检索结果-内蒙古大学图书馆

遥感学报 2024年第10期28卷 2485-2499页

作者：薛博文孔媛媛田龙王雪姚霞朱艳曹卫星程涛南京农业大学国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部作物系统分析与决策重点实验室/江苏省信息农业重点实验室/现代作物生产省部共建协同创新中心南京210095

作物病害遥感监测对精准防控和粮食安全至关重要。病害光谱响应规律及其生理依据是病害遥感监测的基础,而针对该基础性问题的深入研究仍较缺乏。本研究通过比较两类侵染特性相异的真菌病害及其光谱监测精度,旨在系统阐明病叶光谱响应机... 详细信息

作物病害遥感监测对精准防控和粮食安全至关重要。病害光谱响应规律及其生理依据是病害遥感监测的基础,而针对该基础性问题的深入研究仍较缺乏。本研究通过比较两类侵染特性相异的真菌病害及其光谱监测精度,旨在系统阐明病叶光谱响应机制及其特异性。研究选择活体营养型小麦白粉病WPM(Wheat Powdery Mildew)和半活体营养型水稻叶瘟病RLB(Rice Leaf Blast)作为实例。基于叶片反射光谱和辐射传输模型参数反演,本文对比了两类病害的光谱响应、生化参数与结构参数变化规律;并在病叶识别和病情严重度估算中比较病害光谱特征的精度差异及其特异性监测表现。结果表明,两类病害的光谱变异趋势整体相似但其光谱响应强度有显著差异,且两者在绿峰及近红外平台的光谱形状变化明显不同。此外,色素含量对两类病害响应趋势相似但强度不同,其中叶片含水量和结构参数仅对RLB响应显著。在病叶识别中,前人构建病害光谱特征均对目标病害监测表现出特异性优势。其中,小波特征WF3820和WF5866分别对WPM和RLB的识别精度最高且特异性最强。在病情估算中,光谱指数RIBIred和PRI分别对WPM和RLB病情严重度敏感性最高且特异性显著。其中,RIBIred在病叶识别和病情估算中的综合表现和特异性最优(Overall accuracy=0.74,R^(2)=0.58)。本文将两类病害光谱响应与病理成因关联分析,为病害特异性光谱监测提供了有力证据和新的认识,对病害光谱监测机理解析和多种病害识别具有重要意义。

关键词：遥感病害识别病情估算 PROSPECT 生化参数叶片结构光谱指数连续小波变换

来源：评论

学校读者我要写书评

暂无评论

基于无人机多光谱和多波段组合纹理的马铃薯LAI估算

引用

光谱学与光谱分析 2024年第12期44卷 3443-3454页

作者：郭立笑陈志超马彦鹏边明博樊意广陈日强刘杨冯海宽河南理工大学测绘与国土信息工程学院河南焦作454000 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

叶面积指数(LAI)是表征作物生长状况的重要指标,因此高效、准确地估算作物LAI可为田间生产管理提供指导。光谱特征能够提供作物反射和吸收波长的信息,而纹理特征则可提供关于作物灰度属性和空间位置关系。以往研究表明仅使用光谱特征估... 详细信息

