检索结果-南通市图书馆

基于无人机遥感图像纹理与植被指数的土壤含盐量反演

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8期54卷 201-210页

作者：向友珍李汪洋台翔安嘉琪王辛陈俊英西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100 西北农林科技大学水利与建筑工程学院陕西杨凌712100

基于无人机遥感技术获取农田土壤盐分信息为盐渍化治理提供了快速、准确、可靠的理论依据。本文在内蒙古河套灌区沙壕渠灌域试验地上采集了取样点0~20 cm的土壤含盐量,并使用M600型六旋翼无人机平台搭载Micro-MCA多光谱相机采集图像。利... 详细信息

基于无人机遥感技术获取农田土壤盐分信息为盐渍化治理提供了快速、准确、可靠的理论依据。本文在内蒙古河套灌区沙壕渠灌域试验地上采集了取样点0~20 cm的土壤含盐量,并使用M600型六旋翼无人机平台搭载Micro-MCA多光谱相机采集图像。利用Otsu算法对多光谱图像进行图像分类(土壤背景和植被冠层),基于分类结果分别提取剔除土壤背景前后的光谱指数和图像纹理特征,采用支持向量机(SVM)和极限学习机(ELM)构建土壤含盐量监测模型,其4种建模策略分别为:未剔除土壤背景的光谱指数(策略1)、剔除土壤背景后的光谱指数(策略2)、未剔除土壤背景的光谱指数+图像纹理特征(策略3)、剔除土壤背景的光谱指数+图像纹理特征(策略4),通过比较4种建模策略的模型精度以筛选出最优变量组合。结果表明:策略3、4所计算出的土壤含盐量反演精度高于策略1、2,策略1~4验证集决定系数R_(v)^(2)分别为0.614、0.640、0.657、0.681,因此利用图像纹理特征+植被指数对提高土壤含盐量的反演精度有重要意义。对比策略3、4,图像纹理特征+植被指数受到土壤背景的影响,策略4精度低于策略3精度,其R_(v)^(2)分别为0.614、0.657;各变量处理的最优模型均为ELM模型,建模集R_(v)^(2)分别为0.625、0.644、0.618、0.683,标准均方根误差分别为0.152、0.134、0.206、0.155。相比于SVM模型,ELM模型提高了土壤含盐量的反演精度。

关键词：土壤含盐量无人机遥感多光谱图像纹理特征植被指数全子集筛选

在线全文

学校读者我要写书评

暂无评论

无人机遥感的多植被指数土壤水分反演模型

光谱学与光谱分析 2024年第1期44卷 207-214页

作者：李虎钟韵冯雅婷林震朱士江三峡大学水利与环境学院湖北宜昌443002 三峡库区生态环境教育部工程研究中心湖北宜昌443002

土壤水分是影响农业生产的重要因素,在作物生长发育和最终产量上起着至关重要的作用,快速、高效地估算土壤水分已成为农林水资源监测的热点问题。利用高光谱反射率的特征波段计算植被指数、构建土壤水分反演模型已获得广泛的认可和应用... 详细信息

