基于无人机遥感玉米生长动态监测
发布时间:2020-05-30 10:41
【摘要】:作为C4作物,玉米具有光合效率较高,产量提升潜力较大,抗逆性较强,应用领域较宽等优势,在全世界广泛种植。玉米作为中国粮食领军作物,在粮食安全保障方有着难以比拟的作用。黄淮海地区作为我国玉米主要产区之一,其玉米的生长发育一直受到农学家的广泛关注,其生长长势一直是玉米监测的重点内容。随着无人机遥感技术的发展,越来越多的人开始利用其对玉米的生长发育进行实时的动态监测,无人机遥感成为当前玉米生长发育及进行长势分析的研究热点。本研究以河南新乡不同播期不同品种条件下具有生长差异的玉米群体为研究对象,通过多利用旋翼无人机搭载高清数码相机和多光谱相机来获取高清数码影像和多光谱影像,通过遥感数据合成DEM图像及植被指数NDVI图像,利用图像信息提取玉米群体高程及各处理NDVI,基于地面株高及生物量数据,通过对高程数据和株高数据进行归一化后进行相关分析,同时在分析NDVI和地面生物量相关性后引入参数进行对饱和NDVI进行分析。实现利用无人机单次监测数据进行分析的可能性,探讨夏玉米群体株高差异及生物量在图像中的表现,得到无人机监测夏玉米株高及生物量的可行性,为降低无人机监测株高及生物量成本提供可能。其具体研究结果如下:(1)在具有株高差异条件的玉米群体中,其RGB和多光谱影像经姿态矫正、图像拼接、点云生成、空间重构等计算,获取玉米群体DEM数据和各处理冠层群体高程,经过冠层高程和人工测量株高进行归一化处理,获取到不同品种和播期处理下基于无人机和人工测量株高间的相关关系,明确利用玉米冠层DEM数据监测群体株高差异的可行性。结果表明,高清RGB相机和多光谱成像设备影像获取的数字高程信息均能反映玉米群体的高度差异。高清RGB相机的株高监测精度高于多光谱成像设备。但现成像设备和处理方法下,株高监测精度不足,难以反映玉米群体的较小株高差异。不同生育阶段对玉米株高监测具有较大影响,生育前期冠层尚未全部覆盖地表或生育后期植株衰老叶片枯黄下垂时,受裸露地表影响群体株高被严重低估。本研究分析了影响无人机搭载成像设备监测玉米株高的影响因素,为该方法应用于大田生产提供借鉴。(2)通过将多光谱数据进行校正,配准后分析两个时期NDVI变化情况,与地面生物量数据建立联系,研究发现随着生育进程的变化,夏玉米由于生长发育较快,叶片生长迅速,地面封垄较快,NDVI发生饱和时间较快,难以进行后续分析。为提高精度,通过NDVI和生物量进行相关后,将图像近红外反射率ρNIR设置加权系数α,研究发现,在夏玉米高度饱和时,引入加权系数α,使得NDVI和生物量相关系数更高,为后续利用NDVI提高反演生物量精度提供依据。
【图文】:
第二章 试验数据的获取及预处理2.1 试验区概况试验区位于中国农业科学院河南新乡综合试验站,如图 2-1 所示,坐落于河南省新乡七里营镇,东经 113°45′35′′~113°45′49′′,北纬 35°18′32′′~35°18′58′′,海拔 78m,为温带季风性气候,四季分明,降水丰沛,日照充足。年均温度为 14℃,年平均降水量573.4mm,年均日照时数为 1993h。
图 2-2 试验小区示意图Fig.2-2. Experimental plot植株长势,评估作物群体生长状况的重要成部分。为能评价无人机单次监测作物群大面积农田进行监测的可行性,本研究需括可见光(RGB)数据,多光谱数据,用数据进行对比研究,评价无人机对植株高谱数据进行对比分析,,确定无人机监测的Pro 六旋翼无人机搭载高清数码相机和多,其规格如下表:
【学位授予单位】:石河子大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S513;S127
本文编号:2688012
【图文】:
第二章 试验数据的获取及预处理2.1 试验区概况试验区位于中国农业科学院河南新乡综合试验站,如图 2-1 所示,坐落于河南省新乡七里营镇,东经 113°45′35′′~113°45′49′′,北纬 35°18′32′′~35°18′58′′,海拔 78m,为温带季风性气候,四季分明,降水丰沛,日照充足。年均温度为 14℃,年平均降水量573.4mm,年均日照时数为 1993h。
图 2-2 试验小区示意图Fig.2-2. Experimental plot植株长势,评估作物群体生长状况的重要成部分。为能评价无人机单次监测作物群大面积农田进行监测的可行性,本研究需括可见光(RGB)数据,多光谱数据,用数据进行对比研究,评价无人机对植株高谱数据进行对比分析,,确定无人机监测的Pro 六旋翼无人机搭载高清数码相机和多,其规格如下表:
【学位授予单位】:石河子大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S513;S127
【参考文献】
相关期刊论文 前10条
1 罗媛;谢堂民;龙显静;冯树林;陈功;;基于红光和近红外反射光谱特征参数反演草地地上生物量[J];草原与草坪;2015年05期
2 高林;杨贵军;王宝山;于海洋;徐波;冯海宽;;基于无人机遥感影像的大豆叶面积指数反演研究[J];中国生态农业学报;2015年07期
3 王林林;刘普幸;王允;;近14年来柴达木盆地NDVI时空变化及其影响因素[J];生态学杂志;2015年06期
4 何晶;;基于图像处理的株高无损测量方法研究[J];测控技术;2015年04期
5 汪小钦;王苗苗;王绍强;吴云东;;基于可见光波段无人机遥感的植被信息提取[J];农业工程学报;2015年05期
6 史舟;梁宗正;杨媛媛;郭燕;;农业遥感研究现状与展望[J];农业机械学报;2015年02期
7 王猛;姚慧敏;隋学艳;王勇;;基于地面样方调查的小麦倒伏遥感监测研究[J];山东农业科学;2014年08期
8 赵春江;;农业遥感研究与应用进展[J];农业机械学报;2014年12期
9 刘峰;刘素红;向阳;;园地植被覆盖度的无人机遥感监测研究[J];农业机械学报;2014年11期
10 李加林;曹罗丹;浦瑞良;;洪涝灾害遥感监测评估研究综述[J];水利学报;2014年03期
本文编号:2688012
本文链接:https://www.wllwen.com/kejilunwen/nykj/2688012.html