基于无人机和地面图像的田间水稻冠层参数估测与评价

田间水稻表型监测可用于分析水稻产量相关性状,对指导水稻栽培管理以及产量预测具有重要意义。本研究以3种氮肥处理下6个不同栽培品种的水稻为研究对象,估测并评价了水稻冠层的主要表型参数,以探讨利用图像分析方法评价多品种及栽培环境下田间水稻长势的适用性。基于无人机和田间固定相机图像,本研究通过图像处理、三维建模和机器学习自动测算出田间水稻冠层覆盖度、株高、穗数,并结合实际测量结果进行了精度评价。结果表明:(1)基于无人机图像使用决策树分类模型提取的水稻冠层图像与人工勾绘结果一致性较好(Qseg均值为0.75,方差为0.08),由此计算的冠层覆盖度与人工勾绘计算的冠层覆盖度相关性较高(R~2=0.83,RMSE=5.36%);(2)使用冠层高度模型估测的各小区水稻株高均值与田间实测高度均值相关性较高(R~2=0.81, RMSE=9.81 cm),但整体呈现低估;(3)基于地面图像使用决策树分类和形态参数过滤得到的穗数计数结果与实测穗数相关性较高(R~2=0.83,RMSE=10.99)。总体而言,结合图像分析算法,应用低空无人机遥感技术高通量自动化估测水稻冠层覆盖度、株高的精度较高,而应用地面...     

基于无人机遥感图像的苎麻产量估测研究

本研究旨在探索一种利用无人机-RGB系统提取的苎麻株高和可见光图像光谱信息估测产量的新方法。试验于2019年在湖南农业大学耘园苎麻基地进行,利用无人机搭载高清数码相机获取二季苎麻苗期和成熟期的图像。首先利用Pix4Dmapper生成苎麻冠层2个生育期的数字表面模型和高清数码正射图像;然后基于数字表面模型采用"差分法"计算试验小区的平均株高(DSM-based H);基于正射图像提取试验小区RGB通道均值,进而计算遥感图像数码变量和植被指数,分析苎麻种质间的图像光谱表型性状和产量株高比性状的差异性与多样性;最后采用逐步回归方法建立苎麻产量预测模型,并对各项产量解释因子进行相关性分析。结果表明:(1)基于无人机-RGB系统遥感株高与实测株高显著相关(r=0.90),修正遥感株高的均方根误差为0.04 m。(2)苎麻产量与株高信息存在极显著相关性(r=0.91),而与图像光谱表型相关性不明显。(3)融合遥感图像株高和种质特征差异构建的苎麻产量估测模型精度较高, R²=0.85, RMSE=0.71。因此,基于无人机遥感图像的苎麻产量估测是可行的,这对苎麻种质特征评价和产...     

无人机多角度成像方式的饲料油菜生物量估算研究

旨在探索并评估一种通过无人机平台搭载可见光相机提取饲料油菜生物量的新方法。试验于2018年在华中农业大学油菜试验基地展开,利用无人机搭载五相机倾斜摄影系统同时从多个角度获取油菜终花期的可见光图像,试验共设置3种无人机飞行高度(40、60和80 m)和3种播种密度(3.00×105、5.25×105和7.50×105株hm~(-2)),并评估和对比了多角度和单相机垂直2种成像方式的生物量预测结果。试验首先通过无人机图像提取油菜冠层覆盖度和株高信息;然后通过株高在覆盖面积上进行累加获得作物体积模型;最后基于作物体积模型与实测生物量建立线性回归模型预测油菜干物质重量。结果表明,(1)在本试验设置的3个飞行高度中,随着无人机飞行高度下降,生物量预测精度呈上升趋势,其中飞行高度为40 m时,油菜生物量估算精度最佳(校正集:r=0.792, RMSE=125.0 g m~(-2),RE=13.2%;验证集:r=0.752, RMSE=139.1 g m~(-2), RE=15.3%)。(2)种植密度越高,其实际生物量越小,通过作物体积模型预测生物量的效果更好。(3)多角度成像方式与单相机垂直成像方式在油菜生物量估测精度上没有显著差异,两者皆在40m高度下具有最好的生物量预测效果,相关系数r分别为0.772和0.742。以上结果表明,基于无人机低成本可见光成像建模技术提取饲料油菜生物量是可行的,本研究可为大田作物地上生物量信息的无损高效监测提供易于实施的解决方案和技术参考。     

