中国农业发生于新石器时代。中国农业的生产结构包括种植业、林业、畜牧业、渔业和副业;但数千年来一直以种植业为主。东北地区的黑土地,是宝贵的农业资源。黑土地的土壤富含有机质,深黑色的沃土,沉甸甸的感觉让人感受到这片土地的肥沃。在现代农业生产中,科技的应用在这片沃土上也发挥着至关重要的作用,科研团队利用机载高光谱对黑土地的土壤有机质做了相关研究。使用无人机高光谱图像和小型校准数据集对田间土壤有机质进行高分辨率测绘快速获取田间尺度土壤有机质(SOM)的高分辨率空间分布对于精准农业至关重要。无人机成像高光谱技术以其高空间分辨率和时效性,可以填补地面监测和遥感的研究空白。本研究旨在测试在中国东北典型低地势黑土地区使用无人机高光谱数据(400–1000 nm)和小型校准样本集进行1 m分辨率SOM绘图的可行性。该实验在大约20公顷的土地上进行。为了进行校准,使用 100 × 100 m 网格采样策略收集了 20 个样品,同时随机收集了 20 个样品进行独立验证。无人机捕获空间分辨率为0.05×0.05 m的高光谱图像。然后对每 1 × 1 m 内提取的光谱进行平均以代表该网格的光谱。在应用各种光谱预处理(包括吸光度转换、多重散射校正、Savitzky-Golay 平滑滤波和一阶微分)后,SOM 光谱相关系数的绝对最大值从 0.41 增加到 0.58。最佳随机森林(R...
发布时间:
2024
-
04
-
15
浏览次数:52
“倘若有什么植物妨碍了我们的计划,或是扰乱了我们干净整齐的世界,人们就会给它们冠上杂草之名。可如果你本没什么宏伟大计或长远蓝图,它们就只是清新简单的绿影,一点也不面目可憎。” ——《杂草的故事》清新简单的绿影自然面目可爱,惹人注目,但人类生存之下,繁多冗杂的一片蔓延,确是明目张胆地抢了农作物的地盘,伤了农业发展。世界上的杂草有1000多种,它们通常生长迅速、繁殖能力强,会对农业产生一定的影响。杂草不仅会与农作物争夺土壤养分和水分,传播病虫害,从而影响农作物的生长和产量,含有毒素的杂草还会影响农作物品质。因此,对于农业生产来说,防治杂草对保证农作物的正常生长和产量至关重要。IRIS机载一体式激光雷达高光谱成像仪在评估杂草抗性方面的应用杂草防治是现代农业生产管理的重要组成部分。然而,过度依赖常用除草剂进行化学防治已导致大量抗性杂草的出现,对可持续农业构成重大威胁。因此,开发一种大面积准确评估和量化田间杂草抗性的方法对于农场管理和可持续发展至关重要。目前的方法,例如目视检查,既费时又费力。酶测定虽然准确,但只能在实验室环境中进行。热成像技术可能会受到环境因素的影响,导致在室外使用时精度较低。因此,无法大规模应用。无人机(UAV)和各种传感器已经成为植物表型研究中不可或缺的工具。在这项研究中,作者于2021年6月7日在中国黑龙江省哈尔滨市向阳农场(位于...
发布时间:
2023
-
10
-
30
浏览次数:40
全球气候变化引起的预计人口增长以及土地和农业资源可利用性的压力使未来几十年全球粮食供应的需求增加。提高光合作用能力已成为实现作物增产的目标。目前,测量光合作用的方法是耗时的且具破坏性的,这会减慢鉴定具高光合能力的农作物种质的研究和育种工作。作者在1分钟内收集样地(~2 m×2 m)向阳叶片像素的高光谱反射率以量化光合作用参数和色素含量。在两个生长季节(2017年和2018年)利用田间生长的经基因改变了光合途径的烟草,建立了8个光合参数和色素性状的预测模型。利用偏最小二乘法(PLSR)分析可见近红外(400-900 nm)光谱相机测得的植物反射像素,预测了Rubisco最大羧化速率(Vc,max,R2=0.79)和最大电子传递速率(J1800,R2=0.59),最大光饱和光合作用(Pmax,R2=0.54),叶绿素含量(R2=0.87),叶绿素a/b(R2=0.63),碳含量(R2=0.47)和氮含量(R2=0.49)。当使用两台400-1800 nm相机时,模型的预测并没有改善,这表明仅使用一台VNIR相机就能实现强大,广泛适用且更具“成本效益”的效果。该分析过程和方法可用于所有作物中,从而提供高通量田间表型筛选,并在田间试验中提高光合性能。高光谱图像收集建立基于地面的表型平台(图1),包括两个推扫式高光谱相机。第一台高光谱相机(P...
