基于無(wú)人機(jī)高清影像的棉花單產(chǎn)預(yù)測(cè)

祁佳峰，劉笑，杜文玲，郭鵬*

（1. 石河子大學(xué)理學(xué)院，新疆 石河子 832003；2. 綠洲城鎮(zhèn)與山盆系統(tǒng)生態(tài)兵團(tuán)重點(diǎn)實(shí)驗(yàn)室，新疆 石河子 832003）

新疆棉花種植面積占新疆耕地面積的50%左右[1]，占全國(guó)棉花種植總面積的78%左右，總產(chǎn)量占全國(guó)產(chǎn)量的80%以上。 棉花產(chǎn)量的準(zhǔn)確預(yù)測(cè)對(duì)保證區(qū)域糧食安全，以及當(dāng)?shù)卣娃r(nóng)業(yè)部門制定相關(guān)政策等都具有指導(dǎo)意義[2]。

近年來遙感技術(shù)不斷發(fā)展和進(jìn)步，由于其獲取信息速度快、觀測(cè)范圍廣而廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)的各個(gè)領(lǐng)域，而作物遙感估產(chǎn)也已逐步取代了傳統(tǒng)的人工地面測(cè)量和統(tǒng)計(jì)的估產(chǎn)方式[3-4]。 目前遙感估產(chǎn)主要借助高空衛(wèi)星和無(wú)人機(jī)兩種工具進(jìn)行，主要包括兩種估產(chǎn)方式，一是根據(jù)地面統(tǒng)計(jì)數(shù)據(jù)與遙感指數(shù)之間的相互關(guān)系構(gòu)建估產(chǎn)模型實(shí)現(xiàn)估產(chǎn)。 劉姣娣等[5]以Landsat7 和Spot4 為數(shù)據(jù)源，分析棉花不同生育時(shí)期的光譜特征后構(gòu)建多個(gè)植被指數(shù)，通過與實(shí)際產(chǎn)量建立回歸分析模型實(shí)現(xiàn)了對(duì)新疆生產(chǎn)建設(shè)兵團(tuán)棉花產(chǎn)量的預(yù)測(cè)。 而程乙峰等[6]通過結(jié)合棉花花鈴期的LAI 和歸一化植被指數(shù)（normalized difference vegetation index,NDVI）與實(shí)際產(chǎn)量之間的關(guān)系，構(gòu)建多元復(fù)合估產(chǎn)模型，實(shí)現(xiàn)了對(duì)新疆北疆地區(qū)棉花產(chǎn)量的預(yù)測(cè)。 衛(wèi)星遙感棉花估產(chǎn)雖可以實(shí)現(xiàn)大尺度范圍內(nèi)的產(chǎn)量預(yù)測(cè)， 但估產(chǎn)精度有待進(jìn)一步提高。為此，借助無(wú)人機(jī)圖像空間分辨率高、獲取速度快、影像成本低等優(yōu)勢(shì)，以無(wú)人機(jī)影像和光譜指數(shù)為基礎(chǔ)進(jìn)行了棉花估產(chǎn)研究[7]。白麗等[8]通過野外光譜儀獲取了棉花冠層不同生育階段的光譜曲線， 根據(jù)棉花冠層光譜特征構(gòu)建光譜指數(shù)，建立了棉花產(chǎn)量的高光譜估算模型，實(shí)現(xiàn)了對(duì)棉花產(chǎn)量的預(yù)測(cè)。 二是將遙感反演的多種參數(shù)通過數(shù)據(jù)同化技術(shù)[2]融合到作物生長(zhǎng)模型中實(shí)現(xiàn)產(chǎn)量模擬[9-10]。 戴建國(guó)等[11]利用高清無(wú)人機(jī)影像數(shù)據(jù)，通過采集棉花不同生育時(shí)期的時(shí)間序列數(shù)據(jù)，將不同時(shí)期的影像輸入到卷積神經(jīng)網(wǎng)絡(luò)和雙向長(zhǎng)短期記憶的混合串行結(jié)構(gòu)中實(shí)現(xiàn)了棉花產(chǎn)量估算。柏軍華等[12]利用多時(shí)相遙感數(shù)據(jù)，通過葉面積指數(shù)（leaf area index, LAI）動(dòng)態(tài)與棉花實(shí)際產(chǎn)量之間的關(guān)系， 構(gòu)建葉面積指數(shù)-產(chǎn)量模型實(shí)現(xiàn)了對(duì)棉花產(chǎn)量的定量遙感監(jiān)測(cè)。而在其他作物的估產(chǎn)研究中，何亞娟等[13]、徐春萌等[14]、王鵬新等[15]通過擬合地面統(tǒng)計(jì)數(shù)據(jù)與遙感數(shù)據(jù)， 構(gòu)建估產(chǎn)模型，分別實(shí)現(xiàn)了對(duì)甘蔗、大豆和玉米的產(chǎn)量預(yù)測(cè)。Perros 等[16]利用無(wú)人機(jī)獲取了2 個(gè)水稻品種4 個(gè)時(shí)期的無(wú)人機(jī)影像，基于植被指數(shù)建立了水稻估產(chǎn)模型。 Hassanzadeh 等[17]通過低空無(wú)人機(jī)系統(tǒng)，利用連續(xù)2 年的夏季遙感數(shù)據(jù)加地面點(diǎn)實(shí)測(cè)數(shù)據(jù)，使用2 種不同的植被指數(shù)檢測(cè)算法，以偏最小二乘法建立估產(chǎn)回歸模型，實(shí)現(xiàn)了對(duì)蠶豆產(chǎn)量的估算。