基于RF和SPA的无人机高光谱估算棉花叶片全氮含量

为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系,实现作物生长过程中氮素水平的快速、准确和无损监测,以石河子大学教学试验场2019年棉花小区试验为基础,选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理,使用随机蛙跳（random frog,RF）和连续投影算法（successive projections algorithm,SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398～1000nm的光谱中优选5组LNC的敏感特征波段,波段数目下降了93.0%～96.3%,有效降低了光谱的冗余信息;基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55,模型验证的决定系数和均方根误差分别为0.70和2.37,模型具有较好的精度和稳定性,可作为棉花LNC的无人机高光谱估算方法。     

利用无人机遥感技术提取农作物植被覆盖度方法研究

基于无人机的遥感信息获取技术已广泛应用在农业领域。无人机遥感平台获取农作物信息技术具有高时效、高分辨率、低成本、快速、准确等特点,是目前精准农业中农田信息获取的重要手段之一。利用无人机遥感技术获取可见光影像,以棉花、花生和玉米为研究对象,选取不同的植被指数进行可见光图像阈值分割,结合研究区域可见光影像监督分类结果,确定3种作物提取植被覆盖度方法。试验结果表明,利用无人机可见光图像植被指数阈值分类方法,可以有效提取作物植被覆盖度。该方法对于棉花、花生和玉米3种作物植被覆盖信息的提取精度较高。     

基于颜色和纹理特征的玉米干旱识别

探究以颜色和纹理为特征,以神经网络建模为方法,识别玉米干旱的效果。利用可见光成像方式采集不同干旱胁迫下的玉米图像,通过编程从玉米图像中自动提取颜色和纹理特征变量,以多个BP神经网络集成学习的方法构建玉米不同生长发育阶段的干旱识别模型,识别不同干旱程度的玉米植株。结果表明：玉米出苗—拔节阶段的模型在训练和验证时的平均识别准确率和平均识别精度均在90%以上,识别误差均值小于0.1;拔节—抽雄阶段的模型在训练和验证时识别干旱的平均准确率和平均识别精度均在85%以上,识别误差均值为0.1和0.14;抽雄—成熟阶段的模型在训练和验证时识别干旱的平均准确率分别为85.36%和84.27%,平均精度在均在80%以上,识别误差均值为0.15和0.16。玉米出苗—拔节、拔节—抽雄、抽雄—开花3个阶段的干旱识别模型对田间玉米干旱的平均识别准确率在75%左右,平均识别精度在80%以上,平均识别误差依次为0.22、0.21、0.29。总之,出苗—拔节阶段的玉米干旱识别模型识别干旱的能力最强,拔节—抽雄阶段的模型次之,抽雄—成熟阶段的模型较差,同一模型对同一干旱程度的识别,模型训练时的识别效果最好,验证时的识别效果次之,测试效果较差,同一模型对不同干旱程度的识别,总体表现为对中旱水平识别效果最不理想,对适宜和特旱水平的识别效果最好。研究结果为玉米干旱特征模式识别和利用表型特征实现玉米旱情自动监测预警提供参考。     

用MODIS数据监测冬小麦冠层反照率变化信息的方法研究

采用冬小麦主要生育期内冠层反照率的地面观测数据和MODIS反照率产品数据,分析了在冬小麦生长期时间序列上MODIS遥感图像端元反照率与地面观测不同空间尺度反照率的变化规律。提出了基于高空间分辨率图像分类的先验知识提取MODIS端元反照率的方法。研究结果表明,MODIS端元反照率与地面观测反照率随冬小麦生育期的变化趋势相同,两种观测尺度反照率的观测值差别小于4%,研究方法为MODIS反照率产品在大面积农田研究中的应用提供了参考。     

