基于VSURF-CA的小麦条锈病高光谱病情指数估测模型

1

作者 梅广源 李荣 +8 位作者 梅新 陈日强 樊意广 程金鹏 冯子恒 陶婷 赵倩 赵培钦 杨小冬 《中国农业科学》 CAS CSCD 北大核心 2024年第3期484-499,共16页

【目的】条锈病对小麦生长和产量造成严重威胁,为确保有效防控,精准监测尤为关键。利用遥感技术构建小麦条锈病估测模型,能快速、准确地估测病情指数(DI),为精准防控提供技术支持。【方法】利用ASD光谱仪获取小麦不同生育期(抽穗期、灌... 【目的】条锈病对小麦生长和产量造成严重威胁,为确保有效防控,精准监测尤为关键。利用遥感技术构建小麦条锈病估测模型,能快速、准确地估测病情指数(DI),为精准防控提供技术支持。【方法】利用ASD光谱仪获取小麦不同生育期(抽穗期、灌浆期和成熟期)高光谱数据,采用随机森林变量选择(VSURF)方法结合相关性分析(CA)对原始光谱(OR)和一阶微分光谱(FD)进行特征波段筛选。使用随机森林(RF)对比不同数据集的特征波段建模结果,确定模型效果最佳的特征集。随后借助偏最小二乘回归(PLSR)、极致梯度提升(XGBoost)以及反向传播神经网络(BPNN),对比特征集在不同算法中的建模效果。通过对比建模效果,确定针对全生育期小麦条锈病病情指数的最佳估测模型。为了验证特征集在不同生育期中的效果,利用特征集在3个生育期重新构建模型,并对比模型效果。【结果】对不同数据集进行特征筛选,并使用RF构建条锈病DI估测模型,通过比较模型效果,确定VSURF-CA-FD特征集(绿光范围的537 nm以及近红外范围的821和846nm)在RF模型中的估测效果最好。采用RF算法构建的模型表现出优异的精度,R^(2)为0.89,RMSE为12.34。这些特征波段在其他算法构建的模型中也展现出良好的精度:XGBoost模型的R^(2)为0.87,RMSE为13.15;BPNN模型的R^(2)为0.84,RMSE为15.19;PLSR模型的R^(2)为0.69,RMSE为20.92。使用不同生育期的冠层微分高光谱数据进行验证,利用VSURF-CA-FD特征集构建RF模型,对比模型发现在小麦生长的早期(抽穗期)R^(2)为0.54,RMSE为1.29,NRMSE为0.21,能满足估测病害的要求;小麦生长的中期(灌浆期),模型的R^(2)表现较好,R^(2)为0.66,RMSE为12.24,NRMSE为0.21;小麦生长晚期(成熟期),模型效果好于前两个时期,R^(2)为0.75,RMSE为10.77,NRMSE为0.15。【结论】使用VSURF-CA方法筛选出的特征波段,能构建出对小麦条锈病病情指数具有出色估测效果的RF模型。研究结果可为预测早期和中期条锈病病情指数提供有价值的思路和方法。 展开更多

关键词 高光谱估测模型 小麦条锈病 病情指数 VSURF 特征选择

下载PDF 职称材料

基于无人机成像高光谱估算马铃薯植株氮含量 被引量：1

2

作者 樊意广 冯海宽 +3 位作者 刘杨 龙慧灵 杨贵军 钱建国 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第5期1524-1531,共8页

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于... 植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱;其次将提取的冠层光谱与马铃薯PNC进行相关性分析,筛选出PNC的敏感波长;然后分别利用灰度共生矩阵和1~3阶颜色矩,提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征,并将提取的特征与马铃薯PNC进行相关性分析,筛选出相关性较高的前5个图像特征;最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归(ENR)、贝叶斯线性回归(BLR)和极限学习机(ELM)3种方法建立马铃薯PNC估算模型。结果表明:(1)马铃薯5个生育期的冠层光谱特征波长存在差异,但多数位于可见光区域。(2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高,且现蕾期到淀粉积累期的相关性明显高于成熟期。(3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好,成熟期效果较差。(4)现蕾期到淀粉积累期,基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。(5)马铃薯各生育期,基于同种变量利用ENR构建的PNC估算模型效果较好,BLR次之,ELM较差。其中,以图谱融合特征为模型变量,利用ENR构建的PNC估算模型精度和稳定性最好,5个生育期的建模R^(2)分别为0.91、0.75、0.82、0.77和0.69,RMSE分别为0.24%、0.31%、0.26%、0.22%和0.29%,NRMSE分别为6.59%、9.79%、9.58%、7.87%和11.03%。该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。 展开更多

