基于无人机可见光图像的棉花产量反演方法研究
发布时间：2021-12-23 11:42
由于棉花的种植工序较为繁琐,生长周期较长,加之机械化程度低,田间管理大多依赖人工,部分黄河流域植棉大省棉花种植面积出现较大下滑。随着遥感、卫星定位系统和地理信息系统的快速发展,无人机遥感技术得到了广泛应用。低空无人机遥感系统凭借其质量轻、速度快、图像分辨率高和周期短等优点,为中小尺度的农业遥感监测提供了技术支持。利用御2pro无人机获取棉花初蕾期、盛蕾期、花期和铃期的可见光图像,并基于可见光图像提取植被指数、纹理特征、植被覆盖度和株高参数,利用上述参数建立了棉花产量的反演预测模型,研究结果为田间棉花的日常管理提供参考。（1）以山东棉花研究中心自主培育的11个品种的棉花作为研究对象,通过御2pro无人机获取棉花裸地、初蕾期、盛蕾期、花期和铃期的可见光图像,并利用Agisoft Photo Scan Professiona软件对无人机获取的试验田可见光图像进行拼接,生成试验田的正射影像和数字表面模型。（2）通过分析试验区域中棉花盛蕾期生长阶段的植被、土壤和阴影部分的可见光波段的光谱差异,构建了蓝绿特征植被指数（TBVI）、红绿特征植被指数（TRVI）。利用TBVI、TRVI、过绿指数（EX...
【文章来源】：山东理工大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
棉花产量反演预测模型技术路线
山东理工大学硕士学位论文第二章试验方案设计及数据预处理8第二章试验方案设计及数据预处理2.1试验设计试验田位于山东省棉花研究中心临清棉花研究所，地处山东省西北部，属于大陆性季风气候，试验区种植的11种棉花为山东省棉花研究中心自主培育的高产抗倒伏的优质品种，试验田面积约为1333m2。为了减轻地势对棉花播种和灌溉的影响，棉花播种前通过激光平地机进行整治，播种方式采用机播，播种行距为0.78m，株距为0.10m，采用无膜种植方式，每个品种种植4行，随机重复3次。为了便于后期棉花可见光图像的几何校正和地面数据的获取，在航拍时需要设置地面控制点，地面控制点由4块几何参照板（80cm×80cm黑白格木板）组成，地面参照板的制作如图2.1所示。使用RTK载波相位差分技术记录四块参照板中心点的经纬度和高程信息，地面数据采集方式采用标样采集，即在相应的采样点区域放置红旗作为地面采样点的标记，便于试验区域多个时期的数据采集和建立无人机遥感图像与地面数据间的联系。控制点坐标如表2.1所示，试验地俯视图如图2.2所示。图2.1地面参照板的制作Fig.2.1Makeofreferenceboard
山东理工大学硕士学位论文第二章试验方案设计及数据预处理9图2.2试验区分布示意图Fig.2.2Schematicdiagramoftestareadistribution注：图a为试验田全景图，图b为地面几何校正参照板，图c为棉花品种分布图，图d为采样区域红旗标志。表2.1地面控制点坐标Tab.2.1Coordinatesofgroundcontrolpoints控制点纬度经度高程Point136.803227855115.6944487824.463Point236.803407954115.6944495524.461Point336.803406974115.6950960424.501Point436.803227076115.6950955124.4532.2数据获取2.2.1遥感数据获取农作物长势快速无损监测及产量的准确预测是实现田间农作物精准管理的必要手段。试验中通过御2pro无人机获取棉花裸地（2019.05.22拍摄），初蕾期（2019.06.22拍摄）、盛蕾期（2019.07.03拍摄）、花期（2019.07.13拍摄）和铃期（2019.07.26拍摄）5个时期的可见光图像，无人机的性能参数如表2.2所示。使用移动端DJIGO4软件对无人机性能参数进行检测，确保无误后通过Artizure软件对试验区航线进行规划。Altizure软件是当前国内最为知名的一款建模工具，这款软件可以通过配合无人机进行高空作业，同时规划一条正射航线与四条倾斜航线，同时具有自动调整云台角
【参考文献】：
期刊论文
[1]一种基于归一化扰动模型的积雪和植被覆盖度反演方法[J]. 李杨,王杰,黄春林. 地球信息科学学报. 2019(12)
[2]基于无人机高光谱长势指标的冬小麦长势监测[J]. 陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文. 农业机械学报. 2020(02)
[3]基于多时相无人机遥感植被指数的夏玉米产量估算[J]. 韩文霆,彭星硕,张立元,牛亚晓. 农业机械学报. 2020(01)
[4]新疆棉花价格保险实践模式分析和政策建议[J]. 程文明,王力. 中国棉花. 2019(11)
[5]施肥位置与杂草管理对间作玉米、马铃薯生长和产量的影响[J]. 张晓云,吴伯志,吴开贤,张磊磊,李永贤,李建,王超. 植物营养与肥料学报. 2019(07)
[6]基于无人机可见光遥感的冬小麦株高估算[J]. 刘治开,牛亚晓,王毅,韩文霆. 麦类作物学报. 2019(07)
[7]基于轻量和积网络及无人机遥感图像的大豆田杂草识别[J]. 王生生,王顺,张航,温长吉. 农业工程学报. 2019(06)
[8]无人机遥感在林木冠幅提取中的应用[J]. 乔正年,马骏,徐雁南. 林业资源管理. 2019(01)
[9]基于无人机可见光图像的夏季玉米植被覆盖度提取方法[J]. 赵静,杨焕波,兰玉彬,鲁力群,贾鹏,李志铭. 农业机械学报. 2019(05)
[10]基于无人机遥感的玉米株高提取方法[J]. 张宏鸣,谭紫薇,韩文霆,朱珊娜,张姝茵,葛晨宇. 农业机械学报. 2019(05)
博士论文
[1]基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D]. 张东彦.浙江大学 2012
