《RemoteSensing》--S185精准农业应用案例大豆.PDF

《RemoteSensing》--S185精准农业应用案例大豆.PDF

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《RemoteSensing》--S185精准农业应用案例大豆.PDF

《Remote Sensing》--S185 精准农业应用案例:大豆叶面积指数反演 北京农业信息技术研究中心定量遥感重点实验室 农业信息技术国家工程研究中心 北京市农业物联网工程技术研究中心 河南理工大学 叶面积指数(LAI)是植物生长和产量的重要指标,高光谱遥感是一种快速、无损监测技术, 可在不破坏植物组织结构的前提下,实现对作物生长季营养状况的监测。S185画幅式机载高速成 像光谱仪可方便搭载在无人机上快速获取高光谱遥感年数据,因此,利用S185可以快速、精确、 实时地对植物LAI进行估测,对于植物生长长势监控、产量估算以及病虫害防治具有重要的作用。 北京农业信息技术研究中心定量遥感重点实验室等单位利用S185机载高速成像光谱仪采集山 东济宁嘉祥县5个生长期内的大豆机载高光谱数据反演大豆LAI,获得较好的结果,并分析比较了随 机森林(RF)、人工神经网络网络(ANN)、支持向量机(SVM)三种回归模型的精度,准确度和 稳定性,为大豆叶面积指数(LAI)反演提供了方法和参考,对大豆的精准施肥以及快速、无损长 势监测具有一定的指导意义和参考价值。 山东济宁嘉祥县位于终南山和华北平原交界处,地处暖温带,大陆性季风气候。本轮实验共采 集 126 个样方品种为研究对象,品种组合从 2015 年 6 月 13 日种植的 46 个大豆品种中产生。数 据共收集五次:2015 年 8 月 1 日(开花期,R1), 2015 年 8 月 13 日(初荚期,R3), 2015 年 9 月 1 日(鼓粒期,R5), 2015 年 9 月 17 日(鼓粒满期, R6), 2015 年 9 月 28 日( 初熟期,R7)。 试验区种植密度约为 195000 /hm2。每个生长期共有 126 个样地。 图 1 采样点分布图——山东省嘉祥县:每个样地为 3×5m 矩形(六行长 5 米,间隔 0.5 米的大豆) 北 京 安 洲 科 技 有 限 公 司 Beijing AZUP Scientific Co., Limited 北京?海淀?上地信息路 2 号国际创业园 1 号楼 12C 邮编:100085 全国服务热线:4006-507-608 电话:0102602/2652 info@ 用 LAI-2200C 冠层分析仪测量 LAI。表 1 显示了不同生长阶段 LAI 的分布情况。在 R6 和 R3 期内 LAI 值显著(p 0.05),表明在大多数生育期内 LAI 分布不平衡。 表 1 大豆 LAI 统计描述:p 值是 Kolmogorov Smirnov 检验的结果 注意:*表示所观察到的 LAI 均匀分布 为了进一步研究的 RF,ANN 和 SVM 模型估测 LAI,采用 SRS 和 STR 抽样方法进行样本选 择,校正集包含 70%的总样品,剩余的样品作为验证集。为探索模型精度,在整个生长期和单生 育期进行 LAI 反演。鼓粒期是大豆育种最重要的时期,在此期间 LAI 分布均匀。采用一阶导数预处 理方以及 STR 与 SRS 两种抽样方法建立 RF,ANN 和 SVM 模型,结果验证了三种模型各自的必 需条件以及优势所在。具体流程图如图 2 所示。

文档评论(0)

tangtianxu1 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档