发布时间:
2021
-
01
-
15
浏览次数:149
冷害是造成作物严重损失和不可逆转伤害的灾害之一。为避免产量损失,可利用高通量表型选择耐寒胁迫的作物品种。如今,无损光谱图像分析已成为一种有效方法,并已广泛应用于高通量表型分析中,反映出植物结构组成,生长发育过程中的生理,生化特性和特征。本研究利用卷积神经网络(CNN)模型提取可见-近红外范围的特征光谱估计玉米幼苗的冷害。文中以五个品种的冷处理玉米幼苗的高光谱图像为研究对象。光谱范围为450-885 nm。高斯低通滤波和Savitzky-Golay平滑方法结合一阶导数进行光谱数据的预处理。从每种玉米幼苗选定的感兴趣区域获取3600个像素样本用于CNN建模。CNN模型建立后,从高光谱图像中提取400个像素样本作为每个品种的测试集。最后,通过分析分类准确度和计算效率确定一个CNN模型。CNN检测到的不同类型的玉米幼苗的冷害水平分别为W22 (41.8 %),BxM (35%), B73 (25.6%),PH207 (20%), Mo17 (14%),与化学方法的结果高度相关。两种方法检测结果的相关系数为0.8219。因此,研究证明基于CNN建模的光谱分析可以为玉米幼苗冷害监测提供参考。高光谱成像采集利用推扫式高光谱相机(PIKA II,Resonon)成像系统的整个结构感兴趣区域样本数据选择程序样本的3D光谱分布CNN和化学方法结果的比较结论自卷积神经网络发...
发布时间:
2020
-
08
-
13
浏览次数:131
近端遥感作为昆虫病媒中植物病原检测的诊断工具,有两个基本假设。首先,通过昆虫媒介获得植物病原体会引起昆虫媒介的生理变化;也就是说,病原体可能只存在于非常特殊的组织或器官(如唾液腺),但它可能引起昆虫媒介对病原体的系统生理变化/反应。其次,根据体表反射特征,即使在杀死昆虫标本,并将其储存在70%的乙醇中以后,也能检测到病原体对昆虫生理学的影响。最近对后一种假设进行了调查,并证明建议将样本储存在70%乙醇(与50%或90%相比)中。这项研究表明,在70%乙醇中储存长达数周的时间对昆虫样品反射特性的影响微乎其微。这些技术细节非常重要,因为它们强调了昆虫标本可以在现场收集、储存在70%乙醇中,并可以在进行诊断成像测试之前装运,但是在开始广泛试验之前,应评估每种昆虫的这种效果是否可行。越来越多的学者开始研究利用近端遥感技术来检测和诊断植物和昆虫病媒中的病原体,这说明这种基于反射的技术可用于改进检疫和检验工作以及区域作物疾病监测。也就是说,与商业诊断实验室目前提供的基于PCR和酶联免疫吸附试验的服务类似,反射的技术似乎也拥有提供此类服务的潜力,以便农业利益相关者能够将昆虫样本运送到这些实验室,并获得关于感染率的快速、可靠和经济有效的数据。遥感数据是在与先前研究类似的环境条件下从单个成年甜菜叶蝉样本中获取的。成体样本的年龄、性别和交配状态未知,目的是模拟成体甜菜叶蝉在田间采样时遇到的变异。使用安...
发布时间:
2020
-
07
-
10
浏览次数:100
高效的N肥使用产出需要平衡最小的环境污染和最大的产量,N素使用效率是目前精准农业中重要问题之一。于2017年6月,应用无人机高光谱成像系统对八种不同氮处理的冬小麦进行了高光谱图像采集。高光谱成像仪采用美国RESONON公司的Pika-L,波段范围400-1000nm,系统集成了惯导测量系统(IMU)和稳定云台,可以获得较高精度的光谱分辨率和空间分辨率的数据。同时在地面采集并获得冬小麦的叶绿素含量(CHL)、叶面积(LAI),利用偏最小二乘法进行反演估算,(RLAI 2= 0.79, RMSELAI [m2m2] = 0.18, R2CHL = 0.77, RMSECHL [_g cm-2] = 7.02),并采用多元线性回归模型进行了产量估测(R2产量=0.88,RMSEfield[dt ha-1]=4.18)。利用该模型,可以对高光谱图像进行像素水平的预测。结果表明,在一定施氮量以上,进一步施肥不一定会继续导致产量增加,为高光谱精准农业研究提供了一定了理论支持。1 实验设计试验田位于德国西北部的奥斯纳布吕克大学,包括8个处理,6个施氮水平。氮肥水平选择在0到150 kg ha-1,如图所示,不同颜色代表了不同的处理。图1研究区域2 数据处理高光谱传感器采用美国RESONON公司的PikaL,无人机系统采用大疆无...
