![使用無人機高光譜圖像和小型校準數據集對田間土壤有機質進行高分辨率測繪]( "使用無人機高光譜圖像和小型校準數據集對田間土壤有機質進行高分辨率測繪")
中(zhong)國(guo)(guo)農(nong)(nong)業(ye)發(fa)生(sheng)于新石器時代。中(zhong)國(guo)(guo)農(nong)(nong)業(ye)的生(sheng)產結(jie)構包(bao)括種(zhong)植(zhi)業(ye)、林業(ye)、畜牧業(ye)、漁業(ye)和(he)副業(ye)；但數千年來(lai)一直以(yi)(yi)(yi)種(zhong)植(zhi)業(ye)為主(zhu)。東北(bei)地(di)(di)區(qu)的黑(hei)(hei)土(tu)(tu)(tu)地(di)(di)，是寶(bao)貴的農(nong)(nong)業(ye)資源。黑(hei)(hei)土(tu)(tu)(tu)地(di)(di)的土(tu)(tu)(tu)壤(rang)富(fu)含(han)有機(ji)(ji)質(zhi)，深(shen)黑(hei)(hei)色的沃土(tu)(tu)(tu)，沉甸甸的感(gan)覺讓人(ren)(ren)感(gan)受到這(zhe)片(pian)土(tu)(tu)(tu)地(di)(di)的肥沃。在(zai)(zai)現代農(nong)(nong)業(ye)生(sheng)產中(zhong)，科技(ji)的應用(yong)(yong)在(zai)(zai)這(zhe)片(pian)沃土(tu)(tu)(tu)上(shang)也發(fa)揮著至關(guan)重(zhong)要的作用(yong)(yong)，科研(yan)團隊利用(yong)(yong)機(ji)(ji)載高(gao)(gao)光(guang)譜(pu)(pu)(pu)對黑(hei)(hei)土(tu)(tu)(tu)地(di)(di)的土(tu)(tu)(tu)壤(rang)有機(ji)(ji)質(zhi)做了(le)相(xiang)關(guan)研(yan)究(jiu)。使(shi)用(yong)(yong)無人(ren)(ren)機(ji)(ji)高(gao)(gao)光(guang)譜(pu)(pu)(pu)圖(tu)像和(he)小型校準(zhun)數據集對田間土(tu)(tu)(tu)壤(rang)有機(ji)(ji)質(zhi)進(jin)行(xing)(xing)高(gao)(gao)分(fen)辨(bian)率(lv)測(ce)(ce)繪快(kuai)速獲(huo)取田間尺度土(tu)(tu)(tu)壤(rang)有機(ji)(ji)質(zhi)（SOM）的高(gao)(gao)分(fen)辨(bian)率(lv)空(kong)(kong)間分(fen)布(bu)對于精準(zhun)農(nong)(nong)業(ye)至關(guan)重(zhong)要。無人(ren)(ren)機(ji)(ji)成(cheng)像高(gao)(gao)光(guang)譜(pu)(pu)(pu)技(ji)術(shu)以(yi)(yi)(yi)其(qi)高(gao)(gao)空(kong)(kong)間分(fen)辨(bian)率(lv)和(he)時效性，可(ke)以(yi)(yi)(yi)填補(bu)地(di)(di)面(mian)監測(ce)(ce)和(he)遙感(gan)的研(yan)究(jiu)空(kong)(kong)白。本(ben)(ben)研(yan)究(jiu)旨在(zai)(zai)測(ce)(ce)試在(zai)(zai)中(zhong)國(guo)(guo)東北(bei)典型低地(di)(di)勢黑(hei)(hei)土(tu)(tu)(tu)地(di)(di)區(qu)使(shi)用(yong)(yong)無人(ren)(ren)機(ji)(ji)高(gao)(gao)光(guang)譜(pu)(pu)(pu)數據（400–1000 nm）和(he)小型校準(zhun)樣(yang)本(ben)(ben)集進(jin)行(xing)(xing)1 m分(fen)辨(bian)率(lv)SOM繪圖(tu)的可(ke)行(xing)(xing)性。該實驗(yan)在(zai)(zai)大(da)約20公頃的土(tu)(tu)(tu)地(di)(di)上(shang)進(jin)行(xing)(xing)。為了(le)進(jin)行(xing)(xing)校準(zhun)，使(shi)用(yong)(yong) 100 × 100 m 網(wang)格采樣(yang)策(ce)略收集了(le) 20 個樣(yang)品(pin)(pin)，同時隨(sui)機(ji)(ji)收集了(le) 20 個樣(yang)品(pin)(pin)進(jin)行(xing)(xing)獨立(li)驗(yan)證。無人(ren)(ren)機(ji)(ji)捕獲(huo)空(kong)(kong)間分(fen)辨(bian)率(lv)為0.05×0.05 m的高(gao)(gao)光(guang)譜(pu)(pu)(pu)圖(tu)像。然后(hou)對每 1 × 1 m 內提取的光(guang)譜(pu)(pu)(pu)進(jin)行(xing)(xing)平(ping)均以(yi)(yi)(yi)代表(biao)該網(wang)格的光(guang)譜(pu)(pu)(pu)。在(zai)(zai)應用(yong)(yong)各種(zhong)光(guang)譜(pu)(pu)(pu)預處理（包(bao)括吸光(guang)度轉換(huan)、多重(zhong)散(san)射校正、Savitzky-Golay 平(ping)滑(hua)濾波和(he)一階微分(fen)）后(hou)，SOM 光(guang)譜(pu)(pu)(pu)相(xiang)關(guan)系數的絕(jue)對最大(da)值(zhi)從 0.41 增加到 0.58。最佳隨(sui)機(ji)(ji)森林（R...
