基于Worldview-2影像的玉米倒伏面积估算

李宗南，陈仲新，任国业，李章成，王　昕（. 四川省农业科学院遥感应用研究所，成都 60066；　2. 中国农业科学院农业资源与农业区划研究所，北京 0008）



基于Worldview-2影像的玉米倒伏面积估算

李宗南1，陈仲新2※，任国业1，李章成1，王昕1
（1. 四川省农业科学院遥感应用研究所，成都 610066；2. 中国农业科学院农业资源与农业区划研究所，北京 100081）

摘要：为应用高分辨率遥感影像准确调查玉米倒伏面积，该文使用2012年9月14日获取的Worldview-2多光谱影像研究灌浆期倒伏玉米的光谱、纹理特征及其最优的面积估算方法。通过对影像进行大气校正后得到正常玉米和倒伏玉米的反射率，结果显示玉米倒伏后8个波段的反射率均升高，其中红边、近红外1和近红外2等3个波段的上升数值超过0.1。通过对反射率数据进行滤波得到正常、倒伏玉米的均值纹理特征，统计结果显示各波段纹理特征有差异，其中绿色、红边、近红外1及近红外2等4波段的均值纹理特征数值差距更明显。比较使用不同波段数量、特征及分类方法的倒伏面积估算值，结果表明基于最大似然分类法使用红边、近红外1和近红外2等3波段光谱反射率的倒伏面积估算方法最优，其最小误差为2.2%，最大误差为8.9%，平均误差为4.7%。该研究结果为应用高分辨率多光谱遥感数据调查玉米倒伏面积提供了相关依据。

关键词：遥感；图像处理；光谱分析；多光谱；倒伏面积；玉米

李宗南，陈仲新，任国业，李章成，王昕. 基于Worldview-2影像的玉米倒伏面积估算[J]. 农业工程学报，2016，32（2）：1－5.doi：10.11975/j.issn.1002-6819.2016.02.001ht tp://www.tcsae.org

Li Zongnan， Chen Zhongxin， Ren Guoye， Li Zhangcheng， Wang Xin. Estimation of maize lodging area b ased on Worldview-2 image[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2016， 32（2）: 1－5. （in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.02.001http://www .tcsae.org

0　引　言

大风、强降雨及病虫害可导致作物发生倒伏[1-4]，作物倒伏将导致作物生长受阻、产量及品质降低，是常见的农业灾害之一[5-9]。倒伏面积是评估作物倒伏灾害程度的一项重要指标。调查作物倒伏面积，对灾后农业生产管理、农业灾害保险、补贴等工作有重要意义。遥感通过远距离探测方式，可快速获取感兴趣区信息，是调查作物倒伏状况快捷有效的技术方法[10]。Murakami等使用低空气球平台搭载小型的摄影测量系统获取作物高度，通过高度信息对荞麦的倒伏程度进行评估[11]。李宗南等使用小型固定翼电动无人机遥感系统获取发生倒伏的玉米地块影像，通过正常、倒伏玉米纹理特征的差异准确估算倒伏玉米面积[12]。张杰通过冬小麦倒伏试验测量的地面高光谱数据研究冬小麦多个时期不同程度倒伏的高光谱反射率、一阶导数、植被指数的变化，并研究冬小麦倒伏在ALOS卫星的全色、多光谱影像中的光谱变化特征，认为ALOS影像可用于冬小麦倒伏识别、分类[13]。Yang等使用Radarsat-2卫星连续5个时相的全极化C波段影像研究倒伏小麦的后向散射系数、极化特征，发现极化特征对倒伏小麦敏感，基于极化特征可准确评估小麦倒伏[14]。

准确获取倒伏面积依赖于遥感数据的空间分辨率。低空遥感平台和遥感卫星获取的高分辨率影像是进行作物倒伏调查的主要数据源，而已有的使用卫星遥感调查评估作物倒伏的研究还主要集中在作物倒伏后的光谱、后向散射系数及极化特征研究，应用卫星影像准确估算倒伏面积的研究还很少。近年来，民用高分辨率卫星遥感产业发展快速，适于农业灾害遥感调查的低成本、米级高分辨率影像越来越多。本研究使用2012年9月14日获取的Worldview-2遥感卫星2 m分辨率的8波段多光谱影像研究灌浆期倒伏玉米的光谱、纹理特征及最优的倒伏面积估算方法，以期为应用高分辨遥感数据进行玉米倒伏调查提供相关依据。

