![使用無(wú)人機(jī)高光譜圖像和小型校準(zhǔn)數(shù)據(jù)集對(duì)田間土壤有機(jī)質(zhì)進(jìn)行高分辨率測(cè)繪]( "使用無(wú)人機(jī)高光譜圖像和小型校準(zhǔn)數(shù)據(jù)集對(duì)田間土壤有機(jī)質(zhì)進(jìn)行高分辨率測(cè)繪")
中國(guó)農(nóng)業(yè)發(fā)生于新石器時(shí)代。中國(guó)農(nóng)業(yè)的生產(chǎn)結(jié)構(gòu)包括種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)和副業(yè)；但數(shù)千年來(lái)一直以種植業(yè)為主。東北地區(qū)的黑土地，是寶貴的農(nóng)業(yè)資源。黑土地的土壤富含有機(jī)質(zhì)，深黑色的沃土，沉甸甸的感覺(jué)讓人感受到這片土地的肥沃。在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，科技的應(yīng)用在這片沃土上也發(fā)揮著至關(guān)重要的作用，科研團(tuán)隊(duì)利用機(jī)載高光譜對(duì)黑土地的土壤有機(jī)質(zhì)做了相關(guān)研究。使用無(wú)人機(jī)高光譜圖像和小型校準(zhǔn)數(shù)據(jù)集對(duì)田間土壤有機(jī)質(zhì)進(jìn)行高分辨率測(cè)繪快速獲取田間尺度土壤有機(jī)質(zhì)（SOM）的高分辨率空間分布對(duì)于精準(zhǔn)農(nóng)業(yè)至關(guān)重要。無(wú)人機(jī)成像高光譜技術(shù)以其高空間分辨率和時(shí)效性，可以填補(bǔ)地面監(jiān)測(cè)和遙感的研究空白。本研究旨在測(cè)試在中國(guó)東北典型低地勢(shì)黑土地區(qū)使用無(wú)人機(jī)高光譜數(shù)據(jù)（400–1000 nm）和小型校準(zhǔn)樣本集進(jìn)行1 m分辨率SOM繪圖的可行性。該實(shí)驗(yàn)在大約20公頃的土地上進(jìn)行。為了進(jìn)行校準(zhǔn)，使用 100 × 100 m 網(wǎng)格采樣策略收集了 20 個(gè)樣品，同時(shí)隨機(jī)收集了 20 個(gè)樣品進(jìn)行獨(dú)立驗(yàn)證。無(wú)人機(jī)捕獲空間分辨率為0.05×0.05 m的高光譜圖像。然后對(duì)每 1 × 1 m 內(nèi)提取的光譜進(jìn)行平均以代表該網(wǎng)格的光譜。在應(yīng)用各種光譜預(yù)處理（包括吸光度轉(zhuǎn)換、多重散射校正、Savitzky-Golay 平滑濾波和一階微分）后，SOM 光譜相關(guān)系數(shù)的絕對(duì)最大值從 0.41 增加到 0.58。最佳隨機(jī)森林（R...
發(fā)布時(shí)間:
2024
-
04
-
15
瀏覽次數(shù)：60
![IRIS機(jī)載一體式激光雷達(dá)高光譜成像儀在評(píng)估雜草抗性方面的應(yīng)用]( "IRIS機(jī)載一體式激光雷達(dá)高光譜成像儀在評(píng)估雜草抗性方面的應(yīng)用")
“倘若有什么植物妨礙了我們的計(jì)劃，或是擾亂了我們干凈整齊的世界，人們就會(huì)給它們冠上雜草之名。可如果你本沒(méi)什么宏偉大計(jì)或長(zhǎng)遠(yuǎn)藍(lán)圖，它們就只是清新簡(jiǎn)單的綠影，一點(diǎn)也不面目可憎?！?#160; ——《雜草的故事》清新簡(jiǎn)單的綠影自然面目可愛(ài)，惹人注目，但人類生存之下，繁多冗雜的一片蔓延，確是明目張膽地?fù)屃宿r(nóng)作物的地盤(pán)，傷了農(nóng)業(yè)發(fā)展。