排序方式: 共有16条查询结果,搜索用时 46 毫秒
1.
图像特征是区分作物和杂草的重要属性,利用图像特征对杂草进行识别和分类,能达到较高的空间分辨能力,识别率和准确率都能得到较好结果。温室杂草多采用地膜覆盖的方式在作物整个生长期间进行控制,地膜下的杂草生长虽受到限制,同时杂草仍能与作物的根部争夺养分,因此准确获得膜下杂草信息对进一步在播种前进行抑制,采收后去除杂草等精准控制杂草环节具有重要意义。 相似文献
2.
航空施药中雾滴沉积传感器系统设计与实验 总被引:13,自引:0,他引:13
基于变介电常数电容器原理设计雾滴沉积传感器及检测系统,由此实现对航空施药中雾滴地面沉积量的快速获取。通过实验,分析建立了传感器对电导率487μS/cm、25 mS/cm雾滴的沉积量测量线性回归方程,决定系数R2分别为0.9923和0.9544。利用M-18B型飞机和AU-5000型喷雾机,对系统进行了应用测试,结果表明:与水敏纸图像分析方法对比,2种方法获得的雾滴地面沉积量分布曲线拟合度可达0.914 6,样点单位面积沉积量的相对测量误差分布在10%~50%之间。 相似文献
3.
结合Sentinel-2影像和特征优选模型提取大豆种植区 总被引:6,自引:6,他引:0
准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%~91.91%,Kappa系数在0.72~0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。 相似文献
4.
5.
6.
基于扫描成像的作物近地高光谱获取与特征分析 总被引:1,自引:1,他引:0
为了验证自主研制的扫描成像光谱仪(PIS)在近地应用的可行性,该文以小麦、玉米为研究对象,利用PIS近地获取作物冠层和叶片的高光谱图像,在对田间和室内获得的成像数据进行对比分析的同时,探讨了成像光谱采集过程中的影响因素。此外,将PIS获取的成像高光谱与地物光谱仪(ASD)测定的高光谱进行比对研究。结果表明:PIS能准确收集作物的光谱信息,且采集的高光谱数据与ASD具有很好的一致性;PIS在田间采集作物光谱信息时,受氧气吸收的影响,在760 nm处有明显的干扰吸收;PIS除了能反映作物不同叶位叶片、不同器官光谱的差异,还可依据影像提取杂草、土壤对作物冠层光谱的影响程度。上述初步结果为进一步应用PIS进行农作物长势诊断提供了参考。 相似文献
7.
针对现有多角度对地观测设备存在机动性差、操作周期长、无法搭载较重仪器等问题,设计了一种面向作物信息快速获取的地面多角度农业遥感观测装置(GAMOD)及信息采集控制系统,利用该装置同步搭载高清相机和可见-近红外成像光谱仪(VNIHS)进行大田观测,耗时10 min(所需时间由观测角度决定)可快速获取太阳主平面(0°、180°)和垂直太阳主平面(90°、270°)下4个观测天顶角(0°、20°、40°、60°)的大豆植被影像数据.结果表明:该装置及控制软件运行良好,在多角度观测方式支持下,能有效捕捉到大豆植被三维立体的结构信息. 相似文献
8.
为了探索十味降糖散对糖尿病肾病大鼠肾脏的保护作用。选用健康雄性SD大鼠,适应性饲喂1周,随机挑选10只作为空白对照组,其余大鼠高糖高脂饲料饲喂4周+腹腔注射链脲佐菌素复制糖尿病肾病模型。造模成功的大鼠随机挑选10只为灌胃组,10只为模型组,灌胃组灌服十味降糖散汤剂。不同时间检测血糖,第10周末收集各组大鼠24 h尿液,检测尿微量白蛋白;眼眶采血检测血肌酐(CREA)、尿素(UREA);记录体重,取大鼠左肾称重,计算肾脏肥大指数。结果与模型组比较,灌胃组体重升高(P0.05)。灌胃组肾脏肥大指数与模型组比较有降低趋势,差异有统计学意义(P0.05);与模型组比较,灌胃组尿微量白蛋白值明显减少(P0.01);灌胃组的CREA和UREA值极显著下降(P0.01)。结论:十味降糖散能够降低糖尿病肾病大鼠CREA、UREA指标和尿微量白蛋白值;能够改善糖尿病肾病大鼠体重的降低和缓解肾脏肥大指数增加的趋势,对肾脏具有保护的作用。 相似文献
9.
基于多源无人机影像特征融合的冬小麦LAI估算 总被引:3,自引:3,他引:0
为探讨无人机多源影像特征融合估测作物叶面积指数的能力,该研究以冬小麦为研究对象,利用多旋翼无人机搭载高清数码相机和UHD185成像光谱仪获取研究区冬小麦关键生育期(扬花期、灌浆期)的可见光和高光谱影像。综合考虑可见光、高光谱影像特征与冬小麦叶面积指数的相关性及影像特征重要性进行特征筛选,然后,以可见光植被指数、纹理特征、可见光植被指数+纹理特征、高光谱波段、高光谱植被指数及高光谱波段+植被指数分别作为输入变量构建多元线性回归、支持向量回归和随机森林回归的叶面积指数估测模型(单传感器数据源);以优选的两种影像特征结合支持向量回归、随机森林回归构建叶面积指数估测模型(两种传感器数据源),比较分析单源与多源影像特征监测冬小麦叶面积指数的性能。进一步地,考虑到小区土壤空间异质性会影响冬小麦叶面积指数估测结果,该研究探讨了不同影像采样面积下基于单源遥感数据构建的小麦叶面积指数估测模型精度。研究结果表明:在扬花期和灌浆期,使用两种影像优选特征构建的随机森林回归估测模型精度最佳,验证集决定系数分别为0.733和0.929,均方根误差为0.193和0.118。可见光影像采样面积分别为30%和50%,高光谱影像采样面积为65%时,基于单源影像特征构建的随机森林回归估测模型在扬花期和灌浆期效果最好。综上,该研究结果可为无人机遥感监测作物生理参数提供有价值的依据和参考。 相似文献
10.
扫描成像光谱仪和地物光谱仪在单叶尺度上的对比研究 总被引:3,自引:1,他引:2
【目的】对图谱合一的冬小麦叶片高光谱数据进行分析,验证扫描成像光谱仪(PIS)在近地使用的可行性。【方法】利用扫描成像光谱仪和地物光谱仪(ASD)获取冬小麦关键生育期的叶片光谱信息,比较两仪器在450—850nm获得的光谱曲线;选取15种植被指数,对两仪器获得的光谱值进行植被指数运算,并将结果与叶片叶绿素含量进行相关分析。【结果】在冬小麦的不同生育期,扫描成像光谱仪和地物光谱仪获得叶片的反射率曲线趋势一致,在对应的波段均表现出相应的波峰、波谷、高反射区等特征,但扫描成像光谱仪获得的反射率值都高于地物光谱仪。对比两仪器15种植被指数和叶绿素含量之间的相关系数得出,扫描成像光谱仪获得的相关系数普遍高于地物光谱仪。【结论】扫描成像光谱仪和地物光谱仪获取的数据有相同的曲线特征,说明扫描成像光谱仪获得的数据是可靠的;植被指数与叶绿素含量的相关系数比较结果表明,扫描成像光谱仪获得的图谱合一的数据在近地遥感研究中有很大的优势。 相似文献