无人机遥感影像监测棉花旱情应用研究进展

棉花水分状况的实时监测和快速诊断对提高农业水分利用效率和棉花产量起到重要作用。随着低空无人机遥感影像在农作物长势监测中的技术愈发完善,利用无人机遥感影像获取大田尺度棉花旱情信息也逐步成为当下的研究热点。本文从无人机遥感影像监测棉花旱情的原理、方法和诊断水分指标进行了综述,总结了无人机遥感影像技术监测棉花的应用研究趋势,阐述了基于无人机遥感影像监测棉花旱情今后面临的挑战及未来的展望,以期在理论上为无人机遥感影像监测棉花旱情的研究提供参考。     

基于无人机影像技术的小麦长势遥感监测

随着国家经济建设快速发展,我国越来越注重精准化农业的推广应用,即对农作物长势进行遥感监测。随着信息化技术在社会中受到广泛关注与应用,为加强小麦长势监测质量与效率,可以引进无人机影像技术在小麦生长过程中对其进行科学化、高效化的遥感监测。本文以无人机影像技术的基本类型与技术特点为切入点,对无人机影像技术在小麦生长过程中开展遥感监测的具体应用进行分析,为加强小麦长势监测、实现精细化农业、提升农业生产质量与效率提供参考。     

基于决策树的无人机高光谱遥感影像地物分类研究

高光谱影像由于其波段众多,传统的多光谱图像的信息提取方法不适合高光谱影像的处理。利用无人机搭载美国Headwall公司的最新纳米级高光谱成像光谱仪,采集广东省广州市增城区某处的高光谱影像,提取光谱数据,分析不同地物间光谱曲线特征和差异,采用决策树进行地物分类。结果表明:根据无人机高光谱数据中不同地物之间光谱特征曲线的差异,建立分类树,不仅可以大大减少分类处理的工作量,且分类效果良好,准确度高。     

应用无人机多光谱遥感对栎类食叶虫害危害程度的监测

为了探讨无人机多光谱遥感在森林病虫害危害程度的监测效果，以河南省鲁山县王沟林区的栎类树种为研究对象，将栎类虫害危害程度分为4个等级(正常、轻度、中度、重度),按照危害等级设置样本点。使用4旋翼无人机(搭载5波段镜头)获取研究样地的多光谱遥感影像，在R 4.1.3平台进行方差分析，从不同等级样点的13个植被指数中筛选出差异显著的植被指数作为特征参数，分别采用最大似然法(MLC)、面向对象多尺度分割法(eCognition)、随机森林(RF)、支持向量机(SVM)构建分类模型并检验精度。结果表明：最大似然法、多尺度分割法、支持向量机、随机森林等分类方法的总体精度分别为77.0%、82.8%、86.2%、90.8%,Kappa系数分别为为0.693、0.770、0.816、0.877,随机森林模型分类效果最佳，能够满足对栎类虫害危害程度进行准确监测。     

利用卫星遥感进行加拿大花旗松林虫害监测的研究

森林虫害监测是森林经营管理中的一个重要内容,为此作者利用陆地卫星第5号的主题成图仪数据,在加拿大不列颠哥伦比亚省卡奇河试验区对花旗松林被云杉茅卷蛾危害的状况进行了监测。试验表明,在直方均衡的基础上进行比值处理和最大概似分类,其图象处理效果比较理想。利用直升飞机航空目视调查所勾绘的虫害分布图进行对照检验,其位置和形状基本吻合,面积也达到一定的精度。这种分析方法所取得的结果,可作为虫害防治的依据。     

基于无人机多光谱遥感的小麦长势监测研究

高效、无损的监测作物长势是现代精准农业的核心环节,无人机平台因具有成本低、数据获取效率高、测试高度及测试时间可按需调节等优点,在监测作物长势中发挥着地面平台和高空平台无法比拟的优势.本研究以小麦为研究对象,应用无人机搭载RedEdge-M多光谱相机获取主要生育时期的小麦冠层多光谱影像,并同步取样测量小麦叶片SPAD、地...     