3～4 葉期之前，棉花植株較小，不同棉花之間的形態(tài)差異較小，無(wú)法進(jìn)行有效分級(jí)；不同棉株的生長(zhǎng)狀態(tài)有較大差異；在此之后，棉花生長(zhǎng)形成對(duì)地表的全覆蓋，無(wú)法進(jìn)行單株棉花的提取和分級(jí)。 已有研究根據(jù)作物幼苗的直徑、株高和根系數(shù)量等特征指標(biāo)實(shí)現(xiàn)對(duì)作物等級(jí)的評(píng)定和劃分，從而實(shí)現(xiàn)對(duì)作物后期成活率、長(zhǎng)勢(shì)和產(chǎn)量等的預(yù)測(cè)[18-21]。 經(jīng)試驗(yàn)發(fā)現(xiàn)，基于生長(zhǎng)前期長(zhǎng)勢(shì)歸類的同等級(jí)棉花在同等生長(zhǎng)條件（土質(zhì)、土壤肥力、水分、土壤鹽分和土壤酸堿度）下，其生長(zhǎng)狀態(tài)在后期生長(zhǎng)過程中不會(huì)發(fā)生較大改變，并且結(jié)鈴期不同生長(zhǎng)狀態(tài)棉花的結(jié)鈴數(shù)具有較大差異。以往的作物遙感估產(chǎn)研究多以擬合地面實(shí)測(cè)產(chǎn)量與遙感影像的方式構(gòu)建估產(chǎn)模型，而且多以NDVI（normalized difference vegetation index, NDVI）和LAI 為關(guān)鍵指標(biāo)實(shí)現(xiàn)估產(chǎn)，也有少量研究通過時(shí)間序列影像結(jié)合深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)估產(chǎn)，但以棉花出苗和生長(zhǎng)狀態(tài)進(jìn)行估產(chǎn)的研究相對(duì)較少。 鑒于此，本文在前人研究的基礎(chǔ)上，借助無(wú)人機(jī)高空間分辨率的優(yōu)勢(shì)，根據(jù)棉花生長(zhǎng)特性，根據(jù)3～4 葉期棉苗直徑對(duì)棉花進(jìn)行等級(jí)劃分， 并結(jié)合后期統(tǒng)計(jì)的單株結(jié)鈴數(shù)和鈴重實(shí)現(xiàn)對(duì)田塊尺度上棉花產(chǎn)量的預(yù)測(cè)。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

1.1.1試驗(yàn)區(qū)。 試驗(yàn)區(qū)位于新疆生產(chǎn)建設(shè)兵團(tuán)第八師（后文簡(jiǎn)稱“八師”）石河子墾區(qū)的石河子總場(chǎng)三分場(chǎng)二連（85°58′30″E，44°22′41″N），面積為26 779 m2。 該地區(qū)地勢(shì)平坦，平均海拔450 m，地勢(shì)東南高、西北低，冬季長(zhǎng)而嚴(yán)寒，夏季短而炎熱， 是典型的溫帶大陸性氣候區(qū)， 年平均氣溫6.5～7.2 ℃，年降水量125.0～207.7 mm，年日照時(shí)間為2 721～2 818 h[22]。 該地區(qū)熱量充足，光照豐富，非常適合棉花生長(zhǎng)，是我國(guó)棉花的主要產(chǎn)區(qū)之一[23]。

1.1.2試驗(yàn)流程。 整個(gè)試驗(yàn)主要分5 步進(jìn)行，依次為：第一，計(jì)算各類植被指數(shù)，選取具有最佳圖像分割效果的指數(shù)， 并確定相應(yīng)的分割閾值；第二， 根據(jù)棉花最大和最小直徑實(shí)現(xiàn)對(duì)3～4 葉期棉花圖像的分割，棉花幼苗提取和計(jì)數(shù)；第三，根據(jù)直徑對(duì)棉花等級(jí)進(jìn)行評(píng)價(jià)和劃分；第四，根據(jù)實(shí)地調(diào)查數(shù)據(jù)， 對(duì)每株棉花的單株結(jié)鈴數(shù)進(jìn)行統(tǒng)計(jì)分析和等級(jí)劃分，并對(duì)鈴重進(jìn)行統(tǒng)計(jì)；第五，構(gòu)建估產(chǎn)模型，實(shí)現(xiàn)估產(chǎn)。

