检索结果-内蒙古大学图书馆

农业机械学报 2022年第6期53卷 202-208,294页

作者：樊意广冯海宽刘杨边明博孟炀杨贵军北京市农林科学院信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 南京农业大学国家信息农业工程技术中心南京210095 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制... 详细信息

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM),并从中提取冠层光谱特征和株高(H_(dsm))。然后将各生育期提取的H_(dsm)和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和H_(dsm)作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_(dsm)利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明:基于DSM提取的H_(dsm)与实测H具有较高的拟合度(R^(2)为0.860,RMSE为2.663 cm,NRMSE为10.234%);各生育期加入H_(dsm),均能提高马铃薯PNC的估算精度和稳定性;各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。

关键词：马铃薯植株氮含量株高无人机数码影像冠层光谱特征

来源：评论

学校读者我要写书评

暂无评论

基于新型植被指数的冬小麦LAI高光谱反演

引用

中国农业科学 2018年第18期51卷 3486-3496页

作者：束美艳顾晓鹤孙林朱金山杨贵军王延仓张丽妍山东科技大学测绘科学与工程学院农业部农业遥感机理与定量遥感重点实验室/北京农业信息技术研究中心国家农业信息化工程技术研究中心北京市农业物联网工程技术研究中心北华航天工业学院

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响... 详细信息

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。

关键词：冬小麦高光谱红边抗水植被指数叶面积指数标准化差分红边指数归一化植被指数

来源：评论

学校读者我要写书评

暂无评论

基于综合指标的冬小麦长势无人机遥感监测

引用

农业工程学报 2017年第20期33卷 74-82页

作者：裴浩杰冯海宽李长春金秀良李振海杨贵军农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 河南理工大学测绘与国土信息工程学院焦作454000 中国科学院湿地生态与环境重点实验室中国科学院东北地理与农业生态研究所长春130102

作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标... 详细信息

作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R^2均好于各项单独指标与相应光谱指数的R^2。仅孕穗期CGI和RSI(754,694)的R^2比叶绿素和RSI(486,518)的R^2低,开花期的CGI和R570的R^2比生物量和R834的R^2低以及灌浆期CGI和SSI(582,498)的R^2比植株含水量和SSI(790,862)的R^2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R^2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R^2高于单独各项指标与相应光谱指数的R^2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。

关键词：无人机光谱分析作物长势监测冬小麦综合长势指标

来源：评论

学校读者我要写书评

暂无评论

利用无人机高光谱影像的冬小麦氮含量监测

引用

光谱学与光谱分析 2023年第10期43卷 3239-3246页

作者：冯海宽樊意广陶惠林杨福芹杨贵军赵春江农业部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 河南工程学院土木工程学院河南郑州451191

作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要。旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力... 详细信息

作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要。旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力。首先,以无人机为遥感平台,搭载高光谱传感器获取了冬小麦拔节期、挑旗期、开花期和灌浆期4个主要生育期的高光谱遥感影像,并实测了各生育期的氮含量数据。其次,基于预处理后的高光谱影像,提取冬小麦各生育期的冠层反射率数据,并构造能较好反映作物氮素营养状况的12种植被指数和12种光谱特征参数。然后,计算了各光谱参数与冬小麦氮含量的相关性,并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数;最后,利用逐步回归分析(SWR)构建基于植被指数、植被指数结合光谱特征参数的氮含量估算模型。结果显示:(1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性。其中,植被指数的相关性高于光谱特征参数;(2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行,但精度还有待进一步提高;(3)与单一植被指数或光谱特征参数相比,植被指数结合光谱特征变量利用SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期:建模R^(2)=0.64,RMSE=24.68%,NRMSE=7.96%,验证R^(2)=0.77,RMSE=23.13%,NRMSE=7.81%;挑旗期:建模R^(2)=0.81,RMSE=15.79%,NRMSE=7.41%,验证R^(2)=0.84,RMSE=15.10%,NRMSE=7.08%;开花期:建模R^(2)=0.78,RMSE=9.88%,NRMSE=5.66%,验证R^(2)=0.85,RMSE=9.12%,NRMSE=4.76%;灌浆期:建模R^(2)=0.49,RMSE=13.68%,NRMSE=9.85%,验证R^(2)=0.40,RMSE=18.29%,NRMSE=14.73%)。研究结果表明,结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高,研究结果可为冬小麦氮含量的空间分布和精准管理提供参考。