基于数字图像的棉花长势空间变异分析

为了尽快获取棉花长势信息,分析大田棉花长势空间变异特性,采用计算机数字图像处理技术,在常规光照条件下,利用网格取样方法,采集棉花冠层长势数字图像,提取图像色调值H,研究冠层图像H值的空间分布特点以及数字图像H值与相关农艺性状的关系。结果表明,棉花冠层数字图像H值的空间分布具有中度空间相关性,其变异半方差函数模型为球状模型;数字图像H值与LAI有较好的对数关系,决定系数R2=0.8123;表明群体冠层数字图像H值是可以用来描述棉花田间长势信息的潜在可靠性指标。研究结果将为生产实践提供指导作用,为精准农业田间信息采集与快速检测提供理论依据。     

基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例

利用无人机技术可以快速获取林业自然保护区高分辨率遥感影像,无人机影像在林业资源调查与监测中具备传统卫星影像无可比拟的优势。本研究以丹霞山湿地自然保护区为研究对象,基于无人机遥感影像,提出了一种人工林地单株立木自动化提取方法。研究采用遥感影像多尺度分割算法,对研究区无人机遥感影像进行多尺度分割,然后通过构建林地特征信息模型,实现对案例区人工林地单株立木自动化提取。结果表明：该方法在丹霞山湿地保护区人工林地自动化提取中具有较高的可行性,Kappa系数达到了0.979,总体分类精度达到了98.40%,能够满足人工林地提取的需要。该方法省去了人工林地分类前的人工干预和先验知识输入,大幅度提高了无人机影像在林地资源调查应用中的工作效率,为精准林业调查提供了一种新方法。     

基于无人机多光谱遥感的大豆叶面积指数反演

为给大豆科学管理提供基础数据,利用无人机多光谱遥感数据实现对大豆叶面积指数(LAI)的反演估值。从多种光谱植被指数中选出与LAI相关性较好的5种指数,分析探讨在田块尺度上,适用于东北地区的大豆叶面积指数的低空无人机遥感反演模型。结合田间实测LAI数据及模型精度及拟合效果,NDVI模型精度较好,但拟合效果较差,其余4种植被指数模型精度和拟合效果较好,拟合效果R²均达到了0.6以上;支持向量机模型决定系数R²达到0.688,均方根误差达0.016,具有更好的预测能力。2种模型均表明无人机多光谱遥感系统可以快速反演田间大豆叶面积指数,在指导精准农业生产方面具有实用意义。     

基于无人机RGB遥感的甘蔗株高估测

为快速准确地估测甘蔗不同生育期株高，探讨了无人机RGB系统遥感估算株高的可行性及效果。利用无人机RGB遥感平台，获取苗期、分蘖期、伸长中、后期和工艺成熟期的影像，通过Pix4D mapper生成数字表面模型（digital surface model,DSM），采用Eris Arcmap提取株高，基于DSM提取的株高与实测株高建立各生育期的估测模型，采用决定系数（R2）、均方根误差（RMSE）和平均相对误差（MRE）对模型进行评价。结果表明，基于DSM提取甘蔗各生育期的株高高于实测株高；全生育期模型拟合性最好，预测精度较高（验证集R2、RMSE和MRE分别为0.9611、0.1623和0.1102），苗期株高模型预测精度最高。其他各生育期模型的拟合性不及全生育期和苗期，精度较低，工艺成熟期模型的预测精度最低，拟合性最差。因此，基于无人机RGB遥感平台获取甘蔗不同生育期影像后通过DSM提取株高并运用于甘蔗重要生育期株高的估测时，注意不同生育期模型的适用性。     

玉米倒伏与植株农艺性状和病虫害发生关系的研究

以玉米品种先玉335、丹玉336、郑单958和迪卡516为试验材料,采用3种密度、3次重复的试验设计,研究茎秆质量性状、农艺性状、病虫害发生与倒伏的关系。相关分析结果表明：植株倒伏率与穗位、重心高度、茎腐病、玉米螟虫发生和种植密度呈极显著正相关;与株高、节间长度和纹枯病发生呈显著正相关;与茎秆拉力、穿刺强度、折断强度和茎粗呈极显著负相关;与压碎强度和气生根层数呈显著负相关。茎秆质量性状可作为玉米倒伏的直接评价指标,穗位、重心高度和种植密度可作为玉米倒伏的间接评价指标。通径分析结果表明：密度、重心高度、茎粗和茎秆拉力4个性状对倒伏性起主要作用,密度指标对倒伏性的直接通径系数最大,达到0.8366,重心高度的直接通径系数为0.5490,茎粗和茎秆拉力的直接通径系数也很大。     

Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods

This study provides insight into the assessment of canopy biophysical parameter retrieval using passive sensors and specifically into the quantification of tree height in a discontinuous canopy using a low-cost camera on board an unmanned aerial vehicle (UAV). The UAV was a 2-m wingspan fixed-wing platform with 5.8 kg take-off weight and 63 km/h ground speed. It carried a consumer-grade RGB camera modified for color-infrared detection (CIR) and synchronized with a GPS unit. In this study, the configuration of the electric UAV carrying the camera payload enabled the acquisition of 158 ha in one single flight. The camera system made it possible to acquire very high resolution (VHR) imagery (5 cm pixel⁻¹) to generate ortho-mosaics and digital surface models (DSMs) through automatic 3D reconstruction methods. The UAV followed pre-designed flight plans over each study site to ensure the acquisition of the imagery with large across- and along-track overlaps (i.e. >80%) using a grid of parallel and perpendicular flight lines. The validation method consisted of taking field measurements of the height of a total of 152 trees in two different study areas using a GPS in real-time kinematic (RTK) mode. The results of the validation assessment conducted to estimate tree height from the VHR DSMs yielded R² = 0.83, an overall root mean square error (RMSE) of 35 cm, and a relative root mean square error (R-RMSE) of 11.5% for trees with heights ranging between 1.16 and 4.38 m. An assessment conducted on the effects of the spatial resolution of the input images acquired by the UAV on the photo-reconstruction method and DSM generation demonstrated stable relationships for pixel resolutions between 5 and 30 cm that rapidly degraded for input images with pixel resolutions lower than 35 cm. RMSE and R-RMSE values obtained as a function of input pixel resolution showed errors in tree quantification below 15% when 30 cm pixel⁻¹ resolution imagery was used to generate the DSMs. The study conducted in two orchards with this UAV system and the photo-reconstruction method highlighted that an inexpensive approach based on consumer-grade cameras on board a hand-launched unmanned aerial platform can provide accuracies comparable to those of the expensive and computationally more complex light detection and ranging (LIDAR) systems currently operated for agricultural and environmental applications.     

不同氮肥模式对冠层结构及部分生理和农艺性状的影响

以郑单958为试验材料,设基肥低氮、基肥高氮、第1次氮肥在拔节期施入和不施氮4个处理,研究了施氮模式对冠层结构及部分生理和农艺性状的影响。结果显示,施氮处理各指标均优于不施氮处理。适当减少基肥氮量,具有以下优势,(1)在保证苗期氮肥供给的同时,每公顷节肥90 kg;(2)改善了冠层结构,增加了群体底层的透光率,使穗上叶和整株的茎叶夹角更紧凑,与基肥高氮处理相比分别减少4.33°和4.67°,同时降低了株高和穗位高,缩短了基部节间长度,有效防止茎秆倒伏;(3)与前期高氮处理相比,基肥低氮在灌浆初期叶片的叶绿素相对值和全氮含量均处于较高水平;(4)基肥低氮处理提高了单位面积的株数,并减少了秃尖长度,同时千粒重和穗粒数有所增加,最终获得较高产量。第1次氮肥在拔节期施入,前期控氮时间过长,营养元素失衡,苗期发育不良,不利于产量形成。     

基于农田实景图像的玉米覆盖度估算模型

为实时、准确地获取玉米覆盖度,为玉米长势监测提供科学依据,以农田小气候实景站采集的玉米图像为数据源,利用图像处理技术对玉米图像进行分析处理,结合9种图像颜色指数(NDI、ExG、ExR、ExG-ExR、R-G、G-B、VEG、CIVE、(G-B)/|R-G|),构建了基于图像颜色指数的玉米覆盖度估算模型。结果表明：利用图像颜色指数可以有效估算玉米覆盖度,除颜色指数(G-B)/|R-G|外,其他8种颜色指数估算玉米覆盖度的精度均较高,其中,以VEG为变量的玉米覆盖度估算模型精度最高,预测结果的R²为0.993,RMSE和MAE均最小,分别为0.0270、0.0223。该方法可以有效、快速的提取玉米覆盖度。     

