久久午夜无码鲁丝片午夜精品 ,一本久久综合亚洲鲁鲁五月天,人妻少妇无码视频免费看

應(yīng)用支持 Application Support

News 應(yīng)用支持

您現(xiàn)在的位置：首頁 → 應(yīng)用支持 → 高光譜應(yīng)用案例 > 農(nóng)業(yè)

使用無人機高光譜圖像和小型校準(zhǔn)數(shù)據(jù)集對田間土壤有機質(zhì)進行高分辨率測繪

中國農(nóng)業(yè)發(fā)生于新石器時代。中國農(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質(zhì)，深黑色的沃土，沉甸甸的感覺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，科研團隊利用機載高光譜對黑土地的土壤有機質(zhì)做了相關(guān)研究。使用無人機高光譜圖像和小型校準(zhǔn)數(shù)據(jù)集對田間土壤有機質(zhì)進行高分辨率測繪快速獲取田間尺度土壤有機質(zhì)（SOM）的高分辨率空間分布對于精準(zhǔn)農(nóng)業(yè)至關(guān)重要。無人機成像高光譜技術(shù)以其高空間分辨率和時效性，可以填補地面監(jiān)測和遙感的研究空白。本研究旨在測試在中國東北典型低地勢黑土地區(qū)使用無人機高光譜數(shù)據(jù)（400–1000 nm）和小型校準(zhǔn)樣本集進行1 m分辨率SOM繪圖的可行性。該實驗在大約20公頃的土地上進行。為了進行校準(zhǔn)，使用 100 × 100 m 網(wǎng)格采樣策略收集了 20 個樣品，同時隨機收集了 20 個樣品進行獨立驗證。無人機捕獲空間分辨率為0.05×0.05 m的高光譜圖像。然后對每 1 × 1 m 內(nèi)提取的光譜進行平均以代表該網(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)的絕對最大值從 0.41 增加到 0.58。最佳隨機森林（RF）模型的重要性分析表明，SOM 的特征波段位于 450-600 和 750-900 nm 區(qū)域。當(dāng)使用RF模型時，無人機高光譜數(shù)據(jù)（UAV-RF）能夠成功預(yù)測SOM，R 為0.53，RMSE為1.48 g kg?1。然后將預(yù)測精度與使用相同數(shù)量校準(zhǔn)樣本的普通克里金法（OK）和基于近端傳感的射頻模型（PS-RF）獲得的預(yù)測精度進行比較。然而，由于采樣密度較低，OK 方法無法預(yù)測 SOM 精度（RM...

發(fā)布時間: 2024 - 04 - 15

瀏覽次數(shù)：85

查看詳情>>

使用無人機高光譜圖像和小型校準(zhǔn)數(shù)據(jù)集對田間土壤有機質(zhì)進行高分辨率測繪

發(fā)布時間: 2024 - 04 - 15

瀏覽次數(shù)：85

查看詳情>>

IRIS機載一體式激光雷達(dá)高光譜成像儀在評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劃，或是擾亂了我們干凈整齊的世界，人們就會給它們冠上雜草之名?？扇绻惚緵]什么宏偉大計或長遠(yuǎn)藍(lán)圖，它們就只是清新簡單的綠影，一點也不面目可憎。” ——《雜草的故事》清新簡單的綠影自然面目可愛，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，傷了農(nóng)業(yè)發(fā)展。世界上的雜草有1000多種，它們通常生長迅速、繁殖能力強，會對農(nóng)業(yè)產(chǎn)生一定的影響。雜草不僅會與農(nóng)作物爭奪土壤養(yǎng)分和水分，傳播病蟲害，從而影響農(nóng)作物的生長和產(chǎn)量，含有毒素的雜草還會影響農(nóng)作物品質(zhì)。因此，對于農(nóng)業(yè)生產(chǎn)來說，防治雜草對保證農(nóng)作物的正常生長和產(chǎn)量至關(guān)重要。IRIS機載一體式激光雷達(dá)高光譜成像儀在評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，過度依賴常用除草劑進行化學(xué)防治已導(dǎo)致大量抗性雜草的出現(xiàn)，對可持續(xù)農(nóng)業(yè)構(gòu)成重大威脅。因此，開發(fā)一種大面積準(zhǔn)確評估和量化田間雜草抗性的方法對于農(nóng)場管理和可持續(xù)發(fā)展至關(guān)重要。目前的方法，例如目視檢查，既費時又費力。酶測定雖然準(zhǔn)確，但只能在實驗室環(huán)境中進行。熱成像技術(shù)可能會受到環(huán)境因素的影響，導(dǎo)致在室外使用時精度較低。因此，無法大規(guī)模應(yīng)用。無人機（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。在這項研究中，作者于2021年6月7日在中國黑龍江省哈爾濱市向陽農(nóng)場（位于...

