基于无人机遥感影像的多品种水稻抽穗时间估算

doi:10.15933/j.cnki.1004-3268.2022.01.019

摘要/Abstract

摘要： 为了实现用遥感方法监测并估算多品种水稻的抽穗时间，利用不同气候区域1 102个水稻品种的多时相无人机多光谱遥感影像数据，分析水稻光谱与植被指数，使用单高斯函数对原始多时相归一化差分红边植被指数（Normalized difference red edge index，NDRE）数据进行拟合，提取拟合曲线特征峰值。结果表明，峰值时间与实际抽穗时间的Peason相关系数达0.906，由此建立多品种水稻抽穗时间遥感估算模型IHD_DAS=1.3×PEAK_DAS-18（其中，DAS为播种后天数，IHD_DAS 为始穗日期的DAS，PEAK_DAS 为曲线峰值DAS）。模型实现了实际抽穗时间的准确估计，在建模区1 014个品种的均方根误差（RMSE）为3.15 d，在品种数为48、40个的2个验证区的RMSE分别为5.02、2.99 d。该模型对不同地点、气候、品种均具有较好的适用性。

关键词: 水稻, 抽穗时间, 无人机遥感, 植被指数

Abstract: For the purpose of remotely monitoring and estimating heading time for rice of different cultivars，based on the multi‐temporal and multi‐spectral UAV remote sensing images of 1 102 rice cultivars under different climatic regions，we analyzed rice spectrum and vegetation index，fit the original multi‐temporal normalized difference red edge index（NDRE）data using single Gaussian function，and extracted the characteristic peak value of fitting curve. The results showed that the Pearson correlation coefficient between peak time and heading time reached 0. 906，based on which we established the remote sensing estimation model of multi‐cultivar rice heading time IHD_DAS=1.3×PEAK_DAS-18（DAS means the days after sowing，IHD DAS means DAS of initial heading date，PEAK_DAS means DAS of curve peak）.The model worked well for estimating the measured heading time.The root mean square error of 1 014 varieties in the modeling experiment was 3.15 d，and 5.02 d and 2. 99 d in the two verification experiments with 48 and 40 varieties，respectively. The model has good applicability to rice under different regions，climate and cultivars.

Key words: Rice, Heading time, UAV remote sensing, Vegetation index

中图分类号:

S127
TP79

莫佳才, 彭漪, 刘小娟, 王靖. 基于无人机遥感影像的多品种水稻抽穗时间估算[J]. 河南农业科学, 2022, 51(1): 154-161.

MO Jiacai, PENG Yi, LIU Xiaojuan, WANG Jing. Estimation of Heading Time for Rice of Different Cultivars Based on UAV Remote Sensing Images[J]. Journal of Henan Agricultural Sciences, 2022, 51(1): 154-161.

图/表 9

参考文献

［1］刘贵富，陈明江，李明，等.水稻育种行业创新进展［J］.植物遗传资源学报，2018，19（3）：416‐429.

LIU G F，CHEN M J，LI M，et al.Advances and innovation of rice breeding［J］.Journal of Plant Genetic Resources，2018，19（3）：416‐429.

［2］YANG Z，SHAO Y，LI K，et al.An improved scheme for rice phenology estimation based on time‐series multispectral HJ‐1A/B and polarimetric RADARSAT‐2 data［J］.Remote Sensing of Environment，2017，195：184‐201.

［3］中国气象局. 农业气象观测规范水稻：QXT 468—2018 ［S］.北京：中国气象局政策法规司，2018.

China Meteorological Administration.Specifications for agrometeorological obvervation—Rice：QXT 468—2018 ［S］.Beijing：Policy and Regulation Department of China Meteorological Administration，2018.

［4］张焦平，江良荣，黄建勋，等.水稻抽穗期上位效应和QE互作效应的分析［J］.分子植物育种，2006，4（3）：351‐357.

ZHANG J P，JIANG L R，HUANG J X，et al.Analysis of epistatic and QE interaction effects of QTL controlling heading date in rice（Oryza sativa L.）［J］.Molecular Plant Breeding，2006，4（3）：351‐357.

［5］黄敬峰，王福民，王秀珍.水稻高光谱遥感实验研究［M］.杭州：浙江大学出版社，2010.

HUANG J F，WANG F M，WANG X Z. Hyperspectral experiment for paddy rice remote sensing［M］.Hangzhou：Zhejiang University Press，2010.

［6］SAKAMOTO T，YOKOZAWA M，TORITANI H，et al.A crop phenology detection method using time‐series MODIS data［J］.Remote Sensing of Environment，2005，96：366‐374.

［7］WANG J，YU K，TIAN M，et al.Estimation of rice key phenology date using Chinese HJ‐1 vegetation index time‐series images［C］//IEEE.International conference on agro‐geoinformatics：2019（8）.Piscataway，NJ：IEEE，2019：1‐4.

