小麦生物量田间快速测量方法研究

发布时间：2017-03-29 15:16

  本文关键词：小麦生物量田间快速测量方法研究，，由笔耕文化传播整理发布。

【摘要】：冬小麦的地上鲜生物量是反映小麦生长状况的重要指标,冬小麦生物量管理是农业生态系统中小麦育种和作物生产管理的最重要环节之一,也是影响小麦产量和收益的关键因素之一。而目前单一的检测技术存在饱和现象以及精度不高的问题,本文针对小麦生物量田间快速、活体无损测量的需求,基于单一机器视觉、单一光谱、单一力学传感以及机器视觉、光谱、力学传感进行融合的测量方法,研究小麦生物量的田间无损快速测量分析方法与模型,实现生物量的综合准确评价,主要研究内容如下:(1)提出了基于小麦茎秆力学特性的生物量检测方法,并针对小麦不同生育期分别进行试验研究其适应性和预测精度。通过对小麦茎秆进行受力分析,设计了基于茎秆力学特性的田间生物量检测系统,研究基于力学传感技术小麦生物量预测的可行性,并针对不同生育期分别建立生物量预测模型,结果表明,随着测量点的升高,小麦茎秆力学信号逐渐降低,不同测量点处的茎秆力学信号与生物量都具有较好的非线性相关性,测量点为40cm、45cm、50cm处力学信号与生物量决定系数R2分别为0.683、0.622、0.561。不同生育期基于力学特性的生物量预测模型精度不同,其中预测模型精度最高的是抽穗期,校正集模型的R2为0.675,RMSE为0.218kg,使用未知样本对模型进行验证,所得验证模型的R2为0.623,RMSE为0.216kg。该结果可为多信息融合技术综合预测生物量提供理论依据。(2)研究并建立了基于图像技术的生物量预测模型。针对中后期冠层图像视野范围内被小麦占满,冠层图像与生物量不再相关的问题,通过拍摄小麦侧面图像并提取小麦覆盖度,采用多元回归建立生物量的回归模型,针对不同生育期建立基于小麦覆盖度的校正集模型,并通过对未知样本的预测来检验模型的准确性和精度。结果表明,苗期小麦覆盖度和地上鲜生物量变化趋势是一致的,不同生育期基于图像的生物量预测模型精度不同,其中预测模型精度最好的是苗期,苗期冬小麦覆盖度与地上鲜生物量具有较强的相关性,二者之间存在多项式函数关系,生物量预测模型的R2为0.851,RMSE为0.015kg,对未知样本的验证模型R2为0.828,RMSE为0.017kg,相关性达到极显著水平。随着生育期的递进,到开花期和灌浆期出现饱和现象,预测精度逐渐下降,表明到了生育期后期,利用单一的侧面图像对生物量进行预测存在局限性。(3)研究并建立了基于光谱技术的生物量预测模型。通过对冠层光谱进行分析提取相应的特征参数(光谱反射率、光谱指数、红边幅值、特征波长),分析特征参数与生物量的相关性,建立基于特征参数的生物量预测模型,结果表明,利用偏最小二乘法建立基于400-1000nm波段范围内冠层光谱反射率的生物量预测模型的精度最高。针对不同生育期利用偏最小二乘法建立基于光谱反射率的小麦生物量预测模型,苗期、拔节期、抽穗期模型相关性较显著,其中苗期模型精度最高,预测模型的R2为0.839,RMSE为0.016kg,对未知样本的验证模型R2为0.823,RMSE为0.017kg,随着生育期的递进,到开花期和灌浆期出现饱和现象,预测精度逐渐下降,表明到了生育期后期,利用单一的光谱信息对生物量进行预测存在局限性。(4)针对图像、光谱、力学单一技术存在的饱和现象、精度不高等问题,研究利用多传感器信息融合技术建立生物量的预测模型,通过对同一样本分别采用光谱技术、图像技术和力学传感技术获取小麦的多种特征信息,分别提取不同信息特征变量进行特征层数据融合形成新的特征变量,作为输入变量,针对不同生育期研究基于不同融合特征变量的生物量PLS预测模型,结果表明,任意两种技术信息融合的模型均优于单一传感器模型,其中不同的生育期基于三种传感器信息融合的预测模型对生物量的预测效果均为最佳,一定程度上改善了单一技术在中后期存在的饱和现象,并提高了模型的预测精度。
【关键词】：冬小麦 生物量 光谱 图像 力学特性 多传感器融合 无损检测
【学位授予单位】：西北农林科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S512.1
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-22
• 1.1 研究目的和意义12-14
• 1.2 国内外研究概况14-19
• 1.2.1 基于力学特性的生物量测量研究现状14-16
• 1.2.2 基于机器视觉的生物量测量研究现状16
• 1.2.3 基于光谱技术的生物量测量现状16-17
• 1.2.4 作物田间集成多参数测量系统研究现状17-19
• 1.3 研究内容19-20
• 1.4 研究方法与技术路线20-22
• 第2章 基于力学特性的生物量检测方法研究22-49
• 2.1 引言22
• 2.2 小麦生物量检测系统设计22-28
• 2.2.1 基于茎秆力学特性的生物量测量原理22-23
• 2.2.2 力学检测装置的总体设计23
• 2.2.3 力学检测装置的硬件设计23-25
• 2.2.4 力学检测装置的软件设计25-28
• 2.3 材料与方法28-30
• 2.3.1 大田试验设计28-29
• 2.3.2 力学信号采集29-30
• 2.3.3 生物量预测模型的评价标准30
• 2.4 结果与分析30-48
• 2.4.1 小麦茎秆力学信号特征分析30-32
• 2.4.2 茎秆力学信号与生物量的相关性分析32-33
• 2.4.3 株高对建模效果的影响33-35
• 2.4.4 基于力学特性的单生育期小麦生物量预测模型研究35-44
• 2.4.5 基于力学特性的多生育期小麦生物量预测模型研究44-47
• 2.4.6 不同时建模结果对比47-48
• 2.5 本章小结48-49
• 第3章 基于机器视觉技术的小麦生物量检测方法研究49-66
• 3.1 引言49
• 3.2 材料与方法49-53
• 3.2.1 大田试验设计49-50
• 3.2.2 冠层图像和侧面图像采集50-51
• 3.2.3 图像特征提取51-53
• 3.3 结果与分析53-64
• 3.3.1 不同时期小麦图像特征分析53-54
• 3.3.2 基于冠层图像的苗期小麦生物量预测模型研究54-56
• 3.3.3 基于侧面图像的中后期小麦生物量预测模型研究56-59
• 3.3.4 基于覆盖度的多生育期小麦生物量预测模型研究59-64
• 3.3.5 不同时期建模结果对比64
• 3.4 本章小结64-66
• 第4章 基于光谱技术的小麦生物量检测方法研究66-78
• 4.1 引言66
• 4.2 材料和方法66-67
• 4.2.1 大田试验设计66
• 4.2.2 冠层光谱采集66-67
• 4.3 结果与讨论67-76
• 4.3.1 不同生育期小麦冠层光谱变化特征67-68
• 4.3.2 小麦冠层光谱特征提取68-71
• 4.3.3 基于冠层光谱的苗期生物量不同建模方法71-73
• 4.3.4 基于冠层光谱的不同生育期小麦生物量预测模型研究73-74
• 4.3.5 基于冠层光谱的多生育期小麦生物量预测模型研究74-76
• 4.3.6 不同时期建模结果对比76
• 4.4 本章小结76-78
• 第5章 基于多信息融合的生物量检测方法研究78-111
• 5.1 引言78
• 5.2 材料与方法78-81
• 5.2.1 大田试验设计78
• 5.2.2 多传感器数据获取78-79
• 5.2.3 数据融合处理79-81
• 5.3 结果与讨论81-110
• 5.3.1 基于光谱和图像数据融合的生物量预测模型研究81-89
• 5.3.2 基于光谱和力学数据融合的生物量预测模型研究89-95
• 5.3.3 基于图像和力学数据融合的生物量预测模型研究95-101
• 5.3.4 基于光谱、图像、力学数据融合的生物量预测模型研究101-106
• 5.3.5 不同时期生物量最佳建模解决方案106-110
• 5.4 本章小结110-111
• 第6章 结论与展望111-114
• 6.1 结论111-112
• 6.2 本文的创新点112
• 6.3 展望112-114
• 参考文献114-120
• 致谢120-121
• 作者简介121