土壤水分是影响农业生产的重要因素,在作物生长发育和最终产量上起着至关重要的作用,快速、高效地估算土壤水分已成为农林水资源监测的热点问题。利用高光谱反射率的特征波段计算植被指数、构建土壤水分反演模型已获得广泛的认可和应用。针对反演土壤水分受植被覆盖度影响较大的问题,提出用多种植被指数组合削弱植被覆盖度对土壤水分反演的影响。在宜昌市仓屋榜试验基地选取30组柑橘树,在果树滴落线处收集土壤,通过烘干法测定土壤质量含水率,采样4次,共计120组土壤含水率;并利用ASD Field Spectral FR光谱仪(波长范围325~1 075 nm)及大疆精灵4多光谱版无人机获取了120组试验区蓝、绿、红、红边、近红外及短波红外波段光谱反射率,采用移动平均法对光谱数据进行降噪预处理,通过灰色关联法对9种植被指数进行比较分析,筛选出与土壤水分极显著相关的4种植被指数(p指数与土壤水分的相关性从高到低依次为裸土指数(BSI)、归一化蓝绿差异植被指数(NGBDI)、绿色归一化指数(GNDVI)、归一化差异植被指数(NDVI),其中BSI与土壤水分的相关性最高,相关系数为-0.687(N=120)。采用线性逐步回归法和非线性BP神经网络法建立了基于多种植被指数的土壤水分反演模型,依据决定系数(R^(2))、相对误差绝对值(ARE)、均方根误差(RMSE)作为反演模型的精度评价指标。结果表明:逐步回归模型和BP神经网络模型的土壤水分反演值与实测值之间的R^(2)分别为0.816、 0.889, RMSE分别为2.54%、 1.53%, ARE分别为21.13%、 8.88%,利用多植被指数组合的非线性BP神经网络算法基于植被指数建模对土壤水分反演的精度更高,在一定程度上可以克服植被覆盖度不同对土壤水分反演精度的影响,作为直接测定土壤水分的有效替代方法,为农业灌溉定量决策及科学管理提供科学参数。

关键词：土壤水分多光谱遥感植被指数逐步回归 BP神经网络

在线全文

学校读者我要写书评

暂无评论

人类活动影响下安徽省植被指数时空变化分析

农业机械学报 2022年第8期53卷 203-212页

作者：魏圆圆孙守刚梁栋贾兆红安徽大学互联网学院合肥230039 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

利用2006—2020年MODIS NDVI数据和2010年及2015年的国内生产总值(GDP)、人口(POP)、土地覆盖(Land Cover)空间分布数据,分析了安徽省NDVI的时空变化规律及人类活动对NDVI空间变异的影响。结果表明:2006—2020年安徽省NDVI在0.535~0.56... 详细信息

利用2006—2020年MODIS NDVI数据和2010年及2015年的国内生产总值(GDP)、人口(POP)、土地覆盖(Land Cover)空间分布数据,分析了安徽省NDVI的时空变化规律及人类活动对NDVI空间变异的影响。结果表明:2006—2020年安徽省NDVI在0.535~0.568之间波动,总体呈改善趋势,累积增长率为6.23%;季节上年增长率由大到小依次为秋季(0.0042a^(-1))、冬季(0.0036a^(-1))、夏季(0.0031a^(-1))和春季(0.0029a^(-1))。15年来,安徽省NDVI明显改善和轻微改善的区域面积占全省NDVI面积的69.17%,改善区域主要分布在长江以南地区;季节上,春季和冬季对NDVI改善的贡献最大。安徽省NDVI呈现持续性改善的区域占42.36%,呈现持续性退化的区域占17.23%,退化区域主要分布在省会城市及其周边经济发展较快城市。2010年GDP、POP、Land Cover对NDVI的空间变异分布解释力均在27%以上,2015年解释力均在15%以上,可见,GDP、POP、Land Cover对NDVI的空间分布均存在显著的影响。安徽省2006—2020年NDVI在时间和空间上均呈不断改善趋势,表明安徽省的绿色发展正在稳步推进。

关键词：安徽省植被指数变化趋势人类活动相关性

基于纹理-颜色特征与植被指数融合的冬小麦LAI估测

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7期54卷 347-359页

作者：范军亮王涵廖振棋戴裕珑余江冯涵龙西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100 西北农林科技大学水利与建筑工程学院陕西杨凌712100

准确、快速、无损估测叶面积指数(LAI)对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像,利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性... 详细信息

