检索结果-南通市图书馆

无人机观测时间对玉米冠层叶绿素密度估算的影响

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

浙江农业学报 2024年第1期36卷 18-31页

作者：周丽丽冯海宽聂臣巍许晓斌刘媛孟麟薛贝贝明博梁齐云苏涛金秀良安徽理工大学空间信息与测绘工程学院安徽淮南232001 中国农业科学院作物科学研究所北京100081 中国农业科学院国家南繁研究院海南三亚572024 国家农业信息化工程技术研究中心北京100097 武汉大学测绘与遥感信息工程国家重点实验室湖北武汉430079

为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进... 详细信息

为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进行无人机多光谱观测试验,并结合PROSAIL模型模拟结果与实测CCD数据,分析一天中不同时刻典型植被指数的变化规律及CCD估算结果的差异。结果表明:在同一天中,无人机玉米冠层反射率和与实测CCD相关性较好的植被指数值均随时间变化,近红外波段的反射率变化最明显,越接近12:00,实测的植被指数值越低,而在一天的不同时间PROSAIL模型模拟的植被指数值几乎没有差异。在同一天,基于不同观测时间获取的同一植被指数与实测CCD的相关性存在较大差异,且不同生育时期和不同指数间的差异不一致;而模拟得到的同一植被指数与CCD的相关性在同一天不同时间的差异不明显。在不同生育时期,基于不同观测时间无人机数据构建的CCD估算模型均可以取得较好的精度,但不同观测时间的估算结果存在差异,决定系数最低的为0.53,最高的为0.80。这些结果表明,在传统的光谱数据获取时间范围内(10:00—14:00),无人机影像获取时间仍对玉米CCD估算有影响,越接近12:00,估算精度越高。研究结果可为后续作物的CCD精准估算提供基础支撑。

关键词：冠层叶绿素密度观测时间机器学习 PROSAIL模型玉米

维普期刊数据库博看期刊

利用VGC-AGB模型和高光谱遥感的马铃薯地上生物量估算

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第9期43卷 2876-2884页

作者：冯海宽岳继博樊意广杨贵军赵春江南京农业大学国家信息农业工程技术中心江苏南京210095 农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 河南农业大学信息与管理科学学院河南郑州450002

马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义。作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估。现有的研究表... 详细信息

马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义。作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估。现有的研究表明,遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性,即“饱和现象”,这制约了作物生长中后期AGB的准确监测。采用了一个新型垂直生长作物AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的AGB估算研究。针对多生长时期遥感光谱指数开展作物生物量监测中存在的“饱和问题”,VGC-AGB定义了叶片干物质含量(C_(m))和垂直器官干物质含量(C_(sm))2个参数,分别描述马铃薯叶片和茎的平均干物质含量,并通过叶面积指数(LAI)×C_(m)计算叶片的地上生物量(AGB l),通过种植密度(C_(d))、马铃薯株高(C_(h))和C_(sm)的乘积,即C_(d)×C_(h)×C_(sm)计算垂直器官的地上生物量(AGB v)。基于国家精准农业研究示范基地2019年马铃薯田间实验,分别获取了马铃薯4个关键生长时期的地面ASD高光谱数据、实测株高、AGB和LAI数据等,并利用高光谱反射率数据构建了高光谱特征参数,分别对比了(1)高光谱特征参数+株高,(2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的3种马铃薯AGB估算模型的性能。结果表明,与传统的高光谱遥感植被指数+株高的AGB估算方法相比,新型VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯AGB l、AGB v和总AGB估算结果,该方法可为马铃薯AGB的快速无损监测提供技术支撑。

关键词： VGC-AGB模型高光谱遥感马铃薯地面生物量

基于冠层光谱特征和株高的马铃薯植株氮含量估算

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第6期53卷 202-208,294页

作者：樊意广冯海宽刘杨边明博孟炀杨贵军北京市农林科学院信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 南京农业大学国家信息农业工程技术中心南京210095 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制... 详细信息