1.2 數(shù)據(jù)獲取

1.2.1無(wú)人機(jī)影像。 試驗(yàn)使用的是深圳市大疆創(chuàng)新科技有限公司生產(chǎn)的大疆御2 四旋翼無(wú)人機(jī)，其整體重量約1 kg， 綜合續(xù)航時(shí)間約20 min，本次試驗(yàn)獲取的數(shù)據(jù)包含紅、綠、藍(lán)和近紅外四個(gè)通道。在本次試驗(yàn)中，無(wú)人機(jī)飛行高度為30 m，航向重疊率為60%，旁向重疊率為80%。 影像拍攝時(shí)鏡頭垂直向下、懸停拍攝[1]。

影像拍攝時(shí)間為2021 年5 月19 日13：00，拍攝時(shí)天氣晴朗、光線充足、無(wú)風(fēng)，具備良好的飛行和拍攝條件。 最終獲取的影像空間分辨率為0.007 5 m，拍攝的單幅照片均以JPEG 格式儲(chǔ)存，拍攝后的圖片由Pix4Dmapper 軟件進(jìn)行拼接和正射校正， 最終以WGS_1984_UTM_zone_45N為投影方式，并以TIFF 格式儲(chǔ)存。

1.2.2地面點(diǎn)數(shù)據(jù)。 試驗(yàn)區(qū)的棉花品種為新陸早64 號(hào)， 是八師種植面積最廣的棉花品種之一，生育期一般為123 d，屬典型的早熟棉，該品種莖稈較硬，抗倒伏，適宜機(jī)采。試驗(yàn)區(qū)棉花于2021 年4月18 日播種，5 月初開始出苗， 至8 月中旬逐漸開始吐絮。

為建模和驗(yàn)證模型精度，對(duì)試驗(yàn)區(qū)實(shí)際出苗數(shù)、單株結(jié)鈴數(shù)、鈴重和實(shí)際產(chǎn)量數(shù)據(jù)進(jìn)行采集。出苗數(shù)據(jù)采集時(shí)間為2021 年5 月19 日10：00－14：00，單株結(jié)鈴數(shù)及鈴重?cái)?shù)據(jù)于2021 年10 月8日采集，實(shí)際產(chǎn)量數(shù)據(jù)在棉花采摘之后，咨詢農(nóng)戶獲取。

試驗(yàn)區(qū)棉花以寬窄行行距（66＋10）cm，1 膜6 行的方式種植，地膜寬1.82 m，地膜間距30 cm。利用GPS 進(jìn)行定位， 共在試驗(yàn)區(qū)設(shè)置20 個(gè)1.82 m×1.82 m 的地面數(shù)據(jù)采樣區(qū)統(tǒng)計(jì)單株結(jié)鈴數(shù)， 同時(shí)又隨機(jī)設(shè)置了18 個(gè)1.82 m×1.82 m的采樣區(qū)進(jìn)行估產(chǎn)模型精度的檢驗(yàn)。 為保證試驗(yàn)的準(zhǔn)確性并驗(yàn)證不同尺度上的精度，根據(jù)地膜總寬和膜間距， 分別設(shè)置3.94 m×3.94 m，6.06 m×6.06 m，8.18 m ×8.18 m，10.3 m ×10.3 m，12.42 m×12.42 m 的地面采樣點(diǎn)各3 個(gè)，進(jìn)行棉花提取精度和出苗率的驗(yàn)證。 同理，為確定鈴重，在整個(gè)試驗(yàn)區(qū)隨機(jī)采集200 個(gè)成熟棉鈴進(jìn)行稱量統(tǒng)計(jì)。 試驗(yàn)區(qū)位置及采樣區(qū)的分布如圖1 所示。

圖1 試驗(yàn)區(qū)示意圖Fig. 1 Schematic diagram of the test area

為進(jìn)一步驗(yàn)證最終的估產(chǎn)精度，設(shè)置由不同農(nóng)戶種植的與試驗(yàn)區(qū)相鄰的地塊為驗(yàn)證地塊，總面積約2 500 m2， 棉花品種和種植密度均與試驗(yàn)地塊一致。 驗(yàn)證地塊的實(shí)際產(chǎn)量同樣在采摘之后咨詢農(nóng)戶獲??；棉花鈴重、不同等級(jí)棉株對(duì)應(yīng)的單株結(jié)鈴數(shù)等參數(shù)均采用與試驗(yàn)地塊相同的設(shè)置。

1.3 數(shù)據(jù)處理與分析方法

1.3.1指數(shù)篩選。 本次試驗(yàn)中使用的四通道數(shù)據(jù)可以利用Envi 5.6 軟件中的Spectral Indices 工具構(gòu)建34 種植被指數(shù)。 為確定最佳的分割指數(shù)，分別利用34 種指數(shù)進(jìn)行整幅圖像的分割試驗(yàn)，其中，15 種指數(shù)無(wú)法對(duì)目標(biāo)和背景進(jìn)行分割，19 種指數(shù)可以對(duì)目標(biāo)和背景進(jìn)行分割，但部分指數(shù)在分割后產(chǎn)生大量噪點(diǎn)，試驗(yàn)所選取的指數(shù)及計(jì)算公式如表1 所示。

