基于无人机数码影像的冬小麦氮含量反演

TP75; 准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用.利用无人机(unmanned aerial vehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测.该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离.对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息.按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 35; no. 11; pp. 75 - 85
Main Authors 刘帅兵, 杨贵军, 景海涛, 冯海宽, 李贺丽, 陈鹏, 杨文攀
Format Journal Article
LanguageChinese
Published 国家农业信息化工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097 01.06.2019
武汉大学电子信息学院,武汉430072%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
河南理工大学测绘与国土信息工程学院,焦作 454000
北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
Subjects
无人机
主成分分析
多元线性回归
冬小麦
氮素
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2019.11.009

Cover

Abstract TP75; 准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用.利用无人机(unmanned aerial vehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测.该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离.对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息.按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digital number)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量.由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性.结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致.在反演模型构建精度方面,3种数据处理结果整体>部分>植被指数,反演效果叶氮>植株氮>茎氮.以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10％,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点.研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考.
AbstractList TP75; 准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用.利用无人机(unmanned aerial vehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测.该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离.对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息.按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digital number)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量.由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性.结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致.在反演模型构建精度方面,3种数据处理结果整体>部分>植被指数,反演效果叶氮>植株氮>茎氮.以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10％,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点.研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考.
Author 杨文攀
李贺丽
冯海宽
陈鹏
刘帅兵
杨贵军
景海涛
AuthorAffiliation 北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097;武汉大学电子信息学院,武汉430072%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097;国家农业信息化工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097;河南理工大学测绘与国土信息工程学院,焦作 454000
AuthorAffiliation_xml – name: 北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097;武汉大学电子信息学院,武汉430072%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097;国家农业信息化工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097;河南理工大学测绘与国土信息工程学院,焦作 454000
Author_FL Jing Haitao
Feng Haikuan
Liu Shuaibing
Li Heli
Chen Peng
Yang Wenpan
Yang Guijun
Author_FL_xml – sequence: 1
  fullname: Liu Shuaibing
– sequence: 2
  fullname: Yang Guijun
– sequence: 3
  fullname: Jing Haitao
– sequence: 4
  fullname: Feng Haikuan
– sequence: 5
  fullname: Li Heli
– sequence: 6
  fullname: Chen Peng
– sequence: 7
  fullname: Yang Wenpan
Author_xml – sequence: 1
  fullname: 刘帅兵
– sequence: 2
  fullname: 杨贵军
– sequence: 3
  fullname: 景海涛
– sequence: 4
  fullname: 冯海宽
– sequence: 5
  fullname: 李贺丽
– sequence: 6
  fullname: 陈鹏
– sequence: 7
  fullname: 杨文攀
BookMark eNo9j89KAzEYxHOoYK19DPG0a758zaY5SvEfFLzouSTbbGmRFAyiHkXRk64HRRDBnrwosl6Dvk2zpW_hiuJhZmAOM_yWSM2OrSFkBWgMIAVfG8VD52wMlLIoaYOMGa0MIKZU1kj9v18kTeeGmnJAQWkL6iQJz37qb8qHydT78smX98Vscha-PsJ5Pnu8CJdvocjn_qUs3sPt6_wqD_l1-Xm3TBYydeBM8y8bZH9zY6-zHXV3t3Y6693IAWUyYorJvpBKqQxMkhrENgqNmLQA07bODFOQUc76HCWmidEajABeSXCjmcQGWf3dPVY2U3bQG42PDm312LOng_RE_3BChSfxG37AX6A
ClassificationCodes TP75
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.11975/j.issn.1002-6819.2019.11.009
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Agriculture
DocumentTitle_FL Retrieval of winter wheat nitrogen content based on UAV digital image
EndPage 85
ExternalDocumentID nygcxb201911009
GrantInformation_xml – fundername: 国家重点研发计划; 国家自然科学基金; 北京市自然科学基金; 北京市农林科学院科技创新能力建设项目
  funderid: (2016YFD0300602); (41471351,41601346); (6182011); (KJCX20170423)
GroupedDBID -04
2B.
4A8
5XA
5XE
92G
92I
93N
ABDBF
