本文選題：水稻 + 三維激光掃描技術(shù)��； 參考：《新疆大學(xué)》2017年碩士論文

【摘要】：隨著中國(guó)的發(fā)展,現(xiàn)代化進(jìn)程的加快,工業(yè)化的興起,農(nóng)業(yè)的發(fā)展不可避免地受到影響。中國(guó)可謂是一個(gè)人口大國(guó),農(nóng)作物總產(chǎn)量位居世界排名前列,但是人均占有量卻很低。因此,如何實(shí)時(shí)的掌握農(nóng)作物的生長(zhǎng)及監(jiān)測(cè)其生物量,以便為政府提供糧食的基礎(chǔ)信息,成為現(xiàn)階段的研究方向之一�，F(xiàn)在國(guó)內(nèi)外對(duì)森林生物量的研究頗多,但是用地面LiDAR技術(shù)對(duì)農(nóng)作物生物量的研究是一個(gè)新的研究方向。從傳統(tǒng)的技術(shù)到遙感監(jiān)測(cè)技術(shù),再到現(xiàn)在的激光雷達(dá)技術(shù),人們對(duì)科學(xué)的監(jiān)測(cè)農(nóng)作物的生物量做了大量的研究。激光雷達(dá)技術(shù)自開(kāi)發(fā)以來(lái)被廣泛的應(yīng)用于軍事、醫(yī)學(xué)、工程和森林等領(lǐng)域。本文運(yùn)用FARO Focus3D三維激光掃描儀獲得水稻點(diǎn)云數(shù)據(jù),該儀器具有攜帶方面,高性能、易于操作等優(yōu)點(diǎn)。應(yīng)用三維激光掃描技術(shù)可獲得水稻植株的三維點(diǎn)云數(shù)據(jù),再對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行拼接、精簡(jiǎn)和去噪等預(yù)處理。三個(gè)處理過(guò)程中去噪最為重要,本文依據(jù)噪聲的特點(diǎn)應(yīng)用了半徑濾波、統(tǒng)計(jì)濾波和移動(dòng)最小二乘法這三種方法去除噪聲,并用F-score方法驗(yàn)證去噪精度,通過(guò)驗(yàn)證統(tǒng)計(jì)濾波在此研究中去噪效果最好,精度最高。本文選取株高和體積兩個(gè)參數(shù)用于估測(cè)生物量。株高可直接在Cloud compare軟件中獲取。體積(m3)分別用三維凸包法和Voxel法兩種方法獲取,在MATLAB中運(yùn)行相應(yīng)的代碼即可得到體積。利用SPSS和MATLAB軟件建立基于株高的生物量模型、基于三維凸包體積生物量模型、基于Voxel體積生物量模型、基于株高和三維凸包體積生物量模型和基于株高和Voxel體積生物量模型,共計(jì)建立15個(gè)回歸模型。通過(guò)驗(yàn)證可知三維凸包和株高、Voxel體積和株高建立的復(fù)合回歸模型較好,決定系數(shù)都在0.8以上。最優(yōu)模型是三維凸包體積和株高建立的二元一次回歸模型,決定系數(shù)達(dá)到0.87,回歸結(jié)果較理想。研究結(jié)果表明用水稻株高和體積估測(cè)生物量是一個(gè)可行的方法,能夠高效精確的估測(cè)以水稻為代表的農(nóng)作物生物量(g/m2)。
[Abstract]:With the development of China, the acceleration of modernization and the rise of industrialization, the development of agriculture is inevitably affected. China is a populous country with the highest crop output in the world, but low per capita share. Therefore, how to grasp the growth of crops and monitor their biomass in real time, in order to provide the basic information of grain for the government, has become one of the research directions at this stage. There are many researches on forest biomass at home and abroad, but it is a new research direction to use surface LiDAR technology to study crop biomass. From the traditional technology to the remote sensing monitoring technology, and then to the present lidar technology, people have done a lot of research on the scientific monitoring of crop biomass. Since its development, lidar technology has been widely used in military, medical, engineering and forest fields. In this paper, the point cloud data of rice are obtained by Faro Focus 3D laser scanner. The instrument has the advantages of carrying high performance and easy to operate. The 3D point cloud data of rice plants can be obtained by using 3D laser scanning technique, and then the point cloud data can be spliced, reduced and de-noised. According to the characteristics of noise, this paper applies three methods to remove noise, such as radius filter, statistical filter and moving least square method, and uses F-score method to verify the denoising accuracy. It is proved that the statistical filtering has the best denoising effect and the highest accuracy. In this paper, plant height and volume were selected to estimate biomass. Plant height can be obtained directly from Cloud compare software. Volume (m3) is obtained by three dimensional convex hull method and Voxel method respectively. The volume can be obtained by running the corresponding code in MATLAB. The biomass model based on plant height was established by using SPSS and MATLAB software. The model was based on 3D convex hull volume biomass model, Voxel volume biomass model, plant height and three-dimensional convex hull volume biomass model and plant height and Voxel volume biomass model. A total of 15 regression models were established. The results showed that the complex regression model of three-dimensional convex hull, Voxel volume and plant height was better, and the determination coefficient was more than 0.8. The optimal model is a binary first-order regression model based on three-dimensional convex hull volume and plant height. The determination coefficient is 0.87, and the regression result is ideal. The results show that it is a feasible method to estimate biomass with rice plant height and volume, which can estimate the biomass of crops represented by rice (g/m2) efficiently and accurately.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TN958.98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏景新;;草地生物量估測(cè)的遙感方法[J];中國(guó)草原;1987年02期

