基于广角摄影技术的柑橘树冠层叶面积指数检测系统

提出一种基于广角摄像技术的柑橘树叶面积指数快速、简易检测方法。将广角摄像镜头拍摄的柑橘树图像导入计算机,进行灰度化、图像增强、滤波处理与二值化处理,计算出柑橘树冠层的孔隙率,据此推导柑橘树冠层叶面积指数。试验以扫描法检测结果作为真实值,并以加拿大WinSCANOPY型冠层分析仪与本系统作检测效果对比,结果表明在同等试验条件下,利用WinSCANOPY型冠层分析仪检测柑橘树叶面积指数的相对误差变化范围为-30.39%~43.53%,相对误差绝对值的平均值为18.90%,本系统检测的相对误差变化范围为-27.26%~37.06%,相对误差绝对值的平均值为19.91%,满足柑橘树冠层LAI检测试验要求。     

基于柑橘叶面积指数和产量的WOFOST模型关键参数校正

为进一步分析不同水肥管理条件对柑橘产量的影响使其更广泛的应用于不同区域,并探明WOFOST模型参数针对柑橘果树生长模拟时的参数敏感性结果和取值情况,开展2021-2022年柑橘不同生育期滴灌水肥控制试验,采用EFAST方法对WOFOST模型模拟叶面积指数(LAI)和产量所需的叶片生长、CO₂同化、同化物转换和叶片营养物质等25个参数进行了敏感性分析,使用PEST软件完成高敏感参数的优化,并利用田间试验观测数据对模型模拟的LAI和产量进行验证。结果表明,模型模拟LAI和产量的敏感参数相似,均包括叶面积指数的最大相对增长率、比叶面积、单叶片CO₂同化效率,叶片同化物转换效率,初始根长,区别为LAI模拟对茎同化物转换效率,积温等参数敏感,而产量模拟对叶片干物质最大钾浓度敏感;基于2021年数据校正后最优参数模型模拟的不同灌溉管理下LAI最大值(LAI_m)模拟值与实测值之间R²=0.580 0,NRMSE=15.10%,产量模拟值与实测值之间R²=0.647 1,NRMSE=6.81%...     

基于Android手机平台的冬小麦叶面积指数快速测量系统

叶面积指数（Leaf area index,LAI）是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域,在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像,同时手工测量小麦实际叶面积,根据不同测量结果计算3种叶面积指数： 将Android手机图像由RGB空间转换到HSV空间,在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积IArea;由ADC多光谱相机自带软件获取的归一化植被指数（NDVI）和调节土壤植被指数（SAVI）数据反演的叶面积指数ALAI;实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明,随着小麦不同生长期的变化,Android手机平台获取IArea与实际测量叶面积指数LAI的R2大于0.84(P小于0.01),ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R2大于0.83。     

基于车载三维激光雷达的玉米叶面积指数测量

为使用车载三维激光雷达快速获取作物的株高、叶面积指数(LAI)等作物形态参数,以玉米为研究对象,采用车载三维激光雷达点云数据,提出了一种基于玉米分层点云数量或分层点云数量与地面点云数量比值计算LAI的方法。使用车载平台获取京农科728和农大84玉米的三维点云数据;对点云数据进行预处理,获得已测量LAI真值区域的点云数据;进行玉米植株点云与地面点云分割,根据地面起伏程度,基于随机一致性平面分割算法,将距离阈值设置为0. 06 m;依据玉米垂直结构分布,将玉米植株划分为上、中、下3层,计算每层点云数量并分别标记为H、M和L,同时,将上、中、下每层的点云数量与地面点云数量的比值标记为Hr、Mr和Lr,分别建立H、M、L和Hr、Mr、Lr与LAI真值的线性回归模型。试验结果表明:采用Hr、Mr变量建立的LAI二元线性回归测量模型最优,京农科728玉米训练集R~2为0. 931,验证集R~2为0. 949;农大84玉米训练集R~2为0. 979,验证集R~2为0. 984,本文方法可为田间快速测量LAI提供解决方案。     

基于叶面积指数的夏玉米叶片临界氮浓度稀释曲线研究

为构建基于叶面积指数(LAI)的夏玉米叶片临界氮浓度稀释曲线,于2018、2019年在关中地区进行了不同水氮供应的田间试验,试验设置了3个水分水平:雨养(RF)、亏缺灌溉(DI)和充分灌溉(FI),4个氮肥水平:0、90、150、210 kg/hm2,研究基于LAI的夏玉米叶片临界氮浓度稀释曲线对不同水分供应的响应,分...     