［8］范惠芳，吕沛诚，王品，等.基于遥感数据的杭嘉湖平原水稻物候变化特征研究［J］.杭州师范大学学报（自然科学版），2019，18（6）：79‐84.
FAN H F，LÜ P C，WANG P，et al.Rice phenological variation characteristics in Hangjiahu plain based on remote sensing data［J］.Journal of Hangzhou Normal University（Natural Science Edition），2019，18（6）：79‐84.

［9］ZENG L L，WARDLOW B D，XIANG D X，et al.A review of vegetation phenological metrics extraction using time‐series，multispectral satellite data［J］.Remote Sensing of Environment，2020，237：111511.

［10］WANG J，HUANG J F，WANG X Z，et al.Estimation of rice phenology date using integrated HJ‐1 CCD and Landsat‐8 OLI vegetation indices time‐series images ［J］.Journal of Zhejiang University‐Science B，2015，16（10）：832‐844. ［11］杨浩，黄文江，王纪华，等.基于HJ‐1A/1B CCD时间序列影像的水稻生育期监测［J］.农业工程学报，2011，27（4）：219‐224.
YANG H，HUANG W J，WANG J H，et al.Monitoring rice growth stages based on time series HJ‐1A/1B CCD images［J］.Transactions of the Chinese Society of Agricultral Engineering，2011，27（4）：219‐224.

［12］MA Y，JIANG Q，WU X T，et al.Monitoring hybrid rice phenology at initial heading stage based on low‐altitude remote sensing data［J］.Remote Sensing，2021，13（1）：86.

［13］SUN H S，HUANG J F，PENG D L.Detecting major growth stages of paddy rice using MODIS data［J］.Journal of Remote Sensing，2009，6：1122‐1137.

［14］WANG H S，CHEN J S，WU Z F，et al.Rice heading date retrieval based on multi‐temporal MODIS data and polynomial fitting［J］.International Journal ofRemote Sensing，2012，33（6）：1905‐1916.

［15］LI S H，XIAO J T，NI P，et al.Monitoring paddy rice phenology using time series MODIS data over Jiangxi Province，China［J］.International Journal of Agricultural & Biological Engineering，2014，7（6）：28‐36.

［16］曹云英，段骅，杨立年，等.抽穗和灌浆早期高温对耐热性不同籼稻品种产量的影响及其生理原因［J］.作物学报，2009，35（3）：512‐521.
CAO Y Y，DUAN H，YANG L N，et al.Effect of high temperature during heading and early grain filling on grain yield of indica rice cultivars differing in high‐tolerance and its phesiological mechanism［J］.Acta Agronomica Sinica，2009，35（3）：512‐521.

［17］SONG Y L，GAO Z C，LUAN W J.Interaction between temperature and photoperiod in regulation of flowering time in rice［J］.Science China Life Science，2012，55 （3）：241‐249.

［18］钱宗华，周爱军.水稻破口至齐穗期包颈和穗腐病发生原因及对策［J］.中国稻米，2013，19（3）：78‐81.
QIAN Z H，ZHOU A J.Causes and countermeasures of neck wrapping and ear rot in rice from breaking to full heading［J］.China Rice，2013，19（3）：78‐81.

［19］ROUSE J W J，HAAS R H，SCHELL J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［J］.Nasa Special Publication，1974，351：309.

［20］ FITZGERALD G，RODRIGUEZ D，O’LEARY G.Measuring and predicting canopy nitrogen nutrition in wheat using a spectral index：The canopy chlorophyll content index（CCCI）［J］.Field Crops Research，2010，116（3）：318‐324. ［21］JORDAN C F.Derivation of leaf area index from auality of light on the forest floor［J］.Ecology，1969，50 （4）:663‐666.

［22］JIANG Z，HURTE A R，DIDAN K，et al.Development of a two‐band enhanced vegetation index without a
blue band［J］.Remote Sensing of Environment，2008，112（10）：3833‐3845.

［23］赵艳丽.时空融合技术在高时空分辨率NDVI数据重构中的应用［D］.太原：太原理工大学，2015.
ZHAO Y L.Reconstruction of NDVI data with high spatial and temporal resolution using spatial‐temporal
fusion technique［D］.Taiyuan：Taiyuan University of Technology，2015.

［24］梁继，郑镇炜，夏诗婷，等.高分六号红边特征的农作物识别与评估［J］.遥感学报，2020，24（10）：1168‐1179.
LIANG J，ZHENG Z W，XIA S T，et al.Crop recognition and evaluation using red edge features of GF‐6 satellite ［J］.Journal of Remote Sensing（Chinese），2020，24 （10）：1168‐1179.