世界上的雜草有1000多種，它們通常生長(zhǎng)迅速、繁殖能力強(qiáng)，會(huì)對(duì)農(nóng)業(yè)產(chǎn)生一定的影響。雜草不僅會(huì)與農(nóng)作物爭(zhēng)奪土壤養(yǎng)分和水分，傳播病蟲(chóng)害，從而影響農(nóng)作物的生長(zhǎng)和產(chǎn)量，含有毒素的雜草還會(huì)影響農(nóng)作物品質(zhì)。因此，對(duì)于農(nóng)業(yè)生產(chǎn)來(lái)說(shuō)，防治雜草對(duì)保證農(nóng)作物的正常生長(zhǎng)和產(chǎn)量至關(guān)重要。IRIS機(jī)載一體式激光雷達(dá)高光譜成像儀在評(píng)估雜草抗性方面的應(yīng)用雜草防治是現(xiàn)代農(nóng)業(yè)生產(chǎn)管理的重要組成部分。然而，過(guò)度依賴常用除草劑進(jìn)行化學(xué)防治已導(dǎo)致大量抗性雜草的出現(xiàn)，對(duì)可持續(xù)農(nóng)業(yè)構(gòu)成重大威脅。因此，開(kāi)發(fā)一種大面積準(zhǔn)確評(píng)估和量化田間雜草抗性的方法對(duì)于農(nóng)場(chǎng)管理和可持續(xù)發(fā)展至關(guān)重要。目前的方法，例如目視檢查，既費(fèi)時(shí)又費(fèi)力。酶測(cè)定雖然準(zhǔn)確，但只能在實(shí)驗(yàn)室環(huán)境中進(jìn)行。熱成像技術(shù)可能會(huì)受到環(huán)境因素的影響，導(dǎo)致在室外使用時(shí)精度較低。因此，無(wú)法大規(guī)模應(yīng)用。無(wú)人機(jī)（UAV）和各種傳感器已經(jīng)成為植物表型研究中不可或缺的工具。在這項(xiàng)研究中，作者于2021年6月7日在中國(guó)黑龍江省哈爾濱市向陽(yáng)農(nóng)場(chǎng)（位于...
發(fā)布時(shí)間:
2023
-
10
-
30
瀏覽次數(shù)：44
全球氣候變化引起的預(yù)計(jì)人口增長(zhǎng)以及土地和農(nóng)業(yè)資源可利用性的壓力使未來(lái)幾十年全球糧食供應(yīng)的需求增加。提高光合作用能力已成為實(shí)現(xiàn)作物增產(chǎn)的目標(biāo)。目前，測(cè)量光合作用的方法是耗時(shí)的且具破壞性的，這會(huì)減慢鑒定具高光合能力的農(nóng)作物種質(zhì)的研究和育種工作。作者在1分鐘內(nèi)收集樣地（~2 m×2 m）向陽(yáng)葉片像素的高光譜反射率以量化光合作用參數(shù)和色素含量。在兩個(gè)生長(zhǎng)季節(jié)（2017年和2018年）利用田間生長(zhǎng)的經(jīng)基因改變了光合途徑的煙草，建立了8個(gè)光合參數(shù)和色素性狀的預(yù)測(cè)模型。利用偏最小二乘法（PLSR）分析可見(jiàn)近紅外（400-900 nm）光譜相機(jī)測(cè)得的植物反射像素，預(yù)測(cè)了Rubisco最大羧化速率（Vc,max，R2=0.79）和最大電子傳遞速率（J1800，R2=0.59），最大光飽和光合作用（Pmax，R2=0.54），葉綠素含量（R2=0.87），葉綠素a/b（R2=0.63），碳含量（R2=0.47）和氮含量（R2=0.49）。當(dāng)使用兩臺(tái)400-1800 nm相機(jī)時(shí)，模型的預(yù)測(cè)并沒(méi)有改善，這表明僅使用一臺(tái)VNIR相機(jī)就能實(shí)現(xiàn)強(qiáng)大，廣泛適用且更具“成本效益”的效果。該分析過(guò)程和方法可用于所有作物中，從而提供高通量田間表型篩選，并在田間試驗(yàn)中提高光合性能。高光譜圖像收集建立基于地面的表型平臺(tái)（圖1），包括兩個(gè)推掃式高光譜相機(jī)。第一臺(tái)高光譜相機(jī)（P...