基于赤池信息量准则的冬小麦叶面积指数估算

冬小麦叶面积指数(LAI)是重要的农学参数之一,对冬小麦长势分析、产量预测具有重要意义。使用2008/2009年在中国北京市通州区和顺义区获取的整个生育期冬小麦叶面积指数和对应的光谱数据,将相关系数(|r|)-赤池信息量准则(AIC)、灰色关联分析(GRA)-AIC、变量投影重要性(VIP)-AIC、VIP-预测残差平方和(PRESS)系数分别与偏最小二乘法(PLS)进行整合,提出利用AIC择优构建冬小麦LAI估算模型,并与传统PRESS方法构建的冬小麦LAI模型进行比较。结果表明:|r|-PLS-AIC、GRA-PLS-AIC、VIP-PLS-AIC、VIP-PLS-PRESS建模的R2分别为0.72、0.67、0.73和0.70,VIP-PLS-AIC比|r|-PLS-AIC、GRA-PLS-AIC和VIP-PLS-PRESS有更好的冬小麦LAI预测能力。考虑到冬小麦LAI的时域特性,将2009/2010年相关数据引入模型中,评价模型对不同年际的冬小麦估测能力。研究表明VIP-PLS-AIC(RMSE为0.81)较|r|-PLS-AIC(RMSE为0.87)、GRA-PLS-AIC(RMSE为0.96)和VIPPLS-PRESS(RMSE为0.83)有更高的精度。将AIC作为冬小麦LAI最优估测模型筛选条件不仅能获得同年LAI的最优估算模型,而且适用于不同年际的冬小麦LAI探测研究。     

基于LabVIEW的叶片几何尺寸测量系统

在农业生产中,植物叶片几何尺寸参数是衡量农作物水分含量、干物质含量等的重要指标.为了能够更好地监测植物的生长过程,设计一种应变式厚度传感器和光电式叶片面积测量系统来测量植物叶片的厚度和面积,然后将两者输出的信号通过数据采集卡进行采集,最后用LabVIEW软件对采集的数据进行实时显示、监测和控制.     

基于单片机的光电式叶片面积测量系统

在农业生产中,叶片面积及其参数是衡量农作物产量的重要因素。传统叶片面积检测方法过程复杂,不能实现自动测量。为此,针对农业中田间叶片面积的实时测量需要,设计了基于单片机的光电式叶片面积测量系统;阐述了系统的整体设计思路、结构、测量原理、系统误差的计算及外部电路的设计。     

基于分数阶微分和最优光谱指数的大豆叶面积指数估算

高光谱遥感技术可对作物生长状况进行无损、高效地监测,是推动现代精准农业发展的必要手段。以不同施氮水平与覆膜处理下的开花期大豆叶面积指数(Leaf area index, LAI)为研究对象,对原始开花期大豆高光谱反射率数据进行0～2阶微分变换处理(步长0.5),并筛选出各阶光谱指数中与开花期大豆LAI相关性最高的指数作为最优光谱指数进行输入,采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)、遗传算法优化的BP神经网络(BP neural network optimized by genetic algorithm, GA-BP)3种机器学习方法构建大豆LAI预测模型。结果表明：0～2阶光谱指数与大豆LAI相关系数平均值分别为0.616、0.657、0.666、0.669、0.658,相比于原始与整数阶高光谱反射率,分数阶微分变换处理后的高光谱反射率构建的光谱指数与开花期大豆LAI具有更强的相关性;相关系数平均值最高的1.5阶微分处理最优光谱指数波长组合分别为：TVI(687 nm, 754 nm)、DI(687 n...     