［25］房梅梅.水稻抽穗结实期的田间管理措施［J］.黑龙江科技信息，2013（3）：224.
FANG M M.Field management measures for rice heading and fruiting period［J］.Heilongjiang Science and Technology Information，2013（3）：224.

［26］张明达，胡雪琼，朱涯，等.基于生理发育时间的水稻发育期预测方法［J］.中国农学通报，2017，33（29）：25‐30.
ZHANG M D，HU X Q，ZHU Y，et al.Forecasting method of rice phenology stage based on physiological development period［J］.Chinese Agricultural Science Bulletin，2017，33（29）：25‐30.

［27］杨振忠，方圣辉，彭漪，等.基于机器学习结合植被指数阈值的水稻关键生育期识别［J］.中国农业大学学报，2020，25（1）：82‐91.
YANG Z Z，FANG S H，PENG Y，et al.Recognition of rice growth stage by machine learning combined with vegetation index threshold ［J］.Journal of China Agricultural University，2020，25（1）：82‐91.

［28］秦占飞.西北地区水稻长势遥感监测研究［D］.杨凌：西北农林科技大学，2016.
QIN Z F.Study on rice condition monitoring with remote sensing in northwest region［D］.Yangling：Northwest Agriculture and Forestry University，2016.

[1]	樊一凡, 张艳艳, 王艺媚, 李俊周, 杜彦修, 孙红正, 彭廷, 赵全志, 张静. 不同播期温光条件对籼稻产量和品质的影响[J]. 河南农业科学, 2024, 53(2): 17-27.
[2]	赵彪, 冯旭, 贺付蒙, 徐永清, 石齐海, 冯艳忠, 李凤兰. EM富硒酵母菌剂的制备及其在水稻富硒生产中的应用[J]. 河南农业科学, 2023, 52(8): 26-35.
[3]	解文孝, 姜秀英, 吕军, 潘争艳, 韩勇, 王庆新, 李建国. 不同叶位功能叶片对不同穗型水稻籽粒灌浆特性及稻米品质的影响[J]. 河南农业科学, 2023, 52(8): 36-44.
[4]	豆丹丹, 孙建军, 王德新, 郭玉玺, 郭新海, 丁超明. 播期对早中稻产量和品质的影响[J]. 河南农业科学, 2023, 52(7): 12-23.
[5]	程志强, 方圣辉. 基于水稻三维模型的表型参数提取及生物量估测[J]. 河南农业科学, 2023, 52(7): 144-153.
[6]	黄海, 瞿小杰, 刘金海, 彭赞文. 盐碱胁迫下不同倍性水稻4 种转录因子家族基因的表达模式分析[J]. 河南农业科学, 2023, 52(6): 22-33.
[7]	张秀锦, 张容慧, 蔡景行, 王国坤, 柴冠群, 黄承玲, 范成五. 镍污染稻田低积累水稻品种筛选及健康风险评价[J]. 河南农业科学, 2023, 52(6): 61-69.
[8]	韦钙兴, 易文龙, 刘昱成, 赵应丁, 陈庭倬. 基于改进U-Net 的水稻叶片细胞分割方法研究[J]. 河南农业科学, 2023, 52(3): 153-160.
[9]	马纬, 武志明, 余科松. 基于无人机多光谱的不同施硒水平荞麦冠层叶绿素估测模型研究[J]. 河南农业科学, 2023, 52(3): 161-172.
[10]	雷振山, 李猛, 卫云飞, 季新, 刘娟, 王付娟, 刘秋员. 不同种植方式对豫南地区优质食味粳稻产量及品质的影响[J]. 河南农业科学, 2023, 52(2): 12-20.
[11]	马学虎, 马昀君, 黄璜, 陈灿, 王忍, 张印, 伍世豪, 张泉, 张琴. 稻禽共生对水稻群体生长特性和产量形成的影响[J]. 河南农业科学, 2023, 52(11): 42-48.
[12]	臧贺藏, 王从胜, 赵巧丽, 赵晴, 张杰, 李国强, 郑国清. 基于深度学习的小麦倒伏自动分类方法研究[J]. 河南农业科学, 2023, 52(11): 167-173.
[13]	郑紫瑞, 赵辉杰, 位盼盼, 方鹏, 王来刚, 徐少博. 集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取[J]. 河南农业科学, 2023, 52(10): 153-161.
[14]	汤伟, 陈灿, 黄璜, 周天送, 王忍. 不同作物+小龙虾种养模式作物产量及氮、磷平衡分析[J]. 河南农业科学, 2023, 52(1): 24-33.
[15]	许嘉桐, 陈书涛, 张苗苗, 夏可, 王晖. 不同作物叶片和茎全磷含量与高光谱植被指数的关系[J]. 河南农业科学, 2022, 51(9): 141-150.