排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
无人机机载激光雷达提取果树单木树冠信息 总被引:2,自引:3,他引:2
定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据(Light Detection and Ranging,LiDAR)检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对果树单木树冠检测与提取结果的影响。该方法主要使用反距离权重插值法间接生成冠层高度模型(Canopy Height Model,CHM);使用局部极大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation,MCWS)对果树进行单木树冠检测与提取。通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法可有效实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为95.03%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。 相似文献
2.
3.
土壤速效养分赋存状况直接影响到枣树的生长和水肥的合理利用,研究了滴灌和地面灌下枣树根区土壤速效养分田间尺度的空间分布和变异特性。对滴灌和地面灌应用年限5年不同深度的枣树根区土壤进行了采样分析。结果表明:枣树根区土壤硝态氮含量随土壤深度的增加呈减少趋势,随水平距离的增加而逐渐升高。生育期初期土壤硝态氮含量较低,新梢期土壤硝态氮逐渐增加,滴灌和地面灌土壤硝态氮变异系数均随着土壤深度和水平距离的增加而减少,减少幅度滴灌大于地面灌;生育期初始阶段两种灌溉方式下土壤碱解氮随深度的增加均呈现减少的趋势,水平方向上碱解氮含量差异不明显,新梢期土壤碱解氮呈现增加的趋势,灌溉方式对土壤碱解氮的空间异质性影响较小;枣树生育初期,滴灌和地面灌枣树根区各层土壤速效钾含量较高,进入新梢期后其含量迅速下降。滴灌和地面灌下土壤速效钾含量的变异系数均随着土壤深度的增加而减小,随着水平距离的增加呈现先减小后增大的趋势;土壤有效磷枣树生育期开始阶段含量较高,新梢期迅速降低。滴灌和地面灌在水平方向的变异系数均随着距离的增加而减小,滴灌处理变异性大于地面灌。综上,灌溉方式对土壤硝态氮的空间分布和变异性的影响最大,对碱解氮的影响最小。 相似文献
4.
5.
基于日气温特征值与冷/热积量模型耦合的苹果始花期预报模型 总被引:1,自引:0,他引:1
以临猗、洛川和栖霞3个富士系苹果主产区为研究区,基于2019−2020年各地调查样点的1km格网气象数据、实际始花期数据以及冷小时模型(Chilling Hour Model,CHM)和生长度小时(Growing Degree Hour,GDH)模型,利用网格搜索法得到苹果始花期最优冷/热需求量;然后将日气温特征值(日最高温Tmax、日最低温Tmin和日平均温Tavg)划分为单因子、双因子和三因子7种日气温特征因子组合方式,利用随机森林算法(Random Forest,RF)构建3个地区不同日气温特征因子组合下的日冷/热积量模型,以筛选最优日气温特征因子;在此基础上,基于最优日气温特征因子,利用RF构建苹果始花期预报模型,并通过独立实际始花期数据对预报模型进行精度评价。结果表明:(1)临猗地区的苹果始花期最优冷/热需求量分别为730CH和7350GDH,洛川地区分别为345CH和4950GDH,栖霞地区分别为520CH和4450GDH;(2)7种日气温特征因子组合中,Tmax、Tmin和Tavg三因子组合下的3个地区日冷/热积量模型在估算日冷/热积量时均具有较高的准确性,日冷积量估算值与基于CHM模型得到的日冷积量间的RMSE为0.97~2.50CH,日热积量估算值与基于GDH模型得到的日热积量间的RMSE为1.73~15.76GDH;(3)利用苹果始花期预报模型估算日冷/热积量,日冷/热积量估算值与基于CHM/GDH模型得到的日冷/热积量间的RMSE分别为1.08~1.14CH和2.03~3.74GDH;当利用该模型进行苹果始花期预报时,预报值与实际值R2为0.92,RMSE为3.44d,其精度与基于真实逐小时气温数据的精度整体一致,表明本研究构建的苹果始花期预报模型可以有效将输入气温数据从逐小时尺度转换为日尺度,这在后续苹果始花期预报工作中具有较好的应用价值和潜力。 相似文献
6.
谷物收获机械无人化作业可有效解决收获季用工短缺问题,全田块自动导航作业是无人收获机智能化的核心。为解决水稻无人收获作业自动打点问题,基于边界线跟踪与地头区域检测实现水稻田块最外圈导航与剩余作业区域自动打点,并提出一种目标区域先验形态辅助的动态感兴趣区域设定方法,改善作物边界线提取可靠性。采用自控小车对所提方法进行验证,试验结果表明,当车辆作业速度为0.8m/s时,水稻未收获区域直线边界跟踪平均误差小于5cm,单帧图像检测时间小于50ms。水稻边界自动打点试验结果表明,所设计自动打点系统打点平均误差为3.5cm,满足直角梯形水稻田块自动打点需求。 相似文献
7.
8.
9.
基于无人机高光谱影像的冬小麦全蚀病监测模型研究 总被引:2,自引:0,他引:2
冬小麦全蚀病是导致小麦大幅减产甚至绝收的土传检疫性病害。快速、无损地监测冬小麦全蚀病空间分布对其防治具有重要意义。以无人机搭载成像高光谱仪为遥感平台,利用成像高光谱影像结合地面病害调查数据,在田块尺度对冬小麦全蚀病病情指数分布进行空间填图。利用地物光谱仪(ASD)同步获取的高光谱数据评价UHD185光谱数据质量,综合运用统计分析以及遥感反演填图技术,计算光谱指数(Difference spectral index,DSI)、比值光谱指数(Ratio spectral index,RSI)及归一化差值光谱指数(Normalized difference spectral index,NDSI)与病情指数(DI)构建决定系数等势图,筛选最优光谱指数与DI构建线性回归模型,并利用3个光谱指数构建偏最小二乘回归预测模型,以对比模型预测精度与稳健性。最后用独立数据对模型进行检验。结果表明,冬小麦冠层的ASD光谱数据与UHD185光谱数据相关性显著,决定系数R~2达0.97以上,3类光谱指数与DI构建偏最小二乘回归模型,得到模型验证结果(R~2=0.629 2,R_(MSE)=10.2%,M_(AE)=16.6%),其中DSI(R_(818),R_(534))对模型贡献度最高,利用DSI(R_(818),R_(534))与DI构建线性回归模型为y=-6.490 1x+1.461 3(R~2=0.860 5,R_(MSE)=7.3%,M_(AE)=19.1%),且通过独立样本的模型验证精度(R~2=0.76,R_(MSE)=14.9%,M_(AE)=11.7%,n=20)。最后使用该模型对冬小麦进行病情指数反演,制作了冬小麦全蚀病病害空间分布图,本研究结果为无人机高光谱遥感在冬小麦全蚀病的精准监测方面提供了技术支撑,并对未来卫星遥感探索冬小麦全蚀病大面积监测提供了理论基础。 相似文献
1