表1 植被指數(shù)列表Table 1 List of vegetation indices

1.3.2雜草去除方法。 經(jīng)實(shí)地調(diào)查，雜草大多數(shù)生長(zhǎng)在膜之間的未鋪膜區(qū)，由于地膜的覆蓋和遮擋，生長(zhǎng)在地膜覆蓋區(qū)的雜草極少，可忽略不計(jì)。本試驗(yàn)根據(jù)雜草與棉花的相對(duì)位置關(guān)系，以距離法對(duì)雜草進(jìn)行去除，即在第1 行左側(cè)和第6 行右側(cè)10 cm 處劃線，將10 cm 線之外的提取物確定為雜草，并將其去除。 雜草去除原理如圖2 所示。

圖2 去除雜草示意圖Fig. 2 Schematic diagram of weed removal principle

1.3.3棉花提取與分級(jí)標(biāo)準(zhǔn)。3～4 葉期的棉花在形態(tài)方面已有較大差異，利用Envi 5.6 精準(zhǔn)農(nóng)業(yè)工具包 （Envi Crop Science） 中的作物計(jì)數(shù)工具（count crops） 對(duì)圖像中棉株進(jìn)行提取和計(jì)數(shù)，用測(cè)量工具（mensuration）測(cè)定棉花的直徑。 首先均勻地在整個(gè)試驗(yàn)區(qū)內(nèi)選擇100 株較小的棉株測(cè)量其直徑， 取平均值作為該棉花群體的最小直徑，以同樣的方式測(cè)量該群體的最大直徑，最終確定該試驗(yàn)區(qū)棉株直徑范圍為4～14 cm。 以0.5 cm 為增量，從4～14 cm 共劃分出21 個(gè)等級(jí)，最后以作物計(jì)數(shù)工具實(shí)現(xiàn)不同等級(jí)所有目標(biāo)的提取。

然后，以試驗(yàn)區(qū)域內(nèi)幼苗的最大、最小直徑為限， 利用ArcGis 工具將棉花幼苗按直徑大小以自然斷點(diǎn)法分為4 個(gè)等級(jí)，對(duì)應(yīng)為甲等苗直徑范圍為11.5～14.0 cm， 乙等苗直徑范圍為9.0～11.5 cm，丙等苗直徑范圍為6.5～9.0 cm，丁等苗直徑范圍為4.0～6.5 cm。

采用SPSS11.5軟件包用于統(tǒng)計(jì)分析,等級(jí)資料的比較采用Ridit檢驗(yàn),對(duì)分級(jí)數(shù)據(jù)進(jìn)行比較,P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

1.3.4精度檢驗(yàn)。采用統(tǒng)計(jì)學(xué)中常用的決定系數(shù)（coefficient of determination,R2）、 均 方 根 誤 差（root mean squared error,RMSE） 來衡量模型精度。 其計(jì)算公式為：

式中：n代表樣本數(shù)，yi代表預(yù)測(cè)產(chǎn)量，xi代表實(shí)際產(chǎn)量，y軈i代表預(yù)測(cè)產(chǎn)量平均值，x軈i代表實(shí)際產(chǎn)量平均值。

對(duì)于棉花幼苗提取結(jié)果精度的檢驗(yàn)，分別在不同的尺度上驗(yàn)證其準(zhǔn)確率（accuracy,A），其計(jì)算公式為：

式中：A代表棉苗提取的精度，T表示提取的棉苗數(shù)量，N表示遺漏未提取的棉苗數(shù)量， 本試驗(yàn)中未出現(xiàn)棉苗錯(cuò)提的情況。

2 結(jié)果與分析

2.1 棉苗提取

2.1.1影像分割。 棉花幼苗、地膜及裸土在形態(tài)和顏色方面有巨大差異，在遙感影像中可以根據(jù)綠色植物典型的光譜反射特性，利用植被指數(shù)實(shí)現(xiàn)對(duì)棉花植株的提取。 因此，試驗(yàn)以高清無(wú)人機(jī)影像為基礎(chǔ)，利用各指數(shù)對(duì)影像進(jìn)行分割，從而實(shí)現(xiàn)對(duì)棉花幼苗的提取，局部分割效果如圖3 所示。 大部分指數(shù)在進(jìn)行圖像分割時(shí)會(huì)產(chǎn)生大量的噪點(diǎn)， 并且易對(duì)棉花幼苗產(chǎn)生的陰影進(jìn)行誤提，從而在進(jìn)行圖像分割時(shí)對(duì)分割效果產(chǎn)生巨大影響， 進(jìn)而對(duì)之后棉花幼苗等級(jí)的劃分造成影響，因此不適宜作為分割指數(shù)。 在選取的眾多植被指數(shù)中，僅有綠葉指數(shù)（Green leaf index,GLI）和可見大氣阻抗菌被指數(shù)（Visible atmospherically resistant index, VARI）可以將目標(biāo)和背景進(jìn)行有效區(qū)分，并且產(chǎn)生的噪點(diǎn)較少，分割效果較好。 但VARI 的分割閾值難以確定， 當(dāng)其閾值過小時(shí)不能對(duì)棉花葉片的整個(gè)外在輪廓進(jìn)行有效提取，而當(dāng)其閾值調(diào)整至可以提取整個(gè)葉片輪廓時(shí)，會(huì)產(chǎn)生一定的噪點(diǎn)。 GLI 對(duì)整幅影像分割的總體效果優(yōu)于VARI，在細(xì)節(jié)的提取和分割上效果更佳，分割時(shí)產(chǎn)生的噪點(diǎn)極少，圖像分割也更加完整。