准确、快速、无损估测叶面积指数(LAI)对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像,利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性分析筛选出25个植被指数,并提取植被指数影像中8种纹理特征:对比度(CON)、熵(ENT)、方差(VAR)、均值(MEA)、协同性(HOM)、相异性(DIS)、二阶矩(SEM)和相关性(COR),以及3种颜色特征:一阶矩(M)、二阶矩(V)和三阶矩(S),再分别利用多元逐步回归模型(MSR)、支持向量回归模型(SVR)和高斯过程回归模型(GPR)构建冬小麦LAI估测模型。结果表明:相对于考虑单一类型变量,考虑结合纹理特征和颜色特征进行估测时模型精度更高;3类模型中,GPR模型估测冬小麦LAI的精度最高;所有模型中,基于纹理-颜色特征与植被指数融合的GPR模型估测冬小麦LAI精度最高(决定系数R2为0.94,均方根误差(RMSE)为0.17 m^(2)/m^(2),平均绝对误差(MAE)为0.13 m^(2)/m^(2),归一化均方根误差(NRMSE)为4.06%)。纹理特征和颜色特征能有效改善植被指数在高密度冠层下的饱和问题,能够从有限的信息中衍生得到更多信息用于更高精度地估测冬小麦LAI,从而为冬小麦长势监测和生产管理提供理论依据。

关键词：冬小麦叶面积指数纹理特征颜色特征植被指数多光谱图像

无人机飞行高度对植被覆盖度和植被指数估算结果的影响

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第24期38卷 63-72页

作者：何勇杜晓月郑力源朱姜蓬岑海燕许丽佳浙江大学生物系统工程与食品科学学院杭州310058 农业农村部光谱检测重点实验室杭州310058 四川农业大学机电学院四川625014

将无人机与多种成像传感设备相结合可实现田间作物表型信息的全面获取。针对田间复杂环境下无人机搭载多种成像传感设备在不同飞行高度处提取的作物信息具有差异性的问题,该研究着重探究了无人机搭载2种成像传感设备获取图像时,不同飞... 详细信息

将无人机与多种成像传感设备相结合可实现田间作物表型信息的全面获取。针对田间复杂环境下无人机搭载多种成像传感设备在不同飞行高度处提取的作物信息具有差异性的问题,该研究着重探究了无人机搭载2种成像传感设备获取图像时,不同飞行高度对估算植被覆盖度以及植被指数结果的影响。首先为防止外界环境变化对获取图像质量造成干扰,通过最近邻插值算法将无人机飞行高度为25 m处获取的2个多光谱和可见光图像数据集分别退化为10个不同地面分辨率的模糊图像数据集,模拟无人机在不同飞行高度下获取的作物图像。然后获取50 m高度处的无人机图像数据集,通过皮尔逊相关性分析验证模拟数据集的有效性。最后采用随机森林模型估算不同数据集中的植被覆盖度,分类精度大于91%。结果发现,当植被覆盖度小于1/2时,随着地面分辨率的降低该指标不断被低估,反之则被高估。飞行高度50 m的真实图像与模拟图像估算植被覆盖度结果的相关系数为0.9928,两者具有强相关性,模拟图像估算得到的植被覆盖度变化具备参考意义。植被指数估算结果中,首先对无人机图像数据集进行辐射校正、阈值分割等图像预处理,然后根据公式计算得到植被指数,最后通过假设性检验对10个图像数据集计算得出的植被指数进行分析。结果发现,可见光植被指数在飞行高度61m时均具备显著性差异(P0.1),多光谱植被指数在10个高度下均没有显著性差异,因此为保证无人机获取数据的准确性与完整性,当无人机搭载该研究的两种相机获取作物信息时建议飞行高度为42 m。研究结果可为研究者利用无人机搭载多传感设备获取作物信息设定合适的飞行高度、减小作业成本提供参考。

关键词：无人机植被指数植被覆盖度飞行策略

基于无人机遥感植被指数优选的覆膜冬小麦估产研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第4期55卷 146-154,175页

