光谱技术在农业领域的应用与展望

光谱技术以其简便、快速、精度高和无损测定等优越性。成为获取农田生物环境信息的重要手段．在精确农业发展中发挥着重要作用。从土壤光谱特性、植物光谱特性和冠层光谱特性角度,综合分析了光谱技术在土壤性质测定、作物水分监测、营养诊断、产量估测、籽粒品质检测以及病虫害和农药残留监测等方面的应用现状．探讨了应用中存在的光谱分辨率不高、模型不完善、应用体系不完整、应用尺度不统一等问题,并对其应用前景进行了展望。     

土壤成分与特性参数光谱快速检测方法及传感技术

近红外光谱技术在分析土壤成分含量以及理化特性参数方面获得了良好的预测精度.人工神经网络、遗传算法、小波变换和支持向量机等现代数据处理算法的应用,最大限度消除了光谱外界干扰、提取了光谱有效信息,使得土壤特性参数预测分析模型更准确、稳定.在进行土壤参数原位实时光谱检测时,如何消除土壤含水率、土壤粒度等的影响,还需要技术突破.开发便携式或车载式农田土壤光谱实时分析仪,是促进精细农业实践的重要措施,已开发的车载式土壤在线光谱仪可以实现多个土壤参数的分析,并达到了相当高的精度.进一步开发多功能土壤在线检测系统,利用土壤介电特性或机械特性与光谱特性测量结果相互补偿与校正以消除误差并提高测量精度,是未来的发展方向之一.光声光谱、激光诱导击穿光谱和太赫兹光谱技术等现代光谱分析方法在土壤成分与特性参数分析方面表现出很强的能力,开展基础研究,揭示这些光谱技术在不同土壤类型、不同土壤成分条件下的吸收特征参数,是未来的研究方向.     

近红外光谱技术在土壤成分检测中的研究进展

近红外光谱技术是一种快速的例行分析方法,在土壤科学领域内具有广阔的应用前景。评述近红外光谱分析技术在检测土壤成分(有机质、总氮、水分、矿质组分、质地、pH)中的应用现状,并指出了其在土壤领域内的发展方向。     

基于多光谱图像的土壤有机质含量检测系统与APP研究

受到土壤种类、水分等客观因素的干扰,基于图像预测土壤有机质(Soil organic matter, SOM)含量与传统方法在检测精度上仍存在差距,限制了相关技术的推广和普及。为提升基于图像预测SOM含量的精度,本研究提出N＿DenseNet网络模型,在DenseNet169基础上加入多尺度池化模块,通过获取更多的维度特征提升模型的性能,并结合Android端开发SOM实时检测应用程序(APP),通过内网透射实现PC端与手机端数据的及时传输。以黑龙江省友谊县、北京市昌平区、山东省泰安市3地的350份土样为基础,通过手机以及多光谱无人机获取原位土壤的高清图像,R波段、红边波段与近红外波段图像,以丰富数据信息,并通过室内胁迫的方式拍摄土壤样品在不同水分梯度下的图像缓解水分对图像造成的影响。对比不同深度学习模型,基于多光谱图像数据训练的N＿DenseNet表现最好,整体表现优于DenseNet169,测试集R²为0.833,RMSE为3.943 g/kg,R²相比于可见光数据提升0.016,证明了训练过程加入R波段与红边和近红外波段图像后有助于提升...     

农田土壤表层粗糙度信息解析

耕作后农田土壤地貌属于具有趋向性的随机表面.由随机过程角度看,它随时间的变异满足各态遍历性质.揭示它的时空变异特征对于客观评价农田耕作质量、探讨表层土壤水运移规律、优化农田管理具有较高的实用价值.因此,基于各种粗糙指数的信息解析是精细农业技术体系研究热点之一.本文从不同尺度数学模型、时空变异多因素分析、直接与潜在应用价值等方面作了系统性分析.     

