發(fā)布時(shí)間：2017-04-17 10:14

  本文關(guān)鍵詞：小麥條銹病遙感監(jiān)測(cè)及網(wǎng)絡(luò)信息平臺(tái)構(gòu)建，，由筆耕文化傳播整理發(fā)布。

【摘要】：小麥條銹病的監(jiān)測(cè)是防控小麥條銹病的基礎(chǔ)工作,有效的監(jiān)測(cè)措施有助于降低小麥的產(chǎn)量損失。本研究基于Assess軟件對(duì)小麥條銹病進(jìn)行病害評(píng)估；對(duì)無人機(jī)監(jiān)測(cè)小麥條銹病的方法進(jìn)行試驗(yàn),探索無人機(jī)遙感技術(shù)在作物病害監(jiān)測(cè)中的應(yīng)用；利用熱紅外遙感影像反演地表溫度進(jìn)行小麥條銹病越夏區(qū)劃；構(gòu)建基于互聯(lián)網(wǎng)和手機(jī)通訊網(wǎng)絡(luò)的小麥條銹病監(jiān)測(cè)平臺(tái),結(jié)果如下： 1、利用Assess軟件對(duì)單個(gè)小麥條銹病葉片的病害評(píng)估是可行的,與目視評(píng)估相比,正確率可以達(dá)到80%以上；利用圖像處理對(duì)小麥條銹病的發(fā)病點(diǎn)進(jìn)行病害評(píng)估,需要先利用Matlab軟件基于數(shù)碼圖像的綠色通道和紅色通道相減或者相加的方法對(duì)圖片進(jìn)行分割,然后對(duì)分割的圖片進(jìn)行Assess評(píng)估,這種方法得到的評(píng)估準(zhǔn)確率較低,評(píng)估的穩(wěn)定性較差,評(píng)估準(zhǔn)確率在67%左右。 2、無人機(jī)遙感監(jiān)測(cè)試驗(yàn),通過人工接種小麥條銹病,研究無人機(jī)數(shù)碼圖像與小區(qū)小麥條銹病病情指數(shù)、嚴(yán)重度等的關(guān)系,結(jié)果表明,無人機(jī)數(shù)碼遙感能有效地監(jiān)測(cè)小麥條銹病,利用監(jiān)督分類和非監(jiān)督分類的方法都可以對(duì)無人機(jī)數(shù)碼圖像中的小麥條銹病進(jìn)行識(shí)別。利用Envi軟件可以基于數(shù)碼圖像進(jìn)行像素點(diǎn)的技術(shù),以此來計(jì)算發(fā)病小區(qū)的面積。由于受種植密度、試驗(yàn)時(shí)光照等因素的影響,小區(qū)嚴(yán)重度和圖像像素點(diǎn)比值的擬合方程在年度間存在差異；利用Reflect=k×1/255×1/3(R+G+B)換算數(shù)碼圖像中小區(qū)的冠層反射率,分析換算后的反射率與病情信息的關(guān)系,發(fā)現(xiàn)兩者有顯著的相關(guān)關(guān)系,構(gòu)建兩者的關(guān)系模型,可以基于數(shù)碼圖像估測(cè)目標(biāo)區(qū)域的小麥條銹病病情指數(shù)。但是模型在年度間存在差異,差異的造成可能與種植密度、試驗(yàn)當(dāng)天的日照條件等因素有關(guān)。 3、利用2009年7月的Landsat5衛(wèi)星甘肅隴南地界的熱紅外影像進(jìn)行地表溫度反演,結(jié)果表明,地表溫度反演可以很快捷、客觀的反應(yīng)高海拔山地地區(qū)的溫度特征,比實(shí)際的氣溫能更好的反應(yīng)地理地形的特點(diǎn)。借助Google earth等軟件可以精準(zhǔn)地對(duì)勘測(cè)地區(qū)進(jìn)行定位,使調(diào)查區(qū)域定位到村以及周邊田塊。在以后的小麥條銹病越夏區(qū)劃的實(shí)地調(diào)查中,可以利用該方法進(jìn)行前期調(diào)查或者后期驗(yàn)證,并實(shí)現(xiàn)越夏地區(qū)的精準(zhǔn)勘界和定位。 4、采用B/S(Brower/Server,瀏覽器／服務(wù)器)架構(gòu)的網(wǎng)絡(luò)信息系統(tǒng),利用Java語言Javascript腳本語言等開發(fā)基于Web的互聯(lián)網(wǎng)小麥條銹病監(jiān)測(cè)預(yù)警平臺(tái),使平臺(tái)具有查詢、發(fā)布等功能,并集成Flex語言的地理信息系統(tǒng)。平臺(tái)建成后,具有小麥條銹病監(jiān)測(cè)(生理小種、抗病品種、種植面積等)、預(yù)測(cè)預(yù)報(bào)、小麥條銹病菌源地綜合治理評(píng)估等模塊和功能。 5、本文基于安卓、蘋果系統(tǒng)開發(fā)基于移動(dòng)端的小麥條銹病監(jiān)測(cè)信息平臺(tái),用戶可以將客戶端安裝到自己的手機(jī)中,通過客戶端可以瀏覽平臺(tái)發(fā)布的信息,包括病情信息、植保信息以及用戶之間的交流、信息分享等都可以通過客戶端完成。移動(dòng)端的平臺(tái)彌補(bǔ)了Web端的不足,可以隨時(shí)隨地通過于機(jī)進(jìn)行病情的查詢和咨詢,實(shí)現(xiàn)快速、高效地遠(yuǎn)程診斷。
【關(guān)鍵詞】：遙感監(jiān)測(cè) 小麥條銹病 地表溫度 手機(jī)應(yīng)用 無人機(jī)
【學(xué)位授予單位】：中國(guó)農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：S435.121.42;S127
【目錄】：