作者：韦春宇杜娅丹程智楷周智辉谷晓博西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100

为进一步提高无人机遥感估产的精度,本研究以2021—2022年的覆膜冬小麦为研究对象,对返青期、拔节期、抽穗期和灌浆期的多光谱影像进行覆膜背景剔除,并优选最佳遥感窗口期,基于最优植被指数构建覆膜冬小麦估产模型。结果表明,利用支持... 详细信息

为进一步提高无人机遥感估产的精度,本研究以2021—2022年的覆膜冬小麦为研究对象,对返青期、拔节期、抽穗期和灌浆期的多光谱影像进行覆膜背景剔除,并优选最佳遥感窗口期,基于最优植被指数构建覆膜冬小麦估产模型。结果表明,利用支持向量机监督分类法剔除覆膜背景后冠层反射率更接近真实值,抽穗期和灌浆期的估产精度更高。将不同生育期的植被指数与产量进行相关性分析发现,最佳遥感窗口期为抽穗期。基于逐步回归和全子集回归法优选最优植被指数时发现,基于逐步回归法筛选变量为MCARI、MSR、EVI2、NDRE、VARI、NDGI、NGBDI、ExG时产量反演模型精度最高。此外,利用偏最小二乘法、人工神经网络和随机森林3种机器学习法构建的产量反演模型中,基于逐步回归法的随机森林模型的反演精度最高,R^(2)为0.82,RMSE为0.84 t/hm^(2)。该研究可为提高遥感估产精度、实现农业生产精细化管理提供技术支持。

关键词：覆膜冬小麦植被指数产量估计无人机遥感特征选择机器学习

维普期刊数据库博看期刊

基于特征转移植被指数的水稻叶片氮素含量定量估算

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第2期38卷 175-182页

作者：于丰华邢思敏郭忠辉白驹驰许童羽沈阳农业大学信息与电气工程学院沈阳110866 辽宁省农业信息化工程技术研究中心沈阳110866

水稻叶片氮素含量遥感检测是实现水稻精准施肥的前提条件。为了探究利用光谱技术快速、便捷的实现水稻叶片氮素的精准检测,该研究在水稻关键生育期,利用水稻叶片400~1000nm高光谱反射率信息,利用连续投影法提取敏感波段,在此基础上,提... 详细信息

水稻叶片氮素含量遥感检测是实现水稻精准施肥的前提条件。为了探究利用光谱技术快速、便捷的实现水稻叶片氮素的精准检测,该研究在水稻关键生育期,利用水稻叶片400~1000nm高光谱反射率信息,利用连续投影法提取敏感波段,在此基础上,提出了一种波段特征转移的植被指数构建思路,构建了由3个波段构成的氮素特征转移指数(Nitrogen Characteristic Transfer Index,NCTI),并利用线性归回模型构建了水稻叶片氮素含量反演模型。结果表明:该研究采用连续投影法从水稻叶片光谱中提取了6个特征波段,具体为500、555、662、690、729、800nm;运用氮素特征转移思路构建了由550、729和800 nm构成的氮素特征转移指数(NCTI);以NCTI为输入,运用线性回归的方式构建水稻氮素含量反演模型,其模型决定系数为0.774,均方根误差为0.379 mg/g,反演效果优于归一化植被指数(Normalized Difference Vegetation Index,NDVI)、增强植被指数(Enhanced Vegetation Index,EVI)等传统植被指数所建立的氮素含量反演模型,说明了NCTI在实际的应用中,能够作为快速反演水稻叶片氮素含量的高光谱植被指数。该研究能够为水稻叶片氮素含量光谱检测提供一定的客观数据支撑和模型参考。

关键词：高光谱氮植被指数水稻回归分析

基于多维高光谱植被指数的冬小麦叶面积指数估算

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5期53卷 181-190页

作者：吾木提·艾山江尼加提·卡斯木陈晨买买提·沙吾提伊犁师范大学资源与生态研究所伊宁835000 伊犁师范大学生物与地理科学学院伊宁835000 新疆大学地理科学学院乌鲁木齐830046