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM),并从中提取冠层光谱特征和株高(H_(dsm))。然后将各生育期提取的H_(dsm)和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和H_(dsm)作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_(dsm)利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明:基于DSM提取的H_(dsm)与实测H具有较高的拟合度(R^(2)为0.860,RMSE为2.663 cm,NRMSE为10.234%);各生育期加入H_(dsm),均能提高马铃薯PNC的估算精度和稳定性;各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。

关键词：马铃薯植株氮含量株高无人机数码影像冠层光谱特征

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于无人机成像高光谱估算马铃薯植株氮含量

光谱学与光谱分析 2023年第5期43卷 1524-1531页

作者：樊意广冯海宽刘杨龙慧灵杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于... 详细信息

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱;其次将提取的冠层光谱与马铃薯PNC进行相关性分析,筛选出PNC的敏感波长;然后分别利用灰度共生矩阵和1~3阶颜色矩,提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征,并将提取的特征与马铃薯PNC进行相关性分析,筛选出相关性较高的前5个图像特征;最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归(ENR)、贝叶斯线性回归(BLR)和极限学习机(ELM)3种方法建立马铃薯PNC估算模型。结果表明:(1)马铃薯5个生育期的冠层光谱特征波长存在差异,但多数位于可见光区域。(2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高,且现蕾期到淀粉积累期的相关性明显高于成熟期。(3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好,成熟期效果较差。(4)现蕾期到淀粉积累期,基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。(5)马铃薯各生育期,基于同种变量利用ENR构建的PNC估算模型效果较好,BLR次之,ELM较差。其中,以图谱融合特征为模型变量,利用ENR构建的PNC估算模型精度和稳定性最好,5个生育期的建模R^(2)分别为0.91、0.75、0.82、0.77和0.69,RMSE分别为0.24%、0.31%、0.26%、0.22%和0.29%,NRMSE分别为6.59%、9.79%、9.58%、7.87%和11.03%。该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。

关键词：无人机马铃薯高光谱图像特征植株氮含量

在线全文

学校读者我要写书评

暂无评论

利用光谱空间特征估算马铃薯植株氮含量

光谱学与光谱分析 2023年第5期43卷 1532-1540页

作者：樊意广冯海宽刘杨边明博赵钰杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散... 详细信息

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散小波分解技术(DWT)提取的多个尺度的高频信息(HFI)构建一种光谱空间特征(VIs+HFI),探究VIs、 HFI和VIs+HFI估算PNC的能力。首先,以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次,基于预处理的无人机影像,提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1~5尺度的HFI。然后,将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析,分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响,根据KMO检验结果对筛选的HFI进行主成分分析(PCA)降维处理。最后,采用岭回归和极限学习机(ELM) 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型,并进行评估。结果表明:(1)马铃薯各生育期,1~5尺度的HFI对估算PNC均有贡献。(2)以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。(3)马铃薯各生育期,以岭回归方法构建的PNC估算模型优于ELM方法。其中,以VIs+HFI为模型变量构建的PNC估算模型效果最优,5个生育期的建模R^(2)分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%;NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。