1　研究区概况与数据来源

1.1研究区概况

研究区为中国农业科学院万庄农业高新技术产业园（116.58°E，39.60°N）的玉米地块，地块1、地块2和地块3的面积分别为13 089、13 088和2 2103 m2，地块均位于河北省廊坊市广阳区万庄镇，属暖温带大陆性季风气候，春季干旱多风沙，夏季炎热多雨，秋季冷热适宜，冬季寒冷干燥。地块的土壤类型为黄潮土，土壤质地为砂壤。作物种植制度是典型的一年两熟制，主要种植农作物是冬小麦和夏玉米。

1.2数据获取

数据包括Worldview-2遥感影像和玉米倒伏面积调查结果，通过万庄农业高新技术产业园2012年的农业遥感试验获取。该试验通过高分辨率遥感影像订购、无人机航拍等方式获取研究区遥感数据，通过地面同步调查获取作物类型、面积、农业灾害等多种农情数据。

1.2.1玉米倒伏面积数据

该地区2012年9月11、12日发生降雨、大风天气，导致部分地块的玉米严重倒伏。玉米倒伏面积通过地面调查和无人机航片解译确定。通过2012年9月13日的无人机航拍获取园区彩色航片。航片首先在无人机姿态数据辅助下通过光束法区域网平差的空中三角测量法自动实现控制点加密，然后通过正射校正及拼接后得到空间分辨率为0.15m的数字正射图像[15]。在地面倒伏玉米调查的基础上，通过对正射图像进行目视解译，测算3个地块的面积及玉米倒伏面积[12]。

1.2.2Worldview-2多光谱影像

通过编程订购方式获取研究区及周边地区刈幅为5 km×5 km的Worldview-2多光谱影像。2012年9月14日过境的Worldview-2卫星通过传感器前向侧摆20.1°、横向侧摆10.8°的姿态获取空间分辨率为2 m的8波段多光谱影像。影像的产品等级为Ortho Ready Standard，即原始影像经过辐射定标、系统几何校正和基于影像覆盖范围内平均高程的正射校正。影像具体各项光谱性能参数见表1，研究区影像的真彩色合成图见图1。

表1　Worldview-2多光谱影像的性能参数Table 1　Parameters of Worldview-2 multi-spectral image

图1　研究区位置及影像Fig.1　Location of study area and image

1.3数据预处理

首先使用30m网格的DEM数据通过遥感图像处理软件对Worldview-2多光谱影像进行更高精度的正射校正；然后根据影像元数据提供的各波段增益计算各波段辐照度；最后使用大气校正模块输入传感器观测角度、成像时间、卫星高度、影像中心经纬度等信息，选择乡村气溶胶模式和中纬度夏天大气模式进行大气校正，得到研究区的多光谱反射率数据。

2　倒伏玉米面积估算方法

首先对比分析正常玉米、倒伏玉米的光谱特征和纹理特征，为使用Worldview-2影像区分正常玉米和倒伏玉米提供特征选择的依据；然后根据正常玉米和倒伏玉米的光谱、纹理特征差异，使用不同的监督分类法进行分类，根据分类结果统计倒伏玉米类别的面积；根据倒伏玉米实测面积计算不同方法的估算误差，根据误差大小评价基于Worldview-2多光谱影像估算倒伏玉米面积的最优方法。

2.1倒伏玉米的特征

2.1.1倒伏玉米的光谱特征

在研究区的多光谱反射率影像中，随机选取若干正常玉米和倒伏玉米的感兴趣区，其中正常玉米区含285个像元，倒伏玉米区含284个像元。统计感兴趣区内各波段反射率的均值和标准差，然后根据波段中心波长位置，绘制出正常、倒伏玉米的反射率曲线，结果见图2。

图2　正常玉米和倒伏玉米的多光谱曲线Fig.2　Spectral curve of normal maize and lodging maize

根据图2，倒伏玉米在400～1 040 nm波长范围内8个波段的反射率较正常玉米的均出现了明显上升，从蓝光到近红外2的各波段反射率上升为0.02、0.03、0.06、0.05、0.04、0.11、0.13、0.13，其中红边、近红外1和近红外2等3个波段的反射率上升大于0.1，高于可见光范围的5个波段，该变化规律与冬小麦、水稻倒伏后光谱变化规律[4，13]相似，其主要原因可能是冠层结构变化。灌浆期正常玉米冠层内，叶片按照特定范围的叶倾角分布，当包含直射、散射辐射的太阳光辐照时，视场内的玉米冠层表现为光照和荫蔽二部分，即阳叶和阴叶，其中阳叶的反射包括直、散射辐射，亮度高，阴叶反射散射辐射，亮度低；玉米倒伏后，原冠层结构崩塌，阳叶比例显著增加，而阴叶比例则下降，从而导致冠层各波段反射率上升。

