基于无人机多光谱影像的春玉米田管理分区研究

文献类型： 中文期刊

第一作者： 卢闯

作者： 卢闯;胡海棠;覃苑;淮贺举;李存军

作者机构：

关键词： 管理分区;多光谱影像;无人机;作物长势;土壤养分

期刊名称： 中国农业科技导报

ISSN： 1008-0864

年卷期： 2022 年 009 期

页码： 106-115

收录情况： 北大核心 ; CSCD

摘要： 为了提高大尺度农田管理的针对性，探寻低成本高效的分区方法，以黑龙江省典型黑土区30.8 hm2春玉米田为对象进行分区研究。基于吐丝期无人机多光谱影像，使用多尺度分割与模糊聚类相结合的方法进行分区，同时基于播种前的土壤养分（土壤有机质、速效氮磷钾）、土壤体积含水率、电导率、pH进行模糊聚类分区并作为对照，对分区间春玉米产量和土壤养分进行方差分析，并对分区内变异系数进行比较以评价分区效果。结果表明，基于无人机影像得到4个较优管理分区为M1、M2、M3、M4，各分区产量分别为7 597.53、8 236.35、8 686.98、9 119.93 kg·hm-2，各分区间产量差异显著，其中M1、M2、M3间土壤养分差异显著（P＜0.05），分区内作物产量和土壤养分的变异系数降低；基于土壤数据确定4个分区，即S1、S2、S3、S4，春玉米产量分别为7 754.81、8 173.44、8 860.05、9 153.23 kg·hm-2，分区间土壤养分、土壤水分差异显著（P＜0.05），分区内部土壤均一性提高。综合来看，2种方法的划分结果在空间分布上具有一定的相似性，同级分区的空间重合度分别为40.00%、46.51%、57.45%、59.38%，整体重合度为51.32%。当缺乏土壤数据时，无人机多光谱影像可为农田管理分区提供参考依据。

分类号： S513%S127

  • 相关文献

[1]无人机多光谱影像辐射一致性自动校正. 杨贵军,万鹏,于海洋,徐波,冯海宽. 2015

[2]基于Lab颜色空间的小麦成熟度监测模型研究. 赵巧丽,臧贺藏,李国强,张杰,王猛,赵威,郑国清. 2023

[3]基于无人机多光谱影像的病害棉田产量损失估算. 宋勇,陈兵,王琼,王静,赵静,孙乐鑫,陈子杰,韩焕勇,王方永,傅积海. 2022

[4]基于无人机多光谱影像特征估算棉花生物量. 邵亚杰,李珂,丁文浩,林涛,崔建平,郭仁松,王亮,吴凤全,王心,汤秋香. 2024

[5]面向草畜平衡的无人机多光谱影像数据集. 金忠明,胡天赐,蒋呈祥,齐景伟,闫瑞瑞,郭雷风. 2022

[6]基于无人机多光谱遥感的小麦长势监测研究. 牛鲁燕,蒋风伟,张俊丽,孙家波,张晓艳,卢德成,刘延忠. 2021

[7]基于无人机多光谱影像的棉花黄萎病监测. 宋勇,陈兵,王琼,王刚,王静,刘海建,郑登科,李金霞,陈子杰,孙乐鑫. 2023

[8]县域棉花信息遥感提取与棉田精确化管理分区研究. 李敏,赵庚星,蔡明庆,赵倩倩,唐建. 2012

[9]基于Quickbird遥感影像的农田管理分区划分研究. 宋晓宇,王纪华,刘良云,黄文江,沈涛,喻铮铮. 2007

[10]数理统计在植保试验研究中的应用第二讲如何进行试验设计. 唐启义. 2001

[11]基于中国气象卫星数据的乌克兰农作物长势监测. 李禹萱,冷佩,范锦龙. 2022

[12]基于嵌入式设备的作物长势监测系统. 李乔宇,尚明华,王风云,王璐,李振波. 2019

[13]基于MODIS的黑龙江省耕地作物长势监测. 吕志群,李杨,刘克宝,张国庆,张宇. 2023

[14]MODIS时序数据在县级尺度作物长势监测分析中的应用. 于堃,王志明,孙玲,单捷,毛良君. 2013

[15]结合植被指数与纹理特征的玉米冠层FAPAR遥感估算研究. 王思宇,聂臣巍,余汛,邵明超,王梓旭,努热曼古丽·托乎提,刘亚东,程明瀚,官云兰,金秀良. 2021

[16]基于ARSIS策略的SAR影像与多光谱遥感小波融合. 李卫国,蒋楠,熊世为. 2012

[17]基于GPS和GIS的农田变量喷药控制系统. 马景宇,潘瑜春,赵春江,李翔,王锦地. 2006

[18]基于多年产量数据的精准农业管理分区提取与尺度效应评价. 李翔,潘瑜春,赵春江,王纪华,鲍艳松,王锦地. 2005

[19]基于多种土壤养分的精准管理分区方法研究. 李翔,潘瑜春,马景宇,赵春江,王纪华. 2007

[20]基于空间连续性聚类算法的精准农业管理分区研究. 李翔,潘瑜春,赵春江,王纪华,鲍艳松,刘良云,王锦地. 2005

作者其他论文 更多>>

微信小程序