基于遙感技術(shù)的小麥產(chǎn)量無(wú)損估測(cè)一直是精準(zhǔn)農(nóng)業(yè)領(lǐng)域中一個(gè)重要的研究方向,對(duì)國(guó)家糧食安全和農(nóng)業(yè)政策的制定與執(zhí)行具有重要的研究意義。同時(shí),也是我國(guó)農(nóng)業(yè)智能化、數(shù)字化發(fā)展的重要技術(shù)基礎(chǔ)。本文選擇安徽省舒城縣農(nóng)科所和廬江縣白湖農(nóng)場(chǎng)作為研究區(qū),利用兩種多旋翼無(wú)人機(jī)平臺(tái)分別搭載可見(jiàn)光傳感器和高光譜傳感器,在2018和2019年采集當(dāng)?shù)刂髟孕←溒贩N三個(gè)生育期（揚(yáng)花期、灌漿期、成熟期）的冠層可見(jiàn)光影像和高光譜影像,通過(guò)偏最小二乘回歸（Partial Least Squares Regression,PLSR）、支持向量機(jī)（Support Vector Machine,SVM）、決策樹(shù)（Decision Tree,DT）、隨機(jī)森林（Random Forest,RF）和梯度提升樹(shù)（Gradient Boosting Regression Tree,GBRT）等機(jī)器學(xué)習(xí)算法優(yōu)選無(wú)人機(jī)圖像反演小麥產(chǎn)量的最佳模型并評(píng)價(jià),以期為我國(guó)糧食主產(chǎn)省—安徽小麥估產(chǎn)提供技術(shù)參考。本文主要開(kāi)展的研究工作如下:（1）以大疆精靈4 Pro四旋翼無(wú)人機(jī)作為數(shù)據(jù)獲取平臺(tái),利用其自帶的4K高清數(shù)碼相機(jī)拍攝小麥三個(gè)關(guān)鍵生育期冠層的可見(jiàn)光影... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

整體技術(shù)路線圖

安徽大學(xué)碩士學(xué)位論文7第二章數(shù)據(jù)預(yù)處理及研究方法2.1研究區(qū)本文研究區(qū)位于安徽省合肥市廬江縣白湖農(nóng)場(chǎng)（31°13"25.7"N，117°27"48.8"E）和六安市舒城縣農(nóng)業(yè)科學(xué)研究所實(shí)驗(yàn)基地（31°32"27.06"N，116°59"38.16"E），如圖2.1所示。圖2.1研究區(qū)Figure2.1Researchareas田間實(shí)驗(yàn)在2017-2018年和2018-2019年兩個(gè)年度開(kāi)展，供試小麥品種為江淮地區(qū)常規(guī)種植的“揚(yáng)麥13號(hào)”、“寧麥13號(hào)”、“揚(yáng)麥9號(hào)”、“寧麥9號(hào)”、“揚(yáng)麥15號(hào)”、“揚(yáng)麥19號(hào)”、“揚(yáng)麥22號(hào)”、“皖西麥0638”、“生選6號(hào)”、“荃麥725”（2018-2019年度為“揚(yáng)麥24號(hào)”）共10種小麥品種。實(shí)驗(yàn)采用隨機(jī)區(qū)組設(shè)計(jì)，每個(gè)處理3次重復(fù)，共計(jì)30塊小區(qū)。供試小麥于10月下旬到11月初播種（白湖農(nóng)場(chǎng)和舒城農(nóng)科所因物候差異，小麥播種時(shí)間不同），兩個(gè)年度的種植密度分別為16萬(wàn)株/畝（2017-2018年度）和20萬(wàn)株/畝（2018-2019年度），各試驗(yàn)點(diǎn)施肥量（純氮為12kg/畝，P2O5為8kg/畝，K2O為8kg/畝）一致，氮肥基追比為7:3，于返青期追施。如表2.1所示，2017-2018年度白湖農(nóng)場(chǎng)實(shí)驗(yàn)小區(qū)面積為2m×6m=12m2，田塊設(shè)計(jì)為5行6列；舒城農(nóng)科所實(shí)驗(yàn)小區(qū)面積為3m×4m=12m2，田塊設(shè)計(jì)為10行3列。2018-2019年度白湖農(nóng)場(chǎng)和舒城農(nóng)科所實(shí)驗(yàn)小區(qū)的面積均為3m×4m=12m2，田塊均設(shè)

