基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares, PLS)、极限学习机(extreme learning machine, ELM)和粒子群算法(particle swarm optimization, PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其r²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%～75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为...     

基于无人机多光谱技术的甜菜冠层叶绿素含量反演

无人机多光谱常用的植被指数包括优化土壤调整植被指数(OSAVI)、归一化差异植被指数(NDVI)、绿色归一化植被指数(GNDVI)、叶片叶绿素指数(LCI)、归一化差异红边指数(NDRE)。为了研究植被指数与甜菜叶绿素含量的相关性,实时监测管理甜菜生长状况和产质量。基于5个不同施氮水平下(0、30、60、90、120 kg/hm²)甜菜多光谱遥感影像和田间实测冠层叶绿素含量数据,采用大疆精灵4多光谱无人机对甜菜叶丛快速生长期和块根糖分增长期进行监测,建立叶绿素含量的反演模型。结果表明：随着施氮水平的增加,叶绿素含量和产量都显著提高;施氮水平30 kg/hm²比0 kg/hm²处理的甜菜含糖率有一定增长趋势(增长0.13个百分点),然后随着施氮水平的增加含糖率显著下降;根据5个植被指数与大田实测叶绿素含量值的拟合效果,拟合值R²均在0.7以上,OSAVI为最佳植被指数模型,拟合效果最好,决定系数R²=0.764,均方根误差RMSE=0.396,标准均方根误差NRMSE=8.63%...     

基于无人机LiDAR的橡胶树单木地上生物量估测

橡胶树地上生物量是反映橡胶树生产力、固碳能力和碳储量的重要指标,为提高橡胶树单木地上生物量估测的效率和精度,以橡胶树8年生育种试验林为研究对象,采用无人机LiDAR获取林地点云数据,并实测其地上生物量,基于点云数据提取树高、冠幅、树冠投影面积和树冠体积4个单木结构参数,将此4个参数作为预测因子建立橡胶树单木地上生物量估测模型,比较多元非线性回归和随机森林回归2种模型的估测精度,并分别采用五折交叉验证的方法对2种模型的泛化能力和可靠性进行评估。结果表明：(1)在单木分割的基础上由算法提取的树高和冠幅与直接基于点云人工量测的数值存在很好的一致性,2个参数与实测值的Pearson相关系数分别为0.999和0.951,均方根误差(RMSE)分别为0.109 m和0.452 m;(2)树高、冠幅、树冠投影面积和树冠体积等4个单木结构参数与橡胶树实测单木地上生物量相关性显著,其中树冠体积与地上生物量的Pearson相关系数最高,达0.904,4个参数对橡胶树地上生物量都具有良好的解释性;(3)基于4个单木结构参数建立的2种橡胶树单木地上生物量估测模型均能够取得很好的拟合效果,但是随机森林回归模型的...     

基于无人机遥感影像的马铃薯产量估算

马铃薯产量的精准预测对于保障粮食安全具有重要作用。为实现快速精准获取马铃薯产量信息,研究利用无人机搭载可见光相机和多光谱相机,分别于马铃薯现蕾期、初花期、盛花期和终花期进行无人机RGB和多光谱影像的采集,并于收获期测定马铃薯产量。基于RGB和多光谱影像特征,对马铃薯产量与RGB指数和植被指数分别进行相关性分析,结合样本数量,筛选出相关性最高的前五个光谱指数作为模型输入变量,采用多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)2种方法构建不同生育期和全生育期的估算模型,并进行对比,筛选出马铃薯产量估算的最优模型。通过RGB指数与植被指数结合可以提高马铃薯产量的估算效果,并且多元线性回归模型的反演效果要优于随机森林模型。最终产量的估算效果从高到低分别是盛花期>全生育期>终花期>初花期>现蕾期,马铃薯产量最优估算模型为盛花期以RGB指数与植被指数结合作为模型输入变量的MLR模型。测试集R²和RMSE分别为0.77、0.64 kg/m²;验证集R     

