由于棉花的種植工序較為繁瑣,生長周期較長,加之機械化程度低,田間管理大多依賴人工,部分黃河流域植棉大省棉花種植面積出現(xiàn)較大下滑。隨著遙感、衛(wèi)星定位系統(tǒng)和地理信息系統(tǒng)的快速發(fā)展,無人機遙感技術得到了廣泛應用。低空無人機遙感系統(tǒng)憑借其質量輕、速度快、圖像分辨率高和周期短等優(yōu)點,為中小尺度的農業(yè)遙感監(jiān)測提供了技術支持。利用御2pro無人機獲取棉花初蕾期、盛蕾期、花期和鈴期的可見光圖像,并基于可見光圖像提取植被指數(shù)、紋理特征、植被覆蓋度和株高參數(shù),利用上述參數(shù)建立了棉花產量的反演預測模型,研究結果為田間棉花的日常管理提供參考。（1）以山東棉花研究中心自主培育的11個品種的棉花作為研究對象,通過御2pro無人機獲取棉花裸地、初蕾期、盛蕾期、花期和鈴期的可見光圖像,并利用Agisoft Photo Scan Professiona軟件對無人機獲取的試驗田可見光圖像進行拼接,生成試驗田的正射影像和數(shù)字表面模型。（2）通過分析試驗區(qū)域中棉花盛蕾期生長階段的植被、土壤和陰影部分的可見光波段的光譜差異,構建了藍綠特征植被指數(shù)（TBVI）、紅綠特征植被指數(shù)（TRVI）。利用TBVI、TRVI、過綠指數(shù)（EX... 

【文章來源】：山東理工大學山東省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

棉花產量反演預測模型技術路線

山東理工大學碩士學位論文第二章試驗方案設計及數(shù)據(jù)預處理8第二章試驗方案設計及數(shù)據(jù)預處理2.1試驗設計試驗田位于山東省棉花研究中心臨清棉花研究所，地處山東省西北部，屬于大陸性季風氣候，試驗區(qū)種植的11種棉花為山東省棉花研究中心自主培育的高產抗倒伏的優(yōu)質品種，試驗田面積約為1333m2。為了減輕地勢對棉花播種和灌溉的影響，棉花播種前通過激光平地機進行整治，播種方式采用機播，播種行距為0.78m，株距為0.10m，采用無膜種植方式，每個品種種植4行，隨機重復3次。為了便于后期棉花可見光圖像的幾何校正和地面數(shù)據(jù)的獲取，在航拍時需要設置地面控制點，地面控制點由4塊幾何參照板（80cm×80cm黑白格木板）組成，地面參照板的制作如圖2.1所示。使用RTK載波相位差分技術記錄四塊參照板中心點的經(jīng)緯度和高程信息，地面數(shù)據(jù)采集方式采用標樣采集，即在相應的采樣點區(qū)域放置紅旗作為地面采樣點的標記，便于試驗區(qū)域多個時期的數(shù)據(jù)采集和建立無人機遙感圖像與地面數(shù)據(jù)間的聯(lián)系�？刂泣c坐標如表2.1所示，試驗地俯視圖如圖2.2所示。圖2.1地面參照板的制作Fig.2.1Makeofreferenceboard

山東理工大學碩士學位論文第二章試驗方案設計及數(shù)據(jù)預處理9圖2.2試驗區(qū)分布示意圖Fig.2.2Schematicdiagramoftestareadistribution注：圖a為試驗田全景圖，圖b為地面幾何校正參照板，圖c為棉花品種分布圖，圖d為采樣區(qū)域紅旗標志。表2.1地面控制點坐標Tab.2.1Coordinatesofgroundcontrolpoints控制點緯度經(jīng)度高程Point136.803227855115.6944487824.463Point236.803407954115.6944495524.461Point336.803406974115.6950960424.501Point436.803227076115.6950955124.4532.2數(shù)據(jù)獲取2.2.1遙感數(shù)據(jù)獲取農作物長勢快速無損監(jiān)測及產量的準確預測是實現(xiàn)田間農作物精準管理的必要手段。試驗中通過御2pro無人機獲取棉花裸地（2019.05.22拍攝），初蕾期（2019.06.22拍攝）、盛蕾期（2019.07.03拍攝）、花期（2019.07.13拍攝）和鈴期（2019.07.26拍攝）5個時期的可見光圖像，無人機的性能參數(shù)如表2.2所示。使用移動端DJIGO4軟件對無人機性能參數(shù)進行檢測，確保無誤后通過Artizure軟件對試驗區(qū)航線進行規(guī)劃。Altizure軟件是當前國內最為知名的一款建模工具，這款軟件可以通過配合無人機進行高空作業(yè)，同時規(guī)劃一條正射航線與四條傾斜航線，同時具有自動調整云臺角

【參考文獻】：
期刊論文
[1]一種基于歸一化擾動模型的積雪和植被覆蓋度反演方法[J]. 李楊,王杰,黃春林.  地球信息科學學報. 2019(12)
[2]基于無人機高光譜長勢指標的冬小麥長勢監(jiān)測[J]. 陶惠林,徐良驥,馮海寬,楊貴軍,苗夢珂,林博文.  農業(yè)機械學報. 2020(02)
[3]基于多時相無人機遙感植被指數(shù)的夏玉米產量估算[J]. 韓文霆,彭星碩,張立元,牛亞曉.  農業(yè)機械學報. 2020(01)
[4]新疆棉花價格保險實踐模式分析和政策建議[J]. 程文明,王力.  中國棉花. 2019(11)
[5]施肥位置與雜草管理對間作玉米、馬鈴薯生長和產量的影響[J]. 張曉云,吳伯志,吳開賢,張磊磊,李永賢,李建,王超.  植物營養(yǎng)與肥料學報. 2019(07)
[6]基于無人機可見光遙感的冬小麥株高估算[J]. 劉治開,牛亞曉,王毅,韓文霆.  麥類作物學報. 2019(07)
[7]基于輕量和積網(wǎng)絡及無人機遙感圖像的大豆田雜草識別[J]. 王生生,王順,張航,溫長吉.  農業(yè)工程學報. 2019(06)
[8]無人機遙感在林木冠幅提取中的應用[J]. 喬正年,馬駿,徐雁南.  林業(yè)資源管理. 2019(01)
[9]基于無人機可見光圖像的夏季玉米植被覆蓋度提取方法[J]. 趙靜,楊煥波,蘭玉彬,魯力群,賈鵬,李志銘.  農業(yè)機械學報. 2019(05)
[10]基于無人機遙感的玉米株高提取方法[J]. 張宏鳴,譚紫薇,韓文霆,朱珊娜,張姝茵,葛晨宇.  農業(yè)機械學報. 2019(05)

博士論文
[1]基于高光譜成像技術的作物葉綠素信息診斷機理及方法研究[D]. 張東彥.浙江大學 2012
[2]植被葉面積指數(shù)與葉片聚集度系數(shù)遙感反演方法研究[D]. 朱高龍.南京大學 2011

碩士論文
[1]基于無人機遙感影像的棉花主要生長參數(shù)反演[D]. 劉金然.山東師范大學 2019
[2]基于無人機影像的小麥葉綠素含量及產量定量反演研究[D]. 劉小輝.安徽大學 2019
[3]利用水稻MAGIC群體和種質資源關聯(lián)分析定位抽穗期和株高QTL[D]. 申聰聰.中國農業(yè)科學院 2017



本文編號：3548413