2 侯學(xué)會(huì);牛錚;黃妮;許時(shí)光;;小麥生物量和真實(shí)葉面積指數(shù)的高光譜遙感估算模型[J];國(guó)土資源遙感;2012年04期

3 周堅(jiān)華，孫天縱;三維綠色生物量的遙感模式研究與綠化環(huán)境效益估算[J];環(huán)境遙感;1995年03期

4 李旭文，季耿善，，楊靜;太湖梅梁湖灣藍(lán)藻生物量的遙感估算[J];遙感信息;1995年01期

5 張華;趙傳燕;張勃;彭守璋;;高分辨率遙感影像GeoEye-1在黑河下游檉柳生物量估算中的應(yīng)用[J];遙感技術(shù)與應(yīng)用;2011年06期

6 胡遠(yuǎn)寧;馮琦勝;陳思宇;修麗娜;梁天剛;;基于高分遙感數(shù)據(jù)校正的MODIS草地生物量監(jiān)測(cè)模型精度評(píng)價(jià)[J];草地學(xué)報(bào);2014年04期

7 付天新;劉正軍;閆浩文;;基于MapReduce模型的生物量遙感并行反演方法研究[J];干旱區(qū)資源與環(huán)境;2013年01期

8 于惠;馮琦勝;陳思宇;韓蘭英;黃曉東;梁天剛;;基于微波植被指數(shù)的甘南草地生物量動(dòng)態(tài)監(jiān)測(cè)[J];蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

9 ;基于纖維素吸收指數(shù)(CAI)的內(nèi)蒙古荒漠草原非綠色生物量估算[J];科學(xué)通報(bào);2012年10期

10 方金;梁天剛;呂志邦;馮琦勝;何詠琪;;基于高光譜影像的高寒牧區(qū)土地覆蓋分類(lèi)與草地生物量監(jiān)測(cè)模型[J];草業(yè)科學(xué);2013年02期

相關(guān)會(huì)議論文 前10條

1 徐兆禮;沈新強(qiáng);;長(zhǎng)江口鄰近水域浮游動(dòng)物生物量及其年間變化[A];中國(guó)水產(chǎn)學(xué)會(huì)第七屆漁業(yè)資源與環(huán)境分會(huì)2004年度學(xué)術(shù)研討會(huì)論文摘要匯編[C];2004年

2 玉寶;烏吉斯古楞;王立明;張秋良;;不同結(jié)構(gòu)興安落葉松天然林生物量生產(chǎn)力特征[A];第二屆中國(guó)林業(yè)學(xué)術(shù)大會(huì)——S3 森林經(jīng)理與林業(yè)信息化的新使命論文集[C];2009年

3 吳濤;趙冬至;康建成;張豐收;索安寧;衛(wèi)寶泉;馬玉娟;;雙臺(tái)河口赤堿蓬動(dòng)態(tài)遙感監(jiān)測(cè)及生物量遙感反演[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

4 孟超;秦俊;胡永紅;;單株截頂香樟樹(shù)冠生物量及其分配格局[A];中國(guó)觀(guān)賞園藝研究進(jìn)展（2010）[C];2010年

5 劉玉萃;吳明作;郭宗民;;河南寶天曼自然保護(hù)區(qū)栓皮櫟林生物量和凈生產(chǎn)力研究[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（下冊(cè)）[C];1999年

6 陳秋夏;王金旺;鄭堅(jiān);盧翔;金川;;浙江人工紅樹(shù)林種群結(jié)構(gòu)及種群生物量研究[A];中國(guó)第五屆紅樹(shù)林學(xué)術(shù)會(huì)議論文摘要集[C];2011年

