排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
基于中分辨卫星影像的农用航空喷药效果评估 总被引:3,自引:0,他引:3
遥感技术能被用于大尺度作物化学喷药效果检测,这为精准农业航空施药发展提供了重要的技术支撑。利用M-18B农用飞机在4米的飞行高度喷施化学农药混合剂(杀菌剂和植物生长调节剂),去控制水稻爆发性疾病--叶片纹枯病和促进水稻植株的生长。施药一周后,喷药区的卫星影像被获取并计算植被指数,同时采集了地面化学农药的药液沉积量。分析了药液雾滴沉积量和植被指数的关系,结果显示,单相光谱特征(NDVI)和液滴沉积点密度(DDPD点·cm-2) 的相关系数是0.315,p-value为0.035;时间变化特征 (MSAVI)和液滴沉积体积密度(DDVD μL·cm-2)之间的相关系数是0.312,p-value为0.038。另外,水稻生长活力最旺盛的范围都出现在喷洒区域内,植株活力随着药液漂移距离的增加逐步减少。同时,相同的变化趋势也出现在雾滴沉积量与光谱特征的空间变化插值图中。由此得知,从卫星图像中计算的植被指数NDVI和MSAVI,可以用来评估大尺度农田的农用航空药液喷洒效果。 相似文献
2.
低空遥感平台下可见光与多光谱传感器在水稻纹枯病病害评估中的效果对比研究 总被引:1,自引:0,他引:1
高效无损地评估农作物病害等级,对于实际农业生产和研究都具有重要意义。研究探讨了基于低空无人机遥感平台进行水稻纹枯病病害等级评估的可行性,分析可见光与多光谱传感器的光谱响应差异及其对感病水稻光谱反射率获取的影响,并定量对比两种传感器的病害监测效果。实验研究区由67个不同品种的水稻小区组成,每块小区均分为相接的纹枯病接种区和侵染区。以大疆精灵Phantom 3 Advanced小型消费级无人机作为搭载平台,分别搭载该无人机系统自带的可见光传感器和MicasenseRedEdgeTM多光谱传感器获取遥感影像。同时,通过植保专家现场调查的方式识别病害等级,并利用Trimble公司的手持式NDVI测量仪获取实测NDVI值。基于影像拼接、波段叠合、辐射校正后的预处理结果,对可见光图像的接种区和侵染区共134个小区计算七种可见光植被指数,即NDI(normalized difference index), ExG(excess green), ExR(excess red), ExG-ExR,B*,G*,R*,多光谱图像除上述可见光指数外再计算NDVI(normalized difference vegetation index), RVI(ratio vegetation index)和NDWI(normalized difference water Index)三种多光谱植被指数。将计算得到的图像植被指数与地面实测NDVI进行相关性分析,以选取两种传感器的最优图像植被指数建立水稻纹枯病病害等级反演模型。相关性分析结果表明,基于多光谱传感器计算的图像NDVI与实测NDVI拟合度最高,接种区R2为0.914,RMSE为0.024,侵染区R2为0.863,RMSE为0.024。对于可见光传感器,NDI与实测NDVI的相关性最好,接种区R2为0.875,RMSE为0.011,侵染区R2为0.703,RMSE为0.014。比较两种传感器两种区域的同一图像植被指数与实测NDVI的一致性,除B*外,NDI,ExR,ExG-ExR,G*,ExG,R*与实测NDVI基本属于高度相关,在病害严重的接种区,两种传感器对水稻纹枯病的监测效果相近,但在病害相对较轻的侵染区,多光谱传感器的监测更为精确灵敏。基于多光谱图像NDVI建立的病害等级反演模型,R2达到0.624,RMSE为0.801,预测精度达到90.04%,模型效果良好。而基于可见光图像NDI建立的反演模型,R2为0.580,RMSE为0.847,预测精度为89.45%,效果稍差。对比分析可见光与多光谱传感器的光谱响应曲线,可见光传感器可获取可见光范围的红、绿、蓝三个波段,波段范围互相重叠,多光谱传感器包含五个成像单元,可独立获取从可见光到近红外的五个窄波光谱波段,提供更加准确的光谱信息。比较传感器获取的接种区和侵染区水稻平均反射率曲线得出,多光谱传感器不仅在可见光波段反映了较可见光传感器更强的差异,在红边和近红外波段差异则更加明显,这说明专业窄波段传感器在病害监测方面较宽波段消费级传感器更有优势。综上所述,基于可见光与多光谱传感器的低空无人机遥感平台进行水稻纹枯病病害等级评估是可行的,多光谱传感器精确灵敏,可用于纹枯病的早期监测,可见光传感器效果稍差但经济易于推广。研究结果为病虫害防治提供决策支持,有助于推动实现精准农业,保障粮食安全。 相似文献
1