排序方式: 共有5条查询结果,搜索用时 156 毫秒
1
1.
近红外光谱技术在土壤养分分析中的研究进展及应用前景 总被引:3,自引:0,他引:3
精准农业是近年来国际上农业科学研究的热点领域,是现代信息技术和传统农业紧密结合的产物。近红外光谱技术(NIRS)作为一种无损、实时、准确的分析手段,在土壤学领域的应用逐渐得到了人们的重视,是实现精准农业的有效手段之一。对其目前在土壤学领域的应用进行了介绍和分析,认为NIRS在土壤学领域的发展方向应该是田间信息实时采集技术,即在田间条件下利用便携式NIRS分析仪对土壤养分和农作物苗情进行实时分析和处理,另外NIRS还可以与空间遥感技术相结合,宏观掌握农作物所需营养及其长势信息,从根本上改变我国粗放型农业现状。 相似文献
2.
3.
分数阶微分技术在机载高光谱数据估算土壤含水量中的应用 总被引:2,自引:0,他引:2
无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率,可获取高质量的高光谱数据。然而,高光谱数据通常伴随噪声和数据冗余,高光谱信息利用效率低,常规预处理难以满足精准估算的需求。因此,为解决上述现实问题,针对机载高光谱影像的数据挖掘必不可少。利用分数阶微分(FOD)技术逐像元处理机载高光谱数据(步长为0.1)。通过对比FOD技术与整数阶技术对高光谱数据的改善能力,从光谱层面探寻最佳FOD阶数。在梯度提升回归树(GBRT)算法下构建土壤含水量(SMC)估算模型,最终在最佳模型下评估SMC的空间分布。结果表明:FOD技术提高光谱与SMC的相关系数(rmax=0.768),与原始光谱、一阶微分和二阶微分处理后的光谱同SMC相关系数相比,分别提升0.168,0.157和0.158。FOD技术提升模型估算精度的主因是突出有效光谱信息的作用,特别是与水分胁迫密切敏感的叶绿素、植物结构和水分响应波段(430,460,640,660和970 nm)。即使FOD技术取得理想的结果,不同阶数的效果仍有差异。高阶FOD对影像增加了一定噪声,相较于高阶FOD(1<阶数<2),低阶FOD(0<阶数<1)对相关性的改善更为明显。FOD技术对SMC估算模型的性能有很大提高,在0.4阶模型下取得最优结果(R2p=0.874,RMSEP=1.458,RPIQ=3.029)。此外,0.1—0.9阶和1.6—1.9阶的SMC估算模型比整数阶模型更优(R2p提升0.8%~13.8%),但根据模的RPIQ发现,低阶FOD模型在模型的预测能力方面更强。在0.4阶模型下反演农田土壤水分的空间分布表明干旱区农田SMC具有显著的空间异质性。研究结果表明低阶FOD技术有效地实现对高光谱数据挖掘,从而实现农业SMC的精准估算。该研究提出了针对机载高光谱影像处理的新方法,为干旱区精准农业实施和管理提供新的策略。 相似文献
4.
基于无人机多光谱影像的冬小麦返青期变量施氮决策模型研究 总被引:1,自引:0,他引:1
氮素是影响冬小麦生长的重要元素,如何根据冬小麦需求适时变量施用氮肥是现代农业精准施肥研究需要解决的关键问题之一。无人机遥感技术在冬小麦生长情况监测中具有高分辨率、高时效性、低成本等优势,为解决施肥需求监测问题提供了重要数据源。因此研究无人机多光谱影像数据,构建其与冬小麦产量与施肥量之间的关系模型对于精准施肥研究十分重要。选择冬小麦典型生产区山东省桓台县为实验区,布置4种不同施氮水平的田间实验。利用无人机搭载Sequoia多光谱传感器,采集实验区不同氮素施肥水平的冬小麦返青初期多光谱影像,同时测得冬小麦冠层叶绿素含量(soil and plant analyzer development,SPAD)数据及产量数据。通过多光谱影像数据计算获得归一化植被指数(normalized difference vegetation index,NDVI)、叶绿素吸收指数(modified chlorophyll absorption ratio index,MCARI2)等6种形式植被指数,建立无人机多光谱影像植被指数与小麦冠层SPAD值的线性、二阶多项式、对数、指数和幂函数模型,优选地面氮素状况最优植被指数模型,反演冬小麦不同施氮水平的状况,进而根据不同施氮水平与敏感植被指数和冬小麦产量的关系,构建了基于植被指数指标的氮肥变量施肥模型,并将模型应用于同时期小麦多光谱影像。结果如下:(1)地面实测的SPAD值能较好的反映冬小麦施氮水平及生长状况。无人机多光谱数据分区统计结果表明不同施氮水平冬小麦冠层反射率有较大差异性。(2)结构性植被指数与SPAD拟合效果优于其他类型指数。MCARI2的二阶多项式模型精度最优(R2=0.790,RMSE=0.22),其能较好的移除冬小麦返青初期土壤背景等因素的影响,为氮肥敏感植被指数。(3)基于产量-施氮量模型和产量-敏感植被指数模型,构建敏感植被指数的氮肥变量施肥模型为Nr=10 707.63×MCARI22-5 992.36×MCARI2+715.27。通过模型应用生成了实验区冬小麦氮肥变量施肥图,与实际情况具有较高一致性。该研究提出了利用无人机多光谱数据进行冬小麦施氮决策的模型及方法,为冬小麦精准施肥的进一步研究提供了依据。 相似文献
5.
1