排序方式: 共有115条查询结果,搜索用时 15 毫秒
111.
以沈阳农业大学试验田为研究区域,将无人机遥感技术与人工结合,采集2015年夏季粳稻生长全过程的冠层NDVI数据。首先,利用二元定距变量相关分析的方法对单天和各旬、各月冠层NDVI与产量进行相关性分析;然后,利用线性回归和Square(或Cubic)曲线分别对相关性较好的单天和各旬与产量建模,并对回归模型进行检验,验证模型精度,同时将效果较好的几个模型进行对比分析。结果表明,单独用一个变量建模,Square(或Cubic)曲线模型优于一次线性回归模型,6月中旬和8月上旬的组合模型是估产最理想的模型,其判定系数(R2)为0.771,相对误差(RE)为4.06%,均方根误差(RMSE)为0.474 t·hm-2,精度较高,具有可行性,据此确定北方粳稻最佳估产时间是6月中旬的分蘖盛期和8月上旬的抽穗期。 相似文献
112.
113.
近年来,植保无人机在现代农业中展现出了明显的优势,但植保无人机所适配的典型扇形喷头的雾化性能尚待进一步研究,尤其是喷雾羽流的雾滴粒径空间分布特性亟待明确。使用DP-02激光粒度仪分别对CFA11001、CFA11002、CFA110015、SF11002、SF110015、TeeJet11002、TeeJet110015共7种典型扇形航空喷头进行了喷雾羽流雾滴粒径空间分布特性测定。试验分为横向和纵向轴线两种测定形式,其中研究横向轴线雾滴粒径的分布时,固定喷施压力0.8 MPa,等间距选取了7个连续的横向测量点,喷头选择CFA11002、SF11002和TeeJet11002型;研究纵向轴线雾滴粒径的分布时,固定喷施压力0.5 MPa,等间距选取了5个连续的纵向测量点,喷头选择CFA11001、CFA11002、CFA110015、SF110015和TeeJet110015型。结果表明:横向轴线的分布特点:在固定喷施压力0.8 MPa的条件下,3种型号喷头的DV0.1、DV0.5在各横向测量点位的数值变化不大,并且两侧关于中心点呈较好的对称分布... 相似文献
114.
近几年,无人机遥感技术在水稻理化参量反演上得到了广泛应用,并逐渐发展成为水稻田块尺度遥感信息获取的主要途径之一。深入分析基于无人机遥感的水稻农学理化参量(指在农业领域中可确定某种物理、化学性质的参量)反演研究现状及存在问题,有利于更好地把握水稻无人机遥感未来发展趋势。综述无人机遥感技术在反演生化组分含量、结构参量、生产力等方面的研究现状,其中生化组分含量的反演研究主要集中在氮素和叶绿素方向且目前仍然以数据驱动的方法为主,例如用于反演氮素的窄波段植被指数NDRE,通过对极限学习机与偏最小二乘回归耦合对水稻叶绿素含量的反演等,而基于物理模型的反演方法较少;结构参量的反演研究主要包括叶面积指数、生物量等,方法有用于反演叶面积指数的辐射传输机理模型PROSAIL,用于反演生物量的基于冠层光谱特征的优化高斯过程回归方法;生产力的遥感重点在水稻的产量估算、病害和倒伏检测,方法有用于水稻估算的利用RGB影像使用K-Means与核相关滤波算法融合。对无人机遥感平台、设备、方法进行了总结,梳理近10年水稻农学理化参量无人机遥感反演的研究进展和成果。最后综合国内外的研究现状进行水稻无人机定量遥感讨论分析与... 相似文献
115.
水稻叶片氮素含量遥感检测是实现水稻精准施肥的前提条件。为了探究利用光谱技术快速、便捷的实现水稻叶片氮素的精准检测,该研究在水稻关键生育期,利用水稻叶片400~1000 nm高光谱反射率信息,利用连续投影法提取敏感波段,在此基础上,提出了一种波段特征转移的植被指数构建思路,构建了由3个波段构成的氮素特征转移指数(Nitrogen Characteristic Transfer Index,NCTI),并利用线性归回模型构建了水稻叶片氮素含量反演模型。结果表明:该研究采用连续投影法从水稻叶片光谱中提取了6个特征波段,具体为500、555、662、690、729、800 nm;运用氮素特征转移思路构建了由550、729和800 nm构成的氮素特征转移指数(NCTI);以NCTI为输入,运用线性回归的方式构建水稻是氮素含量反演模型,其模型决定系数为0.774,均方根误差为0.379 mg/g,反演效果优于归一化植被指数(Normalized Difference Vegetation Index,NDVI)、增强植被指数(Enhanced Vegetation Index,EVI)等传统植被指数所建立的氮素含量反演模型,说明了NCTI在实际的应用中,能够作为快速反演水稻叶片氮素含量的高光谱植被指数。该研究能够为水稻叶片氮素含量光谱检测提供一定的客观数据支撑和模型参考。 相似文献