圖3 不同植被指數(shù)分割效果圖Fig. 3 Images of segmentation effect of different vegetation indices

綜合比較各植被指數(shù)提取分割效果， 選取GLI 作為本試驗(yàn)中提取棉花幼苗的最終分割指數(shù)，經(jīng)反復(fù)嘗試和調(diào)整，當(dāng)分割閾值為0.041 時(shí)，影像分割效果較好， 可以有效區(qū)分背景和幼苗。整個(gè)試驗(yàn)區(qū)域中共提取389 126 個(gè)目標(biāo)。

2.1.2幼苗提取和出苗率精度檢驗(yàn)。 為檢驗(yàn)在不同尺度上對(duì)棉花幼苗的提取精度，在試驗(yàn)地塊中隨機(jī)設(shè)置不同面積的區(qū)域進(jìn)行精度驗(yàn)證（圖1），每個(gè)尺度上共進(jìn)行3 次重復(fù)試驗(yàn)，不同尺度上的棉苗提取精度變化如表2 所示。 經(jīng)人工實(shí)地計(jì)數(shù)與影像提取對(duì)比發(fā)現(xiàn)，當(dāng)棉花幼苗葉片之間重疊部分過大時(shí)，存在錯(cuò)將2 株幼苗當(dāng)作1 株進(jìn)行提取的情況， 導(dǎo)致提取的棉花幼苗數(shù)量比實(shí)際數(shù)量偏少。但隨著驗(yàn)證區(qū)域面積的增大，相對(duì)于整個(gè)驗(yàn)證樣本的快速增加，漏提棉苗的數(shù)量增加相對(duì)緩慢，因此，隨著面積的增大，棉苗提取精度逐漸提高。

表2 不同田塊尺度棉花幼苗提取精度變化Table 2 Variation of extraction accuracy of cotton seedlings at different scales

2.2 棉苗提取與分級(jí)結(jié)果

圖4 去除雜草前（A）后（B）效果圖Fig. 4 Images before (A) and after (B) weed removal

不同生長(zhǎng)狀態(tài)的棉花幼苗分級(jí)結(jié)果如圖5所示。 甲等苗為生長(zhǎng)狀態(tài)極佳、極為健碩的棉苗；乙等苗為生長(zhǎng)狀態(tài)略遜色于甲等苗、比甲等苗略小的棉苗； 丙等苗為生長(zhǎng)狀態(tài)略優(yōu)于丁等苗，且比丁等苗略大的苗；丁等苗為發(fā)病、特別弱小的棉苗。

圖5 棉花幼苗實(shí)景圖（A）和示意圖（B）Fig. 5 Actual view (A) and schematic diagram (B) of cotton seedlings

按照棉苗提取和分級(jí)結(jié)果，在成功提取并有效去除雜草后剩余的380 715 株棉花中， 甲等苗2 657 株，乙等苗103 753 株，丙等苗214 691 株，丁等苗59 614 株。

2.3 數(shù)據(jù)統(tǒng)計(jì)分析與模型構(gòu)建

2.3.1數(shù)據(jù)統(tǒng)計(jì)與棉苗分級(jí)精度檢驗(yàn)。 為確定模型構(gòu)建所需參數(shù)，隨機(jī)對(duì)20 個(gè)采樣區(qū)內(nèi)的1 483株棉花單株結(jié)鈴數(shù)進(jìn)行調(diào)查，經(jīng)統(tǒng)計(jì)，在1 483株棉花中， 單株結(jié)鈴數(shù)為4～13 的棉株數(shù)最多，占比超過96%； 而單株結(jié)鈴數(shù)超過15 的共11株，單株結(jié)鈴數(shù)大于13 小于15 的共21 株；而單株結(jié)鈴數(shù)低于4 的共17 株。 按照采樣區(qū)內(nèi)棉花實(shí)際結(jié)鈴數(shù)的統(tǒng)計(jì)結(jié)果， 以13 和4 分別作為單株結(jié)鈴數(shù)的最大值和最小值， 按相等間隔劃分，確定4 個(gè)等級(jí)棉花對(duì)應(yīng)的結(jié)鈴數(shù)，最終將甲等苗確定為13 個(gè)鈴，乙等苗確定為10 個(gè)鈴，丙等苗確定為7 個(gè)鈴，丁等苗確定為4 個(gè)鈴。 單株結(jié)鈴數(shù)大于13 或小于4 的棉花不足5%， 沒有代表性，忽略不計(jì)。

