基于叶色与阴影结构特征的无人机冠层反射率校正方法研究

《Sensors》：A Leaf-Colour- and Shadow-Structure-Guided Method for Correcting Wheat Canopy Reflectance

　　

摘要

光照变化和冠层几何结构会影响不同时间获取的RGB测量值的可比性。本研究提出了一种基于叶色和阴影结构特征的冠层反射率校正方法。在不同氮素水平、采样日期和采集时间下获取了无人机RGB图像。提取SP、HSV、Lab和BDI特征以构建四种输入方案，并将其输入多个神经网络进行校正。保留BDI等级顺序的Fullgrade_noflat输入方案与1D-CNN结合，在测试配置中对地块级日均RGB参考值给出了最准确的预测（R² = 0.8773，RMSE = 0.0213，MAE = 0.0161）。所有三个RGB通道的日内变异系数均有所降低。该模型在同一数据集上评估的三种RGB阴影补偿方法的误差也更低。这些结果表明在研究条件下日内一致性有所改善；但在其他环境中的表现及对农艺性状分析的影响仍需进一步评估。