發布時間:
2024
-
04
-
15
瀏覽次數：53
![IRIS機載一體式激光雷達高光譜成像儀在評估雜草抗性方面的應用]( "IRIS機載一體式激光雷達高光譜成像儀在評估雜草抗性方面的應用")
“倘若有什么(me)植(zhi)物(wu)(wu)妨礙(ai)了(le)(le)我們(men)的(de)(de)(de)(de)(de)(de)計劃，或是(shi)擾亂了(le)(le)我們(men)干凈整齊(qi)的(de)(de)(de)(de)(de)(de)世界，人(ren)們(men)就會(hui)(hui)給它們(men)冠上雜(za)(za)(za)草之(zhi)名。可如果(guo)你本沒(mei)什么(me)宏偉大(da)(da)計或長遠藍圖，它們(men)就只是(shi)清(qing)新簡單(dan)的(de)(de)(de)(de)(de)(de)綠(lv)影，一(yi)點也(ye)不(bu)面目(mu)(mu)(mu)可憎。” ——《雜(za)(za)(za)草的(de)(de)(de)(de)(de)(de)故事》清(qing)新簡單(dan)的(de)(de)(de)(de)(de)(de)綠(lv)影自(zi)然(ran)面目(mu)(mu)(mu)可愛，惹(re)人(ren)注目(mu)(mu)(mu)，但人(ren)類生存之(zhi)下，繁(fan)多冗(rong)雜(za)(za)(za)的(de)(de)(de)(de)(de)(de)一(yi)片蔓延，確(que)是(shi)明目(mu)(mu)(mu)張(zhang)膽地搶了(le)(le)農(nong)作物(wu)(wu)的(de)(de)(de)(de)(de)(de)地盤(pan)，傷(shang)了(le)(le)農(nong)業(ye)發展。世界上的(de)(de)(de)(de)(de)(de)雜(za)(za)(za)草有1000多種(zhong)，它們(men)通(tong)常生長迅(xun)速、繁(fan)殖能力(li)強，會(hui)(hui)對(dui)農(nong)業(ye)產生一(yi)定的(de)(de)(de)(de)(de)(de)影響。雜(za)(za)(za)草不(bu)僅會(hui)(hui)與(yu)農(nong)作物(wu)(wu)爭奪土壤養分和(he)(he)水分，傳播病(bing)蟲害，從(cong)而影響農(nong)作物(wu)(wu)的(de)(de)(de)(de)(de)(de)生長和(he)(he)產量，含有毒(du)素的(de)(de)(de)(de)(de)(de)雜(za)(za)(za)草還會(hui)(hui)影響農(nong)作物(wu)(wu)品(pin)質。因(yin)此，對(dui)于(yu)農(nong)業(ye)生產來說，防治雜(za)(za)(za)草對(dui)保證農(nong)作物(wu)(wu)的(de)(de)(de)(de)(de)(de)正常生長和(he)(he)產量至關重要(yao)。IRIS機載一(yi)體(ti)式(shi)激(ji)光雷達高光譜成(cheng)像儀在(zai)(zai)(zai)評(ping)估(gu)雜(za)(za)(za)草抗性方(fang)面的(de)(de)(de)(de)(de)(de)應(ying)用(yong)雜(za)(za)(za)草防治是(shi)現(xian)代農(nong)業(ye)生產管理(li)的(de)(de)(de)(de)(de)(de)重要(yao)組成(cheng)部分。然(ran)而，過度依(yi)賴常用(yong)除草劑進(jin)行化學防治已導致大(da)(da)量抗性雜(za)(za)(za)草的(de)(de)(de)(de)(de)(de)出(chu)現(xian)，對(dui)可持續農(nong)業(ye)構成(cheng)重大(da)(da)威脅。因(yin)此，開發一(yi)種(zhong)大(da)(da)面積準(zhun)確(que)評(ping)估(gu)和(he)(he)量化田間雜(za)(za)(za)草抗性的(de)(de)(de)(de)(de)(de)方(fang)法對(dui)于(yu)農(nong)場(chang)管理(li)和(he)(he)可持續發展至關重要(yao)。目(mu)(mu)(mu)前(qian)的(de)(de)(de)(de)(de)(de)方(fang)法，例(li)如目(mu)(mu)(mu)視檢查，既(ji)費(fei)時又費(fei)力(li)。酶測定雖然(ran)準(zhun)確(que)，但只能在(zai)(zai)(zai)實(shi)驗室環(huan)境(jing)中(zhong)進(jin)行。熱(re)成(cheng)像技術可能會(hui)(hui)受到環(huan)境(jing)因(yin)素的(de)(de)(de)(de)(de)(de)影響，導致在(zai)(zai)(zai)室外使(shi)用(yong)時精度較低。因(yin)此，無法大(da)(da)規模應(ying)用(yong)。無人(ren)機（UAV）和(he)(he)各種(zhong)傳感器(qi)已經成(cheng)為植(zhi)物(wu)(wu)表型研(yan)(yan)究中(zhong)不(bu)可或缺(que)的(de)(de)(de)(de)(de)(de)工(gong)具。在(zai)(zai)(zai)這項研(yan)(yan)究中(zhong)，作者(zhe)于(yu)2021年6月7日在(zai)(zai)(zai)中(zhong)國黑(hei)龍(long)江(jiang)省哈爾濱市向陽(yang)農(nong)場(chang)（位于(yu)...
