田...