关键词：无人机冬小麦高光谱氮含量逐步回归光谱特征参数

来源：评论

学校读者我要写书评

暂无评论

利用无人机数码影像估算马铃薯地上生物量

引用

遥感学报 2021年第9期25卷 2004-2014页

作者：刘杨黄珏孙乾冯海宽杨贵军杨福芹山东科技大学测绘科学与工程学院青岛266590 农业农村部遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 河南工程学院土木工程学院郑州451191

株高和地上生物量AGB (Above-Ground Biomass)是作物长势监测的重要指标,因此快速获取这些信息对指导田间管理具有重要意义。本研究通过无人机搭载高清数码相机分别获取马铃薯5个生育期的影像数据,地区域的影像数据结合GCPs的位置信息... 详细信息

株高和地上生物量AGB (Above-Ground Biomass)是作物长势监测的重要指标,因此快速获取这些信息对指导田间管理具有重要意义。本研究通过无人机搭载高清数码相机分别获取马铃薯5个生育期的影像数据,地区域的影像数据结合GCPs的位置信息从生成的数字表面模型DSM (Digital Surface Model)中提取出马铃薯的株高(Hdsm)。其次,选取26种植被指数和H、Hdsm组成新的数据集与AGB作相关性分析,筛选出相关性较高的前7个植被指数同Hdsm作为估算马铃薯AGB的输入参数。然后,使用MLR (Multiple Linear Regression)、SVM(Support Vector Machine)和ANN (Artificial Neural Network)方法分别基于植被指数、植被指数和Hdsm构建马铃薯多生育期AGB估算模型,对不同估算模型进行比较分析,从而选择出AGB估算的最佳模型。结果表明:基于DSM提取的Hdsm与实测株高H高度拟合(R2=0.86,RMSE=6.36 cm,NRMSE=13.42%);各生育期基于3种回归技术均以植被指数融入Hdsm构建的模型精度最高,估算能力最强;各生育期利用MLR方法构建的AGB估算模型效果最佳,其次为SVM-AGB估算模型,而ANN-AGB估算模型效果最差。该研究可为马铃薯AGB快速、无损监测提供科学参考。

关键词：无人机数码影像数字表面模型马铃薯株高地上生物量

来源：评论

学校读者我要写书评

暂无评论

中国近10年SO2时空格局变化遥感监测

引用

环境科学与技术 2019年第7期42卷 154-160页

作者：孙乾顾晓鹤孙林曾文杨贵军山东科技大学测绘科学与工程学院山东青岛266590 农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

开展近地表大气中的二氧化硫浓度长时序空间格局动态变化监测,对于保护生态环境、评估节能减排成效具有重要意义。该文利用OMI L3 SO2产品数据分析2008-2017年近地表中国区域SO2柱浓度的年际、季相、月际及空间变化特征,并与SO2排放量... 详细信息

