排序方式: 共有576条查询结果,搜索用时 15 毫秒
11.
12.
基于无人机数码影像的冬小麦叶面积指数探测研究 总被引:17,自引:1,他引:17
叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。 相似文献
13.
以江西水土保持生态科技园为研究区,通过无人机遥测技术以及地理信息系统,对生态果园水土保持措施进行图斑化、信息化管理研究.结果表明:无人机遥测技术获取的不同阶段的航飞影像可用于生态果园改造的动态监测;利用Agisoft photoscan软件处理航飞影像可生成高分辨的数字正射影像(DOM)以及数字地表模型(DSM)数据;利用生成的DOM,结合地理信息系统,可获取生态果园水土保持措施的分布、数量、长度等信息,建立生态果园水土保持措施数据库,并输出报表和专题图.经与实际量测长度验证,基于DOM提取的长度平均精度为97.99%;与实测坡度验证,基于DSM数据提取的坡度平均精度为88.91%.无人机遥测技术能够快速、准确、自动获取地物的面积、长度、坡度等指标数据,可满足当前水土保信息化的要求,提升综合治理项目实施监测的信息化水平,提高施工监测的质量和效率. 相似文献
14.
15.
针对当前快速准确获取叶面积指数(Leaf area index, LAI)时大部分遥感预测方法将光谱信息作为模型主要特征,忽略时序变化特征的问题,利用无人机搭载五通道多光谱相机获取研究区玉米不同生育期的影像数据,基于该数据计算玉米相应生育期植被指数,然后采用植被指数建立各生育期子模型,采用Shapley理论计算子模型均方根误差对全生育期模型均方根误差的贡献度,从而确定各子模型权重,根据权重组合形成具有LAI时序变化特征的估算模型,分别基于支持向量回归(SVR)、多层感知机(MLP)、随机森林(RF)和极限梯度提升树(XGBoost)算法构建组合估算模型。结果表明:采用Shapley理论构建的组合LAI估算模型估算效果优于直接构建的全生育期LAI估算模型。相较于SVR-Shapley、MLP-Shapley以及RF-Shapley模型,XGBoost-Shapley模型的估算效果最佳(R2为0.97,RMSE为0.021,RPD为6.9)。将最优模型XGBoost-Shapley应用于研究区LAI预测,预测结果符合不同生育期玉米长势。本研究为大田玉米长势遥感监测提供... 相似文献
16.
设计了一种垂直起降尾座式无人机,利用中心组合试验(Central composite design,CCD)对无人机的翼展长、后掠角、小翼高和小翼厚4个结构参数进行设计,构建了25组样本点。利用ANSYS CFX进行升阻比和阻力数值模拟,通过Design-Expert软件建立无人机结构参数与升阻比、阻力的响应面模型,其中升阻比随着翼展长和小翼高的增加而增大,后掠角和小翼高对升阻比的影响较小,当攻角为4°~8°时,升阻比随小翼厚的增加而减小,当攻角为10°~12°时,升阻比随小翼厚的增加而增大;阻力随着翼展长和小翼厚的增加而增大,随小翼高的增加而减小,随后掠角的增加先增大后减小。以升阻比最大和阻力最小为优化目标,采用多目标遗传算法进行结构参数优化,得到最优结构参数为:翼展长1 123 mm、后掠角34°、小翼高39 mm、小翼厚3 mm,与原始样机相比升阻比提高了12. 4%,阻力降低了5. 3%。采用风洞试验对响应面模型进行了验证,其中升阻比和阻力的数值模拟相对误差小于8. 0%,响应面模型相对误差小于3%,表明响应面模型具有较高的精度和良好的通用性,可用于垂直起降尾座式无人机的优化设计。 相似文献
17.
基于无人机成像高光谱影像的冬小麦LAI估测 总被引:4,自引:0,他引:4
利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。 相似文献
18.
为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。 相似文献
19.
基于改进蚁群算法的植保无人机路径规划方法 总被引:1,自引:0,他引:1
为了规划出更加高效的植保无人机路径,提出一种基于改进蚁群算法的植保无人机路径规划方法,该方法适用于多个具有复杂多边形边界与内部障碍物的三维作业区域。采用扫描方式生成水平面内的作业路径,经过离散化处理后,在三维地形曲面上插值,获得三维作业路径。在此基础上,建立作业路径生成算法,以三维作业路径总长度尽量短、作业路径数量尽量少为目标,对植保无人机作业航向进行寻优。改进蚁群算法通过附加记录作业路径进入点的机制,实现对三维作业路径的合理排序,生成总长度较短的转移路径。经过算例检验,针对同一作业区域规划出的三维作业路径与水平面内的作业路径的航向角存在较大差异,相差最大为92°,这说明考虑三维地形的必要性。算例中,将改进的蚁群算法与贪婪算法进行了对比,针对一系列相同的作业起点,改进的蚁群算法所得的转移路径总长度均较短,比贪婪算法所得结果缩短3%~28%;在未选定作业起点情况下,改进的蚁群算法与贪婪算法求得的转移路径总长度最小值分别为1661m与1763m,说明改进的蚁群算法具有良好的寻优能力。实例检验情况与算例所得结论基本一致。算例与实例中的作业区域边界与地形复杂,涵盖情况全面,表明本文提出的路径规划方法具有一定实用性。 相似文献
20.
植保无人机旋翼下洗气流对喷幅的影响研究 总被引:3,自引:0,他引:3
基于XV-2植保无人机,利用流体仿真,探究了该无人机旋翼下洗气流的速度分布特性。在此基础上,分析了在下洗气流影响下的雾滴运动方式,并进行实地测试。仿真分析说明:旋翼下洗气流从中心向外的流速差使流场从上向下有向外的铺展效应,使得喷幅增大,且喷幅与飞行高度成正比;旋翼外沿的卷扬气流使得喷幅范围内的雾滴沉积数出现2个峰值。试验结果表明:当飞行高度为6 m时,有效喷幅为10 m;飞行高度8 m时,有效喷幅为12 m。2种飞行高度下的雾滴分布均匀性基本一致。试验结果与仿真结果基本一致。研究结果可为无人机喷雾系统设计和航空植保作业参数的选择提供参考依据。 相似文献