為驗(yàn)證棉苗分級(jí)的準(zhǔn)確性，用20 個(gè)采樣區(qū)內(nèi)不同等級(jí)棉花的結(jié)鈴數(shù)對(duì)分級(jí)準(zhǔn)確性進(jìn)行檢驗(yàn)。 在20 個(gè)采樣區(qū)的1 483 株棉花中，3～4 葉期的無(wú)人機(jī)圖像中共劃分出甲等苗75 株， 乙等苗415 株，丙等苗756 株，丁等苗237 株。 通過統(tǒng)計(jì)棉花結(jié)鈴時(shí)的實(shí)際生長(zhǎng)狀況發(fā)現(xiàn)，27 株甲等苗生長(zhǎng)狀態(tài)欠佳，單株結(jié)鈴數(shù)較少，與劃分的等級(jí)有略微差異，占采樣區(qū)內(nèi)甲等苗的36%、占采樣區(qū)內(nèi)全部棉花的1.82%。 在27 株生長(zhǎng)欠佳的棉花中，3 株的單株結(jié)鈴數(shù)低于4，17 株的單株結(jié)鈴數(shù)在4～7 之間， 其余7 株的單株結(jié)鈴數(shù)在7～10之間。 此外，有23 株丁等苗生長(zhǎng)情況有所改善，占采樣區(qū)內(nèi)丁等苗的9.70%， 占采樣區(qū)內(nèi)全部棉苗的1.55%。 在丁等棉花中，單株結(jié)鈴數(shù)為4～10的共21 株， 剩余2 株的單株結(jié)鈴數(shù)在10 以上。經(jīng)檢驗(yàn)，在1 483 株棉花中，共有50 株棉花的結(jié)鈴數(shù)與苗期預(yù)測(cè)的結(jié)鈴數(shù)有差異，生長(zhǎng)狀態(tài)發(fā)生改變的棉株僅占采樣區(qū)中棉株總數(shù)的3.37%。 因此， 根據(jù)3～4 葉期棉花幼苗直徑大小對(duì)棉花的分級(jí)取得了較好效果。

2.3.2估產(chǎn)模型構(gòu)建。 經(jīng)稱量，200 個(gè)成熟棉鈴中，鈴重最大為7.8 g，最小為3.9 g，眾數(shù)為6.4 g，平均為6.2 g，即0.006 2 kg。本試驗(yàn)以鈴重平均值作為參數(shù)進(jìn)行產(chǎn)量預(yù)測(cè)。 根據(jù)不同等級(jí)棉花幼苗數(shù)量、 單株結(jié)鈴數(shù)以及鈴重構(gòu)建的NDCS（num ber and diameter of cotton seedlings）棉花產(chǎn)量預(yù)測(cè)模型定義如下：

式中：Y表示總產(chǎn)量，li表示劃分的不同等級(jí)棉株的數(shù)量，ni表示不同等級(jí)單株結(jié)鈴數(shù)，m表示鈴重（kg）。

2.3.3模型檢驗(yàn)和產(chǎn)量估計(jì)。 為驗(yàn)證模型的精度， 利用18 個(gè)采樣區(qū)的實(shí)際產(chǎn)量對(duì)模型的驗(yàn)證結(jié)果如圖6 所示。 決定系數(shù)R2越趨近于1，表示模型擬合程度越好， 而均方根誤差RMSE越小，則說明模型越穩(wěn)定，可信度也越高。 通過實(shí)際產(chǎn)量擬合，NDCS 模型的R2為0.919 2，采樣區(qū)內(nèi)產(chǎn)量的RMSE為0.168 7，表明模型精度較好，可以應(yīng)用于棉花的估產(chǎn)研究。

圖6 模型產(chǎn)量預(yù)測(cè)驗(yàn)證圖Fig. 6 Validation graph of model yield prediction

在試驗(yàn)?zāi)觊g，試驗(yàn)地未遭遇極端天氣和病蟲害，試驗(yàn)材料生長(zhǎng)狀況良好，根據(jù)農(nóng)戶提供的產(chǎn)量數(shù)據(jù)可知，樣地實(shí)際總產(chǎn)量為18 419.07 kg，結(jié)合樣地區(qū)域面積，棉花單產(chǎn)為6 872.79 kg·hm－2。該試驗(yàn)通過對(duì)棉苗總數(shù)、不同等級(jí)棉花單株結(jié)鈴數(shù)和鈴重進(jìn)行準(zhǔn)確提取后，根據(jù)估產(chǎn)公式（5）對(duì)樣地產(chǎn)量進(jìn)行估計(jì)。 根據(jù)估產(chǎn)公式預(yù)測(cè)的樣地區(qū)域總產(chǎn)量為17 442.86 kg，結(jié)合樣地面積，預(yù)計(jì)試驗(yàn)區(qū)的棉花單產(chǎn)為6 508.53 kg·hm－2， 略低于當(dāng)?shù)貙?shí)際產(chǎn)量。 該試驗(yàn)的預(yù)測(cè)產(chǎn)量是實(shí)際產(chǎn)量的94.70%，取得了較好的試驗(yàn)結(jié)果。

