科研产出
基于无人机RGB图像的金沙柚叶片叶绿素含量监测研究
《江西农业大学学报 》 2022 北大核心 CSCD
摘要：【目的】叶片叶绿素含量（leaf chlorophyll content,LCC）是表征金沙柚（Citrus grandis（L.）Osbeck）长势状况的重要指标。利用无人机RGB图像可实现植被长势参数实时、无损监测。然而，当前人们对无人机RGB图像监测蜜柚LCC时的敏感图像特征及适宜感兴趣区（region of interest,ROI）选取模式尚不明确。为构建基于无人机RGB图像的蜜柚LCC监测模型，实现利用无人机RGB图像快速监测金沙柚LCC。【方法】本研究基于不同氮肥水平的金沙柚田间试验，于开花期、幼果期和果实膨大期测定蜜柚LCC，同步使用无人机采集蜜柚RGB图像，并提取不同类型图像特征（6个颜色特征、9个植被指数、9个纹理特征）；分别在叶片ROI和冠层ROI两种模式下，分析不同图像特征与蜜柚LCC之间的相关性，确定最优ROI选取模式及敏感图像特征，并构建定量监测模型。【结果】包含有丰富红光信息的红光值（redness intensity,R）、超红植被指数（excess red vegetation index,ExR）和基于红光波段提取的均值（mean texture based on the red band,MEA-R）对蜜柚LCC敏感，在叶片ROI模式下利用其构建的监测模型精度高于在冠层ROI模式下构建的监测模型精度。3个图像特征中，ExR与蜜柚LCC之间相关性最高，在叶片ROI模式下构建的全生育期监测模型建模决定系数（determination coefficient,R~2）达到0.83，模型检验时归一化均方根误差（normalized root mean square error,nRMSE）和偏差（bias）分别为0.24和0.01 mg/g。R和MEA-R表现相似，叶片ROI模式下其建模R~2为0.72，检验nRMSE为0.33。【结论】考虑到监测模型的准确性和图像特征提取的方便性，本研究确定可基于叶片ROI模式提取图像特征ExR并构建全生育期蜜柚LCC监测模型：LCC=-0.01×ExR+2.83，实现利用无人机搭载数码相机快速、准确监测园区尺度金沙柚LCC，在金沙柚生长无损监测诊断和精确管理中具有应用价值。
关键词： 金沙柚 叶片叶绿素含量 无人机 RGB图像 图像特征 监测模型
全文链接
请求原文
基于作物生长监测诊断仪的双季稻叶干重监测模型
《作物学报 》 2021 北大核心 CSCD
摘要：本文旨在验证作物生长监测诊断仪（crop growth monitoring and diagnosis apparatus, CGMD）监测双季稻长势指标的准确性,建立基于CGMD的双季稻叶干重监测模型。通过实施8个不同早、晚稻品种和4个施氮水平的小区试验,采用CGMD获取从分蘖期至灌浆期的冠层归一化植被指数（normalized difference vegetation index, NDVI）、差值植被指数（differential vegetation index,DVI）和比值植被指数（ratio vegetation index,RVI）,同步采用高光谱仪（analytical spectral devices field-spec handheld 2, ASD FH2）获取冠层光谱反射率计算NDVI、DVI和RVI;分析2种光谱仪获取的植被指数间的相关关系,验证CGMD的测量精度,建立基于CGMD的叶干重监测模型,并用独立试验数据对模型进行检验。结果表明:早、晚稻叶干重随施氮水平的增加而增大,随生育进程的推进呈"低—高—低"动态变化趋势;CGMD与ASDFH2获取的NDVI、DVI和RVI呈极显著相关,相关系数（correlation coefficient,r）分别为0.9535～0.9972、0.9099～0.9948和0.9298～0.9926,表明2种光谱仪获取的植被指数具有高度的一致性, CGMD可替代价格昂贵的ASD FH2获取NDVI、DVI和RVI。