期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于无人机图像纹理和表型参数的夏玉米水分胁迫诊断
1
作者 张智韬 +7 位作者 巴亚岚 董宁 左西宇 杨宁 陈俊英 程智楷 张蓓 杨晓飞 《农业工程学报》 EI CAS CSCD 北大核心 2024年第10期136-146,共11页
农田水分胁迫是影响作物生长发育和产量品质的重要原因。及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义。为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载... 农田水分胁迫是影响作物生长发育和产量品质的重要原因。及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义。为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载六通道多光谱传感器获取2022年夏玉米拔节期和抽雄期的遥感影像数据,且同步采集夏玉米气孔导度和表型参数数据,监督分类剔除冗余背景后使用灰度共生矩阵计算得到冠层植被指数和图像纹理信息,通过贝叶斯信息准则和全子集筛选法筛选出敏感的植被指数、图像纹理和表型参数及其组合,结合极限学习机、随机森林和反向传播神经网络3种机器学习方法构建夏玉米气孔导度预估模型,并基于最优气孔导度预估模型绘制夏玉米水分胁迫状况反演图。结果表明,多光谱图像的夏玉米冠层反射率与气孔导度呈弱负相关,植被指数和表型参数与气孔导度呈显著正相关,不同波段的图像纹理均与气孔导度有较高的相关性。植被指数用于评估植被整体健康和水分状况,图像纹理用于捕捉作物空间分布、纹理和结构特征,表型参数用于立体反映作物生理和形态信息,它们在诊断作物水分胁迫的机理上具有互补性。基于植被指数、图像纹理和表型参数构建的反向传播神经网络模型是夏玉米水分胁迫诊断的最佳模型(决定系数为0.841,均方根误差为0.043 mol/(m^(2)·s),平均绝对误差为0.034 mol/(m^(2)·s)),并显著改善了对气孔导度较低值的低估情况。绘制的夏玉米水分胁迫状况反演图呈现出广泛的应用潜力,能够便捷准确地诊断作物水分胁迫状况,以优化灌溉策略,调整资源分配。研究结果可为夏玉米的水分胁迫诊断提供一种可行而准确的方法。 展开更多
关键词 无人机 水分胁迫 气孔导度 植被指数 图像纹理 表型参数
下载PDF
集成Sentinel-1/2和环境变量的新疆农田土壤含盐量反演
2
作者 巴亚岚 张智韬 +7 位作者 樊帅龙 杜瑞麒 郭菲 钱龙 白旭乾 贺玉洁 樊少帅 《农业工程学报》 EI CAS CSCD 北大核心 2024年第16期171-179,共9页
土壤盐渍化是危害农业生产和生态环境的重要因素,快速精准获取农田土壤盐分信息对农业可持续发展和土地资源管理具有指导作用。为了提高卫星遥感在植被覆盖条件下的土壤含盐量预测精度,该研究以新疆生产建设兵团农八师为研究区域,分别在... 土壤盐渍化是危害农业生产和生态环境的重要因素,快速精准获取农田土壤盐分信息对农业可持续发展和土地资源管理具有指导作用。为了提高卫星遥感在植被覆盖条件下的土壤含盐量预测精度,该研究以新疆生产建设兵团农八师为研究区域,分别在2023年7月和8月采集土壤表层(0~20 cm)样本,并获取同步卫星影像。通过Sentinel-1雷达信息、Sentinel-2多光谱信息与环境变量的不同组合构建数据集A(极化指数、光谱指数)、B(极化指数、环境变量)、C(光谱指数、环境变量)、D(极化指数、光谱指数、环境变量),采用自适应提升(adaptive boosting,AdaBoost)、梯度提升回归树(gradient boost regression tree,GBRT)和极端梯度提升树(extreme gradient boosting tree,XGBoost)3种集成学习算法,构建基于不同数据集的土壤含盐量反演模型。结果表明,1)基于数据集D构建的所有模型预测精度普遍高于数据集A、B、C构建的模型,环境变量与雷达数据、多光谱数据的协同使用可以有效提高模型精度;2)地形因子和地表温度可作为研究区土壤盐分预测的有效特征变量,其中海拔与表层土壤含盐量的相关性最高;3)在所有数据集中,XGBoost模型性能最优,GBRT次之,AdaBoost模型验证误差较大,其中D-XGBoost模型精度最高,其验证集决定系数为0.72,均方根误差为2.40 g/kg,平均绝对误差为1.29 g/kg;4)基于多种来源变量组合的集成学习算法具有强大的非线性拟合能力,XGBoost能够更好地模拟土壤含盐量与遥感信息和环境因子之间复杂的非线性关系,并获得理想的拟合结果。该研究结果可为新疆地区土壤含盐量实时动态监测和当地土地资源可持续利用提供有效的技术手段。 展开更多
关键词 土壤 含盐量 Sentinel-1/2 环境变量 集成学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部