关键词：无人机马铃薯植株氮含量植被指数高频信息

在线全文

学校读者我要写书评

暂无评论

利用无人机多源传感器估算马铃薯植株氮含量

光谱学与光谱分析 2022年第10期42卷 3217-3225页

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人... 详细信息

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人机获取了马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱影像和数码影像,同时采集各生育期的地面数码影像,并实测了株高(H)、PNC和11个地面控制点(GCPs)的三维空间坐标。其次,利用无人机数码影像结合GCPs生成试验区域的数字表面模型(DSM),分别从无人机数码影像和DSM中提取马铃薯的地面覆盖度(VC)和株高(H),并利用地面数码影像计算的覆盖度(VC)和实测H验证提取的VC和H的精度。然后,根据高光谱反射率数据计算绿边参数(GEPs),构造GEPs×H×VC,GEPs/(1+VC),(GEPs+VC)×H和GEPs/(1+H)4种融合特征参数(FFPs),对高光谱影像信息和数码影像信息进行融合。最后,将各生育期提取的GEPs和构造的FFPs分别与PNC作相关性分析,筛选最优绿边参数(OGEP)和最优融合特征参数(OFFP)构建5个生育期的PNC线性估算模型,并根据相关性较高的GEPs和FFPs利用偏最小二乘(PLSR)和人工神经网络(ANN)2种回归方法构建PNC的多参数估算模型,结果表明:(1)基于无人机数码影像提取的H和VC具有较高的精度,可以代替实测H和VC估算作物理化参数。(2)与GEPs相比,前4个生育期,构造的大部分FFPs与PNC的相关性更高,能更好地反映马铃薯的氮营养状况。(3)马铃薯5个生育期,OFFP估算PNC的效果优于OGEP。(4)与单参数模型相比,基于GEPs和FFPs利用PLSR和ANN 2种方法构建的模型精度和稳定性均明显提高,其中,以FFPs为模型因子利用ANN方法构建的模型效果最好。该研究表明融合高光谱绿边参数和高清数码相机传感器提取的株高和覆盖度信息能显著提升PNC的估算精度,可为马铃薯氮营养状况的动态无损监测和多源传感器信息的应用提供参考。

关键词：植株氮含量无人机多源传感器绿边株高覆盖度

基于无人机多源遥感的玉米LAI垂直分布估算

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第5期54卷 181-193,287页

作者：刘帅兵金秀良冯海宽聂臣巍白怡余汛武汉大学遥感信息工程学院武汉430079 中国农业科学院作物科学研究所北京100081 中国农业科学院国家南繁研究院三亚572024 北京市农林科学院信息技术研究中心北京100097

为探究无人机多源遥感影像估算玉米叶面积指数(Leaf area index,LAI)垂直分布,在田间设置了密度和播期试验,在7个生育时期利用无人机采集了可见光、多光谱和热红外影像并同步获取玉米LAI垂直分布数据。同时,为合理制定无人机飞行任务,... 详细信息

为探究无人机多源遥感影像估算玉米叶面积指数(Leaf area index,LAI)垂直分布,在田间设置了密度和播期试验,在7个生育时期利用无人机采集了可见光、多光谱和热红外影像并同步获取玉米LAI垂直分布数据。同时,为合理制定无人机飞行任务,分析了不同飞行高度和不同太阳高度角下获取的无人机影像对估算玉米LAI的影响。基于无人机影像提取的与玉米LAI相关性较高的植被指数、纹理信息和冠层温度等特征,利用7种机器学习方法分别构建了玉米冠层不同高度LAI估算模型,从中选取鲁棒性强的2个模型用于分析在不同飞行高度和不同太阳高度角下估算LAI的差异。研究结果表明,MLPR和RFR模型对玉米LAI估算鲁棒性最强,全生育期下模型rRMSE为11.31%(MLPR)和11.42%(RFR)。玉米冠层LAI垂直分布估算误差,所有模型的平均rRMSE分别为9.1%(LAI-1)、14.19%(LAI-2)、18.62%(LAI-3)、23.29%(LAI-4)和26.7%(LAI-5)。对于玉米穗位叶及以下部位的LAI估算误差均在20%以下,得到了较好精度。同时,在不同飞行高度和太阳高度角试验中可以得出,当飞行高度为30 m时LAI估算精度最高,R^(2)为0.73,rRMSE为10.97%,在09:00—10:00观测的玉米LAI估算精度最高。无人机多源遥感影像数据可以准确估算玉米冠层LAI垂直分布,及时掌握玉米功能叶片LAI长势差异,可为玉米品种筛选提供辅助。

关键词：玉米叶面积指数无人机多源遥感垂直分布飞行试验

在线全文

学校读者我要写书评

暂无评论

利用无人机高光谱估算冬小麦叶绿素含量

光谱学与光谱分析 2022年第11期42卷 3575-3580页

作者：冯海宽陶惠林赵钰杨福芹樊意广杨贵军农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 河南工程学院土木工程学院河南郑州451191