叶面积指数(LAI)是表征作物生长状况的重要指标,因此高效、准确地估算作物LAI可为田间生产管理提供指导。光谱特征能够提供作物反射和吸收波长的信息,而纹理特征则可提供关于作物灰度属性和空间位置关系。以往研究表明仅使用光谱特征估算作物LAI存在一定的局限性,在高LAI水平时,会出现“饱和现象”,使得LAI被低估。为充分发掘无人机多光谱影像信息,对多个波段的纹理信息进行组合,得到多波段组合纹理,探究光谱特征融合多波段组合纹理能否提高LAI估算精度。首先获取马铃薯三个关键生育期的多光谱数据和地面实测LAI数据;然后使用灰度共生矩阵(GLCM)提取各生育期的纹理特征,将多个波段的纹理特征组合;然后分析植被指数、纹理特征和多波段组合纹理与LAI的相关性,并综合相关性和方差膨胀因子优选植被指数;最后融合多波段组合纹理,使用带有参数调优的偏最小二乘回归(PLSR)、岭回归(RR)和K近邻回归(KNR)估算各生育期马铃薯LAI,并与仅使用植被指数的模型进行对比,验证利用多波段组合纹理反演LAI的可行性。结果表明:(1)单波段纹理、双波段组合纹理和三波段组合纹理与LAI的相关性依次增大;(2)马铃薯各生育期优选后的多波段组合纹理与LAI呈现极显著相关,相关系数在0.79~0.83之间;(3)与仅使用植被指数的模型相比,加入多波段组合纹理可以显著提高模型的精度和稳定性。块茎形成期KNR模型的马铃薯LAI估算精度最高,建模R^(2)为0.83,RMSE为0.23 m^(2)·m^(-2),验证R^(2)为0.75,RMSE为0.25 m^(2)·m^(-2);块茎增长期PLSR模型的估算精度最高,建模R^(2)为0.73,RMSE为0.26 m^(2)·m^(-2);验证R^(2)为0.87,RMSE为0.20 m^(2)·m^(-2);淀粉积累期PLSR模型估算精度最高,建模R^(2)为0.73,RMSE为0.31 m^(2)·m^(-2),验证R^(2)为0.84,RMSE为0.25 m^(2)·m^(-2)。该方法可为无人机多光谱组合纹理特征估算马铃薯LAI提供参考。

关键词：无人机多光谱遥感多波段组合纹理叶面积指数

来源：评论

学校读者我要写书评

暂无评论

稻麦复种模式下氮肥与稻秸互作对小麦产量和N_(2)O排放影响及推荐施肥研究

引用

作物学报 2024年第5期50卷 1300-1311页

作者：陆汝华王文轩曹强田永超朱艳曹卫星刘小军南京农业大学国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室江苏南京210095 人文与社会发展学院江苏南京210095

优化氮肥施用和秸秆还田技术为途径的农业管理措施被认为是提升农业可持续性的有效手段,然而当前关于氮肥和秸秆还田对小麦产量和N_(2)O排放影响的研究仍十分有限。为此,本研究基于2000—2022年发表的关于长江中下游流域氮肥和秸秆投入... 详细信息

优化氮肥施用和秸秆还田技术为途径的农业管理措施被认为是提升农业可持续性的有效手段,然而当前关于氮肥和秸秆还田对小麦产量和N_(2)O排放影响的研究仍十分有限。为此,本研究基于2000—2022年发表的关于长江中下游流域氮肥和秸秆投入下小麦产量和N_(2)O排放变化的文献,运用随机森林建模,定量分析氮肥和秸秆还田对小麦产量和N_(2)O排放的影响,并结合情景设置进行了特定地点的小麦产量和N_(2)O排放模拟,同时评估了碳排放强度(CEE)和净生态系统经济效益(NEEB)。结果表明,建立的区域尺度小麦产量与N_(2)O排放对氮秸互作响应的随机森林模型,验证结果R^(2)分别为0.66和0.65,RMSE分别为0.70和1.11。结果表明施氮量和土壤有机质是影响小麦产量和N_(2)O排放的重要因素。综合来看,达到最大产量所需的氮肥量为208~212 kg hm^(-2),达到最小CEE所需的氮肥量为113~130 kg hm^(-2),达到最高的NEEB所需的氮肥量为202~205 kg hm^(-2),其中在6.75 t hm^(-2)的秸秆投入下施用202 kg hm^(-2)的氮肥可以获得最高的生态收益1.37万元。优化氮肥和秸秆投入具备减少作物碳排放强度并获得最大净生态环境效益的潜力。

关键词：施氮量秸秆投入小麦 N_(2)O 排放模型推荐施肥

来源：评论

学校读者我要写书评

暂无评论

基于多尺度及DESTIN约束的高分遥感影像田块语义分割方法研究

引用

南京农业大学学报 2024年第5期47卷 989-999页

作者：肖庆云程涛顾兴健朱艳黄芬南京农业大学人工智能学院江苏南京210031 南京农业大学国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室/现代作物生产省部共建协同创新中心江苏南京210095