7 葉德贊;趙昌會(huì);駱祝華;黃翔玲;裴耀文;;熱帶太平洋細(xì)菌生物量及其對(duì)深海碳循環(huán)的影響[A];2006中國(guó)微生物學(xué)會(huì)第九次全國(guó)會(huì)員代表大會(huì)暨學(xué)術(shù)年會(huì)論文摘要集[C];2006年

8 喻光明;王立國(guó);楊珊;胡利梅;陶文星;;土地整理對(duì)生物量平衡及生態(tài)環(huán)境的影響[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國(guó)科協(xié)年會(huì)論文集（三）[C];2007年

9 左濤;王俊;唐啟升;金顯仕;;夏末秋初南黃海網(wǎng)采浮游生物的生物量譜[A];2007年中國(guó)水產(chǎn)學(xué)會(huì)學(xué)術(shù)年會(huì)暨水產(chǎn)微生態(tài)調(diào)控技術(shù)論壇論文摘要匯編[C];2007年

10 佃袁勇;王鵬程;方圣輝;汪曼;樂(lè)源;;多源遙感數(shù)據(jù)反演三峽庫(kù)區(qū)森林地表生物量的比較與分析[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

相關(guān)重要報(bào)紙文章 前2條

1 中國(guó)工程院院士 馮宗煒;中國(guó)森林對(duì)全球碳循環(huán)及氣候變化做貢獻(xiàn)[N];科技日?qǐng)?bào);2010年

2 白秀萍;走近日本木質(zhì)生物量利用[N];中國(guó)綠色時(shí)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 鄭玲;小麥生物量田間快速測(cè)量方法研究[D];西北農(nóng)林科技大學(xué);2015年

2 宋理洪;三江平原泥炭沼澤有殼變形蟲(chóng)多樣性及其在古水位重建中的作用[D];中國(guó)科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2015年

3 崔菁菁;不同年代水稻品種氮素利用特性及庫(kù)/源變化的研究[D];吉林農(nóng)業(yè)大學(xué);2015年

4 王東亮;低空遙感數(shù)據(jù)處理與非生長(zhǎng)季草地生物量反演研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2016年

5 胥輝;立木生物量模型構(gòu)建及估計(jì)方法的研究[D];北京林業(yè)大學(xué);1998年

6 曹慶先;北部灣沿海紅樹(shù)林生物量和碳貯量的遙感估算[D];中國(guó)林業(yè)科學(xué)研究院;2010年

7 曾偉生;全國(guó)立木生物量方程建模方法研究[D];中國(guó)林業(yè)科學(xué)研究院;2011年

8 徐星歐;基于目標(biāo)分解的全極化雷達(dá)數(shù)據(jù)估算生物量相關(guān)參數(shù)方法研究[D];武漢大學(xué);2010年

9 徐光彩;小光斑波形激光雷達(dá)森林LAI和單木生物量估測(cè)研究[D];中國(guó)林業(yè)科學(xué)研究院;2013年

10 劉志民;植物適應(yīng)干擾機(jī)制和干擾對(duì)植被過(guò)程影響的若干例證研究[D];中國(guó)科學(xué)院研究生院（寒區(qū)旱區(qū)環(huán)境與工程研究所）;2001年

相關(guān)碩士學(xué)位論文 前10條

1 姚闊;基于高光譜數(shù)據(jù)的內(nèi)蒙東部天然草地生物量反演模型研究[D];延邊大學(xué);2015年

2 邵平;半高稈高生物量型雜交稻生理彈性抗倒研究[D];長(zhǎng)江大學(xué);2015年

3 任佳佳;華北落葉松林分結(jié)構(gòu)分析及地上部分生物量探究[D];河北農(nóng)業(yè)大學(xué);2015年

4 劉博;基于高分辨率影像的杭州西湖區(qū)綠地生物量研究[D];浙江農(nóng)林大學(xué);2015年

5 胡靖揚(yáng);遼東山區(qū)長(zhǎng)白落葉松枝葉生物量模型研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2016年

6 包月梅;根河市火燒跡地灌木和草本生物量動(dòng)態(tài)變化分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

7 劉斌;基于敏感波段篩選的多源遙感數(shù)據(jù)作物生物量估算研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2016年

8 曹明勇;長(zhǎng)寧縣竹林生物量及初級(jí)生產(chǎn)力特征研究[D];中南林業(yè)科技大學(xué);2016年

9 周敬敬;裂壺藻MYA-1381培養(yǎng)條件優(yōu)化及藻油DHA抗肥胖的初步研究[D];山東大學(xué);2017年

10 呂常笑;不同區(qū)域馬尾松相容性生物量模型研究[D];北京林業(yè)大學(xué);2016年

本文編號(hào)：2060365