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参... 详细信息

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参数,研究植被指数与红边参数估算SPAD的能力。先将植被指数与红边参数分别与不同生育期的SPAD进行相关性分析,再基于植被指数、植被指数结合红边参数,通过偏最小二乘回归(PLSR)方法估算SPAD,最后制作SPAD分布图验证模型的有效性。结果表明,(1)大部分植被指数与红边参数在3个主要生育期与SPAD相关性均达到极显著水平(0.01显著);(2)单个植被指数构建的SPAD估算模型中,LCI表现最好(R^(2)=0.56,RMSE=2.96,NRMSE=8.14%),红边参数中Dr/Dr_(min)表现最好(R^(2)=0.49,RMSE=3.18,NRMSE=8.76%);(3)基于植被指数结合红边参数构建的SPAD估算模型效果最佳,优于仅基于植被指数构建的SPAD估算模型,同时,随着生育期推移,两种模型均在开花期达到最高精度,R^(2)分别为0.73和0.78,RMSE分别为2.49和2.22,NRMSE分别为5.57%和4.95%。因此,基于植被指数结合红边参数,并使用PLSR方法可以更好地估算SPAD,可以为基于无人机遥感的SPAD监测提供一种新的方法,也可为农业管理提供参考。

关键词：冬小麦叶绿素含量植被指数红边参数偏最小二乘回归

在线全文

学校读者我要写书评

暂无评论

病害胁迫下玉米LAI遥感反演研究

农业机械学报 2023年第3期54卷 246-258页

作者：刘帅兵金秀良冯海宽聂臣巍白怡程明瀚武汉大学遥感信息工程学院武汉430079 中国农业科学院作物科学研究所北京100081 中国农业科学院国家南繁研究院三亚572024 北京市农林科学院信息技术研究中心北京100097

为了在病害发生条件下进行玉米LAI的遥感估算,针对41个不同抗性的玉米自交系品种,通过人工接种方法,获得了不同病害严重程度(1~9级)的LAI数据,同时采集了地面高光谱和无人机多光谱数据,构建了K近邻算法、支持向量机、梯度提升分类树和... 详细信息

为了在病害发生条件下进行玉米LAI的遥感估算,针对41个不同抗性的玉米自交系品种,通过人工接种方法,获得了不同病害严重程度(1~9级)的LAI数据,同时采集了地面高光谱和无人机多光谱数据,构建了K近邻算法、支持向量机、梯度提升分类树和决策分类树分类模型对病害进行分类,对玉米种质资源抗病性进行了划分。基于不同玉米病害胁迫程度分类结果,采用随机森林回归、梯度提升回归树、极端梯度增强算法、轻量梯度提升机4种机器学习模型对玉米LAI进行反演,讨论了不同模型在病害胁迫下的鲁棒性。研究结果表明,对不同生育期玉米病害程度进行划分,基于地面高光谱识别精度分别为84.72%(梯度提升分类树)、47.67%(支持向量机)、55.05%(K近邻算法)、83.02%(决策分类树)。基于病害分类结果,本文利用无人机多光谱数据估算了不同病情等级胁迫下的玉米LAI。构建了4种集成学习模型对不同病情等级的LAI进行估算,4个LAI反演模型的总体反演精度(rRMSE)分别为:19.11%(梯度提升回归树)、15.94%(轻量梯度提升机)、14.51%(随机森林回归)和15.45%(极端梯度增强算法)。其中极端梯度增强算法对病害胁迫的普适性最好,不同病害等级下的反演精度rRMSE为15.19%(轻微)、17.46%(中等)、9.12%(严重)和9.63%(不抗病)。LAI反演模型普遍在病害早期和中期(病情等级1~7)对玉米LAI估算精度相差不大。但是对病情极其严重的玉米样本,其玉米LAI估算结果精度差异较大,田间不同病情等级胁迫会影响玉米LAI的准确估算。

关键词：玉米病害叶面积指数无人机高光谱多光谱

维普期刊数据库博看期刊