关键词 无人机 马铃薯 高光谱 图像特征 植株氮含量

下载PDF 职称材料

利用无人机高光谱影像的冬小麦氮含量监测

3

作者 冯海宽 樊意广 +3 位作者 陶惠林 杨福芹 杨贵军 赵春江 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第10期3239-3246,共8页

作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要。旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力... 作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要。旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力。首先,以无人机为遥感平台,搭载高光谱传感器获取了冬小麦拔节期、挑旗期、开花期和灌浆期4个主要生育期的高光谱遥感影像,并实测了各生育期的氮含量数据。其次,基于预处理后的高光谱影像,提取冬小麦各生育期的冠层反射率数据,并构造能较好反映作物氮素营养状况的12种植被指数和12种光谱特征参数。然后,计算了各光谱参数与冬小麦氮含量的相关性,并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数;最后,利用逐步回归分析(SWR)构建基于植被指数、植被指数结合光谱特征参数的氮含量估算模型。结果显示:(1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性。其中,植被指数的相关性高于光谱特征参数;(2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行,但精度还有待进一步提高;(3)与单一植被指数或光谱特征参数相比,植被指数结合光谱特征变量利用SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期:建模R^(2)=0.64,RMSE=24.68%,NRMSE=7.96%,验证R^(2)=0.77,RMSE=23.13%,NRMSE=7.81%;挑旗期:建模R^(2)=0.81,RMSE=15.79%,NRMSE=7.41%,验证R^(2)=0.84,RMSE=15.10%,NRMSE=7.08%;开花期:建模R^(2)=0.78,RMSE=9.88%,NRMSE=5.66%,验证R^(2)=0.85,RMSE=9.12%,NRMSE=4.76%;灌浆期:建模R^(2)=0.49,RMSE=13.68%,NRMSE=9.85%,验证R^(2)=0.40,RMSE=18.29%,NRMSE=14.73%)。研究结果表明,结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高,研究结果可为冬小麦氮含量的空间分布和精准管理提供参考。 展开更多

关键词 无人机 冬小麦 高光谱 氮含量 逐步回归 光谱特征参数

下载PDF 职称材料

利用光谱空间特征估算马铃薯植株氮含量

4

作者 樊意广 冯海宽 +4 位作者 刘杨 边明博 赵钰 杨贵军 钱建国 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第5期1532-1540,共9页

植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散... 植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散小波分解技术(DWT)提取的多个尺度的高频信息(HFI)构建一种光谱空间特征(VIs+HFI),探究VIs、 HFI和VIs+HFI估算PNC的能力。首先,以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次,基于预处理的无人机影像,提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1~5尺度的HFI。然后,将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析,分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响,根据KMO检验结果对筛选的HFI进行主成分分析(PCA)降维处理。最后,采用岭回归和极限学习机(ELM) 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型,并进行评估。结果表明:(1)马铃薯各生育期,1~5尺度的HFI对估算PNC均有贡献。(2)以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。(3)马铃薯各生育期,以岭回归方法构建的PNC估算模型优于ELM方法。其中,以VIs+HFI为模型变量构建的PNC估算模型效果最优,5个生育期的建模R^(2)分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%;NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。 展开更多

关键词 无人机 马铃薯 植株氮含量 植被指数 高频信息

下载PDF 职称材料

基于无人机RGB影像的马铃薯植株钾含量估算 被引量：1

5

作者 马彦鹏 边明博 +3 位作者 樊意广 陈志超 杨贵军 冯海宽 《农业机械学报》 EI CAS CSCD 北大核心 2023年第7期196-203,233,共9页

马铃薯植株钾含量(Plant potassium content,PKC)是监测马铃薯营养状况的重要指标,快速准确地获取马铃薯植株钾含量对田间施肥和生产管理具有指导意义。基于无人机遥感平台搭载RGB传感器分别获取马铃薯块茎形成期、块茎增长期和淀粉积... 马铃薯植株钾含量(Plant potassium content,PKC)是监测马铃薯营养状况的重要指标,快速准确地获取马铃薯植株钾含量对田间施肥和生产管理具有指导意义。基于无人机遥感平台搭载RGB传感器分别获取马铃薯块茎形成期、块茎增长期和淀粉积累期的RGB影像,并实测马铃薯植株钾含量。首先利用各个生育期的RGB影像提取每个小区冠层平均光谱和纹理特征。然后分别基于冠层光谱和纹理特征构建植被指数和纹理指数(NDTI、RTI和DTI),并与实测PKC进行相关性分析。最后利用多元线性回归(Multiple linear regression,MLR)、偏最小二乘(Partial least squares regression,PLSR)和人工神经网络(Artificial neural networks,ANN)构建马铃薯PKC估算模型。结果表明:各生育期NDTI、RTI和DTI与马铃薯PKC相关性均高于单一纹理特征,植被指数结合纹理指数均能提高模型的可靠性和稳定性,MLR和PLSR构建的估算模型精度均优于ANN。本研究可为马铃薯PKC监测提供科学参考。 展开更多

关键词 马铃薯 植株钾含量 纹理指数 RGB影像 冠层光谱特征

下载PDF 职称材料

融合无人机多源传感器的马铃薯叶绿素含量估算 被引量：1

6

作者 边明博 马彦鹏 +3 位作者 樊意广 陈志超 杨贵军 冯海宽 《农业机械学报》 EI CAS CSCD 北大核心 2023年第8期240-248,共9页

叶绿素是衡量作物光合作用的重要指标,监测马铃薯关键生育期叶片叶绿素含量(Leaf chlorophyll content,LCC)至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像,提取无人机多光谱影像的光谱反射率构建植... 叶绿素是衡量作物光合作用的重要指标,监测马铃薯关键生育期叶片叶绿素含量(Leaf chlorophyll content,LCC)至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像,提取无人机多光谱影像的光谱反射率构建植被指数(Vegetation index,VIs),利用Gabor滤波器提取RGB影像的纹理信息(Texture information,TIs)。然后利用机器学习SVR-REF方法进行数据降维获取植被指数和纹理特征重要性排序,并采用迭代的方法在植被指数最佳模型中加入纹理信息,观察每次加入的纹理信息对模型的动态影响。最后使用支持向量机(Support vector machine,SVR)和K-最近邻算法(K-nearest neighbor,KNN)2种机器学习方法进行建模。结果表明,马铃薯3个关键生育期,加入纹理特征后的2种模型精度和稳定性均有提高,且SVR模型精度优于KNN。块茎形成期,SVR模型建模R~2由0.61提升至0.71,RMSE由0.20 mg/g降为0.17 mg/g,精度提升14.2%,验证R~2由0.58提升至0.66,RMSE由0.19 mg/g降至0.17 mg/g,精度提升10.5%。块茎增长期,SVR建模R~2由0.59提升至0.67,RMSE由0.16 mg/g降至0.14 mg/g,验证R~2由0.71提升至0.79,RMSE由0.15 mg/g降至0.13 mg/g,精度提升13.3%。淀粉积累期,SVR建模R~2由0.62提升为0.69,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%,验证R~2由0.47提升至0.63,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%。另外,3个时期参与SVR建模的植被指数数量分别为19、16、3,纹理数量分别为4、2、9,在植被指数不能充分响应叶绿素含量时,会有更多纹理信息参与建模,并且模型精度提升更高,进一步论证了纹理特征在马铃薯叶绿素含量反演中的重要性。 展开更多

关键词 马铃薯 叶绿素含量 图谱融合 Gabor纹理 机器学习

下载PDF 职称材料

基于冠层光谱和覆盖度的马铃薯叶片钾含量估算方法

7

作者 马彦鹏 边明博 +3 位作者 樊意广 陈志超 杨贵军 冯海宽 《农业机械学报》 EI CAS CSCD 北大核心 2023年第12期226-233,252,共9页

叶片钾含量(Leaf potassium content, LKC)是表征作物钾素营养状况的重要指标,高效准确地获取马铃薯LKC有助于精准农业施肥管理。本研究旨在通过结合马铃薯关键生育期RGB影像提取的植被指数(VIs)和植被覆盖度(FVC),提高马铃薯关键生育期... 叶片钾含量(Leaf potassium content, LKC)是表征作物钾素营养状况的重要指标,高效准确地获取马铃薯LKC有助于精准农业施肥管理。本研究旨在通过结合马铃薯关键生育期RGB影像提取的植被指数(VIs)和植被覆盖度(FVC),提高马铃薯关键生育期LKC估算的准确性。首先从马铃薯块茎形成期(S1)、块茎增长期(S2)和淀粉积累期(S3)的RGB影像中提取VIs和FVC,然后分别分析每个生育期VIs和FVC与马铃薯LKC的相关性,最后利用支持向量机(Support vector machine, SVM)、Lasso回归(Least absolute shrinkage and selection operator, Lasso)和岭回归构建马铃薯LKC的估算模型。结果表明:基于RGB影像提取的马铃薯FVC精度较高,且前两个生育期高于第3个生育期;利用VIs估算马铃薯LKC是可行的,但精度有待进一步提高;VIs结合FVC可以提高马铃薯LKC的估算精度。本研究可为作物生长和钾素营养状况监测提供技术参考。 展开更多

关键词 马铃薯 叶片钾含量 冠层覆盖度 RGB影像 冠层光谱特征

下载PDF 职称材料

利用VGC-AGB模型和高光谱遥感的马铃薯地上生物量估算

8

作者 冯海宽 岳继博 +2 位作者 樊意广 杨贵军 赵春江 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第9期2876-2884,共9页

马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义。作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估。现有的研究表... 马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义。作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估。现有的研究表明,遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性,即“饱和现象”,这制约了作物生长中后期AGB的准确监测。采用了一个新型垂直生长作物AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的AGB估算研究。针对多生长时期遥感光谱指数开展作物生物量监测中存在的“饱和问题”,VGC-AGB定义了叶片干物质含量(C_(m))和垂直器官干物质含量(C_(sm))2个参数,分别描述马铃薯叶片和茎的平均干物质含量,并通过叶面积指数(LAI)×C_(m)计算叶片的地上生物量(AGB l),通过种植密度(C_(d))、马铃薯株高(C_(h))和C_(sm)的乘积,即C_(d)×C_(h)×C_(sm)计算垂直器官的地上生物量(AGB v)。基于国家精准农业研究示范基地2019年马铃薯田间实验,分别获取了马铃薯4个关键生长时期的地面ASD高光谱数据、实测株高、AGB和LAI数据等,并利用高光谱反射率数据构建了高光谱特征参数,分别对比了(1)高光谱特征参数+株高,(2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的3种马铃薯AGB估算模型的性能。结果表明,与传统的高光谱遥感植被指数+株高的AGB估算方法相比,新型VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯AGB l、AGB v和总AGB估算结果,该方法可为马铃薯AGB的快速无损监测提供技术支撑。 展开更多

关键词 VGC-AGB模型 高光谱遥感 马铃薯 地面生物量

下载PDF 职称材料

利用无人机高光谱估算冬小麦叶绿素含量 被引量：8

9

作者 冯海宽 陶惠林 +3 位作者 赵钰 杨福芹 樊意广 杨贵军 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第11期3575-3580,共6页

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参... 叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参数,研究植被指数与红边参数估算SPAD的能力。先将植被指数与红边参数分别与不同生育期的SPAD进行相关性分析,再基于植被指数、植被指数结合红边参数,通过偏最小二乘回归(PLSR)方法估算SPAD,最后制作SPAD分布图验证模型的有效性。结果表明,(1)大部分植被指数与红边参数在3个主要生育期与SPAD相关性均达到极显著水平(0.01显著);(2)单个植被指数构建的SPAD估算模型中,LCI表现最好(R^(2)=0.56,RMSE=2.96,NRMSE=8.14%),红边参数中Dr/Dr_(min)表现最好(R^(2)=0.49,RMSE=3.18,NRMSE=8.76%);(3)基于植被指数结合红边参数构建的SPAD估算模型效果最佳,优于仅基于植被指数构建的SPAD估算模型,同时,随着生育期推移,两种模型均在开花期达到最高精度,R^(2)分别为0.73和0.78,RMSE分别为2.49和2.22,NRMSE分别为5.57%和4.95%。因此,基于植被指数结合红边参数,并使用PLSR方法可以更好地估算SPAD,可以为基于无人机遥感的SPAD监测提供一种新的方法,也可为农业管理提供参考。 展开更多

关键词 冬小麦 叶绿素含量 植被指数 红边参数 偏最小二乘回归

下载PDF 职称材料

利用无人机多源传感器估算马铃薯植株氮含量 被引量：3

10

作者 樊意广 冯海宽 +4 位作者 刘杨 边明博 赵钰 杨贵军 钱建国 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第10期3217-3225,共9页

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人... 快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人机获取了马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱影像和数码影像,同时采集各生育期的地面数码影像,并实测了株高(H)、PNC和11个地面控制点(GCPs)的三维空间坐标。其次,利用无人机数码影像结合GCPs生成试验区域的数字表面模型(DSM),分别从无人机数码影像和DSM中提取马铃薯的地面覆盖度(VC)和株高(H),并利用地面数码影像计算的覆盖度(VC)和实测H验证提取的VC和H的精度。然后,根据高光谱反射率数据计算绿边参数(GEPs),构造GEPs×H×VC,GEPs/(1+VC),(GEPs+VC)×H和GEPs/(1+H)4种融合特征参数(FFPs),对高光谱影像信息和数码影像信息进行融合。最后,将各生育期提取的GEPs和构造的FFPs分别与PNC作相关性分析,筛选最优绿边参数(OGEP)和最优融合特征参数(OFFP)构建5个生育期的PNC线性估算模型,并根据相关性较高的GEPs和FFPs利用偏最小二乘(PLSR)和人工神经网络(ANN)2种回归方法构建PNC的多参数估算模型,结果表明:(1)基于无人机数码影像提取的H和VC具有较高的精度,可以代替实测H和VC估算作物理化参数。(2)与GEPs相比,前4个生育期,构造的大部分FFPs与PNC的相关性更高,能更好地反映马铃薯的氮营养状况。(3)马铃薯5个生育期,OFFP估算PNC的效果优于OGEP。(4)与单参数模型相比,基于GEPs和FFPs利用PLSR和ANN 2种方法构建的模型精度和稳定性均明显提高,其中,以FFPs为模型因子利用ANN方法构建的模型效果最好。该研究表明融合高光谱绿边参数和高清数码相机传感器提取的株高和覆盖度信息能显著提升PNC的估算精度,可为马铃薯氮营养状况的动态无损监测和多源传感器信息的应用提供参考。 展开更多

关键词 植株氮含量 无人机 多源传感器 绿边 株高 覆盖度

下载PDF 职称材料

基于冠层光谱特征和株高的马铃薯植株氮含量估算 被引量：6

11

作者 樊意广 冯海宽 +3 位作者 刘杨 边明博 孟炀 杨贵军 《农业机械学报》 EI CAS CSCD 北大核心 2022年第6期202-208,294,共8页

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制... 为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM),并从中提取冠层光谱特征和株高(H_(dsm))。然后将各生育期提取的H_(dsm)和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和H_(dsm)作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_(dsm)利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明:基于DSM提取的H_(dsm)与实测H具有较高的拟合度(R^(2)为0.860,RMSE为2.663 cm,NRMSE为10.234%);各生育期加入H_(dsm),均能提高马铃薯PNC的估算精度和稳定性;各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。 展开更多

关键词 马铃薯 植株氮含量 株高 无人机 数码影像 冠层光谱特征

下载PDF 职称材料

基于改进小波神经网络的GPS高程拟合研究 被引量：7

12

作者 钱建国 樊意广 《大地测量与地球动力学》 CSCD 北大核心 2022年第3期253-257,共5页

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型。为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群... 针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型。为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度。以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证。结果表明,改进后的小波神经网络模型进行GPS高程拟合时具有更高的精度和稳定性。 展开更多

关键词 小波神经网络 高程拟合 粒子群优化

下载PDF 职称材料