基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

基于无人机遥感的水稻产量估测

水稻产量的准确估算在农业生产中具有重要意义。本文通过无人机搭载多光谱传感器,获取水稻主要生育期冠层光谱信息,通过提取不同生育期8种植被指数与水稻产量的实测值建立拟合关系,筛选出最优植被指数和最佳的无人机遥感作业时期,建立水稻估产模型。结果表明,水稻生长前期不适合估产,抽穗期至成熟期估产效果好。最佳估产生育期是水稻抽穗期,基于该时期的植被指数NDVI、RVI、DVI、GNDVI、MSAVI2建立的多元线性模型估测效果较好,验证精度佳。因此,利用无人机多光谱数据对水稻产量进行估测是可行的。     

基于无人机遥感的花生氮营养反演研究

氮素是影响花生生长发育的重要因素之一,目前传统凯氏定氮法测定步骤繁琐且需要时间较长,而无人 机遥感具有实时、灵活、低成本的特点,因此,为实现对花生氮含量的快速、无损、准确监测,本研究利用大疆精灵4 号无人机搭载的可见光相机,获取不同生育期的可见光影像,运用神经网络算法,建立叶片数字图像彩色信息和叶 片氮含量的关系模型。结果表明,利用数字图像指标作为网络输入向量时,所构建模型的平均绝对偏差为1.5左 右,且以r、g、b(r=R/(R+G+B), g=G/(R+G+B), b=B/(R+G+B))和a, b, c (a=R+G, b=R+B, c=G+B)两种组合参数拟合效果最 好,平均绝对偏差为0.2左右,和真实值相差较小。通过检验发现,两种方法都能准确地预测出花生叶片氮含量,所 构建模型能快速、无损地测定花生植株的肥料状况。     

!不同年代大豆品种根系伤流液重量的变化及其与地上生物量的关系

2009和2010年研究了吉林省1923～2004年育成的22个主栽大豆品种在R2、R4、R6期大豆伤流液重量与地上器官生物量的变化及其关系。结果表明:不同育成年份品种的根系伤流液重量和地上部生物量品种间存在显著差异;根系伤流液重量与地上部各器官生物量均随着育成年代的推进而增加,且二者之间呈显著正相关,表明大豆品种的遗传改良使地上部分生物量增加的同时,也导致了根系活力的提高。大豆品种根系伤流液重量与地上部分生物量在R2、R4、R6 3个时期均呈正相关,其中R4时期达到显著水平,伤流液重量与茎、叶片生物量在R4期均呈显著正相关。地上部分生物量与根系伤流液重量的比值在各时期均无明显变化,表明大豆品种的遗传改良过程中地下根系与地上部分器官是协同演进的。     

无人机多光谱遥感在作物生长监测中的应用研究进展

随着无人机(Unmanned aerial vehicles, UAV)多光谱软硬件一体化、观测精度及易用性的发展,UAV多光谱遥感在农业上的应用越来越广泛。本文对国内外相关研究成果进行综述,主要介绍了多光谱遥感技术的基本原理和UAV多光谱遥感系统,并对UAV多光谱遥感技术在植被分类与杂草识别、作物病虫害监测、作物植株水分含量监测、作物长势监测和产量估测等方面的研究进行了概述。最后分析了UAV多光谱遥感技术在农业领域中所面临的难题和未来的发展趋势,以期为UAV多光谱遥感技术在现代农业上的开发应用提供参考。     