發布(bu)時間:
2023
-
10
-
30
瀏覽次數：41
![利用近端高光譜成像快速篩選光合參數]( "利用近端高光譜成像快速篩選光合參數")
全(quan)球氣(qi)候變化引(yin)起的(de)(de)(de)預計(ji)人口(kou)增(zeng)(zeng)長(chang)以及土地和(he)農業資源可(ke)利用(yong)(yong)(yong)(yong)性的(de)(de)(de)壓力使未來幾十年(nian)全(quan)球糧食供應的(de)(de)(de)需求增(zeng)(zeng)加。提高光(guang)合(he)作(zuo)用(yong)(yong)(yong)(yong)能(neng)(neng)力已成(cheng)為實現作(zuo)物增(zeng)(zeng)產的(de)(de)(de)目標。目前(qian)，測(ce)量(liang)光(guang)合(he)作(zuo)用(yong)(yong)(yong)(yong)的(de)(de)(de)方法是耗時的(de)(de)(de)且具破壞性的(de)(de)(de)，這會減慢鑒定具高光(guang)合(he)能(neng)(neng)力的(de)(de)(de)農作(zuo)物種(zhong)質的(de)(de)(de)研究(jiu)和(he)育種(zhong)工作(zuo)。作(zuo)者在1分(fen)鐘內收集(ji)樣地（~2 m×2 m）向陽葉片像(xiang)素(su)(su)的(de)(de)(de)高光(guang)譜反(fan)(fan)射(she)率以量(liang)化光(guang)合(he)作(zuo)用(yong)(yong)(yong)(yong)參數和(he)色素(su)(su)含(han)量(liang)。在兩(liang)個生(sheng)長(chang)季節（2017年(nian)和(he)2018年(nian)）利用(yong)(yong)(yong)(yong)田間生(sheng)長(chang)的(de)(de)(de)經基因改變了光(guang)合(he)途(tu)徑的(de)(de)(de)煙草，建立了8個光(guang)合(he)參數和(he)色素(su)(su)性狀的(de)(de)(de)預測(ce)模型(xing)。利用(yong)(yong)(yong)(yong)偏最小二乘法（PLSR）分(fen)析(xi)(xi)可(ke)見(jian)近紅外（400-900 nm）光(guang)譜相(xiang)機測(ce)得的(de)(de)(de)植物反(fan)(fan)射(she)像(xiang)素(su)(su)，預測(ce)了Rubisco最大羧(suo)化速率（Vc,max，R2=0.79）和(he)最大電子(zi)傳遞(di)速率（J1800，R2=0.59），最大光(guang)飽和(he)光(guang)合(he)作(zuo)用(yong)(yong)(yong)(yong)（Pmax，R2=0.54），葉綠(lv)素(su)(su)含(han)量(liang)（R2=0.87），葉綠(lv)素(su)(su)a/b（R2=0.63），碳(tan)含(han)量(liang)（R2=0.47）和(he)氮含(han)量(liang)（R2=0.49）。當使用(yong)(yong)(yong)(yong)兩(liang)臺(tai)400-1800 nm相(xiang)機時，模型(xing)的(de)(de)(de)預測(ce)并沒有改善，這表(biao)明僅使用(yong)(yong)(yong)(yong)一(yi)臺(tai)VNIR相(xiang)機就能(neng)(neng)實現強大，廣泛適用(yong)(yong)(yong)(yong)且更具“成(cheng)本效益”的(de)(de)(de)效果(guo)。該分(fen)析(xi)(xi)過程和(he)方法可(ke)用(yong)(yong)(yong)(yong)于(yu)(yu)所有作(zuo)物中，從(cong)而提供高通量(liang)田間表(biao)型(xing)篩(shai)選，并在田間試驗中提高光(guang)合(he)性能(neng)(neng)。高光(guang)譜圖像(xiang)收集(ji)建立基于(yu)(yu)地面的(de)(de)(de)表(biao)型(xing)平臺(tai)（圖1），包(bao)括兩(liang)個推掃式(shi)高光(guang)譜相(xiang)機。第(di)一(yi)臺(tai)高光(guang)譜相(xiang)機（P...