为提高干旱区冬小麦叶面积指数(Leaf area index,LAI)遥感估算精度,以拔节期冬小麦LAI为研究对象,在对冠层高光谱数据进行一阶(First derivative,FD)、二阶(Second derivative,SD)微分预处理的基础上,计算了任意波段组合的二维植被指数(... 详细信息

为提高干旱区冬小麦叶面积指数(Leaf area index,LAI)遥感估算精度,以拔节期冬小麦LAI为研究对象,在对冠层高光谱数据进行一阶(First derivative,FD)、二阶(Second derivative,SD)微分预处理的基础上,计算了任意波段组合的二维植被指数(Two-dimensional vegetation index,2DVI)和三维植被指数(Three-dimensional vegetation index,3DVI),通过进行与LAI之间相关性分析,寻求最佳波段组合的植被指数;利用人工神经网络(Artificial neural network,ANN)、K近邻(K-nearest neighbors,KNN)和支持向量回归(Support vector regression,SVR)算法分别建立LAI估算模型,并进行精度验证。结果表明:任意波段组合的植被指数与LAI相关性均显著提高,尤其是基于一阶微分预处理光谱的FD-3DVI-4(714 nm,400 nm,1001 nm)相关系数达到0.93(P植被指数和K近邻算法的估算模型表现突出,其决定系数R^(2)为0.89,均方根误差最低(RMSE为0.31),相对分析误差RPD为2.41;表明K近邻算法更适合解决非线性问题,能够提高估算精度,为后期作物长势评价、合理施肥等提供理论依据。

关键词：冬小麦任意波段组合植被指数叶面积指数高光谱

高分一号卫星高时空分辨率植被指数产品验证与分析

在线全文

学校读者我要写书评

暂无评论

遥感学报 2023年第3期27卷 665-676页

作者：张召星李静柳钦火赵静董亚冬李松泽文远于文涛中国科学院空天信息创新研究院遥感科学国家重点实验室北京100101 中国科学院大学北京100049

归一化差值植被指数NDVI (Normalized Difference Vegetation Index)是使用率最高的植被指数,但现有的NDVI产品时间分辨率跟空间分辨率不足,限制了其在一定区域范围的精细化动态监测应用。高分一号(GF-1)宽幅卫星WFV (Wide Field View)... 详细信息

归一化差值植被指数NDVI (Normalized Difference Vegetation Index)是使用率最高的植被指数,但现有的NDVI产品时间分辨率跟空间分辨率不足,限制了其在一定区域范围的精细化动态监测应用。高分一号(GF-1)宽幅卫星WFV (Wide Field View)具有4 d重访周期、16 m空间分辨率,在长时间序列动态监测中具有巨大潜力。本文对基于GF-1宽幅相机数据生产的全国2018年—2020年16 m 10 d的MuSyQ NDVI产品与基于Google Earth Engine (GEE)的Landsat 7、Landsat 8和Sentinel-2数据生产的Landsat NDVI、Sentinel-2 NDVI产品进行了一致性与差异性分析。结果显示MuSyQ NDVI产品空间分布更加连续,没有其他两个产品显示的条带特征;MuSyQ NDVI产品的有效数据比例更高,尤其是分布在北方及青藏高原的农作物和草地类型,具有更好的空间连续性。时间尺度上,由于GF-1/WFV相比于其他两种产品具有更高频次的观测,MuSyQ NDVI时间序列曲线更加平滑且连续,跳跃现象不明显,且能表现出更细节的植被生长特征及物候特征。在空间和时间尺度上,GF-1/NDVI产品提供的高时空分辨率的NDVI产品较已有产品更优,为后续植被动态研究中NDVI产品的选择提供了有用的信息,对于较大空间范围内的长时间序列精细化监测更具有优势。

关键词：高分一号(GF-1) 植被指数高分辨率时空特征交叉验证