• 摘要3-4
• Abstract4-9
• 第一章 引言9-22
• 1.1 小麥條銹病在我國(guó)的發(fā)生、分布與危害9-10
• 1.2 小麥條銹病越夏勘界10-11
• 1.3 植物病害的遙感監(jiān)測(cè)原理11-18
• 1.3.1 作物遙感監(jiān)測(cè)的研究進(jìn)展12-13
• 1.3.2 地面高光譜(多光譜)遙感監(jiān)測(cè)植物病害的研究進(jìn)展13-14
• 1.3.3 航空遙感監(jiān)測(cè)植物病害的研究進(jìn)展14-16
• 1.3.4 衛(wèi)星遙感監(jiān)測(cè)植物病害的研究進(jìn)展16-17
• 1.3.5 基于圖像分析的植物病害評(píng)估17-18
• 1.4 作物病害網(wǎng)絡(luò)監(jiān)測(cè)平臺(tái)的發(fā)展現(xiàn)狀18-19
• 1.5 研究目的與意義19-20
• 1.6 研究?jī)?nèi)容20-22
• 1.6.1 基于圖像分析的小麥條銹病葉片的病害評(píng)估20
• 1.6.2 無人機(jī)遙感監(jiān)測(cè)小麥條銹病20
• 1.6.3 基于熱紅外遙感的小麥條銹病越夏精準(zhǔn)勘界20
• 1.6.4 小麥條銹病網(wǎng)絡(luò)信息監(jiān)測(cè)平臺(tái)的開發(fā)20-21
• 1.6.5 小麥條銹病手機(jī)端監(jiān)測(cè)信息平臺(tái)的構(gòu)建21-22
• 第二章 基于圖像分析的小麥條銹病嚴(yán)重度評(píng)估22-29
• 2.1 材料和方法22-24
• 2.1.1 研究區(qū)域及田間試驗(yàn)設(shè)計(jì)22
• 2.1.2 菌種繁殖22-23
• 2.1.3 田間接種23
• 2.1.4 田間單個(gè)病葉的采集及拍攝23
• 2.1.5 田間發(fā)病點(diǎn)調(diào)查及拍攝23-24
• 2.1.6 圖片處理及分析24
• 2.2 結(jié)果與分析24-28
• 2.2.1 單葉片Assess評(píng)估24-25
• 2.2.2 田間發(fā)病點(diǎn)圖像評(píng)估25-28
• 2.3 本章小結(jié)與討論28-29
• 第三章 無人機(jī)遙感監(jiān)測(cè)小麥條銹病29-37
• 3.1 材料和方法29-31
• 3.1.1 田間試驗(yàn)設(shè)計(jì)29
• 3.1.2 無人機(jī)圖像獲取與田間調(diào)查29-30
• 3.1.3 無人機(jī)數(shù)據(jù)預(yù)處理30
• 3.1.4 分類方法和精度驗(yàn)證30-31
• 3.2 結(jié)果與分析31-35
• 3.2.1 無人機(jī)圖像分類及精度評(píng)價(jià)31-33
• 3.2.2 基于無人機(jī)遙感圖像的病情評(píng)估33-34
• 3.2.3 小區(qū)冠層反射率與病情指數(shù)的關(guān)系34-35
• 3.3 本章小結(jié)與討論35-37
• 第四章 基于熱紅外遙感的小麥條銹病越夏區(qū)精準(zhǔn)勘界37-46
• 4.1 材料和方法37-41
• 4.1.1 衛(wèi)星原始數(shù)據(jù)及預(yù)處理37-39
• 4.1.2 溫度反演算法39-40
• 4.1.3 衛(wèi)星數(shù)據(jù)覆蓋地區(qū)氣溫?cái)?shù)據(jù)的獲取及擬合40-41
• 4.1.4 越夏區(qū)精準(zhǔn)勘界與定位41
• 4.2 結(jié)果與分析41-44
• 4.2.1 地表溫度反演結(jié)果的空間分布41-42
• 4.2.2 地表溫度與氣溫的關(guān)系42
• 4.2.3 基于溫度的越夏區(qū)劃42-44
• 4.3 本章小結(jié)與討論44-46
• 第五章 小麥條銹病監(jiān)測(cè)信息平臺(tái)的開發(fā)46-57
• 5.1 材料和方法46-51
• 5.1.1 用戶調(diào)研與需求分析46-47
• 5.1.2 競(jìng)品分析47-48
• 5.1.3 繪制流程圖與原型設(shè)計(jì)48-50
• 5.1.4 系統(tǒng)開發(fā)及應(yīng)用環(huán)境50
• 5.1.5 平臺(tái)框架和技術(shù)50
• 5.1.6 系統(tǒng)運(yùn)行調(diào)試50-51
• 5.2 結(jié)果與分析51-55
• 5.3 本章小結(jié)與討論55-57
• 第六章 小麥條銹病移動(dòng)端監(jiān)測(cè)平臺(tái)(App)的構(gòu)建57-64
• 6.1 材料和方法57-59
• 6.1.1 系統(tǒng)開發(fā)環(huán)境58
• 6.1.2 小麥條銹病監(jiān)測(cè)App的框架設(shè)計(jì)58-59
• 6.1.3 小麥條繡病監(jiān)測(cè)App的后臺(tái)設(shè)計(jì)59
• 6.2. 結(jié)果與分析59-62
• 6.2.1 前端主要功能及測(cè)試59-61
• 6.2.2 后臺(tái)主要功能61-62
• 6.3 本章小結(jié)與討論62-64
• 第七章 結(jié)論與展望64-66
• 7.1 主要結(jié)論64
• 7.2 創(chuàng)新點(diǎn)64
• 7.3 展望64-66
• 參考文獻(xiàn)66-75
• 致謝75-76
• 附錄76-85
• 個(gè)人簡(jiǎn)介85

