农业机械学报

作者：李广,张立元,宋朝阳,彭曼曼,张瑜,韩文霆

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,中国科学院水利部水土保持研究所,西北农林科技大学,

关键词：冬小麦;倒伏;无人机遥感;图像处理;多时相;K-means

基金：国家重点研发计划项目（2017YFC0403203）、旱区作物需水无人机遥感与精准灌溉技术及装备研发平台项目（2017-C03）和陕西省水利科技项目（2017SLKJ-7）

采用两期无人机可见光遥感图像，对灌浆期冬小麦倒伏图像特征及倒伏信息提取方法进行研究。从增强图像空间域方面，对图像进行二次低通滤波，获取地物散点图，以散点存在明显分界线为判定标准，选出小麦倒伏信息提取的单特征，对两单特征线性拟合构建倒伏小麦两时期提取特征参数F1和F2，再以两特征参数相似性构建综合特征参数F3。将特征参数结合K-means算法提取冬小麦倒伏信息,整体精度(OA)达86.44%以上，Kappa系数达0.73以上，倒伏信息提取精度(F)为81.07%以上，因此综合特征参数可作为两个时期冬小麦倒伏信息提取特征参数。分别用本文方法、支持向量机、神经网络法和最大似然法提取验证区域倒伏小麦信息，经验证，本文方法提取小麦倒伏信息整体精度(OA)达86.29%以上，Kappa系数达0.71以上，倒伏信息提取精度(F)达80.60%以上；其他3种常用方法提取的整体精度(OA)为69.68%～87.44%，Kappa系数为0.49～0.72，倒伏信息提取精度(F)为65.33%～79.76%。结果表明，本文方法整体精度和倒伏信息提取精度均高于目前常用分类方法。因此，综合特征参数与K-means算法对冬小麦在灌浆期倒伏信息提取具有一定的准确性和适用性。

来源：2019年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第4期