基于不同建模方法的土壤pH值无人机遥感影像反演

土壤pH值是土壤形成过程和熟化陪肥过程的一个指标。为了实现对农田土壤酸碱度状况的量化判别,提高模型预测精度,以江苏省南京市江宁区淳化街道农田土壤pH值为研究对象,采用棋盘式布点法选取60个点位进行土壤pH值测定,采用无人机搭载多光谱传感器获取土壤光谱信息,分别建立多元逐步线性回归（MLSR）、BP神经网络（BPNN）、LASSO回归模型,并采用R²、RMSE、VIF指标评价3种模型精度。结果表明,LASSO回归方法较其他回归方法在多光谱与土壤pH值反演中表现较好,R²=0.618,RMSE=0.430,可以平衡MLSR的共线性问题以及BPNN样本容量较少、验证集精度较差等问题。采用LASSO回归模型进行反演及分类制图,发现研究区内92.6%的土壤呈中性,以期为无人机多光谱反演土壤pH值提供理论参考。     

土壤盐分遥感监测研究进展

采用遥感技术监测土壤盐分是获取土壤盐渍化程度的一个重要手段。本文综述了土壤盐分遥感监测中光谱特征指标选择、反演方法和反演模型适用性等方面的研究进展。研究指出,随着空间信息技术的迅速发展,遥感技术在土壤盐分预测中应用前景广阔。土壤盐分遥感反演模型对土地覆盖/利用模式、土壤湿度、地下水埋深、土壤类型的适用性,光谱特征指标的选择,遥感和电磁感应技术相结合,国家甚至全球尺度监测模型的建立将是土壤盐分监测今后的发展研究方向。     

基于Logistic模型的山东省秋季作物收获期遥感监测

收获期是影响作物品质和产量的关键生育期,准确、及时地获取作物收获期对指导农业生产具有重要意义.该研究在分析秋季作物生长曲线变化特征的基础上,利用MODIS NDVI时序数据为遥感信息源,以Logistic模型为核心,运用曲率最大值法,构建秋季作物收获期的遥感监测模型,并以山东省为研究区,逐像元提取秋季作物的收获时间.研究发现,2014年山东省的秋收时间主要集中在第260 ～285天,即9月中下旬到10月上旬,并呈现从南向北逐渐推迟的空间特征.该研究结果与地面观测数据基本一致,并且该研究结论与已有的研究成果具有较好的一致性,说明该研究基于Logistic模型构建的秋季作物收获期遥感监测模型是可靠的.研究结果可以为山东省农业生产提供一定的科学参考和指导,时促进山东省农业信息化和现代化具有重要意义.     

基于ETM~+的遥感影像信息提取研究

以沈阳市苏家屯区为试验区,对ETM+图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的.利用光谱信息提取水体、植被;采用基于灰度共生矩阵的纹理量的分类法,通过TM5波段提取灰度共生矩阵和灰度联合矩阵,计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离,得到最终的分类结果.结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度.     

基于萤火虫算法的农业遥感图像增强研究

农业遥感图像增强有利于图像信息的提取与分析,萤火虫算法是近年来较为新颖的智能仿生算法,目前国内外关于其能否用于农业遥感图像增强的研究未见报道。文章首先利用非完全Beta函数建立农业遥感图像增强模型,结合人眼最小灰度分辨力函数进行图像细节增强,将每个输入区间的像素灰度值变换到适当的输出灰度级区间,最终生成对比度均衡的图像;然后通过萤火虫优化算法在其动态决策域半径进行伪差分操作更新;最后确定最佳参数的收敛条件,给出了算法流程。试验仿真结果表明,萤火虫算法的农业遥感图像检测在图像细节增强评价指标、相位一致性指标、通用质量评价指标等方面与直方图算法、Retinex算法、小波变换算法、模糊聚类算法等相比数据较优,能够用于农业遥感图像增强。     

基于Split Bregman算法的遥感图像分割分水岭技术

针对遥感图像中的道路、村落、农田、山脉等目标物分割时存在过分割和欠分割问题,采用分裂Bregman算法和分水岭方法相结合的方法,给出了适合近地遥感图像的一种新的标记分水岭方法。该方法利用多尺度插值小波算子逼近图像分割变分模型中的图像表示函数;采用Split Bregman迭代算法对变分模型进行快速求解;将Split Bregman分割结果作为标记,采用分水岭方法对遥感图像进行精确分割,保证了标记总数无冗余。试验结果表明,采用较小的尺度尺寸参数(J=3)时,可准确分割出来具有开环特性的村落图像区域,而采用较大的尺度尺寸参数(J=7)时,可精确分割农田中的纹理,但对村落区域则有一定的过分割现象出现。采用自适应多尺度参数时,可有效消除过分割和欠分割现象。     