不同施钾量处理对玉米倒伏率、农艺性状及产量的影响

研究不同施钾量对玉米倒伏率、各农艺性状及产量的影响,以期为黑龙江省玉米抗倒性栽培及钾肥的科学管理提供理论依据。本研究通过设置5个不同施钾量下,对玉米各农艺性状及产量方差分析,并研究玉米倒伏率与各农艺性状之间相关性。结果表明,T₂处理株高和穗长与其他处理间均存在着显著差异;T₀处理的穗位和秃尖长与其他处理间均存在着显著性差异。在产量性状方面,T₂处理的穗行数、行粒数最多,百粒重最大,产量最高,玉米倒伏率与穗位高、秃尖长呈显著正相关,与穗行数、行粒数、百粒重及产量均呈显著负相关。适量的钾肥可以提高玉米抗倒能力,随着施钾量的增加玉米倒伏率呈现出先降后升的趋势,根据以上5个不同施钾量处理,T₂处理玉米倒伏率最低。     

基于机器视觉的棉花群体叶绿素监测

研究了利用机器视觉技术快速获取棉花群体叶绿素信息的方法，以期获得预测性高的颜色特征参数。结果表明，RGB颜色系统的G－R、(G－R)/(G+R)、r与g的组合值和棉花功能叶叶绿素含量、群体绿色指数呈极显著相关，而且拟合度较高；HIS颜色系统的Hue值和棉花功能叶叶绿素含量、群体绿色指数之间也极显著相关。对筛选出的两组模型进行检验，预测精度在84.07%~93.04%之间，推荐预测精度最高的G－R参数作为获取棉花群体叶绿素信息的最佳颜色指标。G－R预测叶绿素含量和群体绿色指数的模型分别为y=－1.3008+0.2125(G－R)－0.0038(G－R)2（R²=0.8669**）和y=－0.9726+0.1227 (G－R)－0.0016(G－R)²（R²=0.7487**）。     

利用机载激光雷达的林木识别与参数反演

为了提高利用机载激光雷达林木识别精度,以全波形激光雷达分解数据为基础,首先利用控制标记分水岭算法对树冠高程模型进行分割,初步确定单株木位置;然后结合单株木结构特征,在三维空间中利用马尔可夫随机场进行单株木点云分割;最后,使用9个样地实测数据对激光雷达反演的林木参数进行回归分析验证。结果表明：单株木识别率为76%,位置误差均值和方差分别为0.67、0.19 m,单株木树高、树冠直径和胸高径的RMSE分别为1.03 m（4.57%）、0.56 m（10.48%）、3.01 cm（11.01%）,样地断面积和材积的RMSE分别为2.42 m2/hm2（8.11%）和17.83 m3/hm2（9.11%）。本研究能有效提高单株木点云分割精度,能满足单株木和林分参数反演要求,提高林业调查的自动化程度。     

种植密度对不同株高夏玉米品种茎秆性状与抗倒伏能力的影响

倒伏是影响夏玉米在密植条件下获得高产的重要限制因素之一,本研究旨在探讨种植密度对不同株高夏玉米品种茎秆性状与抗倒伏能力的影响。以矮秆品种登海661 (DH661)和高秆品种鲁单981 (LD981)为试验材料,通过设置4.50×10⁴株 hm^-2、6.75×10⁴株 hm^-2和9.00×10⁴株 hm^-2 3个种植密度,研究茎秆节间长度、茎秆穿刺强度、茎秆显微结构以及倒伏率等方面的变化。结果表明,随种植密度增加,夏玉米的基部第3茎节间和穗位节间变细,茎秆穿刺强度显著下降,较密度4.50万株 hm^-2,DH661和LD981 6.75万株 hm^-2、9.00万株 hm^-2地上第3节间茎秆穿刺强度分别降低了8.5%、22.6%和13.3%、29.6%;茎秆皮层和维管束内部厚壁细胞厚度及维管束数目均随种植密度的增加显著下降,倒伏风险增加,但矮秆品种的下降幅度小于高秆品种,而产量的增加幅度大于高秆品种,说明矮秆品种在高密度下能够保持较好的抗倒伏性能,有助于其在高密度种植条件下获得高产、稳产。