發(fa)布(bu)時間(jian):
2021
-
01
-
15
瀏覽次數：150
![利用高光譜成像診斷作物冷害]( "利用高光譜成像診斷作物冷害")
冷害(hai)(hai)(hai)是造成作(zuo)物嚴重損失和(he)(he)(he)不(bu)(bu)可(ke)逆轉傷害(hai)(hai)(hai)的(de)(de)(de)災害(hai)(hai)(hai)之一。為(wei)(wei)避免產量損失，可(ke)利(li)用(yong)高(gao)(gao)通(tong)量表型(xing)選擇(ze)耐寒(han)脅(xie)迫的(de)(de)(de)作(zuo)物品(pin)(pin)種(zhong)。如今，無(wu)損光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)圖(tu)(tu)像(xiang)(xiang)(xiang)分(fen)析(xi)已成為(wei)(wei)一種(zhong)有效(xiao)方(fang)(fang)法(fa)(fa)，并已廣泛應用(yong)于(yu)高(gao)(gao)通(tong)量表型(xing)分(fen)析(xi)中(zhong)(zhong)，反映出植物結(jie)構組(zu)成，生長發(fa)育過程中(zhong)(zhong)的(de)(de)(de)生理(li)(li)，生化特(te)性和(he)(he)(he)特(te)征。本研(yan)究(jiu)利(li)用(yong)卷(juan)積神經(jing)網絡(luo)（CNN）模(mo)(mo)型(xing)提(ti)取(qu)(qu)(qu)可(ke)見-近紅外范圍(wei)的(de)(de)(de)特(te)征光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)估(gu)計玉米(mi)幼(you)(you)苗(miao)(miao)的(de)(de)(de)冷害(hai)(hai)(hai)。文中(zhong)(zhong)以(yi)五(wu)個(ge)品(pin)(pin)種(zhong)的(de)(de)(de)冷處理(li)(li)玉米(mi)幼(you)(you)苗(miao)(miao)的(de)(de)(de)高(gao)(gao)光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)圖(tu)(tu)像(xiang)(xiang)(xiang)為(wei)(wei)研(yan)究(jiu)對象。光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)范圍(wei)為(wei)(wei)450-885 nm。高(gao)(gao)斯(si)低(di)通(tong)濾波(bo)和(he)(he)(he)Savitzky-Golay平滑(hua)方(fang)(fang)法(fa)(fa)結(jie)合一階導數進行光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)數據(ju)(ju)的(de)(de)(de)預處理(li)(li)。從每種(zhong)玉米(mi)幼(you)(you)苗(miao)(miao)選定(ding)的(de)(de)(de)感(gan)興(xing)(xing)趣(qu)區域獲取(qu)(qu)(qu)3600個(ge)像(xiang)(xiang)(xiang)素樣本用(yong)于(yu)CNN建模(mo)(mo)。CNN模(mo)(mo)型(xing)建立(li)后，從高(gao)(gao)光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)圖(tu)(tu)像(xiang)(xiang)(xiang)中(zhong)(zhong)提(ti)取(qu)(qu)(qu)400個(ge)像(xiang)(xiang)(xiang)素樣本作(zuo)為(wei)(wei)每個(ge)品(pin)(pin)種(zhong)的(de)(de)(de)測試集。最后，通(tong)過分(fen)析(xi)分(fen)類(lei)準(zhun)確度(du)和(he)(he)(he)計算效(xiao)率確定(ding)一個(ge)CNN模(mo)(mo)型(xing)。CNN檢測到的(de)(de)(de)不(bu)(bu)同類(lei)型(xing)的(de)(de)(de)玉米(mi)幼(you)(you)苗(miao)(miao)的(de)(de)(de)冷害(hai)(hai)(hai)水平分(fen)別為(wei)(wei)W22 (41.8 %)，BxM (35%)， B73 (25.6%)，PH207 (20%)， Mo17 (14%)，與化學(xue)方(fang)(fang)法(fa)(fa)的(de)(de)(de)結(jie)果高(gao)(gao)度(du)相關。兩種(zhong)方(fang)(fang)法(fa)(fa)檢測結(jie)果的(de)(de)(de)相關系數為(wei)(wei)0.8219。因此，研(yan)究(jiu)證(zheng)明基(ji)于(yu)CNN建模(mo)(mo)的(de)(de)(de)光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)分(fen)析(xi)可(ke)以(yi)為(wei)(wei)玉米(mi)幼(you)(you)苗(miao)(miao)冷害(hai)(hai)(hai)監(jian)測提(ti)供參考。高(gao)(gao)光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)成像(xiang)(xiang)(xiang)采集利(li)用(yong)推掃式高(gao)(gao)光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)相機（PIKA II，Resonon）成像(xiang)(xiang)(xiang)系統(tong)的(de)(de)(de)整個(ge)結(jie)構感(gan)興(xing)(xing)趣(qu)區域樣本數據(ju)(ju)選擇(ze)程序樣本的(de)(de)(de)3D光(guang)(guang)(guang)譜(pu)(pu)(pu)(pu)分(fen)布(bu)CNN和(he)(he)(he)化學(xue)方(fang)(fang)法(fa)(fa)結(jie)果的(de)(de)(de)比較結(jie)論自(zi)卷(juan)積神經(jing)網絡(luo)發(fa)...
