您好,欢迎访问北京市农林科学院 机构知识库!

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

作者: 卢闯 1 ; 胡海棠 1 ; 覃苑 1 ; 淮贺举 1 ; 李存军 1 ;

作者机构: 1.北京市农林科学院信息技术研究中心

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。

  • 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

[3]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

[4]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

[5]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

[6]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

[7]自主研制的田间成像高光谱仪农学建模研究. 黄文江,张东彦,马智宏,王秋平. 2010

[8]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[9]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

[10]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

[11]基于多源遥感数据的大豆叶面积指数估测精度对比. 高林,李长春,王宝山,杨贵军,王磊,付奎. 2016

[12]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

[13]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

[14]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

[15]基于无人机数码影像的冬小麦氮含量反演. 刘帅兵,杨贵军,景海涛,冯海宽,李贺丽,陈鹏,杨文攀. 2019

[16]基于无人机数码影像的大豆育种材料叶面积指数估测. 李长春,牛庆林,杨贵军,冯海宽,刘建刚,王艳杰. 2017

[17]基于5DMarkⅡ相机的无人机测绘1∶500地形图可行性分析. 冯幼贵,邢著荣,韩玉琪. 2015

[18]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

[19]植保无人机喷施雾滴沉积特性的荧光示踪分析. 张瑞瑞,李龙龙,文瑶,陈立平,唐青,伊铜川,宋佳星. 2020

[20]基于综合指标的冬小麦长势无人机遥感监测. 裴浩杰,冯海宽,李长春,金秀良,李振海,杨贵军. 2017

作者其他论文 更多>>