基于无人机遥感的玉米叶面积指数与产量估算

以2018和2019年在河南省新乡县中国农业科学院农田灌溉研究所试验基地的玉米为研究对象,利用八旋翼无人机搭载的MicaSense RedEdge多光谱相机对试验区进行遥感监测,构建玉米叶面积无人机遥感监测模型和产量估算模型,并在示范区进行应用。结果表明,NDVI、EVI和GNDVI这3种植被指数在构建叶面积指数监测模型中具有较好的精度和稳定性。利用抽雄期植被指数构建的估产模型精度最高,吐丝期次之,拔节期最低。与单生育期估产模型相比,累积3个生育期植被指数构建的估产模型精度有一定提升,R²为0.87,RMSE为405.42 kg/hm²。构建的无人机遥感监测模型,可以快速有效评估玉米长势和产量。     

基于成像高光谱仪的大豆叶面积指数反演研究

高光谱遥感能连续获取地物光谱图像,这一技术能大大提高估算叶面积指数的水平。利用无人机搭载成像高光谱仪获取作物光谱信息反演叶面积指数对精准农业生产与管理意义重大。通过灰色关联度排序、赤池信息量准则和偏最小二乘法(GRA-PLS-AIC)选择了三角植被指数(TVI)、比值植被指数(RVI)、红边植被指数(NDVI705)、归一化植被指数(NDVI)和重归一化植被指数(RDVI)5种植被指数,结合田间实测的叶面积指数数据,采用经验模型构建多指数反演模型。通过无人机为平台同步搭载数码相机和成像高光谱仪,在山东省嘉祥县一带获取了大豆生殖生长期内的遥感影像,同时利用LAI-2200C植物冠层分析仪进行叶面积指数测定,将获取到的遥感影像和地面实测数据进行叶面积指数的反演。结果表明:在大豆生殖生长期内建多指数模型,建模结果的预测值和实测值的R~2和RMSE分别为0.701和0.672,验证结果的R~2和RMSE分别为0.695和0.534,预测模型有比较高的精度和可靠性,利用该模型来反演LAI是准确的,生成的大豆LAI分布图能反映当地当时大豆的真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和成像高光谱仪组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,构建的多指数模型适用于大豆生殖生长期。     

基于无人机数码影像的水稻叶面积指数监测

[目的]为探究无人机数码影像监测水稻叶面积指数(Leaf area index,LAI)的可行性,明确利用无人机数码影像监测水稻LAI的最佳时期,构建基于无人机数码影像的水稻LAI监测模型.[方法]本研究基于不同品种和施氮量的水稻田间试验,于分蘖期、拔节期、孕穗期、抽穗期和灌浆期测定水稻LAI,同步使用无人机搭载数码相...     

基于无人机可见光遥感的冬小麦株高估算

株高是作物生长过程中重要的生长指标。为探索快速准确获取作物株高的方法,利用无人机可见光图像采集系统,获取冬小麦拔节期至成熟期的高清数码图像,建立冬小麦拔节期、抽穗期、灌浆期及成熟期的作物数字表面模型(digital surface models,DSM)及作物高度模型(crop height model,CHM),并对模型进行验证。结果表明,冬小麦株高各生育时期CHM提取值与地面实测值极显著相关(P<0.01),误差为-0.10~0.09m,相对误差为17.64%~19.60%。株高预测值与实测值拟合性较高(R^2=0.82,RMSE=4.31cm)。这说明用无人机拍摄的高清数码影像可快速估算冬小麦的株高。     

基于无人机可见光影像与生理指标的小麦估产模型研究

为及时、准确地掌握小麦产量动态信息,基于无人机遥感平台,分别分析了小麦4项生理指标［地面实测叶面积指数、叶片含氮量、叶片含水量及叶片叶绿素相对含量（SPAD值）］及10项植被指数与产量的相关性,以筛选出与产量最为敏感的生理指标与植被指数,并比较了3种建模方法（一元回归UR、多元逐步回归SMLR和主成分回归PCAR）在小麦各生育时期估产的适用性,进而得到小麦最优估产模型。结果表明：（1）不同生育时期两类变量与产量的相关性变化特征一致,均表现为抽穗期>灌浆期>成熟期;不同生理指标、植被指数与产量的相关性在各生育时期均存在差异,生理指标表现为叶片含氮量>LAI>SPAD>叶片含水量;而植被指数在各时期表现不同;（2）以生理指标与植被指数为自变量,采用SMLR模型构建的抽穗期估产模型拟合精度最高,R、RMSE和nRMSE分别为0.828、362.53 kg·hm^-2和12.35%;（3）小麦估产模型在各生育时期的预测精度表现为抽穗期>灌浆期>成熟期。     