典型拉曼光谱技术及其在农业检测中应用研究进展

拉曼光谱是一种散射光谱,具有快速、不易受水分干扰、样品无需预处理和在体检测等特点,可作为分析、测试物质分子成分和结构强有力的表征手段。随着拉曼光谱技术的不断发展,其在农业检测领域中逐渐发挥出极其重要的作用。本文概述了拉曼光谱的检测原理,从共聚焦显微拉曼光谱、傅里叶变换拉曼光谱、表面增强拉曼光谱、针尖增强拉曼光谱、共振拉曼光谱、空间偏移拉曼光谱、移频激发拉曼差分光谱、基于非线性光学的拉曼光谱等8个方面介绍了拉曼光谱技术,重点总结了拉曼光谱技术在植物检测、土壤检测、水质检测、食品检测等方面的应用研究进展,并提出了其在农业检测领域中应用需要解决的难题和未来的发展方向,以期对未来农业生产和研究带来启发。     

杂草信息实时获取技术与设备研究进展

杂草信息的实时获取技术是田间杂草精准控制研究的首要问题,杂草实时获取设备是制约精准除草作业实现的瓶颈.综述了基于光谱、图像和光谱成像技术的杂草实时获取技术与设备的国内外研究现状,以促进精准杂草管理技术在我国的应用和发展.基于光谱的杂草信息获取方法较适用于实时防除作物出苗前的杂草,国外已有WeedSeeker、Weed-IT等杂草传感器.基于图像的杂草信息获取方法较适用于识别行间杂草,国外已有Autopilot、Cam Pilot、Robocrop等视觉导航产品和Robocrop InRow机械除草机防除行内杂草.基于光谱成像的杂草信息获取方法较适用于识别行内杂草,中、澳正联合研发微光子植物判别和杂草控制传感器.需要继续深入研究在复杂的开放式非结构的农田环境中,快速、准确地实时获取农田杂草信息技术.     

无人机遥感技术在精量灌溉中应用的研究进展

以提高农业用水效率为目标的精量灌溉是未来农业灌溉的主要模式,精量灌溉的前提条件是对作物缺水的精准诊断和科学的灌溉决策。用于作物缺水诊断和灌溉决策定量指标的信息获取技术主要基于田间定点监测、地面车载移动监测及卫星遥感。无人机从根本上解决了卫星遥感由于时空分辨率低而导致的瞬时拓延、空间尺度转换、遥感参数与模型参数定量对应等技术难题,也克服了地面监测效率低、成本高、影响田间作业等问题。近几年的研究结果表明,无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像,使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能,为大面积农田范围内快速感知作物缺水空间变异性提供了新手段,在精量灌溉技术应用中具有明显的优势和广阔的前景。无人机遥感系统已经应用在作物覆盖度、株高、倒伏面积、生物量、叶面积指数、冠层温度等农情信息的监测方面,但在作物缺水诊断和灌溉决策定量指标监测方面的研究才刚刚起步,目前主要集中在作物水分胁迫指数(CWSI)、作物系数、冠层结构相关指数、土壤含水率、叶黄素相关指数(PRI)等参数估算的研究,有些指标已经成功应用于监测多种作物的水分胁迫状况,但对于大多数作物和指标,模型的普适性还有待进一步研究。给出了无人机遥感在精准灌溉技术中应用的技术体系,并指出,为满足不同尺度的高效率监测和实现农业用水精准动态管理的需求,今后无人机遥感需要结合卫星遥感和地面监测系统,其中天空地一体化农业水信息监测网络优化布局方法与智能组网技术、多源信息时空融合与同化技术、作物缺水多指标综合诊断模型、农业灌溉大数据等将是未来重点研究内容。     

