多信息融合的冬小麦地上鲜生物量检测研究

发布时间：2017-11-29 07:04

  本文关键词：多信息融合的冬小麦地上鲜生物量检测研究

  更多相关文章： 多信息融合 偏最小二乘回归 冠层光谱 机器视觉 冬小麦 生物量

【摘要】：将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合,对冬小麦地上鲜生物量进行预测,提高了冬小麦地上鲜生物量无损检测精度,试验获取苗期93个样本的冠层光谱和冠层图像,中后期(拔节期、抽穗期、开花期、灌浆期)200个样本的冠层光谱和侧面图像。将光谱反射率作为光谱特征参数,并通过图像处理提取小麦覆盖度作为图像特征参数,建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型,将冠层光谱反射率和小麦覆盖度作为多信息融合的输入,利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。结果表明,在苗期和中后期,将光谱信息和图像信息融合,采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。苗期基于信息融合所建立的PLS模型验证集R~2为0.881,其RMSE为0.015kg;中后期基于信息融合所建立的PLS模型验证集R~2为0.791,RMSE为0.059kg。由此可见,相比单一的光谱模型和图像模型,图像信息和光谱信息融合之后,充分提高了光谱信息和图像信息的利用率,使模型的精度得以提高。
【作者单位】： 北京农业信息技术研究中心北京市农林科学院;安徽大学电子信息工程学院;农业部食物与营养发展研究所;
【基金】：国家自然科学基金项目(31201125) 农业部公益性行业科研专项项目(201203026) 北京市自然科学基金项目(4142019)资助
【分类号】：S512.11;O657.3
【正文快照】： 3.农业部食物与营养发展研究所,北京100081引言小麦是世界上总产量最多的的粮食作物之一,中国主要以冬小麦为主,冬小麦种植面积占小麦总种植面积的84%~90%。而整个生育期内小麦的地上鲜生物量是评价产量的重要指标,与整个生育期内小麦的生长状况和群体的光能利用等有密切关系

【参考文献】

中国期刊全文数据库 前6条

1 王大成;王纪华;靳宁;王芊;李存军;黄敬峰;王渊;黄芳;;用神经网络和高光谱植被指数估算小麦生物量[J];农业工程学报;2008年S2期

2 陈全胜;赵杰文;蔡健荣;Vittayapadung Saritporn;;基于近红外光谱和机器视觉的多信息融合技术评判茶叶品质[J];农业工程学报;2008年03期

3 W. C. Hoffmann;R. E. Lacey;;Multisensor Data Fusion for High Quality Data Analysis and Processing in Measurement and Instrumentation[J];Journal of Bionics Engineering;2007年01期

4 单成钢;廖树华;龚宇;梁振兴;王璞;;应用数字图像技术估测冬小麦冠层生物量垂直分布特征的研究[J];作物学报;2007年03期

5 雷咏雯;王娟;郭金强;危常州;;一种基于图像分析提取作物冠层生物学参数的方法与验证[J];西北农业学报;2006年03期

6 宋开山,张柏,李方,段洪涛,王宗明;高光谱反射率与大豆叶面积及地上鲜生物量的相关分析[J];农业工程学报;2005年01期

【共引文献】

中国期刊全文数据库 前10条

1 李媛媛;常庆瑞;刘秀英;严林;罗丹;王烁;;基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J];农业工程学报;2016年16期

2 刘斌;任建强;陈仲新;唐华俊;吴尚蓉;李贺;;冬小麦鲜生物量估算敏感波段中心及波宽优选[J];农业工程学报;2016年16期

3 赵天舸;于瑞宏;张志磊;白雪松;曾庆奥;;湿地植被地上生物量遥感估算方法研究进展[J];生态学杂志;2016年07期

4 王岩;;神经网络技术在茶叶分级中的应用研究[J];福建茶叶;2016年06期

5 Li'ai Wang;Xudong Zhou;Xinkai Zhu;Zhaodi Dong;Wenshan Guo;;Estimation of biomass in wheat using random forest regression algorithm and remote sensing data[J];The Crop Journal;2016年03期

6 郑玲;朱大洲;董大明;张保华;王成;赵春江;;多信息融合的冬小麦地上鲜生物量检测研究[J];光谱学与光谱分析;2016年06期

7 崔日鲜;刘亚东;付金东;;基于机器学习和可见光光谱的冬小麦叶片氮积累量估算[J];光谱学与光谱分析;2016年06期

8 高林;杨贵军;李红军;李振海;冯海宽;王磊;董锦绘;贺鹏;;基于无人机数码影像的冬小麦叶面积指数探测研究[J];中国生态农业学报;2016年09期

9 朱宏凯;董春旺;张坚强;刘飞;叶阳;何华锋;;叶温、含水率对针芽绿茶感官品质的影响[J];中国食品学报;2016年04期

10 黄山;杨峰;张勇;王锐;邓俊才;雍太文;刘卫国;杨文钰;;净套作下大豆叶绿素密度动态及光谱估测研究[J];西北农林科技大学学报(自然科学版);2016年05期

【二级参考文献】

中国期刊全文数据库 前10条

1 孙焱鑫;王纪华;李保国;刘良云;黄文江;赵春江;;基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究[J];遥感技术与应用;2007年04期

2 孙焱鑫;王纪华;李保国;刘良云;黄文江;赵春江;;基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证[J];土壤通报;2007年03期