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 劉興庫,李兆華;多光譜診斷植物病害的初步研究[J];東北林業(yè)大學(xué)學(xué)報(bào);1993年02期

2 李壽安;張恒喜;郭風(fēng);李登科;;微型無人機(jī)的現(xiàn)狀與發(fā)展趨勢(shì)[J];導(dǎo)彈與航天運(yùn)載技術(shù);2005年06期

3 吳炳方;全國(guó)農(nóng)情監(jiān)測(cè)與估產(chǎn)的運(yùn)行化遙感方法[J];地理學(xué)報(bào);2000年01期

4 尹淑玲;余敏;;模糊Isodata聚類分析在遙感圖像分類中的應(yīng)用研究[J];地理空間信息;2009年01期

5 毛克彪,覃志豪,王建明,武勝利;針對(duì)MODIS數(shù)據(jù)的大氣水汽含量反演及31和32波段透過率計(jì)算[J];國(guó)土資源遙感;2005年01期

6 王延頤;植被指數(shù)與水稻長(zhǎng)勢(shì)及產(chǎn)量結(jié)構(gòu)要素關(guān)系的研究[J];國(guó)土資源遙感;1996年01期

7 王海光;馬占鴻;王韜;蔡成靜;安虎;張錄達(dá);;高光譜在小麥條銹病嚴(yán)重度分級(jí)識(shí)別中的應(yīng)用[J];光譜學(xué)與光譜分析;2007年09期

8 競(jìng)霞;黃文江;王紀(jì)華;王錦地;王克如;;棉花單葉黃萎病病情嚴(yán)重度高光譜反演模型研究[J];光譜學(xué)與光譜分析;2009年12期

9 蔣金豹;陳云浩;黃文江;;利用高光譜紅邊與黃邊位置距離識(shí)別小麥條銹病[J];光譜學(xué)與光譜分析;2010年06期

10 黃慧;王偉;彭彥昆;吳建虎;高曉東;王秀;張靜;;利用高光譜掃描技術(shù)檢測(cè)小麥葉片葉綠素含量[J];光譜學(xué)與光譜分析;2010年07期

  本文關(guān)鍵詞：小麥條銹病遙感監(jiān)測(cè)及網(wǎng)絡(luò)信息平臺(tái)構(gòu)建，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：312997