基于“星陆双基”的冬小麦叶面积指数反演研究

为建立准确、方便的叶面积指数监测方法,运用MODIS数据光学模型反演和星陆双基协同反演法分别对2015和2016年3月中旬鹤壁市冬小麦叶面积指数反演分析。结果表明,2种LAI反演方法均能较好地反映全市冬小麦长势差异性的空间分布特征;MODIS光学模型反演法稳定性较好,但其反演值明显偏低;星陆双基协同反演法估算值与观测值吻合性较好,反演精度优于MODIS反演法。     

玉米冠层LAI反演中UAV影像镜面反射去除方法

针对玉米叶片反射太阳光时因镜面反射导致获得的无人机影像反射率中存在与冠层结构无关的镜面反射部分,从而影响玉米冠层LAI的反演精度问题,本研究利用小波变换对无人机影像不同波段的阈值设置,在不影响漫反射的前提下削弱镜面反射成分,尽量只保留与冠层结构有关的反射率成分。以2018年7月15日和7月26日获取的河北农业大学辛集试验站多光谱无人机影像为数据源,构建了NDVI、GNDVI、SAVI和EVI 4个植被指数,并分别与ln(LAI)构建玉米冠层的单变量反演模型,利用决定系数和均方根误差进行LAI反演精度评价。精度评价结果表明,在7月15日玉米植株较稀疏时,去除镜面反射后,4个植被指数反演LAI与实测LAI的决定系数分别从0.7190、0.5598、0.6241、0.5985上升至0.7633、0.6940、0.6497、0.6194,均方根误差分别从0.2244、0.2526、0.2214、0.2245下降到0.1880、0.1958、0.1918、0.1987,说明去除镜面反射可以提高LAI的反演精度。在7月26日玉米植株相对茂密时,去除镜面反射后,4个指数构建模型对应的决定系数也同样提高,但在这种情况下,NDVI和GNDVI容易发生饱和,用阈值法降低反射率反而会加剧饱和现象,使这2个指数不能充分反映LAI的变化。SAVI和EVI因为加入了冠层背景调整因子,植被指数的变化得到放大,二者在去除镜面反射后与ln(LAI)拟合模型的决定系数都达到0.6以上,因此,在植被覆盖较茂密时,SAVI指数和EVI指数更适合用于LAI反演。     

基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算

利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI 产量最佳估产模型.在验证甘蔗叶面积指数LAI的基础上,利用遥感反演的甘蔗叶面积指数LAI进行甘蔗单产估算.结果表明:甘蔗叶面积指数LAI与NDVI之间存在显著的正相关关系,全生育期二者的相关性最高,以二次函数模型拟合效果最佳,决定系数R2为0.8429.将遥感数据反演得到的平均叶面积指数LAI数据代入甘蔗叶面积LAI-产量模型得到全县平均单产,与统计数据相比,相对误差仅为2.6％.说明该模型具有较好的估产效果,可以为甘蔗区域估产提供重要参考.     

基于流形学习算法的柑橘叶片氮含量光谱估测模型

提出了一种基于流形学习算法的柑橘叶片氮含量光谱快速检测方法。分别在萌芽期、稳果期、壮果促梢期和采果期,使用ASD Field Spec 3光谱仪采集了柑橘叶片的反射光谱,并同步采用凯式定氮法测定叶片的氮含量。首先采用正交试验确定各个生长期小波去噪的最佳参数组合,然后分别采用主成分分析、多维尺度变换、局部线性嵌入、等距映射和拉普拉斯特征映射5种流形学习算法对原始光谱和经小波去噪后的光谱数据进行特征提取,将特征数据导入支持向量机回归建立柑橘叶片氮含量预测模型,4个生长期的最佳验证集模型决定系数依次为0.901 4、0.934 4、0.895 4和0.877 9。试验结果表明,这5种流形学习算法都能有效地用于柑橘叶片氮含量预测,为柑橘叶片氮含量快速无损检测、生长态势监测和变量施肥提供了理论依据。     

基于近红外光电效应的联合收获机谷物厚度测量方法

谷物在刮板升运器中的堆积状态是影响光电式流量测量精度的重要因素。为了提高联合收获机容积式谷物流量传感器的测量精度,开展了基于近红外光电效应的谷物厚度测量方法及其传感器的研究。通过激光发射器生成850～980 nm的近红外光,采用硅光电池接收透射谷物的红外光线,根据光强的变化获取谷物的厚度。设计了以T型反馈网络为核心的I/V转换处理电路,根据试验测量的输出电压与谷物厚度的变化关系,拟合建立了Gaussian函数方程,分析了激光发射器功率、红外线波长对不同品种水稻厚度测量性能的影响。结果表明:当红外线波长为940 nm时,回归方程的拟合精度最高,水稻厚度测量误差小于0. 5 mm;随着激光发射器功率的增加,水稻厚度测量量程随之增大,当功率为500 m W时,谷物厚度的有效测量距离约为50 mm;红外线的穿透能力随着波长的增加而增强,随着籽粒含水率的降低而减弱。提出的谷物厚度测量方法可以提高容积式谷物流量测量精度。     

