基于无人机RGB图像的金沙柚叶片叶绿素含量监测研究

曹中盛; 李艳大; 潘玉霞; 孙滨峰; 舒时富; 叶春; 彭忻怡; 《江西农业大学学报 》 2022 北大核心 CSCD

摘要：【目的】叶片叶绿素含量（leaf chlorophyll content,LCC）是表征金沙柚（Citrus grandis（L.）Osbeck）长势状况的重要指标。利用无人机RGB图像可实现植被长势参数实时、无损监测。然而，当前人们对无人机RGB图像监测蜜柚LCC时的敏感图像特征及适宜感兴趣区（region of interest,ROI）选取模式尚不明确。为构建基于无人机RGB图像的蜜柚LCC监测模型，实现利用无人机RGB图像快速监测金沙柚LCC。【方法】本研究基于不同氮肥水平的金沙柚田间试验，于开花期、幼果期和果实膨大期测定蜜柚LCC，同步使用无人机采集蜜柚RGB图像，并提取不同类型图像特征（6个颜色特征、9个植被指数、9个纹理特征）；分别在叶片ROI和冠层ROI两种模式下，分析不同图像特征与蜜柚LCC之间的相关性，确定最优ROI选取模式及敏感图像特征，并构建定量监测模型。【结果】包含有丰富红光信息的红光值（redness intensity,R）、超红植被指数（excess red vegetation index,ExR）和基于红光波段提取的均值（mean texture based on the red band,MEA-R）对蜜柚LCC敏感，在叶片ROI模式下利用其构建的监测模型精度高于在冠层ROI模式下构建的监测模型精度。3个图像特征中，ExR与蜜柚LCC之间相关性最高，在叶片ROI模式下构建的全生育期监测模型建模决定系数（determination coefficient,R~2）达到0.83，模型检验时归一化均方根误差（normalized root mean square error,nRMSE）和偏差（bias）分别为0.24和0.01 mg/g。R和MEA-R表现相似，叶片ROI模式下其建模R~2为0.72，检验nRMSE为0.33。【结论】考虑到监测模型的准确性和图像特征提取的方便性，本研究确定可基于叶片ROI模式提取图像特征ExR并构建全生育期蜜柚LCC监测模型：LCC=-0.01×ExR+2.83，实现利用无人机搭载数码相机快速、准确监测园区尺度金沙柚LCC，在金沙柚生长无损监测诊断和精确管理中具有应用价值。

关键词： 金沙柚 叶片叶绿素含量 无人机 RGB图像 图像特征 监测模型