根据倒伏后反射率变化量和正常玉米反射率，计算倒伏玉米从蓝光到近红外2的各波段反射率相对变化率依次分别为57%、73%、88%、88%、84%、60%、33%、31%。由于倒伏后红光反射率相对变化量大于近红外波段的，倒伏玉米的NDVI（normalized diffe rence vegetation index）将小于正常玉米的，根据红光、近红外反射率计算NDVI，正常玉米和倒伏玉米的NDVI分别为0.88和0.76。

2.1.2倒伏玉米的纹理特征

本研究计算的纹理特征主要基于灰度共生矩阵[16]，首先计算得出8个波段各自的均值、方差、协同性、对比度、相异性、信息熵、二阶矩、相关性等8项纹理特征值。对比纹理特征图像中玉米地块内正常、倒伏玉米的差异，发现基于灰色共生矩阵的反射率均值纹理特征差异明显，此结果与彩色图像纹理的效果[ 12]相似。因而本研究只分析各波段的均值纹理。正常、倒伏玉米感兴趣区内各波段均值纹理特征的统计结果见图3。

图3　各波段正常玉米和倒伏玉米的均值纹理特征Fig.3　Texture features of normal maize and lodging maize in different bands

根据各波段纹理特征的箱线图，倒伏玉米的纹理特征数值均高于正常玉米的，其中二者在海岸蓝、蓝光、黄色及红色波段的数值范围较邻近或相交；而在绿色、红边、近红外1及近红外2波段的数值范围有明显距离，不存在交叉，因此，绿色、红边、近红外1及近红外2等波段的均值纹理特征可更好区分正常玉米和倒伏玉米。

2.2倒伏玉米面积估算

使用相同的训练区，分别基于光谱特征和纹理特征进行倒伏玉米面积估算。首先根据不同特征，分别使用最大似然分类法[17]和马氏距离分类法[17]区分研究区内正常玉米、倒伏玉米及与玉米地块相邻近的道路、建筑物、裸地、其他绿色植物等6类典型地物，分类所使用的波段分别为8个波段和优选的3个波段；然后使用地块边界矢量文件裁剪出玉米地块分类结果，根据此结果统计出地块内倒伏玉米类别的像元数量并换算成倒伏面积；最后将计算得到的倒伏玉米面积与实测面积进行比较，根据误差大小确定最优的倒伏玉米面积估算方法。

本研究旨在区分玉米地块中的倒伏玉米并估算其面积，故未对研究区所有地物进行细分。多数地物类别通过玉米地块矢量文件裁剪后去除。所使用的玉米地块边界通过目视解译勾绘得到。根据对正常、倒伏玉米的光谱、纹理特征分析，8个波段的信息均有差异；其中红边、近红外1及近红外2波段的光谱、纹理特征差异更明显，因此将此3个波段作为优选波段。

3　结果与分析

在相同训练样区条件下，通过使用不同特征、波段数量及分类方法进行倒伏玉米面积估算，结果详见表2。

表2　不同估算方法的倒伏玉米面积结果及误差Table 2　Results and errors of lodging maize area estimated by different methods

根据表2可知，选择使用红边、近红外1和近红外2波段等3个波段特征的估算误差普遍小于使用8个波段的；使用8个波段特征的估算结果不同程度高估或低估了个别地块的倒伏玉米面积。该结果表明优选3个波段的特征进行倒伏面积估算，可减少部分波段特征在正常玉米和倒伏玉米间差异小而引起的误差，有更高的精度。

比较使用3个波段特征分别基于2种分类方法的估算误差，发现基于马氏距离分类法的结果差于最大似然分类法的；不论使用光谱、纹理特征，基于马氏距离分类法的估算结果均明显低估了地块2、3的倒伏面积

比较使用3个波段光谱反射率、纹理特征基于最大似然分类法的估算结果，发现使用光谱反射率的误差除地块1的误差略大于使用纹理特征的外，地块2、3的均明显小于后者。综上，本研究认为基于最大似然分类法使用红边、近红外1和近红外2等3波段光谱反射率的倒伏玉米面积估算方法最优，其估算倒伏玉米面积的平均误差为4.7%。