无人机农业遥感在农作物病虫草害诊断应用研究进展

农田作物信息的快速获取与解析是开展精准农业实践的前提和基础。根据农作物病虫草害的实际程度进行变量喷施和作业管理,可减少农业生产成本、优化作物栽培、提高农作物产量和品质,从而实现农业精准管理。近年来,随着无人机产业的快速发展,无人机农业遥感技术因其空间分辨率高、时效性强和成本低等特点,在农作物病虫草害监测应用中发挥了重要作用。本文首先介绍了精准农业航空的基本思想与系统组成和无人机遥感在精准农业航空的地位。接着探讨了无人机农业遥感系统常见的成像方式和遥感影像解析方法,并阐述了国内外无人机农业遥感技术在农作物病虫草害检测研究的最新进展。最后总结了无人机农业遥感技术发展至今面临的挑战并展望了未来的发展方向。本文将为开展无人机农业遥感技术在精准农业航空领域的研究提供理论参考和技术支撑。     

基于机器学习的绿洲土壤盐渍化尺度效应研究

针对干旱区绿洲土壤盐渍化的生态环境问题,以新疆维吾尔自治区奇台绿洲为研究区,基于58个表层土壤盐度数据及与之对应的Landsat TM多光谱遥感影像数据,分别选取栅格重采样(空间分辨率为30～990m)和邻域滤波(窗口尺度为3×3、5×5、…、31×31)两种尺度转换方法获取不同尺度下Landsat TM派生数据,并据此计算相应的环境变量（总数为720）;随后利用梯度提升决策树（GBDT）模型在不同尺度下依托环境变量对土壤盐度进行模拟,并分析其定量关系。结果表明：单一尺度下,基于30m空间分辨率的邻域滤波方法对土壤盐度的解析力总体优于栅格重采样模式,其最大解析力分别为78.55%、75.31%。混合多种尺度下,对土壤盐度的解析效果较单一尺度得到明显提升,解析力最高可达90.66%,有效实现了信息互补。栅格重采样模式相对于邻域滤波而言,其调整R2波动范围更为宽泛,说明栅格重采样尺度变换方法相较于邻域滤波对土壤盐度-环境变量关系的表征更具灵敏性。     

农业遥感卫星发展现状及我国监测需求分析

中国现代农业的发展以及乡村振兴战略的实施需要大量及时有效的农业环境、生产条件、状态及过程信息。基于农业内在的特点,卫星遥感是农业信息快速准确获取的关键技术手段之一。发达国家可用于农业应用的遥感卫星已经形成星座或体系进行联合观测,具有较高的观测时间分辨率,卫星遥感器载荷设计较为充分地考虑了农业应用的需求,观测手段不断创新、观测性能不断提高。目前,我国农业遥感卫星应用还存在很多问题,例如传感器多光谱遥感为主、观测要素缺乏,受遥感传感器性能和遥感卫星地面应用系统能力不足制约,缺少光学与微波等多手段同时相协同观测能力、遥感数据保障率和质量有待提高等,遥感监测手段与国外先进水平存在一定差距。从国内农业生产常规监测、国外农业生产常规监测、重大农业政策执行情况监测和绘制重要农业资源图四个方面全面分析了中国当前遥感卫星业务需求,并考虑未来发展深入分析了农业对遥感卫星应用装备的需求。建议构建编队顺序飞行的,具备多光谱、高光谱、红外以及微波等多种手段的农业卫星星座系统,有效提高多源数据融合精度,综合提供不同波段、不同极化、主动被动、光学微波相互融合的多尺度卫星遥感数据及产品,促进农业遥感技术的快速发展,推动“天空地”数字农业的一体化发展。最后,提出了立足于用户需求,建立中国民用遥感领域农业综合观测卫星系统采用“分步走”战略建议。     

农业干旱卫星遥感监测与预测研究进展

干旱是影响农业生产的主要气候因素.传统的农业干旱监测主要是基于气象和水文数据,虽然能提供监测点上较为精确的干旱监测结果,但是在监测面上的农业干旱时,仍存在一定的局限.遥感技术的快速发展,尤其是目前在轨的卫星传感器感测的电磁波段涵盖了可见光、近红外、热红外和微波等波段,为区域尺度农业干旱监测提供了新的手段.充分利用卫星遥...     