开展近地表大气中的二氧化硫浓度长时序空间格局动态变化监测,对于保护生态环境、评估节能减排成效具有重要意义。该文利用OMI L3 SO2产品数据分析2008-2017年近地表中国区域SO2柱浓度的年际、季相、月际及空间变化特征,并与SO2排放量统计数据进行对比分析,结果表明:(1)从年际变化来说,2008-2017年中国SO2柱浓度总体呈下降趋势,于2016年下降至最低值,2017年SO2柱浓度与2016年持平,2008-2017年OMI SO2柱浓度与国内SO2排放量相关系数可达0.74;(2)在空间分布上,中国中东部地区SO2柱浓度较高,尤其是京津冀及其周边地区,而西部地区SO2柱浓度普遍较低,如西藏、青海、新疆等地区;(3)从各年份SO2柱浓度分布情况可以得出,自2012年起全国SO2柱浓度高值区范围逐年缩小,京津冀及山东地区高值区范围缩小程度最为明显,至2015年全国已不存在SO2柱浓度高值区;(4)从季相变化来看,SO2柱浓度高低排序为:冬季>秋季>春季>夏季;SO2柱浓度月均值呈现以年为周期的波动形式,SO2柱浓度最低值一般出现在每年的5-7月,最高值一般出现在11、12、1、2月,与季度变化趋势相一致。近10年来中国制定了许多环保政策,加大了环保治理力度,如节能减排,淘汰落后产能,优化产业结构,近地表大气SO2柱浓度不断下降的时序遥感监测结果充分证明了中国近年来在环保领域所取得的重大进步。

关键词： OMI 中国 SO2柱浓度 PBL 遥感

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像和高光谱数据的冬小麦产量估算对比

引用

农业工程学报 2019年第23期35卷 111-118页

作者：陶惠林冯海宽杨贵军杨小冬苗梦珂吴智超翟丽婷农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 安徽理工大学测绘学院淮南232001 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 河南理工大学测绘与国土信息工程学院焦作454000

作物产量准确估算在农业生产中具有重要意义。该文利用无人机获取冬小麦挑旗期、开花期和灌浆期数码影像和高光谱数据,并实测产量。首先利用无人机数码影像和高光谱数据分别提取数码影像指数和光谱参数,然后将数码影像指数和光谱参数与... 详细信息

作物产量准确估算在农业生产中具有重要意义。该文利用无人机获取冬小麦挑旗期、开花期和灌浆期数码影像和高光谱数据,并实测产量。首先利用无人机数码影像和高光谱数据分别提取数码影像指数和光谱参数,然后将数码影像指数和光谱参数与冬小麦产量作相关性分析,挑选出相关性较好的9个指数和参数,最后以选取的数码影像指数和光谱参数为建模因子,通过MLR(multiple linear regression,MLR)和RF(random forest,RF)对产量进行估算。结果表明:数码影像指数和光谱参数与实测产量均有很强的相关性。利用数码影像指数和光谱参数通过MLR和RF构建的产量估算模型均在灌浆期表现精度最高,在灌浆期,数码影像指数和光谱参数构建的MLR模型R2和NRMSE分别为0.71、12.79%,0.77、10.32%。对模型对比分析可知,以光谱参数为因子的MLR模型精度较高,更适合用于估算冬小麦产量。利用无人机遥感数据,通过光谱参数建立的MLR模型能够快速、方便地对作物进行产量预测,并可以根据不同生育期的产量估算模型有效地对作物进行监测。

关键词：无人机数码影像高光谱冬小麦产量估算多元线性回归随机森林

来源：评论

学校读者我要写书评

暂无评论

基于无人机成像高光谱估算马铃薯植株氮含量

引用

光谱学与光谱分析 2023年第5期43卷 1524-1531页

作者：樊意广冯海宽刘杨龙慧灵杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于... 详细信息

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱;其次将提取的冠层光谱与马铃薯PNC进行相关性分析,筛选出PNC的敏感波长;然后分别利用灰度共生矩阵和1~3阶颜色矩,提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征,并将提取的特征与马铃薯PNC进行相关性分析,筛选出相关性较高的前5个图像特征;最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归(ENR)、贝叶斯线性回归(BLR)和极限学习机(ELM)3种方法建立马铃薯PNC估算模型。结果表明:(1)马铃薯5个生育期的冠层光谱特征波长存在差异,但多数位于可见光区域。(2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高,且现蕾期到淀粉积累期的相关性明显高于成熟期。(3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好,成熟期效果较差。(4)现蕾期到淀粉积累期,基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。(5)马铃薯各生育期,基于同种变量利用ENR构建的PNC估算模型效果较好,BLR次之,ELM较差。其中,以图谱融合特征为模型变量,利用ENR构建的PNC估算模型精度和稳定性最好,5个生育期的建模R^(2)分别为0.91、0.75、0.82、0.77和0.69,RMSE分别为0.24%、0.31%、0.26%、0.22%和0.29%,NRMSE分别为6.59%、9.79%、9.58%、7.87%和11.03%。该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。

