基于無人機(jī)高光譜長勢指標(biāo)的冬小麥長勢監(jiān)測
發(fā)布時間:2021-04-27 03:54
為快速準(zhǔn)確監(jiān)測作物長勢,以冬小麥為研究對象,獲取了不同生育期的無人機(jī)高光譜影像。利用無人機(jī)高光譜數(shù)據(jù)構(gòu)建光譜指數(shù),并分析4個生育期的指數(shù)與生物量、葉面積指數(shù)以及由生物量和葉面積2個生理參數(shù)構(gòu)建的長勢監(jiān)測指標(biāo)(Growth monitoring indicator,GMI)的相關(guān)性;建立與GMI相關(guān)性較強(qiáng)的4個光譜指數(shù)的單指數(shù)回歸模型,利用多元線性回歸、偏最小二乘和隨機(jī)森林3種機(jī)器學(xué)習(xí)方法分別建立冬小麥各生育期的GMI反演模型;將最佳模型應(yīng)用于無人機(jī)高光譜影像,得到冬小麥長勢監(jiān)測圖。結(jié)果表明:各生育期光譜指數(shù)與冬小麥GMI相關(guān)性較高,大部分指數(shù)都達(dá)到了顯著水平,其中NDVI、SR、MSR和NDVI×SR與GMI的相關(guān)性高于生物量、葉面積指數(shù)與GMI的相關(guān)性;拔節(jié)期、挑旗期、開花期、灌漿期、全生育期,表現(xiàn)最好的回歸模型對應(yīng)光譜指數(shù)分別是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;對比3種方法構(gòu)建的GMI反演模型,開花期模型MLR-GMI效果最佳,此時期的模型建模R2、RMSE和NRMSE分別是0. 716 4、0. 096 3、15. 90%。
【文章來源】:農(nóng)業(yè)機(jī)械學(xué)報. 2020,51(02)北大核心EICSCD
【文章頁數(shù)】:12 頁
【文章目錄】:
0 引言
1 材料與方法
1.1 研究區(qū)概況
1.2 數(shù)據(jù)獲取與處理
1.2.1 地面數(shù)據(jù)
1.2.2 無人機(jī)高光譜數(shù)據(jù)
1.3 研究方法
1.3.1 分析方法
1.3.2 光譜指數(shù)選取
1.3.3 長勢監(jiān)測指標(biāo)構(gòu)建
1.3.4 模型建立、驗證和精度評價
2 結(jié)果分析
2.1 無人機(jī)高光譜精度驗證
2.2 光譜指數(shù)與GMI相關(guān)性分析
2.3 單光譜指數(shù)反演模型建立
2.4 GMI模型構(gòu)建
2.5 GMI空間分布
3 討論
4 結(jié)論
【參考文獻(xiàn)】:
期刊論文
[1]無人機(jī)影像光譜和紋理融合信息估算馬鈴薯葉片葉綠素含量[J]. 陳鵬,馮海寬,李長春,楊貴軍,楊鈞森,楊文攀,劉帥兵. 農(nóng)業(yè)工程學(xué)報. 2019(11)
[2]基于無人機(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,笪宏志,任河,張建勇,張雷. 農(nóng)業(yè)機(jī)械學(xué)報. 2018(08)
[3]一款無人機(jī)高光譜傳感器的驗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. 中國農(nóng)業(yè)科學(xué). 2018(08)
[4]基于特征光譜參數(shù)的蘋果葉片葉綠素含量估算[J]. 馮海寬,楊福芹,楊貴軍,李振海,裴浩杰,邢會敏. 農(nóng)業(yè)工程學(xué)報. 2018(06)
[5]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. 中國農(nóng)業(yè)科學(xué). 2018(05)
[6]基于多載荷無人機(jī)遙感的大豆地上鮮生物量反演[J]. 陸國政,楊貴軍,趙曉慶,王艷杰,李長春,張小燕. 大豆科學(xué). 2017(01)