[目的]本研究旨在改善基于深度学习的遥感影像田块语义分割中出现的区域不封闭、边缘不贴合、噪点问题,并进一步修正语义分割的识别错误。[方法]以安徽省阜南县、江苏省淮安市为研究地点,自建了农田田块数据集,引入考虑影像多尺度特征... 详细信息

[目的]本研究旨在改善基于深度学习的遥感影像田块语义分割中出现的区域不封闭、边缘不贴合、噪点问题,并进一步修正语义分割的识别错误。[方法]以安徽省阜南县、江苏省淮安市为研究地点,自建了农田田块数据集,引入考虑影像多尺度特征的尺度分割思想与基于物候学的DESTIN(delineation by fusing spatial and temporal information)分割算法,提出了基于多尺度及DESTIN约束的高分遥感影像农田田块语义分割方法。[结果]多尺度与DESTIN约束下基于深度模型的田块语义分割有效改善模型出现的区域不封闭、边缘不贴合、噪点和块状模糊等问题,一定程度修正了深度模型语义分割的错误识别,IoU指标在2个测试集上分别达到94.08%和90.79%,相较深度模型的遥感影像田块语义分割分别提高1.65%和2.32%,对研究区域的田块提取区域更完整、精度更高。[结论]多尺度及DESTIN约束进一步改善了田块语义分割问题,有助于提高高分遥感影像的田块识别精度。

关键词：语义分割多尺度分割 DESTIN分割农田田块提取高分遥感影像

来源：评论

学校读者我要写书评

暂无评论

无人机遥感作物估产研究进展

引用

南京农业大学学报 2025年第1期48卷 1-13页

作者：郑恒彪吉文翰郭彩丽张小虎邱小雷姚霞江冲亚朱艳曹卫星程涛南京农业大学国家信息农业工程技术中心/智慧农业研究院/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室/现代作物生产省部共建协同创新中心江苏南京210095

快速、准确估测作物产量不仅有利于提前掌握粮食生产状况,而且对国家粮食政策的制定至关重要。无人机遥感技术因其快速、便捷、成本低等优势,以及可同时搭载多种传感器获取高时空分辨率影像,在作物产量估测研究中发挥了重要作用。本文... 详细信息

快速、准确估测作物产量不仅有利于提前掌握粮食生产状况,而且对国家粮食政策的制定至关重要。无人机遥感技术因其快速、便捷、成本低等优势,以及可同时搭载多种传感器获取高时空分辨率影像,在作物产量估测研究中发挥了重要作用。本文首先介绍了无人机遥感估产的相关背景;其次对近二十年来无人机遥感估产的研究现状进行了概述,分别从无人机平台、传感器、估产模型构建等方面重点综述了近年来国内外无人机遥感估产的研究进展;最后讨论了影响无人机遥感估产精度的因素、尚未解决的关键技术问题以及无人机遥感估产的未来发展前景。本文可为了解无人机遥感估产研究前沿、技术瓶颈、发展前景提供重要参考,为精确栽培、智慧育种提供技术支撑。

关键词：作物产量估测无人机遥感传感器建模方法研究进展

来源：评论

学校读者我要写书评

暂无评论

利用VGC-AGB模型和高光谱遥感的马铃薯地上生物量估算

引用

光谱学与光谱分析 2023年第9期43卷 2876-2884页

作者：冯海宽岳继博樊意广杨贵军赵春江南京农业大学国家信息农业工程技术中心江苏南京210095 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 河南农业大学信息与管理科学学院河南郑州450002

马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义。作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估。现有的研究表... 详细信息