关键词：无人机马铃薯高光谱图像特征植株氮含量

来源：评论

学校读者我要写书评

暂无评论

利用无人机多源传感器估算马铃薯植株氮含量

引用

光谱学与光谱分析 2022年第10期42卷 3217-3225页

作者：樊意广冯海宽刘杨边明博赵钰杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人... 详细信息

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人机获取了马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱影像和数码影像,同时采集各生育期的地面数码影像,并实测了株高(H)、PNC和11个地面控制点(GCPs)的三维空间坐标。其次,利用无人机数码影像结合GCPs生成试验区域的数字表面模型(DSM),分别从无人机数码影像和DSM中提取马铃薯的地面覆盖度(VC)和株高(H),并利用地面数码影像计算的覆盖度(VC)和实测H验证提取的VC和H的精度。然后,根据高光谱反射率数据计算绿边参数(GEPs),构造GEPs×H×VC,GEPs/(1+VC),(GEPs+VC)×H和GEPs/(1+H)4种融合特征参数(FFPs),对高光谱影像信息和数码影像信息进行融合。最后,将各生育期提取的GEPs和构造的FFPs分别与PNC作相关性分析,筛选最优绿边参数(OGEP)和最优融合特征参数(OFFP)构建5个生育期的PNC线性估算模型,并根据相关性较高的GEPs和FFPs利用偏最小二乘(PLSR)和人工神经网络(ANN)2种回归方法构建PNC的多参数估算模型,结果表明:(1)基于无人机数码影像提取的H和VC具有较高的精度,可以代替实测H和VC估算作物理化参数。(2)与GEPs相比,前4个生育期,构造的大部分FFPs与PNC的相关性更高,能更好地反映马铃薯的氮营养状况。(3)马铃薯5个生育期,OFFP估算PNC的效果优于OGEP。(4)与单参数模型相比,基于GEPs和FFPs利用PLSR和ANN 2种方法构建的模型精度和稳定性均明显提高,其中,以FFPs为模型因子利用ANN方法构建的模型效果最好。该研究表明融合高光谱绿边参数和高清数码相机传感器提取的株高和覆盖度信息能显著提升PNC的估算精度,可为马铃薯氮营养状况的动态无损监测和多源传感器信息的应用提供参考。

关键词：植株氮含量无人机多源传感器绿边株高覆盖度

来源：评论

学校读者我要写书评

暂无评论

利用光谱空间特征估算马铃薯植株氮含量

引用

光谱学与光谱分析 2023年第5期43卷 1532-1540页

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散... 详细信息

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散小波分解技术(DWT)提取的多个尺度的高频信息(HFI)构建一种光谱空间特征(VIs+HFI),探究VIs、 HFI和VIs+HFI估算PNC的能力。首先,以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次,基于预处理的无人机影像,提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1~5尺度的HFI。然后,将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析,分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响,根据KMO检验结果对筛选的HFI进行主成分分析(PCA)降维处理。最后,采用岭回归和极限学习机(ELM) 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型,并进行评估。结果表明:(1)马铃薯各生育期,1~5尺度的HFI对估算PNC均有贡献。(2)以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。(3)马铃薯各生育期,以岭回归方法构建的PNC估算模型优于ELM方法。其中,以VIs+HFI为模型变量构建的PNC估算模型效果最优,5个生育期的建模R^(2)分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%;NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。

关键词：无人机马铃薯植株氮含量植被指数高频信息

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：