發(fa)布時間:
2020
-
08
-
13
瀏覽次(ci)數：131
![利用近端遙感區分非病毒性和病毒性昆蟲媒介—數據抗干擾性的證明及重要性]( "利用近端遙感區分非病毒性和病毒性昆蟲媒介—數據抗干擾性的證明及重要性")
近(jin)端遙(yao)感(gan)作(zuo)為昆(kun)(kun)蟲(chong)(chong)病(bing)媒中(zhong)植(zhi)物病(bing)原(yuan)檢(jian)(jian)測(ce)的(de)(de)(de)(de)(de)(de)診(zhen)(zhen)斷工具，有(you)兩個基(ji)本(ben)假設(she)。首先，通(tong)過昆(kun)(kun)蟲(chong)(chong)媒介獲得(de)植(zhi)物病(bing)原(yuan)體(ti)(ti)(ti)會(hui)引起昆(kun)(kun)蟲(chong)(chong)媒介的(de)(de)(de)(de)(de)(de)生理變(bian)(bian)化；也就(jiu)是(shi)說(shuo)，病(bing)原(yuan)體(ti)(ti)(ti)可(ke)能(neng)只存在于非常特(te)殊的(de)(de)(de)(de)(de)(de)組織或(huo)器官（如唾液腺），但它可(ke)能(neng)引起昆(kun)(kun)蟲(chong)(chong)媒介對(dui)病(bing)原(yuan)體(ti)(ti)(ti)的(de)(de)(de)(de)(de)(de)系統生理變(bian)(bian)化/反應。其次，根據體(ti)(ti)(ti)表反射特(te)征，即使在殺死(si)昆(kun)(kun)蟲(chong)(chong)標本(ben)，并將(jiang)其儲(chu)存在70%的(de)(de)(de)(de)(de)(de)乙醇(chun)中(zhong)以(yi)后(hou)，也能(neng)檢(jian)(jian)測(ce)到(dao)病(bing)原(yuan)體(ti)(ti)(ti)對(dui)昆(kun)(kun)蟲(chong)(chong)生理學(xue)的(de)(de)(de)(de)(de)(de)影(ying)響。最近(jin)對(dui)后(hou)一種假設(she)進行了調(diao)查，并證明建議將(jiang)樣(yang)本(ben)儲(chu)存在70%乙醇(chun)（與50%或(huo)90%相比）中(zhong)。這(zhe)項研究表明，在70%乙醇(chun)中(zhong)儲(chu)存長達數周的(de)(de)(de)(de)(de)(de)時間對(dui)昆(kun)(kun)蟲(chong)(chong)樣(yang)品反射特(te)性的(de)(de)(de)(de)(de)(de)影(ying)響微乎(hu)其微。這(zhe)些技(ji)術細節非常重要，因(yin)為它們強調(diao)了昆(kun)(kun)蟲(chong)(chong)標本(ben)可(ke)以(yi)在現場收集、儲(chu)存在70%乙醇(chun)中(zhong)，并可(ke)以(yi)在進行診(zhen)(zhen)斷成(cheng)像測(ce)試(shi)之前裝(zhuang)運，但是(shi)在開(kai)始廣泛(fan)試(shi)驗(yan)(yan)之前，應評估每種昆(kun)(kun)蟲(chong)(chong)的(de)(de)(de)(de)(de)(de)這(zhe)種效果是(shi)否可(ke)行。越(yue)來越(yue)多的(de)(de)(de)(de)(de)(de)學(xue)者開(kai)始研究利用近(jin)端遙(yao)感(gan)技(ji)術來檢(jian)(jian)測(ce)和(he)診(zhen)(zhen)斷植(zhi)物和(he)昆(kun)(kun)蟲(chong)(chong)病(bing)媒中(zhong)的(de)(de)(de)(de)(de)(de)病(bing)原(yuan)體(ti)(ti)(ti)，這(zhe)說(shuo)明這(zhe)種基(ji)于反射的(de)(de)(de)(de)(de)(de)技(ji)術可(ke)用于改進檢(jian)(jian)疫和(he)檢(jian)(jian)驗(yan)(yan)工作(zuo)以(yi)及區域作(zuo)物疾(ji)病(bing)監測(ce)。也就(jiu)是(shi)說(shuo)，與商(shang)業(ye)診(zhen)(zhen)斷實驗(yan)(yan)室(shi)目前提供(gong)的(de)(de)(de)(de)(de)(de)基(ji)于PCR和(he)酶聯免疫吸附試(shi)驗(yan)(yan)的(de)(de)(de)(de)(de)(de)服(fu)務類似(si)，反射的(de)(de)(de)(de)(de)(de)技(ji)術似(si)乎(hu)也擁有(you)提供(gong)此類服(fu)務的(de)(de)(de)(de)(de)(de)潛力(li)，以(yi)便農業(ye)利益相關者能(neng)夠將(jiang)昆(kun)(kun)蟲(chong)(chong)樣(yang)本(ben)運送到(dao)這(zhe)些實驗(yan)(yan)室(shi)，并獲得(de)關于感(gan)染率的(de)(de)(de)(de)(de)(de)快(kuai)速、可(ke)靠和(he)經濟(ji)有(you)效的(de)(de)(de)(de)(de)(de)數據。遙(yao)感(gan)數據是(shi)在與先前研究類似(si)的(de)(de)(de)(de)(de)(de)環境條件(jian)下從單個成(cheng)年甜(tian)菜葉蟬(chan)樣(yang)本(ben)中(zhong)獲取的(de)(de)(de)(de)(de)(de)。成(cheng)體(ti)(ti)(ti)樣(yang)本(ben)的(de)(de)(de)(de)(de)(de)年齡(ling)、性別和(he)交配狀態未(wei)知(zhi)，目的(de)(de)(de)(de)(de)(de)是(shi)模擬成(cheng)體(ti)(ti)(ti)甜(tian)菜葉蟬(chan)在田(tian)間采樣(yang)時遇到(dao)的(de)(de)(de)(de)(de)(de)變(bian)(bian)異。使用安...
