基于无人机采集的视觉与光谱图像预测棉花产量（英文）

文献类型： 中文期刊

第一作者： 张美娜

作者： 张美娜;冯爱晶;周建峰;吕晓兰

作者机构：

关键词： 无人机;农作物;遥感;棉花;产量预测;图像处理;建模

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2019 年 05 期

页码： 91-98

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了高效管理农田,该文提出了一种应用低空遥感视觉与光谱图像预测棉花产量的方法。盛花期前的棉花图像由无人机遥感平台在距地面50m的飞行高度下采集,采集的局部图像通过拼接处理得到棉花地的全景RGB图像与CIR(color-infrared,彩色红外)图像。基于全景图像提取并计算了色度、植株覆盖率与归一化植被指数(normalized difference vegetationindex,NDVI)3个特征参数,用于构建棉花产量的预测模型。包括产量与特征参数的原始数据集随机分为训练集(90%)与测试集(10%)。训练集数据首先基于产量概率分布特征去除了10%的离群值,然后通过均值滤波器滤波,处理后的数据用于构建预测模型。通过SAS软件对比分析了单变量、双变量以及三变量构建的线性回归模型,预测模型由P值、决定系数R2、每0.4 hm2面积下估计值与真实值之间的平均绝对误差百分比(mean absolute percentage error,MAPE)这3个参数进行评估。试验结果表明,单变量、双变量以及三变量构建的共7个线性回归模型,其P值均小于0.05,则7个线性回归模型均具有统计学意义(5%显著性水平)。其中,由三变量构建的多元线性回归模型具有最大的决定系数R2=0.9 773,因此适应性最优。基于测试集验证模型精度,试验结果表明,采用多元线性回归模型进行产量估计,估计值与实际值之间的平均绝对误差百分比为4.0%。因此,无人机搭载图像传感器采集提取视觉与光谱特征能够有效用于作物产量的预测。

分类号： S562`S127

  • 相关文献

[1]基于无人机的高光谱遥感图像采集和处理技术研究. 陈智虎,童倩倩,赵泽英,岳延滨. 2019

[2]基于小型无人机遥感的玉米倒伏面积提取. 陈仲新,王利民,刘佳,周清波. 2014

[3]无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量. 陈鹏,冯海宽,李长春,杨贵军,杨钧森,杨文攀,刘帅兵. 2019

[4]无人机可见光遥感影像的农作物信息提取及验证. 陈智虎,许元红,童倩倩,刘春艳,赵泽英. 2020

[5]基于无人机多光谱的棉花育种材料FPAR估测. 唐中杰,王来刚,郭燕,张彦,张红利,杨秀忠,贺佳. 2021

[6]作物生长模型的适用性评价及冬小麦产量预测. 王伟,黄义德,黄文江,李存军,王娴. 2010

[7]融合多源时空数据的冬小麦产量预测模型研究. 王来刚,郑国清,郭燕,贺佳,程永政. 2022

[8]基于多源遥感数据和机器学习算法的冬小麦产量预测研究. 甘甜,李雷,李红叶,宋成阳,谢永盾,陶志强,肖永贵,孟亚雄. 2022

[9]基于生态因子的冬小麦产量遥感估测研究. 李卫国,王纪华,赵春江,李存军,王永华. 2009

[10]高温胁迫下水稻产量的高光谱估测研究. 谢晓金,李映雪,李秉柏,申双和,程高峰. 2010

[11]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[12]无人机机载激光雷达提取果树单木树冠信息. 陈日强,李长春,杨贵军,杨浩,徐波,杨小冬,朱耀辉,雷蕾,张成健,董震. 2020

[13]基于U-Net网络和无人机影像的松材线虫病变色木识别. 张瑞瑞,夏浪,陈立平,谢春春,陈梅香,王维佳. 2020

[14]基于图像拼接的苗期玉米植株缺失数量自动测量方法. 王传宇,郭新宇,肖伯祥,杜建军,吴升. 2014

[15]基于无人机热红外与数码影像的玉米冠层温度监测. 杨文攀,李长春,杨浩,杨贵军,冯海宽,韩亮,牛庆林,韩东. 2018

[16]基于无人机数码影像的玉米育种材料株高和LAI监测. 牛庆林,冯海宽,杨贵军,李长春,杨浩,徐波,赵衍鑫. 2018

[17]基于OLI影像的四川丘陵地区水稻种植面积监测. 蒋怡,李宗南,李丹丹,任国业,李章成. 2018

[18]基于相似性分析及线性光谱混合模型的双季稻面积估算. 景元书,李根,黄文江. 2013

[19]基于Worldview-2影像的玉米倒伏面积估算. 陈仲新,任国业,李章成,王昕. 2016

[20]绿洲景观多季相特征的线性光谱混合分解方法研究. 刘娜,李红,孙丹峰,周连第. 2010

作者其他论文 更多>>

微信小程序