马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义。作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估。现有的研究表明,遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性,即“饱和现象”,这制约了作物生长中后期AGB的准确监测。采用了一个新型垂直生长作物AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的AGB估算研究。针对多生长时期遥感光谱指数开展作物生物量监测中存在的“饱和问题”,VGC-AGB定义了叶片干物质含量(C_(m))和垂直器官干物质含量(C_(sm))2个参数,分别描述马铃薯叶片和茎的平均干物质含量,并通过叶面积指数(LAI)×C_(m)计算叶片的地上生物量(AGB l),通过种植密度(C_(d))、马铃薯株高(C_(h))和C_(sm)的乘积,即C_(d)×C_(h)×C_(sm)计算垂直器官的地上生物量(AGB v)。基于国家精准农业研究示范基地2019年马铃薯田间实验,分别获取了马铃薯4个关键生长时期的地面ASD高光谱数据、实测株高、AGB和LAI数据等,并利用高光谱反射率数据构建了高光谱特征参数,分别对比了(1)高光谱特征参数+株高,(2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的3种马铃薯AGB估算模型的性能。结果表明,与传统的高光谱遥感植被指数+株高的AGB估算方法相比,新型VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯AGB l、AGB v和总AGB估算结果,该方法可为马铃薯AGB的快速无损监测提供技术支撑。

关键词： VGC-AGB模型高光谱遥感马铃薯地面生物量

来源：评论

学校读者我要写书评

暂无评论

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

引用

中国农业科学 2023年第21期56卷 4175-4191页

作者：王伟康张嘉懿汪慧曹强田永超朱艳曹卫星刘小军南京农业大学农学院/国家信息农业工程技术中心/智慧农业教育部工程研究中心/农业农村部农作物系统分析与决策重点实验室/江苏省信息农业重点实验室

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机... 详细信息

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数（LAI）、地上部生物量（AGB）和植株氮含量（PNC）等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数（VI）、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.80和0.76，但对于PNC的监测，植被指数并未达到理想的效果，表现最好的RESAVI和NDRE与PNC的决定系数仅为0.13。通过简单线性回归进一步发现单波段的纹理特征在对水稻生长指标的监测中表现并不理想；为进一步分析影像纹理对上述3个指标的监测效果，参照植被指数的构建方法构建了归一化纹理指数（NDTI）、比值纹理指数（RTI）和差值纹理指数（DTI），通过相关性分析发现新构建的纹理指数（TI）相较于单波段纹理特征对水稻生长指标的监测精度有所提升，但效果并未好于植被指数。为实现光谱与纹理间的结合，采用偏最小二乘和人工神经网络的建模方法，以VI、VI+TI为不同的输入参数组合进行水稻LAI、AGB和PNC的监测模型构建，结果表明采用偏最小二乘和人工神经网络的建模方法与简单线性回归相比模型的监测精度均得到了大幅提升，以VI+TI为输入变量，采用人工神经网络构建的模型在模型验证中取得了最佳效果，LAI模型的验证R2由0.75提升至0.86,AGB和PNC的模型验证R2也分别由0.72和0.26提升至0.92和0.86，同时模型的RMSE均显著降低。【结论】利用固定翼无人机采集水稻冠层多光谱影像，通过人工神经网络算法融合光谱和纹理信息能够有效提升水稻LAI、AGB和PNC的监测精度，该研究结果将为快速大面积作物长势监测提供理论依据。

关键词：无人机植被指数纹理特征长势水稻

来源：评论

学校读者我要写书评

暂无评论

秸秆还田与氮肥施用对稻田温室气体排放的影响

引用

生态学报 2024年第12期44卷 5328-5339页

作者：吴健成刘卿汪翠存陆汝华刘艳曹强田永超朱艳曹卫星刘小军南京农业大学国家信息农业工程技术中心南京210095 智慧农业教育部工程研究中心南京210095 农业农村部农作物系统分析与决策重点实验室南京210095 江苏省信息农业重点实验室南京210095 现代作物生产省部共建协同创新中心南京210095

秸秆还田与氮肥施用是农田生态系统中碳氮元素的两大主要补给途径,其在调控稻田甲烷(CH_(4))和氧化亚氮(N_(2)O)排放以及水稻产量方面具有重要作用。以往的研究主要关注秸秆还田或氮肥施用单因素对稻田温室气体排放的影响,而双因素互作... 详细信息