基于多维高光谱植被指数的冬小麦叶面积指数估算

为提高干旱区冬小麦叶面积指数（Leaf area index, LAI）遥感估算精度,以拔节期冬小麦LAI为研究对象,在对冠层高光谱数据进行一阶（First derivative, FD）、二阶（Second derivative, SD）微分预处理的基础上,计算了任意波段组合的二维植被指数（Two-dimensional vegetation index, 2DVI）和三维植被指数（Three-dimensional vegetation index, 3DVI）,通过进行与LAI之间相关性分析,寻求最佳波段组合的植被指数;利用人工神经网络（Artificial neural network, ANN）、K近邻（K-nearest neighbors, KNN）和支持向量回归（Support vector regression, SVR）算法分别建立LAI估算模型,并进行精度验证。结果表明：任意波段组合的植被指数与LAI相关性均显著提高,尤其是基于一阶微分预处理光谱的FD-3DVI-4（714 nm, 400 nm, 1 001 nm）相关系数达到0.93（P<0.01）,且最...     

基于近红外图像的温室小型西瓜采摘信息获取技术

为实现温室立体栽培模式下小型西瓜的识别与空间定位,研究了基于近红外图像的西瓜采摘信息获取方法。测定、比较西瓜果实与茎、叶的光谱反射率,确定波长850 nm附近波段为区分西瓜与背景的最佳波段,在光强差异较大的两时段内采集了最佳波段下的西瓜近红外图像;通过Otsu算法滤除背景信息,利用米字型模板检测得到浓缩西瓜区域,实现西瓜果实识别;使用形心坐标计算公式获得采摘点坐标;根据西瓜果梗生长特性,利用分块定位算法获得切割点坐标信息。在温室环境下随机选择拍摄50幅有西瓜图像和20幅无西瓜图像进行识别算法验证,并对识别成功的有西瓜图像进行采摘点与切割点提取算法验证。结果表明,有西瓜图像识别成功率为86%,无西瓜图像为95%;采摘点、切割点定位准确度分别为93.0%、88.4%。     

基于近红外的小麦植株含水率检测方法

针对小麦植株含水率快速检测需求,提出了一种基于近红外的小麦植株含水率检测方法。利用不同波长近红外感光元件组成的探测器研发了小麦植株含水率无损快速检测装置,利用该检测装置对采集的多组样品进行了测量,通过均值滤波与参考实时校正方法得到了小麦植株的近红外反射强度。基于测量数据,分别采用多元线性回归、多元逐步回归、偏最小二乘以及最小二乘支持向量机建立了含水率检测模型。结果表明,基于最小二乘支持向量机建立的模型效果最优,校正集决定系数R2达到0.9742。利用建立的检测模型对另一批样品进行含水率检测试验,结果表明：小麦植株含水率真实值与预测值的决定系数R2为0.9337,预测集均方根误差均小于等于3.00%。研究结果为小麦植株含水率无损快速检测提供了一种有效的方法与装置,能够满足联合收获机在作业现场对小麦植株含水率快速调整作业参数的需求。     

基于半球摄影法的LAI自动组网测量系统设计与应用

针对叶面积指数地面测量工作量大、效率低等问题,研制基于半球摄影法的叶面积指数组网观测系统。该系统基于半球摄影技术和无线传感网络技术,改进图像自适应分割算法,对复杂条件下植被冠层图像进行准确分割,从而实时获取LAI等冠层结构信息;针对5min采集频率原始数据波动的问题,提出“最稳定窗口”精校正算法,提取每日LAI代表值。与LAI-2200C对比试验结果表明,两者LAI测量值具有极显著相关性,玉米、林地和草地植被类型下相关系数分别为0.95、0.69和0.87;在江苏溧阳、吉林长春多植被类型试验中两种仪器测量结果的相关系数分别达到85%和81%,均为极显著水平;与MODIS MOD15A2H长时间序列产品对比试验也表明,两者的相关系数达到0.98,准确反映小麦从返青到成熟期叶面积动态变化趋势。系统具有快速准确、经济方便、使用范围广、可实现多站点长期监测的优点,已在多个观测站得到应用,其研制将对遥感产品真实性检验及农业、生态、气候变化等领域的科研与实践提供有力支撑。