与实测面积相比较，基于最大似然分类法使用3个波段反射率的估算结果表现为地块1的面积大于实测值，而地块2、3的面积则略小于实测值。其主要原因是不同地块中正常玉米、倒伏玉米混合像元中倒伏玉米的比例。地块1为玉米倒伏严重地块，倒伏玉米占混合像元的比例较高，混合像元被更多分为倒伏玉米；而地块2、3中倒伏玉米数量较少，混合像元中正常玉米所占比例则可能较高，被分为正常玉米的概率较高。

4　讨　论

本文使用Worldview-2多光谱数据首先分析了灌浆期正常、倒伏玉米光谱及纹理特征的差异，然后探讨了使用该数据估算倒伏面积的最优方法。灌浆期为玉米生长后期的重要关键期，其冠层结构与玉米的抽雄期、腊熟期的差异很小，而与玉米生长早期的差异很大。早期玉米植株高度低、叶面积指数小、覆盖度低，故本研究结果主要为玉米生长后期倒伏调查参考，而生长早期的倒伏特征及面积估算方法还有待后续研究。

Worldview-2垂直视角观测可获取1.8 m分辨率的多光谱影像，侧摆视角观测可获取2 m分辨率的多光谱影像，该数据可准确细分作物[18]、树木类型[19]，是目前进行地物细分常用高分辨率数据；较之无人机遥感的彩色影像，该多光谱影像虽然空间分辨率差了一个数量级，但具有丰富的多光谱信息；本研究使用该数据进行地物分类时，发现基于定量多光谱信息的分类可有效避免无人机彩色影像将长势差、叶片衰老变黄的正常划分为倒伏玉米的问题[12]。

本研究基于Worldview-2多光谱反射率估算倒伏面积的精度为95.3%，与使用无人机遥感影像基于纹理特征估算倒伏面积的精度（96.4%）[12]相比，差距不大；但表2中多种估算方法的结果有明显差异，说明使用该影像估算倒伏玉米面积有较大不确定性，不同分类方法对混合像元所属类别的划分有较大差异，影响倒伏面积估算结果。对此，结合无人机低空遥感和高分辨率卫星遥感各自优势可更准确客观地评估作物倒伏状况。一方面，无人机低空遥感在小区域获取的厘米级分辨率影像有助于卫星遥感影像分类的训练区选择及结果验证；另一方面，卫星遥感覆盖范围远大的优点可实现低成本下大范围作物倒伏调查。Worldview-2影像具有丰富的光谱、纹理信息，应用多种自动分类技术综合利用光谱和纹理特征进行分类，有助于提高分类精度和效率[20]。因此要实现应用遥感影像在区域上进行快速的作物倒伏调查，未来有必要研究多种分类器提取作物地块边界的方法。

5　结　论

通过对发生玉米倒伏地区的Worldview-2影像进行预处理和大气校正，获取研究区的地物反射率，统计分析典型正常、倒伏玉米的反射率，发现玉米倒伏后，在400～1 040 nm波长范围内8个波段的反射率均出现升高，其中红边、近红外1和近红外2等3个波段的上升数值超过0.1。通过对反射率数据进行滤波得到正常、倒伏玉米的均值纹理特征，统计结果显示8个波段的纹理特征有差异，其中绿色、红边、近红外1及近红外2等4波段的均值纹理特征数值差距更明显。对比使用不同波段数量、特征及分类方法的倒伏面积估算结果，发现基于最大似然分类法使用红边、近红外1和近红外2等3波段光谱反射率的倒伏面积估算方法最优，其最小误差为2.2%，最大误差为8.9%，平均误差为4.7%；使用Worldview-2多光谱影像可准确估算倒伏玉米面积。

[参考文献]

[1] Sterling M， B aker C J， Berr y P M， et al. An experimental investigation of the lodging of wheat[J] . Agricultur al and Forest Meteorology， 2003， 119（3/4）: 149－165.

[2] Berry P M， St erling M， Baker C J， et al. A calibrated model of wheat lodging compared with field measurements[J] . Agricultural and Forest Meteoro logy， 2003， 119（3/4）: 167－180.

[3] Berry P M， Ster ling M， Spink J H， et al. Understanding and reducing lodging in cereals[J]. Advances in Agronomy， 2004，84（4）: 217－271.

[4] Baker C J， Sterling M， B erry P M. A gen eralised model of crop lodging[J]. Journal of Theoretical Biology， 2014， 363: 1－12.

