作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载C...作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器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,可作为指导精准农业研究的一种新方法。展开更多
叶面积指数（leaf area index,LAI）是评价作物长势和预测产量的重要依据。光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要;然而,围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。该文利...叶面积指数（leaf area index,LAI）是评价作物长势和预测产量的重要依据。光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要;然而,围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。该文利用ASD Field Spec FR Pro 2500光谱辐射仪（ASD Field Spec FR Pro 2500 spectroradiometer,ASD）和Cubert UHD185 Firefly成像光谱仪（Cuber UHD185 Firefly imaging spectrometer,UHD185）在冬小麦试验田进行空地联合试验,基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据,估测冬小麦LAI。该文选择同步获取的冬小麦冠层ASD光谱反射率数据作为评价无人机UHD185高光谱数据质量的标准,依次从光谱曲线变化趋势、光谱相关性以及目标地物光谱差异三方面展开分析,结果表明458~830 nm（第3~96波段）的UHD185光谱数据可靠,可使用其探测冬小麦LAI,这为今后无人机UHD185高光谱数据的使用提供了参考。该文研究对比分析了UHD185数据计算的红边参数和光谱指数与冬小麦LAI的相关性,结果表明：12种参数中比值型光谱指数RSI（494,610）与LAI高度正相关,是估测LAI的最佳参数;基于比值型光谱指数的对数形式lg（RSI）构建的线性模型展现出lg（RSI）与lg（LAI）较优的线性关系（决定系数R2=0.737,参与建模的样本个数n=103）,且lg（LAI）预测值和lg（LAI）实测值高度拟合性（R2=0.783,均方根误差RMSE=0.127,n=41,P〈0.001）;该研究为利用无人机高光谱遥感数据开展相关研究积累了经验,也为发展无人机高光谱遥感的精准农业应用提供了参考。展开更多
针对中国水稻施肥机械化程度低,传统撒施肥料利用率低、施肥量大的现状,结合侧深施肥农艺特点,对风送式排肥方法进行了理论分析,研制了风送式水稻侧深精准施肥装置。该装置采用模块化设计与乘坐式插秧机配套使用,采用电机驱动排肥、风...针对中国水稻施肥机械化程度低,传统撒施肥料利用率低、施肥量大的现状,结合侧深施肥农艺特点,对风送式排肥方法进行了理论分析,研制了风送式水稻侧深精准施肥装置。该装置采用模块化设计与乘坐式插秧机配套使用,采用电机驱动排肥、风送肥料、全球定位系统(global position system,GPS)测速的工作原理,侧位深施化肥的施肥方式,采用车辆行驶速度与排肥驱动电机转速实时匹配的精准施肥控制方法。设备在黑龙江七星农场开展了田间实际作业试验。试验表明,该装置与插秧机配合使用时能一次性完成插秧与侧深精准施肥作业,当预置施肥量为300 kg/hm2,车辆稳定行驶速度为1 m/s时,施肥量偏差控制在5.82%以内,能够较好的满足实际生产需求。该研究为开展水稻变量施肥控制技术研究和水稻侧深施肥装置的研发提供了参考。展开更多
当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的...当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。展开更多
文摘作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器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,可作为指导精准农业研究的一种新方法。
文摘叶面积指数（leaf area index,LAI）是评价作物长势和预测产量的重要依据。光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要;然而,围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。该文利用ASD Field Spec FR Pro 2500光谱辐射仪（ASD Field Spec FR Pro 2500 spectroradiometer,ASD）和Cubert UHD185 Firefly成像光谱仪（Cuber UHD185 Firefly imaging spectrometer,UHD185）在冬小麦试验田进行空地联合试验,基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据,估测冬小麦LAI。该文选择同步获取的冬小麦冠层ASD光谱反射率数据作为评价无人机UHD185高光谱数据质量的标准,依次从光谱曲线变化趋势、光谱相关性以及目标地物光谱差异三方面展开分析,结果表明458~830 nm（第3~96波段）的UHD185光谱数据可靠,可使用其探测冬小麦LAI,这为今后无人机UHD185高光谱数据的使用提供了参考。该文研究对比分析了UHD185数据计算的红边参数和光谱指数与冬小麦LAI的相关性,结果表明：12种参数中比值型光谱指数RSI（494,610）与LAI高度正相关,是估测LAI的最佳参数;基于比值型光谱指数的对数形式lg（RSI）构建的线性模型展现出lg（RSI）与lg（LAI）较优的线性关系（决定系数R2=0.737,参与建模的样本个数n=103）,且lg（LAI）预测值和lg（LAI）实测值高度拟合性（R2=0.783,均方根误差RMSE=0.127,n=41,P〈0.001）;该研究为利用无人机高光谱遥感数据开展相关研究积累了经验,也为发展无人机高光谱遥感的精准农业应用提供了参考。
文摘针对中国水稻施肥机械化程度低,传统撒施肥料利用率低、施肥量大的现状,结合侧深施肥农艺特点,对风送式排肥方法进行了理论分析,研制了风送式水稻侧深精准施肥装置。该装置采用模块化设计与乘坐式插秧机配套使用,采用电机驱动排肥、风送肥料、全球定位系统(global position system,GPS)测速的工作原理,侧位深施化肥的施肥方式,采用车辆行驶速度与排肥驱动电机转速实时匹配的精准施肥控制方法。设备在黑龙江七星农场开展了田间实际作业试验。试验表明,该装置与插秧机配合使用时能一次性完成插秧与侧深精准施肥作业,当预置施肥量为300 kg/hm2,车辆稳定行驶速度为1 m/s时,施肥量偏差控制在5.82%以内,能够较好的满足实际生产需求。该研究为开展水稻变量施肥控制技术研究和水稻侧深施肥装置的研发提供了参考。