發布時間:
2020
-
07
-
10
瀏覽次數(shu)：101
![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]( "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(gao)(gao)效的(de)(de)N肥(fei)使用(yong)產(chan)出(chu)需(xu)要平衡最小(xiao)的(de)(de)環境污染和(he)(he)最大(da)的(de)(de)產(chan)量(liang)，N素(su)(su)使用(yong)效率(lv)(lv)是(shi)目前精(jing)準農(nong)業(ye)中重要問題之一(yi)(yi)(yi)。于2017年6月，應用(yong)無(wu)人機(ji)高(gao)(gao)光譜(pu)成像系(xi)(xi)統(tong)對八種不(bu)同(tong)(tong)氮(dan)處(chu)理的(de)(de)冬小(xiao)麥(mai)進(jin)行(xing)了(le)高(gao)(gao)光譜(pu)圖(tu)像采集(ji)。高(gao)(gao)光譜(pu)成像儀采用(yong)美國(guo)RESONON公司(si)的(de)(de)Pika-L，波段(duan)范圍400-1000nm，系(xi)(xi)統(tong)集(ji)成了(le)慣導測量(liang)系(xi)(xi)統(tong)（IMU）和(he)(he)穩定(ding)云臺，可以獲得較高(gao)(gao)精(jing)度的(de)(de)光譜(pu)分(fen)辨率(lv)(lv)和(he)(he)空(kong)間分(fen)辨率(lv)(lv)的(de)(de)數據(ju)。同(tong)(tong)時(shi)在地(di)面采集(ji)并獲得冬小(xiao)麥(mai)的(de)(de)葉綠(lv)素(su)(su)含量(liang)（CHL）、葉面積(ji)(LAI),利用(yong)偏(pian)最小(xiao)二乘法進(jin)行(xing)反(fan)演估算，(RLAI 2= 0.79, RMSELAI [m2m2] = 0.18, R2CHL = 0.77, RMSECHL [_g cm-2] = 7.02)，并采用(yong)多(duo)元(yuan)線性回歸(gui)模型進(jin)行(xing)了(le)產(chan)量(liang)估測（R2產(chan)量(liang)＝0.88，RMSEfield[dt ha-1]=4.18）。利用(yong)該模型，可以對高(gao)(gao)光譜(pu)圖(tu)像進(jin)行(xing)像素(su)(su)水(shui)(shui)平的(de)(de)預測。結(jie)果(guo)表明，在一(yi)(yi)(yi)定(ding)施(shi)(shi)氮(dan)量(liang)以上，進(jin)一(yi)(yi)(yi)步施(shi)(shi)肥(fei)不(bu)一(yi)(yi)(yi)定(ding)會繼續導致產(chan)量(liang)增(zeng)加，為高(gao)(gao)光譜(pu)精(jing)準農(nong)業(ye)研(yan)(yan)究(jiu)提供了(le)一(yi)(yi)(yi)定(ding)了(le)理論支持(chi)。1 實驗(yan)設計試驗(yan)田位(wei)于德國(guo)西(xi)北部的(de)(de)奧斯納(na)布呂克(ke)大(da)學，包括8個處(chu)理，6個施(shi)(shi)氮(dan)水(shui)(shui)平。氮(dan)肥(fei)水(shui)(shui)平選擇(ze)在0到150 kg ha-1，如圖(tu)所示，不(bu)同(tong)(tong)顏色代(dai)表了(le)不(bu)同(tong)(tong)的(de)(de)處(chu)理。圖(tu)1研(yan)(yan)究(jiu)區域2 數據(ju)處(chu)理高(gao)(gao)光譜(pu)傳(chuan)感器采用(yong)美國(guo)RESONON公司(si)的(de)(de)PikaL,無(wu)人機(ji)系(xi)(xi)統(tong)采用(yong)大(da)疆無(wu)...