[5] Setter T L， Laureles E V， Mazar edo A M. Lodging reduces yield of r ice b y s elf-shading and redu ctions in canopy photosynthesis[J]. Field Crops Research， 1997， 49（2/3）: 95－106.

[6] Berry P M， Spink J. Predicting yield losses caused by lodging in wheat[J]. Field Crops Research， 2012， 137（3）: 19－26.

[7] Zhang Jingcheng， Gu Xiaohe， Wang Jihua， et al. Evaluating maize gr ain qu ality by con tinuous wavelet an alysis under normal and lodging circumstances[J]. Sensor Letters， 2012，10（1/2）: 580－585.

[8] Lang Youzhong， Yang Xiaodong， Wang Meie， et al. Ef fects of lodging at different f illing stages on rice yield and grain quality[J]. Rice Science， 2012， 19（4）: 315－319.

[9] 刘战东，肖俊夫，南纪琴，等. 倒伏对夏玉米叶面积、产量及其构成因素的影响[J]. 中国农学通报，2010，26（18）：107－110. Liu Zhandong， Xiao Junfu， Nan Jiqin， et al. Effect of different levels lodging on leaf area ind ex， yield and its components of summer maize[J] . Chinese Agricultural Science Bulletin， 2010， 26（18）: 107－110. （in Chinese with English abstract）

[10] 刘良云，王纪华，宋晓宇，等. 小麦倒伏的光谱特征及遥感监测[J]. 遥感学报，2005，9（3）：323－327. Liu Liangyun， Wang Jihua， So ng Xiaoyu， et al. Th e canopy spectral featur es and remote sensing of wheat lodging[J] . Journal of R emote Sensing， 2005， 9（3）: 32 3－327. （in Chinese with English abstract）

[11] Murakami T， Yui M， Amaha K. Canopy height measurement by photogrammetric analysis of aerial images: Application to buckwheat （Fagop yrum escu lentum Moench） lodging evaluation[J]. C omputers and Electronics in Agriculture，2012， 89（3）: 70－75.

[12] 李宗南，陈仲新，王利民，等. 基于小型无人机遥感的玉米倒伏面积提取[J]. 农业工程学报，2014，30（19）：207－213. Li Zongn an， C hen Zhongxin， Wang Limin， et al. Ar ea extraction of maize lodging based on remote sensing by small unmanned aer ial vehicle[J] . Tr ansactions of t he Chines e Society of Agricultural Engineering （Transactions of the CSAE），2014， 30（19）: 207－213. （in Chinese with English abstract）

[13] 张杰. 冬小麦倒伏遥感监测研究[D]. 济南：山东师范大学，2011. Zhang Jie. A study on the Lodge of Winter Wheat by Remote Sensing Monito r[D]. Jinan: Sh andong Normal University，2011. （in Chinese with English abstract）

[14] Yang Hao， Chen Erxue， Li Zengyuan， et al. W heat lodging monitoring usin g polar imetric index from RA DARSAT-2 data[J]. International Journal of Applied Earth Observation and Geoinformation， 2015， 34（1）: 157－166.

[15] 王利民，刘佳，杨玲波，等. 基于无人机影像的农情遥感监测应用[J]. 农业工程学报，2013，29（18）：136－145. Wang Limin， Liu Jia， Yang Lingbo， et al. Applications of unmanned aer ial veh icle images on agri cultural r emote sensing monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2013，29（18）: 136－145. （in Chinese with English abstract）

[16] Haralick R M， Shanmugam K， Dinstein I. Textural features for im age classification[J]. IEE E Transactions on S ystems，Man， and Cybernetics， 1973， 3（6）: 610－621.

[17] Richards J. Jia Xiuping. Remote Sensing Di gital Im age Analysis [M]. 4th ed. Berlin: Springer， 2006: 194－199

[18] Pu Ruiliang， Landry S. A co mparative analysis of h igh spatial resolution IKONOS a nd WorldView-2 imagery for mapping urban tree species[ J]. Remote Sensing of Environment， 2012， 124（9）: 516－533.

[19] Upadhyay P， Kumar A， Roy P S， et al. Effect on specific crop mapping using W orldView-2 multispectral ad d-on bands: Soft classification approach[J] . Journal of Ap plied Remote Sensing， 2012， 6（1）: 1－13.

·农业装备工程与机械化·

[20] Huang Xin， Zhang Liangpei. A multiscale urban complexity index based on 3D wavelet tr ansform for spectr al-spatial feature extraction and c lassification: An evaluation on th e 8-channel WorldView-2 imag ery[J]. International Journal of Remote Sensing， 2012， 33（8）: 2641－2656.

