基于光谱技术的畜禽污水化学需氧量快速测定方法的研究

化学需氧量(COD)是评价水体污染程度的一项重要综合性指标。随着环境污染问题的日益严重，传统的测量方法由于存在分析成本高、时间长，并且还会造成二次污染等问题，已经不能够满足污水检测的需求，提出了采用光谱技术进行畜禽污水COD快速测定的方法。采用ASD公司的便携式光谱仪，选用容积分别为1000 mL和2000 mL的烧杯作为盛样容器，对18个不同COD浓度水平的污水样本进行了测量。通过吸光度与水样COD值的相关性分析表明，水样的光谱特性与COD值之间存在较好的相关性，以此建立偏最小二乘回归模型。结果表明，两种不同盛样容器(1000 mL、2000 mL)下的预测决定系数达到0.9895和0.9985，校正样本标准偏差为14.2和11.5，预测样本标准偏差为22和32，预测相对偏差均在10％以下，能够满足农业工程应用的要求。说明可以利用光谱技术对畜禽污水的COD含量进行定量分析，COD预测模型的建立也将为开发水质在线检测仪器提供技术基础。     

基于日光诱导叶绿素荧光的柑橘黄龙病原位诊断

柑橘黄龙病（Huanglongbing, HLB）是柑橘生产中的毁灭性病害,柑橘植株遭到黄龙病菌侵染后光合能力发生变化而后表现出相应的黄化症状。及早实现HLB的原位快速诊断是防控HLB的重要手段。为探究黄龙病菌侵染柑橘叶片的光合响应机制并实现HLB的原位诊断,该研究分析了健康（Healthy）、未显症HLB（asymptomatic HLB, aHLB）、显症HLB（symptomatic HLB, sHLB）以及黄斑病（Macular,症状与黄龙病相似）柑橘叶片的光合参数与光合色素含量差异。利用光谱技术与日光诱导叶绿素荧光（Sun-induced Chlorophyll Fluorescence, SIF）技术分析了4种类型柑橘叶片的反射率光谱与SIF光谱差异。采用竞争自适应重加权采样（Competitive Adaptive Reweighted Sampling, CARS）算法结合反射率光谱筛选出特征波段,采用SIF光谱的峰值位置（687和741 nm）构建了上行（Upward, Up）和下行（Downward, Dw）SIF产量指数（Up687, Up741, Dw687, Dw741, Up687/741, Dw687/741）。进一步分别利用特征波段的反射率和SIF产量指数,结合K最邻近（K-nearest Neighbor, KNN）分类算法构建了柑橘黄龙病的诊断模型。结果表明,黄龙病菌的侵染使柑橘叶片的光合作用明显减弱,在未显症时期已经表现出来,证明了SIF技术在诊断早期HLB的优势。基于特征波段反射率的KNN模型对未显症HLB和显症HLB的诊断精度为72.7%和75.6%,健康叶片和黄斑病叶片分别为82.2%和64.1%,而基于687和741 nm波长处的上行比值SIF产量指数Up687/741构建的KNN模型对未显症HLB和显症HLB的诊断精度为84.8%和91.1%,健康和黄斑病叶片分别为88.9%和82.1%,均优于反射率光谱模型。结果证明了SIF技术用于诊断柑橘HLB的潜力,为实现柑橘HLB的田间原位、快速、早期诊断提供了可能。     

植保无人机雾滴沉积效果研究综述

在农业可持续发展进程中,病虫害问题一直是人们关注的焦点。无人机喷雾以其灵活、便捷等特点,在植保领域受到广泛关注,并在病虫害防治上取得新进展。但是,无人机喷雾技术仍存在雾滴飘移、药液流失等问题,且雾滴的沉积效果是无人机喷雾作业中最被关心的问题。本文综述了无人机喷雾雾滴的沉积分布特点,并总结分析了雾滴沉积分布的影响因素,同时列举了目前检测雾滴沉积的方法。研究表明,雾滴沉积效果受飞行参数、自然因素、喷雾雾化设备和喷雾方式等多因素影响,因此在做出采用无人机施药决策时,需要综合考虑多方面的因素,尤其是下旋风场对雾滴沉积的影响。此外,需要进一步研发出新型喷嘴及雾滴沉积检测技术,为提高雾滴沉积效果提供保障。     