發(fā)布時間: 2023 - 10 - 30

瀏覽次數(shù)：51

查看詳情>>

利用近端高光譜成像快速篩選光合參數(shù)

全球氣候變化引起的預(yù)計人口增長以及土地和農(nóng)業(yè)資源可利用性的壓力使未來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現(xiàn)作物增產(chǎn)的目標(biāo)。目前，測量光合作用的方法是耗時的且具破壞性的，這會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。在兩個生長季節(jié)（2017年和2018年）利用田間生長的經(jīng)基因改變了光合途徑的煙草，建立了8個光合參數(shù)和色素性狀的預(yù)測模型。利用偏最小二乘法（PLSR）分析可見近紅外（400-900 nm）光譜相機測得的植物反射像素，預(yù)測了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400-1800 nm相機時，模型的預(yù)測并沒有改善，這表明僅使用一臺VNIR相機就能實現(xiàn)強大，廣泛適用且更具“成本效益”的效果。該分析過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（圖1），包括兩個推掃式高光譜相機。第一臺高光譜相機（P...

發(fā)布時間: 2021 - 01 - 15

瀏覽次數(shù)：160

查看詳情>>

利用高光譜成像診斷作物冷害

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，生長發(fā)育過程中的生理，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-近紅外范圍的特征光譜估計玉米幼苗的冷害。文中以五個品種的冷處理玉米幼苗的高光譜圖像為研究對象。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個像素樣本作為每個品種的測試集。最后，通過分析分類準(zhǔn)確度和計算效率確定一個CNN模型。CNN檢測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)測提供參考。高光譜成像采集利用推掃式高光譜相機（PIKA II，Resonon）成像系統(tǒng)的整個結(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)布時間: 2020 - 08 - 13

瀏覽次數(shù)：156

查看詳情>>

利用近端遙感區(qū)分非病毒性和病毒性昆蟲媒介—數(shù)據(jù)抗干擾性的證明及重要性

近端遙感作為昆蟲病媒中植物病原檢測的診斷工具，有兩個基本假設(shè)。首先，通過昆蟲媒介獲得植物病原體會引起昆蟲媒介的生理變化；也就是說，病原體可能只存在于非常特殊的組織或器官（如唾液腺），但它可能引起昆蟲媒介對病原體的系統(tǒng)生理變化/反應(yīng)。其次，根據(jù)體表反射特征，即使在殺死昆蟲標(biāo)本，并將其儲存在70%的乙醇中以后，也能檢測到病原體對昆蟲生理學(xué)的影響。最近對后一種假設(shè)進行了調(diào)查，并證明建議將樣本儲存在70%乙醇（與50%或90%相比）中。這項研究表明，在70%乙醇中儲存長達(dá)數(shù)周的時間對昆蟲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，因為它們強調(diào)了昆蟲標(biāo)本可以在現(xiàn)場收集、儲存在70%乙醇中，并可以在進行診斷成像測試之前裝運，但是在開始廣泛試驗之前，應(yīng)評估每種昆蟲的這種效果是否可行。越來越多的學(xué)者開始研究利用近端遙感技術(shù)來檢測和診斷植物和昆蟲病媒中的病原體，這說明這種基于反射的技術(shù)可用于改進檢疫和檢驗工作以及區(qū)域作物疾病監(jiān)測。也就是說，與商業(yè)診斷實驗室目前提供的基于PCR和酶聯(lián)免疫吸附試驗的服務(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樣本運送到這些實驗室，并獲得關(guān)于感染率的快速、可靠和經(jīng)濟有效的數(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遇到的變異。使用安...