基于可见光波段的无人机超低空遥感图像处理

【目的】探讨低成本的可见光超低空农业遥感平台提取与分析农情信息的可行性,为农用无人机精准施药与农情监测提供技术支持。【方法】以仅包含红光、蓝光和绿光的超低空可见光农田遥感图像为研究对象:首先利用张氏校正法获取相机的畸变矩阵,并校正图像;然后提取与分析图像的可见光植被指数;最后通过分析超低空可见光农田图像中植被与非植被的光谱特性,对可见光超低空遥感图像进行植被信息提取。【结果】获得的农田植被提取图像很好地区分了植被与非植被。【结论】基于可见光的超低空遥感农业信息获取系统应用具有可行性,可为构造低成本的可见光低空遥感监测系统提供参考。     

水稻播种面积遥感监测信息系统研究初报

本文简述了用遥感技术监测水稻播种面积的可能性。重点介绍了以遥感信息为主,结合其它基础资料进行水稻面积监测信息系统的构成,并对整个系统的各部分作了进一步的讨论;对系统应包含的基本功能也作了分析,同时还介绍了系统研究的一些结果。     

An automated stand-alone in-field remote sensing system (SIRSS) for in-season crop monitoring

A stand-alone in field remote sensing system (SIRSS) with high spatial and temporal resolution was developed in this study. System control and image processing algorithms consisted of image acquisition control, camera parameter control, crop canopy reflectance calibration, image rectification, image background segmentation and vegetation indices map generation were developed and embedded in the SIRSS. The SIRSS is able to automatically capture multispectral images over a testing field at any predefined time points during the growing season and process captured images in real-time. This paper presents the SIRSS system design, image analysis procedures and determination of vegetation indices. In a validation experiment over an 8-plot corn field with three different nutrient treatments spanning the 2006 growing season, a total of 91 images were acquired and four different vegetation indices were derived from the images of each day. The largest differences of indices values among three treatments were indentified during the V6-V8 stages which implied this period could be the best time to detect variability caused by the nitrogen stress in the cornfield. The SIRSS has shown the potential of monitoring changes in vegetation status and condition.     

基于模糊C均值聚类的林地遥感图像分类研究

在以往国内外相关研究的基础上,以我国东北长白山系典型林区为试验区,以2007年7月Landat5卫星TM多光谱图像为遥感数据,运用模糊C均值聚类方法对遥感图像进行分类试验．分类结果显示：模糊C均值分类方法在总分类精度和Kappa系数上都占有一定的优势,比传统分类方法有着更好的分类效果．模糊C均值方法在林地植被的遥感分类中具有较好的应用前景．     

山区低太阳高度角遥感图像地形校正归一化模型的应用研究——以高黎贡山为例

由于山区地形起伏较大,引起的地形效应会使地物的光谱特征产生扭曲,对地表地物的识别与分类产生不利影响。地形校正是定量化遥感的前提,能够有效地提高目标地物识别与分类的精度,因此地形校正作为山区遥感图像预处理的重要步骤,对提高遥感应用的精度具有重要的作用。本研究利用二阶校正模型、地形均衡模型、坡度匹配模型3种归一化模型对高黎贡山南段低太阳高度角下的TM图像进行地形校正试验,对归一化模型在山区低太阳高度角遥感图像地形校正中的应用进行探讨。结果表明:在3种模型中,坡度匹配模型更适用于研究区低太阳高度角遥感图像的地形校正。     

植被遥感影像特征提取及分类研究

植被分类能够对一个地区的植被状况进行分析,在环境保护和农业生产方面具有很重要的意义。本研究针对植被遥感图像分类识别需求,首先通过粒子群算法来实现马尔科夫的寻优过程,然后通过遗传算法进行支持向量机解空间的搜索,从而实现更加准确的图像分割和识别,最后通过实验验证了算法的有效性。     

基于数学形态学和最大似然法的遥感图像分类研究

随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践.     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点,探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像,经过光谱预处理和特征工程后,采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合,基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法,建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve,AUC)分别为0.883 0和0.912 0,分类准确率均超过95%;提取出698和762 nm的特征波长组合,基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率,证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。