【参考文献】

中国期刊全文数据库 前10条

1 苏占雄;石辉;郭晋伟;李静;李秧秧;;利用数码照片估算灌木地上生物量的研究[J];安徽农业科学;2010年07期

2 阎鸿程;黄建业;高伟;;基于LabVIEW软件的电能质量监测系统[J];电工电气;2010年07期

3 郑珊珊,黄元庆;测试系统的虚拟仪器设计[J];机电工程技术;2005年03期

4 乔红波;夏斌;马新明;程登发;周益林;;冬小麦病虫害的高光谱识别方法研究[J];麦类作物学报;2010年04期

5 张亮;李树珍;毛罕平;马淑英;陈立东;郑立新;石磊;李国f ;;机器视觉技术在温室营养液调控系统中的应用[J];农机化研究;2007年08期

6 付莹;汤子跃;孙永健;;多预警机雷达信息融合的多普勒盲区目标检测[J];火力与指挥控制;2013年05期

7 龚纯;;信息融合技术在军事领域的应用与研究[J];舰船电子工程;2013年07期

8 陈青春;张姿丽;刘鹏飞;王晓明;蒋锋;;基于CGMD302光谱仪的甜玉米生长指标监测（英文）[J];Agricultural Science & Technology;2015年02期

9 袁红梅,郭玉明,李红波;小麦茎秆弯折力学性能的试验研究[J];山西农业大学学报(自然科学版);2005年02期

10 方晓,袁智荣,王祥;小型无人机多传感器数据采集及信息融合设计[J];微计算机信息;2004年01期

  本文关键词：小麦生物量田间快速测量方法研究，由笔耕文化传播整理发布。

本文编号：274783