發(fā)布時間: 2020 - 07 - 10

瀏覽次數(shù)：110

查看詳情>>

基于高分辨率無人機的高光譜圖像小麥的LAI和葉綠素估算

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)中重要問題之一。于2017年6月，應(yīng)用無人機高光譜成像系統(tǒng)對八種不同氮處理的冬小麥進行了高光譜圖像采集。高光譜成像儀采用美國RESONON公司的Pika-L，波段范圍400-1000nm，系統(tǒng)集成了慣導(dǎo)測量系統(tǒng)（IMU）和穩(wěn)定云臺，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行了產(chǎn)量估測（R2產(chǎn)量＝0.88，RMSEfield[dt ha-1]=4.18）。利用該模型，可以對高光譜圖像進行像素水平的預(yù)測。結(jié)果表明，在一定施氮量以上，進一步施肥不一定會繼續(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 實驗設(shè)計試驗田位于德國西北部的奧斯納布呂克大學(xué)，包括8個處理，6個施氮水平。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RESONON公司的PikaL,無人機系統(tǒng)采用大疆無...

發(fā)布時間: 2020 - 07 - 10

瀏覽次數(shù)：232

查看詳情>>

通過高光譜成像利用機器學(xué)習(xí)評估麥草畏對麥草畏不耐受性大豆的農(nóng)作物損害

在大豆的種植中，對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)漂移或蒸氣漂移會嚴(yán)重危害易感作物，包括麥草畏不耐受性作物。因此評估麥草畏漂移對農(nóng)作物的損害對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評估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來確定的。但是，這些評估需要耗費大量的勞動力。對于大尺度農(nóng)田的評估，則需要更快速且經(jīng)濟高效的方法。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，鹽和病蟲害引起的植物脅迫的檢測。同時結(jié)合許多機器學(xué)習(xí)（ML）算法，例如貝葉斯決策，最大似然分類，K均值聚類，隨機森林，支持向量機和人工神經(jīng)網(wǎng)絡(luò)可以檢測，監(jiān)測和量化作物損害。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，以評估麥草畏比率對植物的影響；（3）基于高光譜成像，使用機器學(xué)習(xí)算法建立模型，評估麥草畏比率。 1 研究區(qū)域田間試驗于美國密西根州斯通維爾市農(nóng)作物生產(chǎn)系統(tǒng)研究農(nóng)場的美國農(nóng)業(yè)部農(nóng)業(yè)研究處4.5公頃的區(qū)域內(nèi)進行。試驗場布設(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)布時間: 2020 - 07 - 09

瀏覽次數(shù)：165

查看詳情>>

植物病害的高光譜圖像解譯識別：3D-CNN與顯著圖模型

本文旨在利用高光譜數(shù)據(jù)建立一個準(zhǔn)確、可解釋的植物病害識別模型。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個不同的波長處捕獲高光譜圖像。針對大豆炭腐病，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?！驹囼灧椒ā扛腥咎扛〉拇蠖梗悍謩e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，在測量病害程度之前，實時采集健康的和收到感染的莖稈的高光譜圖像。測量儀器：美國Resonon高光譜成像儀，型號：Pika XC （包含安裝支架、移動平臺、操作軟件和2個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模型由兩個連接的卷積分模型組成，其中，一個小的構(gòu)架用于防止訓(xùn)練模型過飽和。2個圖層（3*3mm空間維度，16個波段的光譜維度）作為第一個卷積分分層，4個3*3*16的圖層作為第二個卷積分層，修正線性輸入模型作為輸出層?！窘Y(jié)果分析】1....

發(fā)布時間: 2020 - 07 - 09

瀏覽次數(shù)：210

查看詳情>>

高光譜成像技術(shù)在監(jiān)測物種入侵上的應(yīng)用

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)測長久以來是一個耗時、昂貴且無效的工作。遙感是監(jiān)測入侵物種的一種手段，然而，由于經(jīng)費、時間和準(zhǔn)確度的問題，限制了這種方法。本研究評估了一款性價比較高的高光譜成像儀監(jiān)測并區(qū)分坐落在草地生態(tài)系統(tǒng)的乳漿大戟（Euphorbia esul...

發(fā)布時間: 2016 - 09 - 05

瀏覽次數(shù)：184

查看詳情>>

北京理加聯(lián)合科技有限公司

QQ設(shè)置

SKYPE 設(shè)置

阿里旺旺設(shè)置

等待加載動態(tài)數(shù)據(jù)...

電話號碼管理

二維碼管理

等待加載動態(tài)數(shù)據(jù)...