本文關(guān)鍵詞：基于低空光譜成像遙感技術(shù)的油菜冠層SPAD檢測(cè)研究

  更多相關(guān)文章： 光譜成像技術(shù) 油菜冠層 SPAD 紋理特征 植被指數(shù) 特征波段

【摘要】：油菜是我國(guó)重要的油料作物,油菜種植時(shí)氮肥施用量影響油菜籽的產(chǎn)量以及含油量,利用低空光譜成像遙感技術(shù),及時(shí)有效地檢測(cè)油菜冠層的氮含量水平,制定精細(xì)的養(yǎng)分管理方案,有利于提高油菜的產(chǎn)量與質(zhì)量。本研究選用一種甘藍(lán)型油菜——浙雙758作為研究對(duì)象,以SPAD值作為氮素評(píng)判指標(biāo),利用無(wú)人機(jī)模擬平臺(tái)搭載多光譜相機(jī)進(jìn)行低空遙感,并基于多光譜圖像的植被指數(shù)和紋理特征分別建立油菜冠層SPAD值低空遙感解析模型；通過(guò)設(shè)置不同的圖像采集時(shí)間、采集時(shí)相機(jī)高度及運(yùn)動(dòng)速度等三個(gè)變量,探究不同采集因素對(duì)SPAD值解析模型的影響。本研究還利用可見(jiàn)近紅外高光譜成像技術(shù)檢測(cè)油菜冠層SPAD值,在優(yōu)選光譜預(yù)處理及特征波段選取方法后,分別基于全波段、特征波段光譜反射率以及特征波段圖像紋理特征,采用不同化學(xué)計(jì)量學(xué)建模方法建立油菜冠層SPAD值解析模型。主要研究結(jié)論如下：(1)基于多光譜圖像優(yōu)選植被指數(shù)建立油菜冠層SPAD值預(yù)測(cè)模型時(shí),植被指數(shù)NIR/G和NIR - G)/(NIR + G)與冠層SPAD值有較好的相關(guān)性,整體上線性函數(shù)模型優(yōu)于二次函數(shù)和指數(shù)函數(shù)模型；基于多光譜圖像紋理特征建立油菜冠層SPAD值預(yù)測(cè)模型時(shí),PLS模型優(yōu)于MLR模型；基于紋理特征建模易受成像質(zhì)量的影響,不同條件下基于優(yōu)選植被指數(shù)的模型預(yù)測(cè)性能穩(wěn)定性?xún)?yōu)于基于紋理特征的模型。(2)多光譜圖像采集時(shí)間、采集高度、采集速度對(duì)基于植被指數(shù)、紋理特征的SPAD值預(yù)測(cè)模型性能均有不同程度的影響；基于植被指數(shù)建模時(shí),圖像采集時(shí)間延后、采集高度增加能顯著提高模型預(yù)測(cè)性能,采集速度降低模型預(yù)測(cè)性能略高；基于紋理特征建模時(shí),圖像采集時(shí)間延后、采集高度增加、采集速度降低均能顯著提高模型預(yù)測(cè)性能；基于植被指數(shù)、紋理特征的SPAD值預(yù)測(cè)模型均在第3次圖像采集高度為1.9m、速度為0.1m/s時(shí),模型預(yù)測(cè)集相關(guān)系數(shù)Rp達(dá)到最優(yōu),分別為0.7354和0.7800。(3)基于可見(jiàn)近紅外高光譜圖像光譜特征建立油菜冠層SPAD預(yù)測(cè)模型時(shí),優(yōu)選卷積平滑和連續(xù)投影算法為光譜預(yù)處理和特征波段選擇方法；基于全波段的SPAD值PLS預(yù)測(cè)模型預(yù)測(cè)集相關(guān)系數(shù)Rp在第3次圖像采集時(shí)達(dá)到最優(yōu),為0.8287；不同時(shí)間基于特征波段光譜反射率建立P LS、MLR、BPNN、SVM、ELM等5種油菜冠層SPAD值預(yù)測(cè)模型時(shí),ELM模型適應(yīng)性略?xún)?yōu),模型預(yù)測(cè)集相關(guān)系數(shù)Rp在第3次圖像采集時(shí)達(dá)到最優(yōu),為0.8466；基于特征波段圖像紋理特征建立油菜冠層SPAD預(yù)測(cè)模型時(shí),PLS模型優(yōu)于MLR模型,在第2次圖像采集時(shí)達(dá)到最優(yōu),為0.7341；圖像采集時(shí)間對(duì)建模效果有影響,基于全波段和特征波段光譜特征的建模效果明顯優(yōu)于基于特征波段圖像紋理特征。本研究基于低空光譜成像遙感技術(shù)實(shí)現(xiàn)了油菜冠層SPAD值的快速檢測(cè),并探究了多光譜圖像采集時(shí)間、采集高度、采集速度對(duì)遙感解析模型的影響規(guī)律,為將來(lái)應(yīng)用無(wú)人機(jī)低空光譜成像遙感技術(shù)快速獲取大范圍油菜冠層氮素信息奠定了理論基礎(chǔ)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：S565.4;S127

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 汪小欽;王苗苗;王紹強(qiáng);吳云東;;基于可見(jiàn)光波段無(wú)人機(jī)遙感的植被信息提取[J];農(nóng)業(yè)工程學(xué)報(bào);2015年05期

2 李宗南;陳仲新;王利民;劉佳;周清波;;基于小型無(wú)人機(jī)遙感的玉米倒伏面積提取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年19期

3 左青松;楊海燕;冷鎖虎;曹石;曾講學(xué);吳江生;周廣生;;施氮量對(duì)油菜氮素積累和運(yùn)轉(zhuǎn)及氮素利用率的影響[J];作物學(xué)報(bào);2014年03期

4 欒江;仇煥廣;井月;廖紹攀;韓煒;;我國(guó)化肥施用量持續(xù)增長(zhǎng)的原因分解及趨勢(shì)預(yù)測(cè)[J];自然資源學(xué)報(bào);2013年11期

5 武軍;謝英麗;安丙儉;;我國(guó)精準(zhǔn)農(nóng)業(yè)的研究現(xiàn)狀與發(fā)展對(duì)策[J];山東農(nóng)業(yè)科學(xué);2013年09期

6 王利民;劉佳;楊玲波;陳仲新;王小龍;歐陽(yáng)斌;;基于無(wú)人機(jī)影像的農(nóng)情遙感監(jiān)測(cè)應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2013年18期

7 田振坤;傅鶯鶯;劉素紅;劉峰;;基于無(wú)人機(jī)低空遙感的農(nóng)作物快速分類(lèi)方法[J];農(nóng)業(yè)工程學(xué)報(bào);2013年07期

8 郭愛(ài)民;朱冬梅;劉彥敏;李正昌;;精細(xì)農(nóng)業(yè)在我國(guó)的發(fā)展現(xiàn)狀分析[J];現(xiàn)代農(nóng)業(yè);2013年03期

9 趙川源;何東健;喬永亮;;基于多光譜圖像和數(shù)據(jù)挖掘的多特征雜草識(shí)別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2013年02期

10 李冰;劉昒源;劉素紅;劉強(qiáng);劉峰;周公器;;基于低空無(wú)人機(jī)遙感的冬小麥覆蓋度變化監(jiān)測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2012年13期

，

本文編號(hào)：1150476