秸秆还田与氮肥施用是农田生态系统中碳氮元素的两大主要补给途径,其在调控稻田甲烷(CH_(4))和氧化亚氮(N_(2)O)排放以及水稻产量方面具有重要作用。以往的研究主要关注秸秆还田或氮肥施用单因素对稻田温室气体排放的影响,而双因素互作对甲烷和氧化亚氮排放的影响尚未明确。同时,在秸秆还田条件下如何进行合理的氮肥施用鲜有深入研究。本研究基于3个氮肥处理(0、180、360 kg N/hm^(2))和3个秸秆还田处理(0、2.25、3.75 t/hm^(2))进行多年水稻田间定位试验,研究结果表明:CH_(4)季节累积排放随秸秆还田量增加而增加,与施氮量无显著正相关关系;N_(2)O季节累积排放随施氮量增加而增加,与秸秆还田量无显著正相关关系;秸秆还田对于产量的影响具有不确定性,两年均在秸秆不还田+不施氮处理(S0N0)出现最低产量,2021与2022年最低产量分别为5740.64和4903.75 kg/hm^(2)。2021与2022年最高产量分别在秸秆不还田+高氮(S0N_(2))和高量秸秆还田+高氮(S2N_(2))出现,分别为10938.48和10384.83 kg/hm^(2)。同时,本研究发现在低量秸秆还田条件下,在碳足迹(CF, Carbon Footprint)方面,施氮量为251 kg N/hm^(2)时碳足迹达到最低点,为1.01 kg C/kg;而在生态经济净收益(NEEB, Net Ecosystem Economic Benefits)方面,施氮量为294 kg N/hm^(2)时生态经济净收益达到最高点,为11778.15元/hm^(2)。为协同生态经济净收益与碳排放,在低量秸秆还田(S1)下,配合251—294 kg N/hm^(2)的施氮量为最优施肥方案。研究结果为指导稻田温室气体减排、实现稻田碳中和以及农田管理提供了理论支撑,为实现水稻的高产稳产与低碳生产科学依据。

关键词：水稻温室气体秸秆还田氮肥推荐施肥

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

基于连续小波变换和机器学习的小麦产量预测

引用

光谱学与光谱分析 2024年第10期44卷 2890-2899页

作者：樊杰杰邱春霞樊意广陈日强刘杨边明博马彦鹏杨福芹冯海宽西安科技大学测绘科学与技术学院陕西西安710054 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 河南工程学院土木工程学院河南郑州451191

及时、准确的作物估产,对作物管理决策和粮食安全评估具有重要意义。该研究在建立一种耦合连续小波变换(CWT)与机器学习准确预测小麦产量的方法。基于2020年—2021年两年小麦田间试验获取的开花期和灌浆期冠层高光谱数据及产量数据,首... 详细信息

及时、准确的作物估产,对作物管理决策和粮食安全评估具有重要意义。该研究在建立一种耦合连续小波变换(CWT)与机器学习准确预测小麦产量的方法。基于2020年—2021年两年小麦田间试验获取的开花期和灌浆期冠层高光谱数据及产量数据,首先采用CWT提取三种小波特征(WFs),分别为:基于Bortua方法筛选的特征波段(Bortua-WFs)、提取WFs与小麦产量确定系数的前1%(1%R^(2)-WFs)和单一分解尺度下的所有WFs(SS-WFs)。然后采用随机森林(RF)、 K最邻近(KNN)和极端梯度提升(XGBoost)三种机器学习算法构建产量预测模型。最后选取最优的光谱特征,采用相同的方法进行建模并比较。结果表明:(1)三种WFs结合机器学习方法的模型均表现良好,基于Bortua-WFs构建的模型具有更高的精度和稳定性。(2)相比光谱特征模型,Bortua-WFs模型在各生育期的精度均有所提高,开花期的R^(2)精度分别提高了17.5%、 4%和39.6%,灌浆期分别提高了8.4%、 5.6%和16.9%。(3)灌浆期的产量估算模型优于开花期,结合Bortua-WFs和XGBoost的模型表现最佳,R^(2)为0.83, RMSE为0.78 t·ha^(-1)。该研究比较了不同特征和方法相结合的性能,确定了不同方案下的最佳模型精度,为光谱准确预测小麦产量提供技术参考。

关键词：连续小波变换高光谱机器学习小麦产量预测

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：