遥感技术在农业塑料大棚识别中的应用

农业塑料大棚的使用对农业生产至关重要，但若使用不当会对农业生产和生态环境带来不利影响。因此，运用遥感技术监测农业塑料大棚的数量与规模对于农业的可持续发展具有重要意义。首先，分析及对比了不同分类原理、遥感数据源、分类器在农业塑料大棚识别中的具体应用，然后，简要阐述了遥感技术在大棚识别领域的发展前景，以期为相关研究提供参考。     

遥感技术在农业生产中的实际应用

农业发展关系社会稳定和发展。随着科技发展,遥感技术已经应用于农业生产。首先对遥感技术的含义和特征进了简单分析,然后探讨了遥感技术在农业生产中的具体应用,最后预测了遥感技术在农业生产中的应用前景,希望为相关研究提供参考和借鉴。     

残膜机械化回收技术

地膜具有保墒、提高地温、抑制杂草生长和增产增收等作用,得到了广泛应用,并极大地促进了我国农业经济的发展。但是残留在土壤中的地膜极难降解,给农业生产和生态环境造成了巨大危害,残膜回收对于保护耕地、改善农田生态环境具有重要的意义。总结了国内外残膜回收技术的研究现状及研究方法,指出我国残膜回收机具存在的主要问题,提出了实施机械化残膜回收技术的建议,为机械化回收残膜的研究提供理论依据。      

无人机遥感监测作物病虫害胁迫方法与最新研究进展

病虫害是作物生产面临的主要胁迫之一.近年来,随着无人机产业的快速发展,无人机农业遥感因其图像空间分辨率高、数据获取时效性强和成本低等特点,在作物病虫害胁迫监测应用中发挥了重要作用.本文首先介绍了利用无人机遥感监测作物病虫害胁迫的相关背景;其次对目前无人机遥感监测作物病虫害胁迫中的常用方法进行了概述,主要探讨无人机遥感监...     

基于环境因子和R-STPS的林地土壤有机质预测模型

研究了基于环境因子和混合插值的林地土壤有机质预测模型。首先应用数字地形与遥感影像分析技术获取地形因子与遥感指数,然后分析土壤有机质与环境因子的相关性,最后用环境因子对土壤有机质进行空间预测。针对回归克里格法(RK)需要计算半变异函数的缺陷,提出了一种空间插值方法,即回归-光滑薄板样条插值法(R-STPS)。将这2种插值方法用于顺昌县土壤有机质的空间预测。结果表明,RK与R-STPS的预测精度、计算效率、预测的研究区土壤有机质空间分布的总体趋势相近。R-STPS无需计算半变异函数,使用方便,因此更有优势。     

基于特征优选与机器学习的农田土壤含盐量估算研究

土壤盐渍化是影响农业可持续发展的重要制约因素,为准确及时地获取土壤中盐分含量,实现盐渍化精准监测,以内蒙古自治区巴彦淖尔市五原县境内的覆被农田为研究对象,探讨无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量的可行性。首先,利用无人机搭载五波段多光谱相机获取研究区域高时空分辨率遥感图像数据,并同步采集地面不同深度处土壤盐分数据,使用皮尔逊相关系数法(PCC)、极端梯度提升(XGBoost)和灰色关联分析法(GRA)对构建的光谱指数进行优选;然后,采用决策树(DT)、反向传播神经网络(BPNN)、支持向量机(SVM)和随机森林(RF)4种机器学习方法建立植被覆盖下不同深度的农田土壤含盐量反演模型。结果表明,使用方案3(XGBoost-GRA)变量优选方法可以有效地筛选出敏感光谱指数,且基于此方法优选后的光谱指数建立含盐量估算模型的精度高于仅使用PCC或XGBoost法构建的反演模型。对比不同建模方法在不同土壤深度处的反演精度,可知随机森林RF模型整体表现最优,同时另外3种反演模型也取得了较好的预测效果,0～20 cm土壤深度处的预测效果是3个土壤深度中最优的,其中精度最高模型的决...