ABJNI
ACGFO
ACGFS
ACUHS
AEGXH
AIAGR
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CHDYS
CW9
EOJEC
FIJ
IPNFZ
OBODZ
PSX
RIG
TCJ
TGD
TUS
U1G
U5N
ID FETCH-LOGICAL-s1029-2a29d79aaaf1e6ce33837b336413c8bfe2a1f052d5393c6ebb1e715e7175eb293
ISSN 1002-6819
IngestDate Thu May 29 04:08:35 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 11
Keywords 无人机
主成分分析
多元线性回归
冬小麦
氮素
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1029-2a29d79aaaf1e6ce33837b336413c8bfe2a1f052d5393c6ebb1e715e7175eb293
PageCount 11
ParticipantIDs wanfang_journals_nygcxb201911009
PublicationCentury 2000
PublicationDate 2019-06-01
PublicationDateYYYYMMDD 2019-06-01
PublicationDate_xml – month: 06
  year: 2019
  text: 2019-06-01
  day: 01
PublicationDecade 2010
PublicationTitle 农业工程学报
PublicationTitle_FL Transactions of the Chinese Society of Agricultural Engineering
PublicationYear 2019
Publisher 国家农业信息化工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
武汉大学电子信息学院,武汉430072%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
河南理工大学测绘与国土信息工程学院,焦作 454000
北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
Publisher_xml – name: 河南理工大学测绘与国土信息工程学院,焦作 454000
– name: 国家农业信息化工程技术研究中心,北京 100097%河南理工大学测绘与国土信息工程学院,焦作,454000%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
– name: 北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
– name: 武汉大学电子信息学院,武汉430072%北京农业信息技术研究中心,农业部农业遥感机理与定量遥感重点实验室,北京 100097
SSID ssib051370041
ssj0041925
ssib001101065
ssib023167668
Score 2.24752
Snippet TP75; 准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用.利用无人机(unmanned aerial...
SourceID wanfang
SourceType Aggregation Database
StartPage 75
Title 基于无人机数码影像的冬小麦氮含量反演
URI https://d.wanfangdata.com.cn/periodical/nygcxb201911009
Volume 35
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwpV3Na9RAFA-1BdGD-Inf9OCcZOsmm_k6TjYJRdBTC72VJJutpxXaLWhvouhJ10NFEMGevChSr4v-N90t_S9872Wym63bWvWwYXjz5n39ZpM3w3w4zp1WmsJ3TOW1uu_zmu-nqgZ5s6wJL8vwMBM_ocXjDx6KxWX__gpfmZnbrqxa2uymC9nW1H0l_4Iq0ABX3CX7F8iOhAIByoAvPAFheJ4IYxZxpmMWGBb5-FQRiwTTkpm6pWAVUJplgbMAqohBudg8CFlABdVgKsYqDXJ8oghmmsRTpyqNQoxAOUAxEWmHQoBVShIPx6cKiafJiouFy9zXygRj0DaFilA4GMPJJMVUgBQTWi0K1PGyR1BraKSoEfByokC5wgLSQxQUKRaADl6qDCZYNDMxWUjasTDJUrheZeHobhBWp0hwV5aoTpFQOAIMqGUX0xyGQsyMS-65pAR4IFJiWiwoBKpuITSxRU77VNCkgiQbUgqSAUWvWcqUthOY5l2XttIwj5NTHgsaxBQSk0QYVdUCcMBnRk6gAaFAmyQLAkKBFKtowm2wEvrjVCePxFkTIB7ZLbHrmcKrEKV5TTy7EW8S5797dbL4_k8QDwnXWGXUEVUuOSjQBR1X_naj8FYiBv3DtpL2v3W4eVEVUkwAL122irDKGAxFQQGkjoG8knRgViKUTR1sVlIc4lO-fd1KjlHcNFRmq3x6HqQlp0QIFSyMFOBSVr2ApxbX9TgBHC3L7Txdy56kyIMHSepTzpwnJS5-mTNBGMTjYZaLM0mjPMDD0zTEeNqCuw28NGO01A4XmnBadWLNOO2w0sh7x5lIGyk77aSzVsn5l8475-xgfd4Ub94LzszWo4vOWbO2bg8syi85YvCpv9d_M3y_s9fvDz_2h-9293eeDX5-Hzzv7X94MXj5dbDbO-h_Hu5-G7z9cvCqN-i9Hv7Yvuwsx9FSc7Fm76Kpbbi4QtBLPN2SOkmStpuLLKeZvbTREDAIyFTazr3Ebde51-IN3chEnqZuLl0OP8nzFMZUV5zZzuNOftWZ5xlPE40nofKWr_w8gRwolx6dWgCfVO-aM2-9XrXfmo3VQ8hc_zPLDefM-FV405ntrm_mt2D81E1vWzh_AZg4-XI
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%97%A0%E4%BA%BA%E6%9C%BA%E6%95%B0%E7%A0%81%E5%BD%B1%E5%83%8F%E7%9A%84%E5%86%AC%E5%B0%8F%E9%BA%A6%E6%B0%AE%E5%90%AB%E9%87%8F%E5%8F%8D%E6%BC%94&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E5%88%98%E5%B8%85%E5%85%B5&rft.au=%E6%9D%A8%E8%B4%B5%E5%86%9B&rft.au=%E6%99%AF%E6%B5%B7%E6%B6%9B&rft.au=%E5%86%AF%E6%B5%B7%E5%AE%BD&rft.date=2019-06-01&rft.pub=%E5%9B%BD%E5%AE%B6%E5%86%9C%E4%B8%9A%E4%BF%A1%E6%81%AF%E5%8C%96%E5%B7%A5%E7%A8%8B%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%2C%E5%8C%97%E4%BA%AC+100097%25%E6%B2%B3%E5%8D%97%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6%E6%B5%8B%E7%BB%98%E4%B8%8E%E5%9B%BD%E5%9C%9F%E4%BF%A1%E6%81%AF%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E7%84%A6%E4%BD%9C%2C454000%25%E5%8C%97%E4%BA%AC%E5%86%9C%E4%B8%9A%E4%BF%A1%E6%81%AF%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%2C%E5%86%9C%E4%B8%9A%E9%83%A8%E5%86%9C%E4%B8%9A%E9%81%A5%E6%84%9F%E6%9C%BA%E7%90%86%E4%B8%8E%E5%AE%9A%E9%87%8F%E9%81%A5%E6%84%9F%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E5%8C%97%E4%BA%AC+100097&rft.issn=1002-6819&rft.volume=35&rft.issue=11&rft.spage=75&rft.epage=85&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2019.11.009&rft.externalDocID=nygcxb201911009
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg