基于机器学习算法分析无人机图像的小麦产量反演研究

发布时间：2022-01-10 09:56

　　基于遥感技术的小麦产量无损估测一直是精准农业领域中一个重要的研究方向,对国家粮食安全和农业政策的制定与执行具有重要的研究意义。同时,也是我国农业智能化、数字化发展的重要技术基础。本文选择安徽省舒城县农科所和庐江县白湖农场作为研究区,利用两种多旋翼无人机平台分别搭载可见光传感器和高光谱传感器,在2018和2019年采集当地主栽小麦品种三个生育期（扬花期、灌浆期、成熟期）的冠层可见光影像和高光谱影像,通过偏最小二乘回归（Partial Least Squares Regression,PLSR）、支持向量机（Support Vector Machine,SVM）、决策树（Decision Tree,DT）、随机森林（Random Forest,RF）和梯度提升树（Gradient Boosting Regression Tree,GBRT）等机器学习算法优选无人机图像反演小麦产量的最佳模型并评价,以期为我国粮食主产省—安徽小麦估产提供技术参考。本文主要开展的研究工作如下:（1）以大疆精灵4 Pro四旋翼无人机作为数据获取平台,利用其自带的4K高清数码相机拍摄小麦三个关键生育期冠层的可见光影... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

整体技术路线图

安徽大学硕士学位论文7第二章数据预处理及研究方法2.1研究区本文研究区位于安徽省合肥市庐江县白湖农场（31°13"25.7"N，117°27"48.8"E）和六安市舒城县农业科学研究所实验基地（31°32"27.06"N，116°59"38.16"E），如图2.1所示。图2.1研究区Figure2.1Researchareas田间实验在2017-2018年和2018-2019年两个年度开展，供试小麦品种为江淮地区常规种植的“扬麦13号”、“宁麦13号”、“扬麦9号”、“宁麦9号”、“扬麦15号”、“扬麦19号”、“扬麦22号”、“皖西麦0638”、“生选6号”、“荃麦725”（2018-2019年度为“扬麦24号”）共10种小麦品种。实验采用随机区组设计，每个处理3次重复，共计30块小区。供试小麦于10月下旬到11月初播种（白湖农场和舒城农科所因物候差异，小麦播种时间不同），两个年度的种植密度分别为16万株/亩（2017-2018年度）和20万株/亩（2018-2019年度），各试验点施肥量（纯氮为12kg/亩，P2O5为8kg/亩，K2O为8kg/亩）一致，氮肥基追比为7:3，于返青期追施。如表2.1所示，2017-2018年度白湖农场实验小区面积为2m×6m=12m2，田块设计为5行6列；舒城农科所实验小区面积为3m×4m=12m2，田块设计为10行3列。2018-2019年度白湖农场和舒城农科所实验小区的面积均为3m×4m=12m2，田块均设

第二章数据预处理及研究方法8计为10行3列。表2.1实验小区设计Table2.1Experimentalplotsdesign实验年度实验地区实验小区面积实验小区设计2017-2018白湖农场2×6m=12m25行6列舒城农科所3×4m=12m210行3列2018-2019白湖农场3×4m=12m210行3列舒城农科所3×4m=12m210行3列2.2数据获取2.2.1无人机影像获取大疆精灵4Pro四旋翼无人机和大疆经纬M600Pro六旋翼无人机作为数据采集平台，如图2.2所示。其中，大疆精灵4Pro自带高清数码相机，大疆经纬M600Pro搭载有CubertS185机载成像高光谱仪，其具有外形轻孝高速画幅式成像、可远程控制等优点，广泛应用于精准农业、植被监测、摄影测量等诸多领域。无人机及传感器的性能参数如表2.2和2.3所示。图2.2无人机平台Figure2.2UAVplatforms

【参考文献】：
期刊论文
[1]基于无人机高光谱遥感的东北粳稻冠层叶片氮素含量反演方法研究[J]. 冯帅,许童羽,于丰华,陈春玲,杨雪,王念一.  光谱学与光谱分析. 2019(10)
[2]遥感技术在精准农业中的现状及发展趋势[J]. 杨丽.  农业与技术. 2019(16)
[3]基于无人机遥感的农作物长势关键参数反演研究进展[J]. 刘忠,万炜,黄晋宇,韩已文,王佳莹.  农业工程学报. 2018(24)
[4]基于无人机影像的采煤沉陷区玉米生物量反演与分析[J]. 肖武,陈佳乐,笪宏志,任河,张建勇,张雷.  农业机械学报. 2018(08)
[5]基于无人机遥感植被指数优选的田块尺度冬小麦估产[J]. 朱婉雪,李仕冀,张旭博,李洋,孙志刚.  农业工程学报. 2018(11)
[6]一款无人机高光谱传感器的验证及其在玉米叶面积指数反演中的应用[J]. 陈鹏飞,李刚,石雅娇,徐志涛,杨粉团,曹庆军.  中国农业科学. 2018(08)
[7]基于随机森林算法的冬小麦叶面积指数遥感反演研究[J]. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍.  中国农业科学. 2018(05)
[8]无人机搭载数码相机航拍进行小麦、玉米氮素营养诊断研究[J]. 李红军,李佳珍,雷玉平,张玉铭.  中国生态农业学报. 2017(12)
[9]基于无人机可见光影像的农田作物分类方法比较[J]. 郭鹏,武法东,戴建国,王海江,徐丽萍,张国顺.  农业工程学报. 2017(13)
[10]基于无人机载高光谱空间尺度优化的大豆育种产量估算[J]. 赵晓庆,杨贵军,刘建刚,张小燕,徐波,王艳杰,赵春江,盖钧镒.  农业工程学报. 2017(01)

硕士论文
[1]基于无人机平台的小麦长势监测与产量预测研究[D]. 王妮.南京农业大学 2016



本文编号：3580507