[2]植被叶面积指数与叶片聚集度系数遥感反演方法研究[D]. 朱高龙.南京大学 2011
硕士论文
[1]基于无人机遥感影像的棉花主要生长参数反演[D]. 刘金然.山东师范大学 2019
[2]基于无人机影像的小麦叶绿素含量及产量定量反演研究[D]. 刘小辉.安徽大学 2019
[3]利用水稻MAGIC群体和种质资源关联分析定位抽穗期和株高QTL[D]. 申聪聪.中国农业科学院 2017
本文编号：3548413
【文章来源】：山东理工大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
棉花产量反演预测模型技术路线
山东理工大学硕士学位论文第二章试验方案设计及数据预处理8第二章试验方案设计及数据预处理2.1试验设计试验田位于山东省棉花研究中心临清棉花研究所，地处山东省西北部，属于大陆性季风气候，试验区种植的11种棉花为山东省棉花研究中心自主培育的高产抗倒伏的优质品种，试验田面积约为1333m2。为了减轻地势对棉花播种和灌溉的影响，棉花播种前通过激光平地机进行整治，播种方式采用机播，播种行距为0.78m，株距为0.10m，采用无膜种植方式，每个品种种植4行，随机重复3次。为了便于后期棉花可见光图像的几何校正和地面数据的获取，在航拍时需要设置地面控制点，地面控制点由4块几何参照板（80cm×80cm黑白格木板）组成，地面参照板的制作如图2.1所示。使用RTK载波相位差分技术记录四块参照板中心点的经纬度和高程信息，地面数据采集方式采用标样采集，即在相应的采样点区域放置红旗作为地面采样点的标记，便于试验区域多个时期的数据采集和建立无人机遥感图像与地面数据间的联系。控制点坐标如表2.1所示，试验地俯视图如图2.2所示。图2.1地面参照板的制作Fig.2.1Makeofreferenceboard
山东理工大学硕士学位论文第二章试验方案设计及数据预处理9图2.2试验区分布示意图Fig.2.2Schematicdiagramoftestareadistribution注：图a为试验田全景图，图b为地面几何校正参照板，图c为棉花品种分布图，图d为采样区域红旗标志。表2.1地面控制点坐标Tab.2.1Coordinatesofgroundcontrolpoints控制点纬度经度高程Point136.803227855115.6944487824.463Point236.803407954115.6944495524.461Point336.803406974115.6950960424.501Point436.803227076115.6950955124.4532.2数据获取2.2.1遥感数据获取农作物长势快速无损监测及产量的准确预测是实现田间农作物精准管理的必要手段。试验中通过御2pro无人机获取棉花裸地（2019.05.22拍摄），初蕾期（2019.06.22拍摄）、盛蕾期（2019.07.03拍摄）、花期（2019.07.13拍摄）和铃期（2019.07.26拍摄）5个时期的可见光图像，无人机的性能参数如表2.2所示。使用移动端DJIGO4软件对无人机性能参数进行检测，确保无误后通过Artizure软件对试验区航线进行规划。Altizure软件是当前国内最为知名的一款建模工具，这款软件可以通过配合无人机进行高空作业，同时规划一条正射航线与四条倾斜航线，同时具有自动调整云台角
【参考文献】：
期刊论文
[1]一种基于归一化扰动模型的积雪和植被覆盖度反演方法[J]. 李杨,王杰,黄春林. 地球信息科学学报. 2019(12)
[2]基于无人机高光谱长势指标的冬小麦长势监测[J]. 陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文. 农业机械学报. 2020(02)
[3]基于多时相无人机遥感植被指数的夏玉米产量估算[J]. 韩文霆,彭星硕,张立元,牛亚晓. 农业机械学报. 2020(01)
[4]新疆棉花价格保险实践模式分析和政策建议[J]. 程文明,王力. 中国棉花. 2019(11)
[5]施肥位置与杂草管理对间作玉米、马铃薯生长和产量的影响[J]. 张晓云,吴伯志,吴开贤,张磊磊,李永贤,李建,王超. 植物营养与肥料学报. 2019(07)
[6]基于无人机可见光遥感的冬小麦株高估算[J]. 刘治开,牛亚晓,王毅,韩文霆. 麦类作物学报. 2019(07)
[7]基于轻量和积网络及无人机遥感图像的大豆田杂草识别[J]. 王生生,王顺,张航,温长吉. 农业工程学报. 2019(06)
[8]无人机遥感在林木冠幅提取中的应用[J]. 乔正年,马骏,徐雁南. 林业资源管理. 2019(01)
[9]基于无人机可见光图像的夏季玉米植被覆盖度提取方法[J]. 赵静,杨焕波,兰玉彬,鲁力群,贾鹏,李志铭. 农业机械学报. 2019(05)
[10]基于无人机遥感的玉米株高提取方法[J]. 张宏鸣,谭紫薇,韩文霆,朱珊娜,张姝茵,葛晨宇. 农业机械学报. 2019(05)
博士论文
[1]基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D]. 张东彦.浙江大学 2012
[2]植被叶面积指数与叶片聚集度系数遥感反演方法研究[D]. 朱高龙.南京大学 2011
硕士论文
[1]基于无人机遥感影像的棉花主要生长参数反演[D]. 刘金然.山东师范大学 2019
[2]基于无人机影像的小麦叶绿素含量及产量定量反演研究[D]. 刘小辉.安徽大学 2019
[3]利用水稻MAGIC群体和种质资源关联分析定位抽穗期和株高QTL[D]. 申聪聪.中国农业科学院 2017
本文编号：3548413
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3548413.html
最近更新
教材专著