發(fā)布時(shí)間:
2021
-
01
-
15
瀏覽次數(shù)：151
冷害是造成作物嚴(yán)重?fù)p失和不可逆轉(zhuǎn)傷害的災(zāi)害之一。為避免產(chǎn)量損失，可利用高通量表型選擇耐寒脅迫的作物品種。如今，無(wú)損光譜圖像分析已成為一種有效方法，并已廣泛應(yīng)用于高通量表型分析中，反映出植物結(jié)構(gòu)組成，生長(zhǎng)發(fā)育過(guò)程中的生理，生化特性和特征。本研究利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型提取可見(jiàn)-近紅外范圍的特征光譜估計(jì)玉米幼苗的冷害。文中以五個(gè)品種的冷處理玉米幼苗的高光譜圖像為研究對(duì)象。光譜范圍為450-885 nm。高斯低通濾波和Savitzky-Golay平滑方法結(jié)合一階導(dǎo)數(shù)進(jìn)行光譜數(shù)據(jù)的預(yù)處理。從每種玉米幼苗選定的感興趣區(qū)域獲取3600個(gè)像素樣本用于CNN建模。CNN模型建立后，從高光譜圖像中提取400個(gè)像素樣本作為每個(gè)品種的測(cè)試集。最后，通過(guò)分析分類準(zhǔn)確度和計(jì)算效率確定一個(gè)CNN模型。CNN檢測(cè)到的不同類型的玉米幼苗的冷害水平分別為W22 (41.8 %)，BxM (35%)， B73 (25.6%)，PH207 (20%)， Mo17 (14%)，與化學(xué)方法的結(jié)果高度相關(guān)。兩種方法檢測(cè)結(jié)果的相關(guān)系數(shù)為0.8219。因此，研究證明基于CNN建模的光譜分析可以為玉米幼苗冷害監(jiān)測(cè)提供參考。高光譜成像采集利用推掃式高光譜相機(jī)（PIKA II，Resonon）成像系統(tǒng)的整個(gè)結(jié)構(gòu)感興趣區(qū)域樣本數(shù)據(jù)選擇程序樣本的3D光譜分布CNN和化學(xué)方法結(jié)果的比較結(jié)論自卷積神經(jīng)網(wǎng)絡(luò)發(fā)...
發(fā)布時(shí)間:
2020
-
08
-
13
瀏覽次數(shù)：134
![利用近端遙感區(qū)分非病毒性和病毒性昆蟲(chóng)媒介—數(shù)據(jù)抗干擾性的證明及重要性]( "利用近端遙感區(qū)分非病毒性和病毒性昆蟲(chóng)媒介—數(shù)據(jù)抗干擾性的證明及重要性")
近端遙感作為昆蟲(chóng)病媒中植物病原檢測(cè)的診斷工具，有兩個(gè)基本假設(shè)。首先，通過(guò)昆蟲(chóng)媒介獲得植物病原體會(huì)引起昆蟲(chóng)媒介的生理變化；也就是說(shuō)，病原體可能只存在于非常特殊的組織或器官（如唾液腺），但它可能引起昆蟲(chóng)媒介對(duì)病原體的系統(tǒng)生理變化/反應(yīng)。其次，根據(jù)體表反射特征，即使在殺死昆蟲(chóng)標(biāo)本，并將其儲(chǔ)存在70%的乙醇中以后，也能檢測(cè)到病原體對(duì)昆蟲(chóng)生理學(xué)的影響。最近對(duì)后一種假設(shè)進(jìn)行了調(diào)查，并證明建議將樣本儲(chǔ)存在70%乙醇（與50%或90%相比）中。這項(xiàng)研究表明，在70%乙醇中儲(chǔ)存長(zhǎng)達(dá)數(shù)周的時(shí)間對(duì)昆蟲(chóng)樣品反射特性的影響微乎其微。這些技術(shù)細(xì)節(jié)非常重要，因?yàn)樗鼈儚?qiáng)調(diào)了昆蟲(chóng)標(biāo)本可以在現(xiàn)場(chǎng)收集、儲(chǔ)存在70%乙醇中，并可以在進(jìn)行診斷成像測(cè)試之前裝運(yùn)，但是在開(kāi)始廣泛試驗(yàn)之前，應(yīng)評(píng)估每種昆蟲(chóng)的這種效果是否可行。越來(lái)越多的學(xué)者開(kāi)始研究利用近端遙感技術(shù)來(lái)檢測(cè)和診斷植物和昆蟲(chóng)病媒中的病原體，這說(shuō)明這種基于反射的技術(shù)可用于改進(jìn)檢疫和檢驗(yàn)工作以及區(qū)域作物疾病監(jiān)測(cè)。也就是說(shuō)，與商業(yè)診斷實(shí)驗(yàn)室目前提供的基于PCR和酶聯(lián)免疫吸附試驗(yàn)的服務(wù)類似，反射的技術(shù)似乎也擁有提供此類服務(wù)的潛力，以便農(nóng)業(yè)利益相關(guān)者能夠?qū)⒗ハx(chóng)樣本運(yùn)送到這些實(shí)驗(yàn)室，并獲得關(guān)于感染率的快速、可靠和經(jīng)濟(jì)有效的數(shù)據(jù)。遙感數(shù)據(jù)是在與先前研究類似的環(huán)境條件下從單個(gè)成年甜菜葉蟬樣本中獲取的。成體樣本的年齡、性別和交配狀態(tài)未知，目的是模擬成體甜菜葉蟬在田間采樣時(shí)遇到的變異。使用安...