發布(bu)時間:
2020
-
07
-
10
瀏覽(lan)次數：198
![通過高光譜成像利用機器學習評估麥草畏對麥草畏不耐受性大豆的農作物損害]( "通過高光譜成像利用機器學習評估麥草畏對麥草畏不耐受性大豆的農作物損害")
在(zai)(zai)大豆的(de)(de)(de)(de)(de)(de)種(zhong)植中(zhong)，對雜草(cao)(cao)的(de)(de)(de)(de)(de)(de)管理(li)有利(li)于(yu)(yu)作(zuo)物(wu)(wu)(wu)產量最(zui)大化(hua)(hua)。研(yan)(yan)究(jiu)發現麥(mai)(mai)(mai)草(cao)(cao)畏(wei)可(ke)有效防除數種(zhong)一年(nian)(nian)生(sheng)(sheng)和(he)多年(nian)(nian)生(sheng)(sheng)的(de)(de)(de)(de)(de)(de)闊葉(xie)雜草(cao)(cao)。然而，麥(mai)(mai)(mai)草(cao)(cao)畏(wei)噴霧偏離目標漂移(yi)或蒸氣漂移(yi)會嚴重危害(hai)易感(gan)作(zuo)物(wu)(wu)(wu)，包括麥(mai)(mai)(mai)草(cao)(cao)畏(wei)不耐受性(xing)作(zuo)物(wu)(wu)(wu)。因此評估(gu)麥(mai)(mai)(mai)草(cao)(cao)畏(wei)漂移(yi)對農作(zuo)物(wu)(wu)(wu)的(de)(de)(de)(de)(de)(de)損害(hai)對于(yu)(yu)有效控制雜草(cao)(cao)具有重要(yao)的(de)(de)(de)(de)(de)(de)意義。目前，作(zuo)物(wu)(wu)(wu)損害(hai)主要(yao)是(shi)通過評估(gu)生(sheng)(sheng)理(li)和(he)生(sheng)(sheng)化(hua)(hua)變(bian)化(hua)(hua)（葉(xie)面積，葉(xie)色，植物(wu)(wu)(wu)高度，產量等）來確(que)定(ding)的(de)(de)(de)(de)(de)(de)。但是(shi)，這些評估(gu)需要(yao)耗費大量的(de)(de)(de)(de)(de)(de)勞動力(li)。對于(yu)(yu)大尺度農田(tian)的(de)(de)(de)(de)(de)(de)評估(gu)，則需要(yao)更快速且(qie)經(jing)濟高效的(de)(de)(de)(de)(de)(de)方法。高光(guang)譜(pu)(pu)成(cheng)像（HSI）可(ke)以(yi)(yi)快速掃描(miao)植物(wu)(wu)(wu)樣品且(qie)能獲(huo)得(de)圖像中(zhong)每個像素的(de)(de)(de)(de)(de)(de)完整反射光(guang)譜(pu)(pu)，已用于(yu)(yu)植物(wu)(wu)(wu)生(sheng)(sheng)理(li)和(he)生(sheng)(sheng)化(hua)(hua)特(te)性(xing)的(de)(de)(de)(de)(de)(de)鑒定(ding)以(yi)(yi)及有毒金屬，鹽和(he)病蟲(chong)害(hai)引起的(de)(de)(de)(de)(de)(de)植物(wu)(wu)(wu)脅迫(po)的(de)(de)(de)(de)(de)(de)檢測。同(tong)時結合許多機(ji)(ji)(ji)器學習(xi)（ML）算(suan)法，例如貝葉(xie)斯決策，最(zui)大似然分(fen)類(lei)(lei)，K均值聚類(lei)(lei)，隨(sui)機(ji)(ji)(ji)森(sen)林，支持向量機(ji)(ji)(ji)和(he)人工神經(jing)網絡可(ke)以(yi)(yi)檢測，監(jian)測和(he)量化(hua)(hua)作(zuo)物(wu)(wu)(wu)損害(hai)。在(zai)(zai)這篇文章中(zhong)，科(ke)學家們利(li)用Resonon Pika Ⅱ VNIR高光(guang)譜(pu)(pu)成(cheng)像系(xi)統進(jin)(jin)行了(le)相關(guan)的(de)(de)(de)(de)(de)(de)研(yan)(yan)究(jiu)，旨在(zai)(zai)：（1）了(le)解(jie)不同(tong)麥(mai)(mai)(mai)草(cao)(cao)畏(wei)噴霧比(bi)率下生(sheng)(sheng)理(li)參數，產量和(he)相應光(guang)譜(pu)(pu)響(xiang)應的(de)(de)(de)(de)(de)(de)變(bian)化(hua)(hua)；（2）確(que)定(ding)適當(dang)的(de)(de)(de)(de)(de)(de)光(guang)譜(pu)(pu)特(te)征，以(yi)(yi)評估(gu)麥(mai)(mai)(mai)草(cao)(cao)畏(wei)比(bi)率對植物(wu)(wu)(wu)的(de)(de)(de)(de)(de)(de)影(ying)響(xiang)；（3）基(ji)于(yu)(yu)高光(guang)譜(pu)(pu)成(cheng)像，使用機(ji)(ji)(ji)器學習(xi)算(suan)法建(jian)立模(mo)型，評估(gu)麥(mai)(mai)(mai)草(cao)(cao)畏(wei)比(bi)率。 1 研(yan)(yan)究(jiu)區域田(tian)間試驗(yan)(yan)于(yu)(yu)美國(guo)密西根州(zhou)斯通維爾(er)市農作(zuo)物(wu)(wu)(wu)生(sheng)(sheng)產系(xi)統研(yan)(yan)究(jiu)農場的(de)(de)(de)(de)(de)(de)美國(guo)農業部農業研(yan)(yan)究(jiu)處4.5公頃的(de)(de)(de)(de)(de)(de)區域內(nei)進(jin)(jin)行。試驗(yan)(yan)場布設如圖1所示。大豆于(yu)(yu)2014年(nian)(nian)5月7日播(bo)種(zhong)。2014年(nian)(nian)3月下旬...
