为实现不同施肥水平下大豆冠层叶绿素相对含量(Soil and Plant Analyzer Development,SPAD)监测,利用无人机获取大豆始粒期(R5)多光谱遥感图像,提取图像波段反射率,筛选6种植被指数,分析6种植被指数与SPAD值之间的相关性系数,将6种植被...为实现不同施肥水平下大豆冠层叶绿素相对含量(Soil and Plant Analyzer Development,SPAD)监测,利用无人机获取大豆始粒期(R5)多光谱遥感图像,提取图像波段反射率,筛选6种植被指数,分析6种植被指数与SPAD值之间的相关性系数,将6种植被指数作为模型输入量,采用偏最小二乘回归(Partial Least Squares Regression,PLSR)、BP神经网络和遗传算法(Genetic Algorithm,GA)优化BP神经网络(GA-BP)3种方法构建大豆冠层SPAD值反演模型,并对比不同模型反演精度,确定最佳模型。研究结果表明:GA-BP神经网络以6种植被指数估算SPAD值的效果要优于PLSR、BP神经网络方法,其X6施肥水平下利用GA-BP神经网络估算SPAD值精度达到最高,R2和RMSE分别为0.93和0.48。该方法能快速获取不同施肥水平下大豆冠层SPAD值,可为土肥专家合理施肥提供决策依据。展开更多
文摘蒸散发(Evapotranspiration,ET)是作物需水量的核心组分,也是区域水资源优化配置的关键依据。本文以陕西关中宝鸡峡灌区夏玉米为研究对象,采用BP神经网络(Back propagation neural network,BPNN)、支持向量机(Support vector machine,SVM)、极限学习机(Extreme learning machine,ELM)和极致梯度提升树(eXtreme gradient boosting,XGBoost)4种机器学习算法构建无人机-卫星多源遥感数据协同校正模型,并以最优算法建立的模型校正卫星多光谱数据,实现无人机和卫星数据的尺度转换。利用校正后高精度卫星数据反演夏玉米叶面积指数(Leaf area index,LAI)与株高(Crop height,hc)为蒸散发模型提供数据输入。分别采用双作物系数法、METRIC模型及Penman-Monteith(P-M)冠层阻力模型进行夏玉米蒸散发估算,引入贝叶斯模型平均(Bayesian model averaging,BMA)实现不同生育阶段各方法/模型权重的动态分配,最终得到玉米拔节-完熟期性能稳健的蒸散发BMA融合模型。结果表明:XGBoost算法在夏玉米拔节-完熟期的B/G/R/NIR波段建模精度均为最高,四波段建模结果决定系数(Coefficient of determination,R^(2))较算法ELM高出8.43%、8.67%、6.79%和10.41%;校正后的卫星多光谱数据LAI与hc反演结果R^(2)较原始卫星数据分别平均提高97%和67.5%;BMA融合模型在夏玉米拔节-抽雄期和蜡熟-完熟期较单一最优方法/模型(METRIC模型)均方根误差(Root mean squared error,RMSE)降低39.3%~58.5%。本研究利用“协同校正-动态融合”显著提升了蒸散发遥感监测精度,可为水资源精细化管理提供理论支撑。
文摘为实现不同施肥水平下大豆冠层叶绿素相对含量(Soil and Plant Analyzer Development,SPAD)监测,利用无人机获取大豆始粒期(R5)多光谱遥感图像,提取图像波段反射率,筛选6种植被指数,分析6种植被指数与SPAD值之间的相关性系数,将6种植被指数作为模型输入量,采用偏最小二乘回归(Partial Least Squares Regression,PLSR)、BP神经网络和遗传算法(Genetic Algorithm,GA)优化BP神经网络(GA-BP)3种方法构建大豆冠层SPAD值反演模型,并对比不同模型反演精度,确定最佳模型。研究结果表明:GA-BP神经网络以6种植被指数估算SPAD值的效果要优于PLSR、BP神经网络方法,其X6施肥水平下利用GA-BP神经网络估算SPAD值精度达到最高,R2和RMSE分别为0.93和0.48。该方法能快速获取不同施肥水平下大豆冠层SPAD值,可为土肥专家合理施肥提供决策依据。
文摘为探索植保无人机化学封顶作业的雾滴沉积特征,本研究开展了添加助剂和无助剂的植保无人机不同作业参数的两组田间试验,每组采用两因素裂区试验设计,无人机作业高度为主区(2.0 m、2.5 m、3.0 m、3.5 m,以H1、H2、H3、H4表示),无人机飞行速度为副区(3 m s、5 m s、7 m s,以V1、V2、V3表示),测定棉花冠层上、中、下部叶片雾滴密度、雾滴沉积量和雾滴粒径特征,评价飞喷作业效果。结果表明1)上部冠层中,H2V2的雾滴密度最大,其次是H1V1,平均雾滴密度助剂组较无助剂组高21.78%;雾滴沉积量以H2V2最大,助剂组达0.3833μL cm^(2),无助剂组达0.2667μL cm^(2);H3V2、H4V1和H2V2的雾滴相对粒径谱宽度显著小于其他处理,且其助剂组的明显低于无助剂组;2)中部冠层中,H2V2的雾滴密度及雾滴沉积量最大,其次是H3V1,平均雾滴密度及助剂组雾滴沉积量较无助剂组高52.80%和123.12%;雾滴相对粒径谱宽度助剂组以H3V1最低,无助剂组以H4V3最低,其平均值助剂组较无助剂组低7.62%;3)下部冠层中,H2V2的雾滴密度最大,其次是H1V1,平均雾滴密度助剂组较无助剂组高69.10%;雾滴沉积量助剂组以H2V2最大,其次是H3V1,无助剂组以H1V1最大,其次是H2V2,其平均值助剂组较无助剂组低93.73%;雾滴相对粒径谱宽度助剂组以H2V1最低,无助剂组以H4V1最低,其平均值助剂组较无助剂组低9.10%;4)雾滴密度和雾滴沉积量随冠层加深而降低,雾滴相对粒径谱宽度则差异不大。冠层雾滴沉积总量以H2V2最大,助剂组达0.8343μL cm^(2),无助剂组为0.4221μL cm^(2),各部分雾滴沉积量CV值,助剂组以H2V2最小,无助剂组以H1V2和H2V2较小。综上所述,添加助剂且无人机作业高度为2.5 m、速度为5 m s时群体雾滴沉积量及均匀性最大,雾滴穿透性最强,可作为实际应用的参考。