第二章數(shù)據(jù)預(yù)處理及研究方法8計(jì)為10行3列。表2.1實(shí)驗(yàn)小區(qū)設(shè)計(jì)Table2.1Experimentalplotsdesign實(shí)驗(yàn)?zāi)甓葘?shí)驗(yàn)地區(qū)實(shí)驗(yàn)小區(qū)面積實(shí)驗(yàn)小區(qū)設(shè)計(jì)2017-2018白湖農(nóng)場(chǎng)2×6m=12m25行6列舒城農(nóng)科所3×4m=12m210行3列2018-2019白湖農(nóng)場(chǎng)3×4m=12m210行3列舒城農(nóng)科所3×4m=12m210行3列2.2數(shù)據(jù)獲取2.2.1無(wú)人機(jī)影像獲取大疆精靈4Pro四旋翼無(wú)人機(jī)和大疆經(jīng)緯M600Pro六旋翼無(wú)人機(jī)作為數(shù)據(jù)采集平臺(tái)，如圖2.2所示。其中，大疆精靈4Pro自帶高清數(shù)碼相機(jī)，大疆經(jīng)緯M600Pro搭載有CubertS185機(jī)載成像高光譜儀，其具有外形輕孝高速畫(huà)幅式成像、可遠(yuǎn)程控制等優(yōu)點(diǎn)，廣泛應(yīng)用于精準(zhǔn)農(nóng)業(yè)、植被監(jiān)測(cè)、攝影測(cè)量等諸多領(lǐng)域。無(wú)人機(jī)及傳感器的性能參數(shù)如表2.2和2.3所示。圖2.2無(wú)人機(jī)平臺(tái)Figure2.2UAVplatforms

【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)人機(jī)高光譜遙感的東北粳稻冠層葉片氮素含量反演方法研究[J]. 馮帥,許童羽,于豐華,陳春玲,楊雪,王念一.  光譜學(xué)與光譜分析. 2019(10)
[2]遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)中的現(xiàn)狀及發(fā)展趨勢(shì)[J]. 楊麗.  農(nóng)業(yè)與技術(shù). 2019(16)
[3]基于無(wú)人機(jī)遙感的農(nóng)作物長(zhǎng)勢(shì)關(guān)鍵參數(shù)反演研究進(jìn)展[J]. 劉忠,萬(wàn)煒,黃晉宇,韓已文,王佳瑩.  農(nóng)業(yè)工程學(xué)報(bào). 2018(24)
[4]基于無(wú)人機(jī)影像的采煤沉陷區(qū)玉米生物量反演與分析[J]. 肖武,陳佳樂(lè),笪宏志,任河,張建勇,張雷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(08)
[5]基于無(wú)人機(jī)遙感植被指數(shù)優(yōu)選的田塊尺度冬小麥估產(chǎn)[J]. 朱婉雪,李仕冀,張旭博,李洋,孫志剛.  農(nóng)業(yè)工程學(xué)報(bào). 2018(11)
[6]一款無(wú)人機(jī)高光譜傳感器的驗(yàn)證及其在玉米葉面積指數(shù)反演中的應(yīng)用[J]. 陳鵬飛,李剛,石雅嬌,徐志濤,楊粉團(tuán),曹慶軍.  中國(guó)農(nóng)業(yè)科學(xué). 2018(08)
[7]基于隨機(jī)森林算法的冬小麥葉面積指數(shù)遙感反演研究[J]. 張春蘭,楊貴軍,李賀麗,湯伏全,劉暢,張麗妍.  中國(guó)農(nóng)業(yè)科學(xué). 2018(05)
[8]無(wú)人機(jī)搭載數(shù)碼相機(jī)航拍進(jìn)行小麥、玉米氮素營(yíng)養(yǎng)診斷研究[J]. 李紅軍,李佳珍,雷玉平,張玉銘.  中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào). 2017(12)
[9]基于無(wú)人機(jī)可見(jiàn)光影像的農(nóng)田作物分類方法比較[J]. 郭鵬,武法東,戴建國(guó),王海江,徐麗萍,張國(guó)順.  農(nóng)業(yè)工程學(xué)報(bào). 2017(13)
[10]基于無(wú)人機(jī)載高光譜空間尺度優(yōu)化的大豆育種產(chǎn)量估算[J]. 趙曉慶,楊貴軍,劉建剛,張小燕,徐波,王艷杰,趙春江,蓋鈞鎰.  農(nóng)業(yè)工程學(xué)報(bào). 2017(01)

碩士論文
[1]基于無(wú)人機(jī)平臺(tái)的小麥長(zhǎng)勢(shì)監(jiān)測(cè)與產(chǎn)量預(yù)測(cè)研究[D]. 王妮.南京農(nóng)業(yè)大學(xué) 2016



本文編號(hào)：3580507