Estimation of maize lodging area based on Worldview-2 image

Li Zongnan1, Chen Zhongxin2※, Ren Guoye1, Li Zhangcheng1, Wang Xin1
（1. Institute of Remote Sensing Applicɑtion， Sichuɑn Acɑdemy of Agriculturɑl Sciences， Chengdu 610066， Chinɑ;
2. Institute of Agriculturɑl Resources ɑnd Regionɑl Plɑnning， Chinese Acɑdemy of Agriculturɑl Sciences， Beijing 100081， Chinɑ）

Abstract:Lodging of cereal crops due to strong wind and rain is a common agricultural disaster in many regions of the world，leading to crop growth retardation and yield reduction. Area of crop lodging is very critical for agricultural hazard assessment and ag ricultural in surance clai m. A su rvey m ethod of l odging using high resolution remote sen sing d ata acq uired fro m unmanned aerial vehicle or satellite is fast an d efficient. Worldview-2 multi-spectral image has a 1.8 m spatial resolution in 8 bands （from 400 to 1040 nm）， which is a type of useful remote sensing data of agricultural information in many aspects， but there are few researches about lodging survey. Therefore， a maize lodging survey using Worldview-2 image was discussed in this paper， which was aimed to find an optimum method for estimating the lodging area of maize. In 2012， a Worldview-2 image with the swath of 5 km × 5 km was acquired on September 14thafter a lodging event occurred on September 12thin Wanzhuang Agricultural Park of Chinese Academy of Agricultural Sciences， and the precise area of lodging at 3 fields was measured using the photogrammetry of unmanned aerial vehicle. In this paper， the features of spectrum and texture were analyzed for finding out the optimum features and bands in classification. Firstly， typical pixels of normal maize （285 pixels）and lodging maize （284 pixels） were sampled. Spectrum was acquired from multi-spectral image after ortho-rectification and atmospheric correction. Mean texture feature was acquired from reflectance data by applying co-occurrence based filter. The spectral curves showed that there was a significant difference between normal maize and lodging maize. The reflectance of maize increased after lodging， and the values of the 3 bands including red edge， infrared 1 and infrared 2 were greater than 0.1. The change of canopy structure might be the main reason of this phenomenon. Comparing texture feature of lodging maize to normal maize， the values of the 8 bands between the 2 kinds of maize were different， and especially the band of green， red edge， infrared 1 and infrared 2. According to the feature analysis， red edge， infrared 1 and infrared 2 were chosen as t he optimum bands for classification in this study. Then， 8 classification methods were carried out by using different features，bands and algorithms of classification. The type of features included spectrum and texture， the bands used for classifying were respectively 3 optimum bands and all 8 bands， and the algorithms of classification were respectively based on Mahalanobis distance and the maximum likelihood. Finally， an optimum method was chosen according to the error. The estimation results of 8 methods showed that， the errors of those methods that used 3 optimum bands were lower than those using 8 bands， and when using the 3 optimal bands， the errors of those methods based on the algorithm of the maximum likelihood were lower than those based on the algorithm of Mahalanobis distance. According to the performance of 8 methods， the method that used reflectance of red edge， infrared 1 and infrared 2 based on the maximum likelihood was the best one， for which the minimum error was 2.2%， the maximum error was 8.9%， and the average of error was 4.7%. According to this study， using Worldview-2 multi-spectral image can e stimate the area of lodging maize accurately based on remote sensing data of unm anned aerial vehicle.

Keywords:remote sensing; image processing; spectrum analysis; multi-spectrum; lodging area; maize

通信作者：※陈仲新，男，河北唐山人，研究员，主要从事GIS及农业遥感应用、信息农业和数字农业、农业生态等方面研究。北京农业部农业信息技术重点实验室，100081。Email：zxchen@mail.caas.net.cn

作者简介：李宗南，男，广西武鸣人，博士，主要从事作物生长遥感监测、产量估算、农业灾害遥感调查等方面研究。成都四川省农业科学院遥感应用研究所，610066。Email：lizongnan@aliyun.com

基金项目：农业部“948”计划项目（2011-G6）；国家自然科学基金面上项目（41371396）；高分遥感农业应用项目

收稿日期：2015-04-22

修订日期：2015-12-03

中图分类号：S127；TP79

文献标志码：A

文章编号：1002-6819（2016）-02-0001-05

doi：10.11975/j.issn.1002-6819.2016.02.001