CGMD获取的3个植被指数相比, RVICGMD与叶干重的相关性最高;基于RVICGMD的幂函数模型可准确地监测叶干重,模型建立的决定系数（determination coefficient,R2）为0.8604～0.9216,模型检验的均方根误差（root mean square error, RMSE）、相对均方根误差（relative root mean square error, RRMSE）和r分别为12.97～17.87 g m–2、4.88%～16.79%和0.9951～0.9992。与人工采样测定叶干重相比,利用CGMD可实时准确地获取双季稻叶干重动态变化,在双季稻长势精确诊断和丰产高效栽培中具有应用价值。
关键词： 双季稻 叶干重 作物生长监测诊断仪 植被指数 监测模型
全文链接
请求原文
基于作物生长监测诊断仪的双季稻叶片氮含量和氮积累量监测
《应用生态学报 》 2020 北大核心 CSCD
摘要：为了验证作物生长监测诊断仪(CGMD)监测双季稻氮素营养指标的准确性和适用性,构建基于CGMD的双季稻叶片氮含量(LNC)和氮积累量(LNA)的监测模型.选用8个不同早、晚稻品种,设置4个不同施氮水平,利用CGMD采集冠层差值植被指数(DVI)、归一化植被指数(NDVI)和比值植被指数(RVI),同步利用ASD FH2高光谱仪采集冠层光谱反射率,并计算DVI、NDVI和RVI;通过比较CGMD和ASD FH2采集的冠层植被指数变化特征,验证CGMD的测量精度,构建基于CGMD的LNC和LNA监测模型,并利用独立试验数据对模型进行检验.结果 表明:早、晚稻LNC、LNA、DVI、NDVI和RVI随施氮水平的增加而增大,随生育进程的推进呈先升后降的趋势;CGMD与ASD FH2采集的DVI、NDVI和RVI间拟合的决定系数(R2)分别为0.9350、0.9436和0.9433,表明CGMD的测量精度较高,可替代ASD FH2采集冠层植被指数.基于CGMD的3个冠层植被指数相比,NDVICGMD与LNC的相关性最高,RVICGMD与LNA的相关性最高;基于NDVICGMD的指数模型可较准确地预测LNC,模型R2为0.8581~0.9318,模型检验的均方根误差(RMSE)、相对均方根误差(RRMSE)和相关系数(r)分别为0.1%~0.2%、4.0% ~ 8.5%和0.9041~0.9854;基于RVICGMD的幂函数模型可较准确地预测LNA,模型R2为0.8684~0.9577,模型检验的RMSE、RRMSE和r分别为0.37~0.89 g·m-2、6.7% ~ 20.4%和0.9191~0.9851.与化学分析方法相比,利用CGMD可便捷准确地获取早、晚稻的LNC和LNA,在双季稻丰产高效栽培和氮肥精确管理中具有应用价值.
关键词： 作物生长监测诊断仪 双季稻 叶片氮含量 叶片氮积累量 监测模型
全文链接
请求原文
基于高光谱的柑橘叶片氮素营养监测模型
《江苏农业科学 》 2018 北大核心
摘要：以温柑为试材进行4个施氮水平的野外试验,于不同物候期取样测定叶片光谱反射率、叶片氮含量和叶片氮积累量,筛选叶片氮含量和叶片氮积累量的敏感光谱波段与最佳植被指数。结果表明,柑橘叶片氮素营养监测敏感光谱分别为514、630、633、690、814、868 nm。基于波长690、868 nm的双波段植被指数能够建立最佳的温柑叶片氮含量预测模型并具有良好的预测效果;基于波长514、868 nm的双波段植被指数能够建立最佳的温柑叶片氮积累量预测模型,且预测效果优于叶片氮含量的模型。
关键词： 柑橘 高光谱 叶片氮素营养 敏感光谱 最佳植被指数 监测模型
全文链接
请求原文
首页上一页1下一页尾页