发布时间:
2020
-
07
-
10
浏览次数:196
在大豆的种植中,对杂草的管理有利于作物产量最大化。研究发现麦草畏可有效防除数种一年生和多年生的阔叶杂草。然而,麦草畏喷雾偏离目标漂移或蒸气漂移会严重危害易感作物,包括麦草畏不耐受性作物。因此评估麦草畏漂移对农作物的损害对于有效控制杂草具有重要的意义。目前,作物损害主要是通过评估生理和生化变化(叶面积,叶色,植物高度,产量等)来确定的。但是,这些评估需要耗费大量的劳动力。对于大尺度农田的评估,则需要更快速且经济高效的方法。高光谱成像(HSI)可以快速扫描植物样品且能获得图像中每个像素的完整反射光谱,已用于植物生理和生化特性的鉴定以及有毒金属,盐和病虫害引起的植物胁迫的检测。同时结合许多机器学习(ML)算法,例如贝叶斯决策,最大似然分类,K均值聚类,随机森林,支持向量机和人工神经网络可以检测,监测和量化作物损害。在这篇文章中,科学家们利用Resonon Pika Ⅱ VNIR高光谱成像系统进行了相关的研究,旨在:(1)了解不同麦草畏喷雾比率下生理参数,产量和相应光谱响应的变化;(2)确定适当的光谱特征,以评估麦草畏比率对植物的影响;(3)基于高光谱成像,使用机器学习算法建立模型,评估麦草畏比率。 1 研究区域田间试验于美国密西根州斯通维尔市农作物生产系统研究农场的美国农业部农业研究处4.5公顷的区域内进行。试验场布设如图1所示。大豆于2014年5月7日播种。2014年3月下旬...
发布时间:
2020
-
07
-
09
浏览次数:143
本文旨在利用高光谱数据建立一个准确、可解释的植物病害识别模型。由真菌引起的大豆炭腐病是一种严重影响大豆产量的世界性病害。在383-1032 nm范围内,Resonon高光谱成像仪在240个不同的波长处捕获高光谱图像。针对大豆炭腐病,科学家建立了3D卷积分网络模型,模型分类精度为95.73%,并利用可视化显著图检验训练模型、敏感像素位置以及分类的特征敏感波段,发现:敏感特征波段为733 nm,这和常用的鉴别植物健康程度的特征波段范围(700-1000nm)是一致的。【试验方法】感染炭腐病的大豆:分别在第3、6、9、12和15天采集健康的和受感染的大豆茎秆样品,在测量病害程度之前,实时采集健康的和收到感染的茎秆的高光谱图像。测量仪器:美国Resonon高光谱成像仪,型号:Pika XC (包含安装支架、移动平台、操作软件和2个70 w卤素灯)。Pika XC性能:光谱通道数:240;波段范围400-1000 nm;分辨率:2.5 nm。(a)室内高光谱成像系统(b)不同光谱波段的大豆茎秆样品高光谱图像 (c)大豆茎秆内外部RGB图像病害程度比较3D-CNN模型由两个连接的卷积分模型组成,其中,一个小的构架用于防止训练模型过饱和。2个图层(3*3mm空间维度,16个波段的光谱维度)作为第一个卷积分分层,4个3*3*16的图层作为第二个卷积分层,修正线性输入模型作为输出层。【结果分析】1....
发布时间:
2020
-
07
-
09
浏览次数:174
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 入侵物种的监测长久以来是一个耗时、昂贵且无效的工作。遥感是监测入侵物种的一种手段,然而,由于经费、时间和准确度的问题,限制了这种方法。 本研究评估了一款性价比较高的高光谱成像仪监测并区分坐落在草地生态系统的乳浆大戟(Euphorbia esul...
发布时间:
2016
-
09
-
05
浏览次数:166