植保无人机喷施液滴润湿性探究

为研究航空喷施作业时液滴对叶片的润湿性能及其影响因素,通过正交试验和单因素试验分析了叶片位置、喷施液体种类和浓度、助剂浓度、液滴大小和接触瞬间速度等因素对液滴润湿叶片时接触角的影响。结果表明,添加助剂和保证液滴与叶片接触速度至少为1.55 m/s能有效提高叶面肥对叶片的润湿性,液体的种类、浓度和液滴的大小对叶面肥的润湿性有一定影响,而叶片的正反面位置对叶面肥的润湿性影响并不显著。最优组合(喷施叶片反面+高浓度"稼多宝"叶面肥+1%助剂+小液滴)对应的叶面肥润湿叶片的接触角最低可达到8.5°。本研究可为提高农用航空喷施液态肥作业效果提供参考。     

基于纹理特征与植被指数融合的水稻含水量无人机遥感监测

含水量是表征水稻生理和健康状况的关键参数，精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前，利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数，针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的RGB图像和多光谱图像，通过提取植被指数和纹理特征，分析水稻的动态生长变化，并构建了基于随机森林回归方法的含水量预测模型。试验结果表明：（1）从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长，并且这些参数随水稻生长呈现出了相似的动态变化趋势；（2）与RGB图像相比，多光谱图像评估水稻含水量具有更高的潜力，其中归一化光谱指数NDSI_771,611实现了更好的预测精度（R²=0.68，RMSEP=0.039，rRMSE =5.24%）；（3）融合植被指数和纹理特征能够进一步改善含水量的预测结果（R²=0.86，RMSEP=0.026，rRMSE=3.51%），预测误差RMSEP分别减小了16.13%和18.75%。上述结果表明，基于无人机遥感技术监测水稻含水量是可行的，可为农田精准灌溉和田间管理决策提供新思路。     

深度学习在植物表型研究中的应用现状与展望

精确测量植物表型是深入分析表型-基因-环境互作关系,了解植物生理过程的前提和基础,也是培育良种和提升现代农业生产精准管控的关键。伴随高通量植物表型测量与分析技术的不断发展,以深度学习为代表的人工智能方法在植物表型研究与应用中取得了一系列重要进展。为系统阐述相关研究最新成果和热点问题,该研究首先概述了植物表型与深度学习方法的背景;随后从植物识别与分类、胁迫分析、产量预测、面向精准育种和精准管理的表型分析等方面综述了深度学习在植物表型交叉研究的进展;最后提出了未来深度学习和植物表型交叉融合研究与应用中亟需解决的问题,并展望了植物表型研究智能化的发展前景。     

基于快速叶绿素荧光技术的油菜冠层生化参数垂直异质性分析

准确获取作物冠层生化信息对监测作物生长和指导精准施肥具有重要意义。现有的作物生化参数的垂直分布研究以高光谱遥感反演为主,缺乏与光合生理的联系。本研究主要探究了不同氮素处理水平下油菜苗期冠层内的叶绿素、类胡萝卜素、干物质和水分等生化参数的垂直分布变化特性,同时利用快速叶绿素荧光技术测定了叶片的光合性能,并通过线性回归分析和主成分分析进一步剖析了荧光响应与生化参数的内在联系。试验结果表明：（1）苗期中期油菜冠层的叶绿素含量、类胡萝卜素含量、干物质和水分含量均呈抛物线型的非均匀垂直分布,而叶绿素与类胡萝卜素的比值具有与其他生化参数不同的垂直分布模式,其随着叶位升高和施氮量的增加逐渐下降,与推动力DF_Total、电子链末端量子产额φ_Ro等荧光参数的垂直分布模式相同;（2）荧光参数,特别是DF_Total,对油菜叶片叶绿素与类胡萝卜的比值、叶绿素和干物质含量具有较强的评估能力;（3）缺氮会降低苗期油菜叶片的光系统I和II（PSI和PSII）性能,通过最大光化学效率φ_Po等荧光参数可对氮素胁迫进行诊断;而不同叶位叶片在PSI性能即电子末端传递效率上具有显著差异,通过DF_Total可有效表征冠层生化参数的垂直异质性。上述结果表明,应用快速叶绿素荧光技术对作物进行生化信息的垂直异质性监测具有可行性,可为指导精准施肥和提高优质优产提供新思路和技术支撑。     