植保无人机在蔗田化学除草上的应用效果

蔗田杂草对甘蔗产量有重要影响,为了探讨植保无人机在蔗田化学除草上的应用效果,用植保无人机(3WWDZ-10A)喷施900 g/L乙草胺乳油进行苗前封闭除草,喷施15%硝磺草酮悬浮剂与38%莠去津悬浮剂混配液进行苗后除草,调查杂草防除效果。结果表明,应用植保无人机飞喷乙草胺对单子叶杂草株防效与鲜重防效分别为88.46%、96.68%,双子叶杂草株防效与鲜重防效分别为90.16%、97.99%,总杂草的株防效和鲜重防效分别为89.66%、97.85%;飞喷硝磺草酮与莠去津混配液对单子叶杂草的株防效与鲜重防效分别为89.29%、86.31%,对双子叶杂草的株防效与鲜重防效分别为99.23%、97.03%,对总杂草的株防效与鲜重防效分别为96.84%、96.25%,防除效率49.95 min/hm^2。说明植保无人机进行蔗田杂草防除具有防除效果好、对甘蔗安全和作业效率高的优势。     

植保无人机在江苏农垦稻麦病虫草害防治中的应用及展望

植保无人机作为一种新型施药工具,以作业高效安全、节水省药环保等特点于近几年迅速发展,并已广泛应用于农作物病虫草害防治。本综述重点对我国植保无人机的施药发展现状、近年来江苏农垦植保无人机的应用情况和植保无人机应用过程中存在的问题进行阐述,并对植保无人机应用的未来发展趋势进行展望。     

遥感光谱指标和神经网络结合的冬小麦地上部生物量估测

为探讨基于神经网络对小麦地上部生物量(aboveground biomass, AGB)进行遥感估测的可行性,在江苏省泰州泰兴市、盐城大丰区和宿迁沭阳县布设冬小麦大田试验,在对冬小麦近红外波段反射率(near-infrared band reflectance, REF_nir)、红光波段反射率(red band reflectance, REF_red)、归一化差值植被指数(normalized difference vegetation index, NDVI)、差值植被指数(difference vegetation index, DVI)、比值植被指数(ratio vegetation index, RVI)、土壤调节植被指数(soil adjusted vegetation index, SAVI)和优化土壤调节植被指数(optimized soil adjusted vegetation index, OSAVI)等7个遥感光谱指标与冬小麦生长指标(LAI和AGB)进行相关性分析基础上,构建基于BP神经网络的冬小麦AGB估测模型,并与...     

基于中分辨率成像光谱仪(MODIS)数据的水稻遥感估产研究——以江苏省为例

选择以水稻为传统优势粮食产业的江苏省作为研究区,采用MODIS09数据作为数据源,根据水稻移栽期稻田土壤湿度较大的特点,利用不同植被指数间的关系,按照一定的算法排除地表干扰像元,提取水稻像元,并在此基础上结合统计资料,分析水稻单产与提取的水稻植被指数之间的关系,并利用水稻植被指数预测全省水稻单产。研究表明,在条件时间序列插值算法(CTIF)处理的基础上提取水稻像元,并基于提取的水稻像元进行遥感估产的方法能取得较好的估算效果。拟合的2004-2006年单产平均精度高于99%,预测的2007年各地级市水稻单产精度在95%左右,全省平均单产相对误差为0·38%,精度较高,具有一定可行性,可利用该方法对不同年份和不同地区进行水稻产量估算。