[7]基于無人機(jī)高光譜遙感的冬小麥葉面積指數(shù)反演[J]. 高林,楊貴軍,于海洋,徐波,趙曉慶,董錦繪,馬亞斌. 農(nóng)業(yè)工程學(xué)報. 2016(22)
[8]基于低空無人機(jī)成像光譜儀影像估算棉花葉面積指數(shù)[J]. 田明璐,班松濤,常慶瑞,由明明,羅丹,王力,王爍. 農(nóng)業(yè)工程學(xué)報. 2016(21)
[9]基于隨機(jī)森林算法的冬小麥生物量遙感估算模型對比[J]. 岳繼博,楊貴軍,馮海寬. 農(nóng)業(yè)工程學(xué)報. 2016(18)
[10]基于無人機(jī)成像光譜儀數(shù)據(jù)的棉花葉綠素含量反演[J]. 田明璐,班松濤,常慶瑞,馬文君,殷紫,王力. 農(nóng)業(yè)機(jī)械學(xué)報. 2016(11)
本文編號:3162711
【文章來源】:農(nóng)業(yè)機(jī)械學(xué)報. 2020,51(02)北大核心EICSCD
【文章頁數(shù)】:12 頁
【文章目錄】:
0 引言
1 材料與方法
1.1 研究區(qū)概況
1.2 數(shù)據(jù)獲取與處理
1.2.1 地面數(shù)據(jù)
1.2.2 無人機(jī)高光譜數(shù)據(jù)
1.3 研究方法
1.3.1 分析方法
1.3.2 光譜指數(shù)選取
1.3.3 長勢監(jiān)測指標(biāo)構(gòu)建
1.3.4 模型建立、驗證和精度評價
2 結(jié)果分析
2.1 無人機(jī)高光譜精度驗證
2.2 光譜指數(shù)與GMI相關(guān)性分析
2.3 單光譜指數(shù)反演模型建立
2.4 GMI模型構(gòu)建
2.5 GMI空間分布
3 討論
4 結(jié)論
【參考文獻(xiàn)】:
期刊論文
[1]無人機(jī)影像光譜和紋理融合信息估算馬鈴薯葉片葉綠素含量[J]. 陳鵬,馮海寬,李長春,楊貴軍,楊鈞森,楊文攀,劉帥兵. 農(nóng)業(yè)工程學(xué)報. 2019(11)
[2]基于無人機(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,笪宏志,任河,張建勇,張雷. 農(nóng)業(yè)機(jī)械學(xué)報. 2018(08)
[3]一款無人機(jī)高光譜傳感器的驗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. 中國農(nóng)業(yè)科學(xué). 2018(08)
[4]基于特征光譜參數(shù)的蘋果葉片葉綠素含量估算[J]. 馮海寬,楊福芹,楊貴軍,李振海,裴浩杰,邢會敏. 農(nóng)業(yè)工程學(xué)報. 2018(06)
[5]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. 中國農(nóng)業(yè)科學(xué). 2018(05)
[6]基于多載荷無人機(jī)遙感的大豆地上鮮生物量反演[J]. 陸國政,楊貴軍,趙曉慶,王艷杰,李長春,張小燕. 大豆科學(xué). 2017(01)
[7]基于無人機(jī)高光譜遙感的冬小麥葉面積指數(shù)反演[J]. 高林,楊貴軍,于海洋,徐波,趙曉慶,董錦繪,馬亞斌. 農(nóng)業(yè)工程學(xué)報. 2016(22)
[8]基于低空無人機(jī)成像光譜儀影像估算棉花葉面積指數(shù)[J]. 田明璐,班松濤,常慶瑞,由明明,羅丹,王力,王爍. 農(nóng)業(yè)工程學(xué)報. 2016(21)
[9]基于隨機(jī)森林算法的冬小麥生物量遙感估算模型對比[J]. 岳繼博,楊貴軍,馮海寬. 農(nóng)業(yè)工程學(xué)報. 2016(18)
[10]基于無人機(jī)成像光譜儀數(shù)據(jù)的棉花葉綠素含量反演[J]. 田明璐,班松濤,常慶瑞,馬文君,殷紫,王力. 農(nóng)業(yè)機(jī)械學(xué)報. 2016(11)
本文編號:3162711
本文鏈接:http://sikaile.net/nykjlw/nzwlw/3162711.html
最近更新
教材專著