發(fā)布時(shí)間:
2020
-
07
-
10
瀏覽次數(shù)：101
高效的N肥使用產(chǎn)出需要平衡最小的環(huán)境污染和最大的產(chǎn)量，N素使用效率是目前精準(zhǔn)農(nóng)業(yè)中重要問(wèn)題之一。于2017年6月，應(yīng)用無(wú)人機(jī)高光譜成像系統(tǒng)對(duì)八種不同氮處理的冬小麥進(jìn)行了高光譜圖像采集。高光譜成像儀采用美國(guó)RESONON公司的Pika-L，波段范圍400-1000nm，系統(tǒng)集成了慣導(dǎo)測(cè)量系統(tǒng)（IMU）和穩(wěn)定云臺(tái)，可以獲得較高精度的光譜分辨率和空間分辨率的數(shù)據(jù)。同時(shí)在地面采集并獲得冬小麥的葉綠素含量（CHL）、葉面積(LAI),利用偏最小二乘法進(jìn)行反演估算，(RLAI 2= 0.79, RMSELAI [m2m2] = 0.18, R2CHL = 0.77, RMSECHL [_g cm-2] = 7.02)，并采用多元線性回歸模型進(jìn)行了產(chǎn)量估測(cè)（R2產(chǎn)量＝0.88，RMSEfield[dt ha-1]=4.18）。利用該模型，可以對(duì)高光譜圖像進(jìn)行像素水平的預(yù)測(cè)。結(jié)果表明，在一定施氮量以上，進(jìn)一步施肥不一定會(huì)繼續(xù)導(dǎo)致產(chǎn)量增加，為高光譜精準(zhǔn)農(nóng)業(yè)研究提供了一定了理論支持。1 實(shí)驗(yàn)設(shè)計(jì)試驗(yàn)田位于德國(guó)西北部的奧斯納布呂克大學(xué)，包括8個(gè)處理，6個(gè)施氮水平。氮肥水平選擇在0到150 kg ha-1，如圖所示，不同顏色代表了不同的處理。圖1研究區(qū)域2 數(shù)據(jù)處理高光譜傳感器采用美國(guó)RESONON公司的PikaL,無(wú)人機(jī)系統(tǒng)采用大疆無(wú)...