為了進(jìn)一步驗(yàn)證模型在不同地塊的估產(chǎn)效果，在試驗(yàn)區(qū)相鄰地塊（約2 500 m2）進(jìn)行估產(chǎn)模型驗(yàn)證。 在驗(yàn)證地塊中共提取甲等苗361 株，乙等苗10 919 株，丙等苗15 757 株，丁等苗2 985 株，經(jīng)預(yù)測(cè)得到的總產(chǎn)量為1 463.96 kg，經(jīng)咨詢農(nóng)戶獲取的該驗(yàn)證地塊的實(shí)際總產(chǎn)量為1 581.29 kg，預(yù)測(cè)產(chǎn)量是實(shí)際產(chǎn)量的92.58%，同樣取得了較好的估產(chǎn)效果。

3 討論

3.1 基于無(wú)人機(jī)影像數(shù)據(jù)的棉苗提取與雜草去除方法

作物估產(chǎn)是現(xiàn)代精準(zhǔn)農(nóng)業(yè)中不可或缺的一部分，在眾多估產(chǎn)方法中，多時(shí)相遙感估產(chǎn)受作物物候和大氣效應(yīng)的影響較大，從而易對(duì)估產(chǎn)精度造成影響[22,42-43]。 諸多作物估產(chǎn)研究中，利用棉花生長(zhǎng)早期表現(xiàn)進(jìn)行估產(chǎn)的研究還較少， 因此，本試驗(yàn)主要通過對(duì)棉花幼苗的提取和生長(zhǎng)狀態(tài)的分級(jí)并結(jié)合后期地面統(tǒng)計(jì)數(shù)據(jù)實(shí)現(xiàn)對(duì)田塊尺度上的棉花產(chǎn)量預(yù)測(cè)。 本估產(chǎn)模型的關(guān)鍵在于棉花幼苗的準(zhǔn)確提取和生長(zhǎng)狀態(tài)的合理劃分。 對(duì)于作物幼苗的提取，閆春雨等[44]以面向?qū)ο蟮姆诸愃枷敕椒ǎ浞掷糜跋竦念伾托螤畹燃y理特征，以5 種不同的分類器實(shí)現(xiàn)了棉苗的提取并進(jìn)行了精度對(duì)比分析，確定支持向量機(jī)為最佳的支持學(xué)習(xí)分類器。 魏文麗等[45]以地塊的歸一化植被指數(shù)均值和均方差反映了地塊內(nèi)玉米出苗的基本情況，最終精度達(dá)到80%以上。 而本試驗(yàn)直接利用最新的Envi 5.6 農(nóng)業(yè)工具包實(shí)現(xiàn)棉苗的提取，經(jīng)驗(yàn)證，利用GLI 指數(shù)提取棉苗，當(dāng)驗(yàn)證區(qū)域面積為（12.42×12.42）m2時(shí)提取精度為96.2%。

試驗(yàn)區(qū)共存在4 種不同的地物， 分別為棉苗、雜草、地膜和土壤，而試驗(yàn)主要是將棉苗作為提取目標(biāo)從4 種地物中進(jìn)行分離。 地膜、土壤與棉苗之間具有明顯特征差異，利用GLI 即可對(duì)背景和目標(biāo)進(jìn)行分割。 但3～4 葉期的棉花與雜草的外在形態(tài)和顏色極為相似，利用植被指數(shù)無(wú)法對(duì)二者進(jìn)行有效區(qū)分，是影響產(chǎn)量預(yù)測(cè)準(zhǔn)確度的重要因素，因此，有效去除雜草至關(guān)重要。 在地膜覆蓋的棉田，雜草和棉苗最大的不同在于相對(duì)位置的差異，棉花幼苗以1 膜6 行的播種方式整齊排列，全部生長(zhǎng)在地膜覆蓋區(qū)；而雜草呈無(wú)規(guī)則分布，并且由于地膜的覆蓋和遮擋，主要生長(zhǎng)在膜與膜的間隙。 因此，可以利用距離法將提取到的地膜覆蓋區(qū)以外的目標(biāo)去除，從而達(dá)到去除雜草的目的。