3 黄敬峰;王渊;王福民;刘占宇;;油菜红边特征及其叶面积指数的高光谱估算模型[J];农业工程学报;2006年08期

4 陈全胜;赵杰文;张海东;王新宇;;基于支持向量机的近红外光谱鉴别茶叶的真伪[J];光学学报;2006年06期

5 陈全胜;赵杰文;张海东;方明;;利用计算机视觉识别茶叶的色泽类型[J];江苏大学学报(自然科学版);2005年06期

6 严怀成,黄心汉,王敏;多传感器数据融合技术及其应用[J];传感器技术;2005年10期

7 沈飞,郭军;基于BP神经网络的数据融合方法[J];自动化与仪器仪表;2005年05期

8 李存军,王纪华,刘良云,王人潮;基于数字照片特征的小麦覆盖度自动提取研究[J];浙江大学学报(农业与生命科学版);2004年06期

9 唐延林,王人潮,张金恒,王珂;高光谱与叶绿素计快速测定大麦氮素营养状况研究[J];麦类作物学报;2003年01期

10 薛利红,罗卫红,曹卫星,田永超;作物水分和氮素光谱诊断研究进展[J];遥感学报;2003年01期

【相似文献】

中国期刊全文数据库 前10条

1 王正友;企业信息融合模型及其神经网络描述[J];中国矿业;2004年08期

2 常云龙,薛家祥,黄石生;机器人点焊多信息融合及控制[J];焊接学报;2000年02期

3 王淑芳;任兰珍;;基于多传感器信息融合技术的智能驾驶系统模型[J];北京石油化工学院学报;2006年03期

4 韩晓明;杜长龙;张永忠;翟继涛;;基于信息融合的机械故障诊断技术研究[J];煤炭科学技术;2007年03期

5 张幼振;;基于Dempster-Shafter信息融合的井下定向钻孔轨迹预测[J];煤矿安全;2009年04期

6 杨明;朱杰;高延铭;;基于信息融合的海洋溢油识别判据的研究[J];信息技术;2012年04期

7 籍天亮;李长录;;基于信息融合及爆炸三角形理论的评估方法应用[J];自动化与仪器仪表;2013年04期

8 胡胜利;丁瑞国;刘攀;;基于嵌入式多传感器的信息融合模型的研究[J];安徽理工大学学报(自然科学版);2008年01期

9 徐鹏;杨雪锋;;基于协整理论的船载危险品在途安全状态信息融合处理[J];传感器与微系统;2013年12期

10 水祺,吕景辉;火灾报警系统中的信息融合[J];国外电子测量技术;2005年06期

中国重要会议论文全文数据库 前10条

1 朱茵;王军利;;交通管理综合信息融合模型研究[A];第二十七届中国控制会议论文集[C];2008年

2 顾星;;中医诊断与体表生物特征多信息融合的思考[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

3 王志胜;甄子洋;王道波;范大鹏;;随机大系统的信息融合最优联合控制[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

4 杨为民;李龙澍;;基于GIT的信息融合在农业信息中的应用[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

5 刘汝杰;袁保宗;;信息融合的认知学基础与D-S融合方法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 杜奕;迟毅林;伍星;;概率盒和D-S结构体在机械故障信号信息融合中的应用展望[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 李树军;蒋晓瑜;纪红霞;;多传感器信息融合技术和典型算法的应用诠释[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

8 孙来军;沈永良;;多SVM多级信息融合与诊断决策模型的研究[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

9 杜奕;迟毅林;伍星;;信息融合在设备监测和故障诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年

10 李录平;邹新元;晋风华;黄树红;卢绪祥;;基于信息融合的旋转机械振动状态评价方法研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

中国重要报纸全文数据库 前2条

1 周新红 田朝晖 段勇;信息融合：现代战争的重要支撑[N];解放军报;2005年

2 本报记者 别坤;信息融合让地铁更快捷[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 胡洲;信息融合欠驱动控制技术研究[D];南京航空航天大学;2014年

2 张云璐;基于用户信息融合的个性化推荐[D];武汉大学;2012年

3 王恩雁;基于本体的多源异构应急信息融合方法研究[D];哈尔滨工业大学;2014年

4 文妍;基于多源信息融合的数控机床进给系统机械故障诊断研究[D];青岛理工大学;2016年

5 朱林;信息融合系统工程设计准则的研究[D];哈尔滨工程大学;2005年

6 朱方;多信息融合模式分类方法研究及在公交客流识别系统中的应用[D];河北工业大学;2010年

7 孔庆杰;信息融合理论及其在交通监控信息处理中的应用[D];上海交通大学;2010年

8 王晓帆;信息融合中的态势评估技术研究[D];西安电子科技大学;2012年

9 王志胜;信息融合估计理论及其在航天器控制中的应用研究[D];西北工业大学;2002年

10 罗贺;多Agent信息融合与协商及其在故障诊断中的应用研究[D];合肥工业大学;2009年

中国硕士学位论文全文数据库 前10条

1 庄颖;信息融合的粗糙集方法研究[D];昆明理工大学;2015年

2 李晓;基于信息融合的高速列车转向架故障诊断[D];西南交通大学;2015年

3 陈昭;基于云计算的中药信息融合知识服务平台构建[D];福建中医药大学;2015年

4 陈亭亭;雷达与AIS信息融合技术的研究[D];大连海事大学;2015年

5 万守鹏;基于信息融合的舱音信号分析与安全诊断[D];上海应用技术学院;2015年

6 张宁波;基于信息融合的电子产品故障诊断[D];中北大学;2015年

7 刘萌萌;基于信息融合的改进极限学习机预测算法研究[D];辽宁大学;2015年

8 田静;基于声波特征的管道泄漏信息融合故障诊断方法研究[D];河北科技大学;2015年

9 彭毅;基于振动和油液信息融合的发动机故障诊断方法研究[D];广西大学;2014年

10 舒适;基于信息融合的公交车自燃检测预警系统[D];浙江工业大学;2015年

，

本文编号：1236572