發(fā)布時(shí)間:
2020
-
07
-
10
瀏覽次數(shù)：201
在大豆的種植中，對(duì)雜草的管理有利于作物產(chǎn)量最大化。研究發(fā)現(xiàn)麥草畏可有效防除數(shù)種一年生和多年生的闊葉雜草。然而，麥草畏噴霧偏離目標(biāo)漂移或蒸氣漂移會(huì)嚴(yán)重危害易感作物，包括麥草畏不耐受性作物。因此評(píng)估麥草畏漂移對(duì)農(nóng)作物的損害對(duì)于有效控制雜草具有重要的意義。目前，作物損害主要是通過(guò)評(píng)估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來(lái)確定的。但是，這些評(píng)估需要耗費(fèi)大量的勞動(dòng)力。對(duì)于大尺度農(nóng)田的評(píng)估，則需要更快速且經(jīng)濟(jì)高效的方法。高光譜成像（HSI）可以快速掃描植物樣品且能獲得圖像中每個(gè)像素的完整反射光譜，已用于植物生理和生化特性的鑒定以及有毒金屬，鹽和病蟲(chóng)害引起的植物脅迫的檢測(cè)。同時(shí)結(jié)合許多機(jī)器學(xué)習(xí)（ML）算法，例如貝葉斯決策，最大似然分類，K均值聚類，隨機(jī)森林，支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)可以檢測(cè)，監(jiān)測(cè)和量化作物損害。在這篇文章中，科學(xué)家們利用Resonon Pika Ⅱ VNIR高光譜成像系統(tǒng)進(jìn)行了相關(guān)的研究，旨在：（1）了解不同麥草畏噴霧比率下生理參數(shù)，產(chǎn)量和相應(yīng)光譜響應(yīng)的變化；（2）確定適當(dāng)?shù)墓庾V特征，以評(píng)估麥草畏比率對(duì)植物的影響；（3）基于高光譜成像，使用機(jī)器學(xué)習(xí)算法建立模型，評(píng)估麥草畏比率。 1 研究區(qū)域田間試驗(yàn)于美國(guó)密西根州斯通維爾市農(nóng)作物生產(chǎn)系統(tǒng)研究農(nóng)場(chǎng)的美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究處4.5公頃的區(qū)域內(nèi)進(jìn)行。試驗(yàn)場(chǎng)布設(shè)如圖1所示。大豆于2014年5月7日播種。2014年3月下旬...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數(shù)：144
本文旨在利用高光譜數(shù)據(jù)建立一個(gè)準(zhǔn)確、可解釋的植物病害識(shí)別模型。由真菌引起的大豆炭腐病是一種嚴(yán)重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內(nèi)，Resonon高光譜成像儀在240個(gè)不同的波長(zhǎng)處捕獲高光譜圖像。針對(duì)大豆炭腐病，科學(xué)家建立了3D卷積分網(wǎng)絡(luò)模型，模型分類精度為95.73%，并利用可視化顯著圖檢驗(yàn)訓(xùn)練模型、敏感像素位置以及分類的特征敏感波段，發(fā)現(xiàn)：敏感特征波段為733 nm，這和常用的鑒別植物健康程度的特征波段范圍（700-1000nm）是一致的?！驹囼?yàn)方法】感染炭腐病的大豆：分別在第3、6、9、12和15天采集健康的和受感染的大豆莖稈樣品，在測(cè)量病害程度之前，實(shí)時(shí)采集健康的和收到感染的莖稈的高光譜圖像。測(cè)量?jī)x器：美國(guó)Resonon高光譜成像儀，型號(hào)：Pika XC （包含安裝支架、移動(dòng)平臺(tái)、操作軟件和2個(gè)70 w鹵素?zé)簦?。Pika XC性能：光譜通道數(shù)：240；波段范圍400-1000 nm；分辨率：2.5 nm。（a）室內(nèi)高光譜成像系統(tǒng)（b）不同光譜波段的大豆莖稈樣品高光譜圖像 （c）大豆莖稈內(nèi)外部RGB圖像病害程度比較3D-CNN模型由兩個(gè)連接的卷積分模型組成，其中，一個(gè)小的構(gòu)架用于防止訓(xùn)練模型過(guò)飽和。2個(gè)圖層（3*3mm空間維度，16個(gè)波段的光譜維度）作為第一個(gè)卷積分分層，4個(gè)3*3*16的圖層作為第二個(gè)卷積分層，修正線性輸入模型作為輸出層?！窘Y(jié)果分析】1....
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數(shù)：183
INVASIVE SPECIES MAPPING USING LOW COST HYPERSPECTRAL IMAGERY Steven Jay1 – Research AssistantDr. Rick Lawrence1 – Associate ProfessorDr. Kevin Repasky2 – Associate ProfessorCharlie Keith2 – Research Assistant1Department of Land Resources and Environmental Science Montana State University – Bozeman2Department of Electrical & Computer Engineering Montana State University – Bozeman 128 AJM Hall Montana State University Bozeman, MT 59717 入侵物種的監(jiān)測(cè)長(zhǎng)久以來(lái)是一個(gè)耗時(shí)、昂貴且無(wú)效的工作。遙感是監(jiān)測(cè)入侵物種的一種手段，然而，由于經(jīng)費(fèi)、時(shí)間和準(zhǔn)確度的問(wèn)題，限制了這種方法。 本研究評(píng)估了一款性價(jià)比較高的高光譜成像儀監(jiān)測(cè)并區(qū)分坐落在草地生態(tài)系統(tǒng)的乳漿大戟（Euphorbia esul...
發(fā)布時(shí)間:
2016
-
09
-
05
瀏覽次數(shù)：167