无人机飞行高度对植被覆盖度和植被指数估算结果的影响

将无人机与多种成像传感设备相结合可实现田间作物表型信息的全面获取。针对田间复杂环境下无人机搭载多种成像传感设备在不同飞行高度处提取的作物信息具有差异性的问题,本研究着重探究了无人机搭载两种成像传感设备获取图像时,不同飞行高度对估算植被覆盖度以及植被指数结果的影响。首先为防止外界环境变化对获取图像质量造成干扰,通过最近邻插值算法将无人机飞行高度为25 m处获取的两个多光谱和可见光图像数据集分别退化为十个不同地面分辨率的模糊图像数据集,以模拟无人机在不同飞行高度中获取的作物图像。然后获取50m高度处的无人机图像数据集通过皮尔逊相关性分析验证模拟数据集的有效性。最后采用随机森林模型估算不同数据集中的植被覆盖度,分类精度大于91%。结果发现,当植被覆盖度小于二分之一时,随着地面分辨率的降低该指标不断被低估,反之则被高估。飞行高度50 m的真实图像与模拟图像估算植被覆盖度结果的相关系数r为0.992 8,两者具有强相关性,模拟图像估算得到的植被覆盖度变化具备参考意义。植被指数估算结果中,首先对无人机图像数据集进行辐射校正、阈值分割等图像预处理,然后根据公式计算得到植被指数,最后通过假设性检验对十个图像数据集计算得出的植被指数进行分析。结果发现,可见光植被指数在飞行高度61 m时具备显著性差异,多光谱植被指数在十个高度下均没有显著性差异,因此为保证无人机获取数据的准确性与完整性,建议当无人机搭载本文的两种相机获取作物信息时建议飞行高度不高于61 m。本研究为研究者利用无人机搭载多传感设备获取作物信息设定合适的飞行高度、减小作业成本提供参考。     

基于波段权重的多尺度Retinex遥感图像渐晕校正方法

针对传统函数逼近法存在的校正质量不稳定、耗时长以及Retinex算法存在的光晕、泛灰和光谱数据失真的问题,该文提出了一种带光谱恢复的多尺度Retinex渐晕校正方法。通过对无人机遥感图像全局亮度的估计以及光谱恢复因子的引入,实现无人机遥感光谱图像的渐晕校正。利用该文方法对遥感图像进行处理,并与基于高斯曲面的函数逼近法和多尺度Retinex算法结果进行对比,依据灰度分布情况、标准差、平均梯度、清晰度、光谱相关系数以及光谱角指标进行评价分析。试验结果表明,该文提出的方法可以取得较好的渐晕校正效果,结果不存在光晕、泛灰现象,结果的平均梯度和清晰度均值分别为0.077 4和49.33,相较原始图像和函数逼近法以及多尺度Retinex算法处理结果,平均梯度分别提高了5.94%、5.56%和4.78%,清晰度分别提高了8.94%、6.79%和6.63%,该文方法校正图像的对比度和清晰度更优,方法具有较好的渐晕校正效果。     

《农用无人机技术及其应用》

正内容简介:由浙江大学何勇教授等撰写的《农用无人机技术及其应用》一书,是国内第一本系统介绍农用无人机的专著。本书涵盖农用无人机的理论基础、关键技术与装备及实际应用和管理规范方面的知识,主要包括农用无人机的发展历史和现状、系统组成、飞行控制与导航系统、航空植保、低空遥感、无线组网监测,以及与无人机作业相关的气象、法规和管理等。在系统介绍无人机体系的基础上,还密切结