您好,欢迎访问北京市农林科学院 机构知识库!

基于无人机载高光谱空间尺度优化的大豆育种产量估算

文献类型: 中文期刊

作者: 赵晓庆 1 ; 杨贵军 1 ; 刘建刚 1 ; 张小燕 2 ; 徐波 1 ; 王艳杰 1 ; 赵春江 1 ; 盖钧镒 2 ;

作者机构: 1.北京农业信息技术研究中心

2.南京农业大学大豆研究所/国家大豆改良中心

关键词: 无人机;遥感;传感器;无人机成像光谱仪;采样范围;大豆育种

期刊名称: 农业工程学报

ISSN: 1002-6819

年卷期: 2017 年 33 卷 01 期

页码: 110-116

收录情况: EI ; 北大核心 ; CSCD

摘要: 为探讨无人机载高光谱空间尺度对大豆产量预测精度的影响,该文以山东嘉祥圣丰大豆为研究对象,设计以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器的无人机遥感农情监测系统,获取了大豆多个生育期的无人机高光谱数据。首先,该研究利用盛荚期-始粒期(R4-R5期)的高光谱影像,由21个不同光谱空间尺度提取的高光谱数据构建植被指数,通过植被指数方差分析结果可知所选冠层植被指数与不同品种大豆植株的生长状况密切相关,但是不同空间尺度下的F值仍存在较为明显的差异;其次,采用偏最小二乘回归建立产量与不同空间尺度的植被指数之间的回归模型,通过模型方程估算精度的曲线变化趋势进一步将最优空间尺度面积确认至9.03~10.13 m2,即当采样空间尺度区域长、宽与小区总长、宽比例介于4.25:5和4.5:5时,所得到的冠层光谱能够尽可能准确地估测大豆产量,此时估算产量和实测产量呈极显著相关(相关系数r=0.811 7,参与建模的样本个数270)。该研究可为使用高、低空高光谱影像进行作物表型信息解析和估产提供参考。

  • 相关文献

[1]基于无人机高光谱遥感的冬小麦叶面积指数反演. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌. 2016

[2]无人机遥感解析田间作物表型信息研究进展. 刘建刚,赵春江,杨贵军,于海洋,赵晓庆,徐波,牛庆林. 2016

[3]地、空尺度的农作物高通量表型分析的应用与挑战. 陈龙跃,段丹丹,徐卫兵,李作麟,赵冲,姜毅,高永钢,左文庆. 2024

[4]基于多载荷无人机遥感的大豆地上鲜生物量反演. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕. 2017

[5]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[6]基于无人机数码影像的冬小麦叶面积指数探测研究. 高林,杨贵军,李红军,李振海,冯海宽,王磊,董锦绘,贺鹏. 2016

[7]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

[8]农用无人机多传感器遥感辅助小麦育种信息获取. 杨贵军,李长春,于海洋,徐波,冯海宽,高林,朱冬梅. 2015

[9]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

[10]基于无人机遥感影像的玉米苗期株数信息提取. 刘帅兵,杨贵军,周成全,景海涛,冯海宽,徐波,杨浩. 2018

[11]基于无人机搭载数码相机的小麦育种表型信息解析. 陆国政,李长春,杨贵军,于海洋,赵晓庆. 2016

[12]基于无人机多光谱影像的夏玉米叶片氮含量遥感估测. 魏鹏飞,徐新刚,李中元,杨贵军,李振海,冯海宽,陈帼,范玲玲,王玉龙,刘帅兵. 2019

[13]无人机农林业应用全球研究态势分析. 陈梅香,张瑞瑞,陈立平,唐青,夏浪. 2021

[14]无人机遥感技术在竹林碳储量监测中的应用与展望. 王凡,陈龙跃,高佳华,张祖铭,孙鹤,段丹丹. 2024

[15]便携式地温数字测量仪. 何秀红,北京理工大学,韩力,乔晓军,王成,张云鹤. (Mis

[16]传感器在我国设施农业中的应用现状与需求分析. 乔晓军,姚允龙. 2001

[17]基于精准灌溉的农业物联网应用研究. Xu Gang,徐刚,Chen Liping,陈立平,Zhang Ruirui,张瑞瑞,Guo Jianhua. 2016

[18]小麦群体叶面积指数差异的反射光谱响应度研究. 杨敏华,胡慧萍,赵永超,王之杰,赵春江. 2004

[19]夏玉米涝灾无人机LIDAR监测研究. 甘平,董燕生,孙林,廖永丰,郭清,吕雪锋,何飞. 2016

[20]具有CAN接口的低成本农用测速模块开发. 付卫强,黄文倩,孟志军,陈立平. 2008

作者其他论文 更多>>