發布(bu)時(shi)間:
2020
-
07
-
09
瀏(liu)覽(lan)次數：144
![植物病害的高光譜圖像解譯識別：3D-CNN與顯著圖模型]( "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(yong)高(gao)(gao)(gao)(gao)光(guang)(guang)譜數(shu)據建立一個準確、可解釋的(de)(de)(de)(de)植物病(bing)害(hai)識別模(mo)(mo)型(xing)(xing)(xing)。由真菌引起的(de)(de)(de)(de)大(da)(da)豆(dou)(dou)炭(tan)(tan)腐病(bing)是(shi)一種(zhong)嚴重(zhong)影響大(da)(da)豆(dou)(dou)產量的(de)(de)(de)(de)世(shi)界性(xing)(xing)病(bing)害(hai)。在383-1032 nm范圍(wei)(wei)內，Resonon高(gao)(gao)(gao)(gao)光(guang)(guang)譜成(cheng)像(xiang)(xiang)儀(yi)在240個不同的(de)(de)(de)(de)波(bo)長處捕獲高(gao)(gao)(gao)(gao)光(guang)(guang)譜圖(tu)像(xiang)(xiang)。針對大(da)(da)豆(dou)(dou)炭(tan)(tan)腐病(bing)，科學(xue)家建立了3D卷(juan)積(ji)分(fen)(fen)網絡模(mo)(mo)型(xing)(xing)(xing)，模(mo)(mo)型(xing)(xing)(xing)分(fen)(fen)類精度為(wei)95.73%，并利用(yong)可視化顯(xian)著圖(tu)檢驗(yan)訓練模(mo)(mo)型(xing)(xing)(xing)、敏感(gan)像(xiang)(xiang)素位置以及分(fen)(fen)類的(de)(de)(de)(de)特(te)征(zheng)(zheng)敏感(gan)波(bo)段(duan)，發現：敏感(gan)特(te)征(zheng)(zheng)波(bo)段(duan)為(wei)733 nm，這(zhe)和(he)(he)常用(yong)的(de)(de)(de)(de)鑒別植物健(jian)康程度的(de)(de)(de)(de)特(te)征(zheng)(zheng)波(bo)段(duan)范圍(wei)(wei)（700-1000nm）是(shi)一致的(de)(de)(de)(de)。【試驗(yan)方法】感(gan)染炭(tan)(tan)腐病(bing)的(de)(de)(de)(de)大(da)(da)豆(dou)(dou)：分(fen)(fen)別在第(di)3、6、9、12和(he)(he)15天采集(ji)健(jian)康的(de)(de)(de)(de)和(he)(he)受感(gan)染的(de)(de)(de)(de)大(da)(da)豆(dou)(dou)莖稈(gan)樣(yang)品(pin)，在測(ce)量病(bing)害(hai)程度之(zhi)前，實時采集(ji)健(jian)康的(de)(de)(de)(de)和(he)(he)收到感(gan)染的(de)(de)(de)(de)莖稈(gan)的(de)(de)(de)(de)高(gao)(gao)(gao)(gao)光(guang)(guang)譜圖(tu)像(xiang)(xiang)。測(ce)量儀(yi)器(qi)：美國Resonon高(gao)(gao)(gao)(gao)光(guang)(guang)譜成(cheng)像(xiang)(xiang)儀(yi)，型(xing)(xing)(xing)號：Pika XC （包含(han)安裝支架、移(yi)動平臺(tai)、操(cao)作軟件和(he)(he)2個70 w鹵素燈）。Pika XC性(xing)(xing)能：光(guang)(guang)譜通道數(shu)：240；波(bo)段(duan)范圍(wei)(wei)400-1000 nm；分(fen)(fen)辨率：2.5 nm。（a）室內高(gao)(gao)(gao)(gao)光(guang)(guang)譜成(cheng)像(xiang)(xiang)系統（b）不同光(guang)(guang)譜波(bo)段(duan)的(de)(de)(de)(de)大(da)(da)豆(dou)(dou)莖稈(gan)樣(yang)品(pin)高(gao)(gao)(gao)(gao)光(guang)(guang)譜圖(tu)像(xiang)(xiang) （c）大(da)(da)豆(dou)(dou)莖稈(gan)內外(wai)部RGB圖(tu)像(xiang)(xiang)病(bing)害(hai)程度比(bi)較3D-CNN模(mo)(mo)型(xing)(xing)(xing)由兩個連(lian)接的(de)(de)(de)(de)卷(juan)積(ji)分(fen)(fen)模(mo)(mo)型(xing)(xing)(xing)組成(cheng)，其中(zhong)，一個小的(de)(de)(de)(de)構架用(yong)于防(fang)止(zhi)訓練模(mo)(mo)型(xing)(xing)(xing)過飽和(he)(he)。2個圖(tu)層（3*3mm空間維度，16個波(bo)段(duan)的(de)(de)(de)(de)光(guang)(guang)譜維度）作為(wei)第(di)一個卷(juan)積(ji)分(fen)(fen)分(fen)(fen)層，4個3*3*16的(de)(de)(de)(de)圖(tu)層作為(wei)第(di)二個卷(juan)積(ji)分(fen)(fen)層，修正線性(xing)(xing)輸(shu)入模(mo)(mo)型(xing)(xing)(xing)作為(wei)輸(shu)出層。【結果分(fen)(fen)析】1....
發布時間:
2020
-
07
-
09
瀏覽次數：175
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(jian)測長(chang)久以來是(shi)一個(ge)耗時、昂貴且無效的工作。遙感是(shi)監(jian)測入侵物種的一種手段，然而，由于經費、時間和準(zhun)確度(du)的問題，限(xian)制了這種方法。 本研究評估了一款性價比較高(gao)的高(gao)光譜成像(xiang)儀監(jian)測并區分坐(zuo)落在(zai)草地(di)生態系統的乳(ru)漿大戟（Euphorbia esul...
發布時間:
2016
-
09
-
05
瀏(liu)覽(lan)次(ci)數：166