3.2 植株的分級(jí)與應(yīng)用

根據(jù)植株地徑[21]、株高[46]、直徑、株重和不定根數(shù)[47]等指標(biāo)對(duì)苗木進(jìn)行分級(jí)的研究已取得了一定研究成果，并已經(jīng)廣泛應(yīng)用于多個(gè)物種中[48]。李亞麒等[49]根據(jù)云南松幼苗的地徑和株高為分級(jí)指標(biāo)，將幼苗劃分為6 個(gè)不同的等級(jí)，最終實(shí)現(xiàn)了生物量的估算。關(guān)參政等[50]以枸杞種苗的根數(shù)、根徑和地徑為分級(jí)依據(jù)，對(duì)其后期的成活率和長(zhǎng)勢(shì)進(jìn)行了預(yù)測(cè)，經(jīng)驗(yàn)證取得了較好的試驗(yàn)結(jié)果。 結(jié)合前人的研究結(jié)果，本試驗(yàn)以3～4 葉期棉苗直徑對(duì)棉株進(jìn)行等級(jí)劃分具有一定的合理性，并且根據(jù)后期棉株實(shí)際結(jié)鈴數(shù)，在1 483 株棉花中，僅有3.37%的棉株與苗期劃分的等級(jí)有差異， 說明棉苗的分級(jí)取得了較好的試驗(yàn)效果。

3.3 研究局限與展望

本試驗(yàn)充分利用和發(fā)揮了無(wú)人機(jī)影像高分辨率的優(yōu)勢(shì)，主要基于棉花出苗情況和苗期狀態(tài)構(gòu)建估產(chǎn)模型實(shí)現(xiàn)產(chǎn)量預(yù)測(cè)。 試驗(yàn)雖取得了較好效果，但存在一些局限和不足需要在后續(xù)的研究工作中進(jìn)一步完善：（1）不同品種棉花之間的單株結(jié)鈴數(shù)和鈴重有一定差異，而本試驗(yàn)只針對(duì)一個(gè)棉花品種進(jìn)行估產(chǎn)。 （2）不同的種植密度對(duì)棉花鈴重和單株結(jié)鈴數(shù)均會(huì)造成一定影響，但本研究?jī)H在一個(gè)播種密度的棉田進(jìn)行了試驗(yàn)。 （3）暴風(fēng)、 暴雨和病蟲害等自然災(zāi)害會(huì)對(duì)棉花長(zhǎng)勢(shì)、鈴重和結(jié)鈴數(shù)產(chǎn)生影響，而試驗(yàn)區(qū)在試驗(yàn)期間未遭受到極端天氣和病蟲害，因此逆境脅迫生長(zhǎng)條件下對(duì)利用3～4 葉期棉苗長(zhǎng)勢(shì)的估產(chǎn)模型精度的影響有待進(jìn)一步的評(píng)估。 （4）大面積尺度上，外界條件（土壤質(zhì)地、土壤肥力、水分、土壤鹽分和土壤酸堿度）有明顯差異，這些差異會(huì)對(duì)棉花生長(zhǎng)產(chǎn)生重要影響；而在田塊尺度上，這些外界條件基本一致，因此，本試驗(yàn)更適宜田塊尺度上的估產(chǎn)研究。

針對(duì)模型存在的局限與不足，綜合考慮田塊尺度上出苗整齊度和后期干擾因素，對(duì)不同品種類型、不同種植密度的棉田進(jìn)行多年多點(diǎn)連續(xù)估產(chǎn)試驗(yàn)是以后的研究目標(biāo)和重點(diǎn)。

4 結(jié)論

本文以苗期棉花高清影像結(jié)合地面統(tǒng)計(jì)數(shù)據(jù)構(gòu)建棉花估產(chǎn)模型NDCS，實(shí)現(xiàn)了對(duì)棉花產(chǎn)量的預(yù)測(cè)。試驗(yàn)結(jié)果主要包括：（1）試驗(yàn)共提取3～4葉期棉花幼苗380 715 株，經(jīng)不同尺度重復(fù)驗(yàn)證，棉花幼苗的平均提取精度達(dá)96.2%， 共劃分出甲等苗2 657 株，乙等苗103 753 株，丙等苗214 691株，丁等苗59 614 株。（2）以不同等級(jí)棉苗數(shù)量及相應(yīng)的單株結(jié)鈴數(shù)和鈴重構(gòu)建的模型取得了較好的估產(chǎn)效果，經(jīng)驗(yàn)證，估產(chǎn)模型的決定系數(shù)R2為0.919 2， 采樣區(qū)內(nèi)產(chǎn)量的均方根誤差RMSE為0.168 7，模型擬合效果較好。 利用估產(chǎn)模型預(yù)測(cè)的試驗(yàn)區(qū)產(chǎn)量為6 508.53 kg·hm－2， 實(shí)際產(chǎn)量為6 872.79 kg·hm－2，預(yù)測(cè)產(chǎn)量的精度為94.70%；模型驗(yàn)證地塊的預(yù)測(cè)產(chǎn)量精度達(dá)到92.58%，也取得了較好的估產(chǎn)效果。