基于无人机可见光影像的玉米冠层SPAD反演模型研究

叶绿素是植物进行光合作用的重要色素，利用作物光谱、纹理信息对叶绿素进行反演，为作物的实时监测和健康状况诊断提供重要依据。以大田环境下5个不同品种四叶期、拔节期的玉米为研究对象，利用无人机获取试验区可见光影像，对土壤背景进行掩膜处理，提取25种可见光植被指数、24种纹理特征，综合分析植被指数、纹理特征与玉米冠层叶绿素相对含量（SPAD）的相关性，分别建立基于植被指数、纹理特征和植被指数+纹理特征的逐步回归（SR）、偏最小二乘回归（PLSR）和支持向量回归（SVR）模型，定量估算叶绿素相对含量。在SR模型中，植被指数+纹理特征模型与植被指数模型相同，R2为0.7316，RMSE为2.9580，RPD为1.926，优于纹理特征模型；在PLSR模型中，植被指数+纹理特征模型较优，R2为0.8025，RMSE为2.4952，RPD为2.284，纹理特征模型次之，植被指数模型最差；在SVR模型中，植被指数+纹理特征模型较优，R2为0.8055，RMSE为2.6408，RPD为2.158，植被指数模型次之，纹理特征模型最差。综合分析采用基于PLSR植被指数+纹理特征模型可以实现玉米冠层SPAD快速、准确提取，为叶绿素反演提供一种新的方法，可为无人机遥感作物长势监测提供参考。     

基于VR的农田环境监测机器人研制

农田环境信息是农田管理策略制定及修改的重要依据,但目前农田环境参数监测存在监测范围小,机动灵活性不足。为实现农田环境数据动态采集,采用4G通信技术与TCP Socket通信协议,通过C++语言以及蓝图节点进行功能程序的开发,设计了一款基于虚拟现实(Virtual Reality)技术的环境监测机器人。机器人利用云端服务器接收保存机器人上的Raspberry Pi(树莓派)收集上传的数据,管理者通过本地客户端可将云端服务器数据下载和分析。应用VR手柄能够实现机器人的远程控制,佩戴VR头显可查看虚拟三维控制室中农田环境的可视化数据,利用机器人传回的田间实时影像获得沉浸式体验。测试结果表明:机器人能够高效获取田间环境数据、自主行走、自动采集和上传数据。     

基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

新梨7号幼龄树树体发育规律

新梨 7号是塔里木农垦大学采用有性杂交方法选育的早熟优质梨品种 ,2 0 0 0年 1 2月通过新疆维吾尔自治区农作物品种审定委员会审定命名 ,现已在阿克苏地区、农二师、农三师推广应用。为使新梨 7号能尽快尽早产生较好的社会与经济效益 ,提出其适宜的丰产栽培技术是非常有必要的。而且现代果树生产越来越重视早果丰产性 ,这就要求果树生产者必须了解果树品种的生长发育特点 ,因地制宜地采用相应的整形、修剪方法和土、肥、水管理 ,从而达到早产、丰产的目的。由此 ,我们调查了新梨 7号 1～4年生幼树的树体发育状况 ,希望能为其生产栽培提供参…     

杂交梨85—8—15品种（系）比较试验

根据品种比较试验结果表明:供试品系85－8－15综合经济性状优良，表现果大，肉质酥脆、细嫩，汁液多，石细胞少，果心比小；果实成熟期早于早酥，贮藏性与库尔勒香梨相似；早产性、丰产性、稳产性方面与早酥差异不大，而高于库尔勒香梨。说明梨新品系85－8－15是一个较为理想的早熟优势品种。     

梨贮藏试验初报

库尔勒香梨是新疆优质的晚熟梨品种 ,在种植规模与效益方面多年一直处于绝对优势地位。新梨7号 (原名 85- 8- 1 5)是以早酥和库尔勒香梨为亲本选育的早熟优质类型 ,其果实采收期从七月下旬可延续到九月中旬 ,兼有早熟与中晚熟梨的特点[1 ] 。据近两年的市场销售来看 ,极有望与库尔勒香梨形成竞争。为了解其果实的贮藏性能 ,我们于 1 999年 9月至 2 0 0 0年 5月对库尔勒香梨和新梨 7号新品种进行了贮藏试验 ,希望能为梨的采后贮藏提供参考。1　材料与方法1 .1　材料试验材料为库尔勒香梨和新梨 7号均采自塔农大科技开发中心梨园的成龄梨树。1…     

基于无人机多光谱遥感的台风灾后玉米倒伏信息提取

为快速获取台风过后玉米倒伏信息，该研究以生态无人农场大田玉米作为研究对象，利用无人机搭载多光谱相机获取玉米田块图像。采用主成分分析（Principal Component Analysis，PCA）变换多光谱图像，保留信息量最多的前3 个主成分波段；应用最小噪声分离变换（Minimum Noise Fraction Rotation，MNF）对48项纹理特征降维，保留信息量最多的前6项特征；计算选择10种植被指数；对多光谱图像进行低通、高通滤波，将以上特征作为全特征集。使用支持向量机递归（Support Vector Machines-Recursive Feature Elimination，SVM-RFE）、 ReliefF和套索算法（Least Absolute Shrinkage and Selection Operator，Lasso）筛选出3种特征子集，建立5种监督分类模型，对4种数据集进行训练。ReliefF特征子集训练的5种监督分类模型测试集最低分类准确率为89.02%，SVM-RFE和Lasso特征子集训练的5种监督分类模型测试集最低分类准确率均为95.38%，与全特征相比仅相差0.58%，表明通过特征筛选方法可在取得较高分类精度同时大幅减少特征输入数量；运用3种特征筛选方法与不同分类模型的最佳组合提取验证区域玉米倒伏信息，通过混淆矩阵验证结果可知，K最邻近模型结合SVM-RFE特征筛选方法分类精度最高，达93.49%，Kappa系数为0.9，表明了分类模型普适性较强。该研究使用最少特征数量参与分类，且获得最高分类识别精度，可为无人机多光谱技术快速、准确提取台风灾后玉米倒伏信息提供技术支持。