基于遙感技術(shù)的小麥產(chǎn)量無損估測一直是精準農(nóng)業(yè)領(lǐng)域中一個重要的研究方向,對國家糧食安全和農(nóng)業(yè)政策的制定與執(zhí)行具有重要的研究意義。同時,也是我國農(nóng)業(yè)智能化、數(shù)字化發(fā)展的重要技術(shù)基礎(chǔ)。本文選擇安徽省舒城縣農(nóng)科所和廬江縣白湖農(nóng)場作為研究區(qū),利用兩種多旋翼無人機平臺分別搭載可見光傳感器和高光譜傳感器,在2018和2019年采集當?shù)刂髟孕←溒贩N三個生育期（揚花期、灌漿期、成熟期）的冠層可見光影像和高光譜影像,通過偏最小二乘回歸（Partial Least Squares Regression,PLSR）、支持向量機（Support Vector Machine,SVM）、決策樹（Decision Tree,DT）、隨機森林（Random Forest,RF）和梯度提升樹（Gradient Boosting Regression Tree,GBRT）等機器學習算法優(yōu)選無人機圖像反演小麥產(chǎn)量的最佳模型并評價,以期為我國糧食主產(chǎn)省—安徽小麥估產(chǎn)提供技術(shù)參考。本文主要開展的研究工作如下:（1）以大疆精靈4 Pro四旋翼無人機作為數(shù)據(jù)獲取平臺,利用其自帶的4K高清數(shù)碼相機拍攝小麥三個關(guān)鍵生育期冠層的可見光影... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

整體技術(shù)路線圖

安徽大學碩士學位論文7第二章數(shù)據(jù)預處理及研究方法2.1研究區(qū)本文研究區(qū)位于安徽省合肥市廬江縣白湖農(nóng)場（31°13"25.7"N，117°27"48.8"E）和六安市舒城縣農(nóng)業(yè)科學研究所實驗基地（31°32"27.06"N，116°59"38.16"E），如圖2.1所示。圖2.1研究區(qū)Figure2.1Researchareas田間實驗在2017-2018年和2018-2019年兩個年度開展，供試小麥品種為江淮地區(qū)常規(guī)種植的“揚麥13號”、“寧麥13號”、“揚麥9號”、“寧麥9號”、“揚麥15號”、“揚麥19號”、“揚麥22號”、“皖西麥0638”、“生選6號”、“荃麥725”（2018-2019年度為“揚麥24號”）共10種小麥品種。實驗采用隨機區(qū)組設計，每個處理3次重復，共計30塊小區(qū)。供試小麥于10月下旬到11月初播種（白湖農(nóng)場和舒城農(nóng)科所因物候差異，小麥播種時間不同），兩個年度的種植密度分別為16萬株/畝（2017-2018年度）和20萬株/畝（2018-2019年度），各試驗點施肥量（純氮為12kg/畝，P2O5為8kg/畝，K2O為8kg/畝）一致，氮肥基追比為7:3，于返青期追施。如表2.1所示，2017-2018年度白湖農(nóng)場實驗小區(qū)面積為2m×6m=12m2，田塊設計為5行6列；舒城農(nóng)科所實驗小區(qū)面積為3m×4m=12m2，田塊設計為10行3列。2018-2019年度白湖農(nóng)場和舒城農(nóng)科所實驗小區(qū)的面積均為3m×4m=12m2，田塊均設

第二章數(shù)據(jù)預處理及研究方法8計為10行3列。表2.1實驗小區(qū)設計Table2.1Experimentalplotsdesign實驗年度實驗地區(qū)實驗小區(qū)面積實驗小區(qū)設計2017-2018白湖農(nóng)場2×6m=12m25行6列舒城農(nóng)科所3×4m=12m210行3列2018-2019白湖農(nóng)場3×4m=12m210行3列舒城農(nóng)科所3×4m=12m210行3列2.2數(shù)據(jù)獲取2.2.1無人機影像獲取大疆精靈4Pro四旋翼無人機和大疆經(jīng)緯M600Pro六旋翼無人機作為數(shù)據(jù)采集平臺，如圖2.2所示。其中，大疆精靈4Pro自帶高清數(shù)碼相機，大疆經(jīng)緯M600Pro搭載有CubertS185機載成像高光譜儀，其具有外形輕孝高速畫幅式成像、可遠程控制等優(yōu)點，廣泛應用于精準農(nóng)業(yè)、植被監(jiān)測、攝影測量等諸多領(lǐng)域。無人機及傳感器的性能參數(shù)如表2.2和2.3所示。圖2.2無人機平臺Figure2.2UAVplatforms

【參考文獻】：
期刊論文
[1]基于無人機高光譜遙感的東北粳稻冠層葉片氮素含量反演方法研究[J]. 馮帥,許童羽,于豐華,陳春玲,楊雪,王念一.  光譜學與光譜分析. 2019(10)
[2]遙感技術(shù)在精準農(nóng)業(yè)中的現(xiàn)狀及發(fā)展趨勢[J]. 楊麗.  農(nóng)業(yè)與技術(shù). 2019(16)
[3]基于無人機遙感的農(nóng)作物長勢關(guān)鍵參數(shù)反演研究進展[J]. 劉忠,萬煒,黃晉宇,韓已文,王佳瑩.  農(nóng)業(yè)工程學報. 2018(24)
[4]基于無人機影像的采煤沉陷區(qū)玉米生物量反演與分析[J]. 肖武,陳佳樂,笪宏志,任河,張建勇,張雷.  農(nóng)業(yè)機械學報. 2018(08)
[5]基于無人機遙感植被指數(shù)優(yōu)選的田塊尺度冬小麥估產(chǎn)[J]. 朱婉雪,李仕冀,張旭博,李洋,孫志剛.  農(nóng)業(yè)工程學報. 2018(11)
[6]一款無人機高光譜傳感器的驗證及其在玉米葉面積指數(shù)反演中的應用[J]. 陳鵬飛,李剛,石雅嬌,徐志濤,楊粉團,曹慶軍.  中國農(nóng)業(yè)科學. 2018(08)
[7]基于隨機森林算法的冬小麥葉面積指數(shù)遙感反演研究[J]. 張春蘭,楊貴軍,李賀麗,湯伏全,劉暢,張麗妍.  中國農(nóng)業(yè)科學. 2018(05)
[8]無人機搭載數(shù)碼相機航拍進行小麥、玉米氮素營養(yǎng)診斷研究[J]. 李紅軍,李佳珍,雷玉平,張玉銘.  中國生態(tài)農(nóng)業(yè)學報. 2017(12)
[9]基于無人機可見光影像的農(nóng)田作物分類方法比較[J]. 郭鵬,武法東,戴建國,王海江,徐麗萍,張國順.  農(nóng)業(yè)工程學報. 2017(13)
[10]基于無人機載高光譜空間尺度優(yōu)化的大豆育種產(chǎn)量估算[J]. 趙曉慶,楊貴軍,劉建剛,張小燕,徐波,王艷杰,趙春江,蓋鈞鎰.  農(nóng)業(yè)工程學報. 2017(01)

碩士論文
[1]基于無人機平臺的小麥長勢監(jiān)測與產(chǎn)量預測研究[D]. 王妮.南京農(nóng)業(yè)大學 2016



本文編號：3580507