方案详情文
随着农业遥感的兴起，利用冠层光谱信息可以很好的监测和诊断作物的叶片叶绿素含量。面对长期定位试验条件下差异化土壤肥力的田块，如何充分利用无人机高光谱遥感信息，构建具有较强空间适用性的冬小麦叶片叶绿素含量遥感估算模型，是精准农业的研究热点之一。
智能文字提取功能测试中
安徽省农业科学院杨欣老师及其团队以蒙城马店长期土壤定位试验站内拔节期冬小麦冠层叶片叶绿素含量（SPAD）为研究对象，利用大疆六旋翼无人机（大疆M600PRO）搭载我司高光谱成像仪（GaiaSky-mini2）获取田间高光谱遥感影像。此外，获取田间实测SPAD数据，分析光谱信息（400-1000nm）和实测SPAD之间的关系，结合不同土壤肥力农田的光谱差异，提出了一种新的建模方法——聚类回归法。根据光谱角距离（Spectral angle distance, SAD）将小麦光谱划分为多个聚类，并对每个聚类建立小麦光谱与实测SPAD的回归模型。这里使用K-means作为聚类方法，两种集成学习算法，即随机森林和极端梯度提升(XGBoost)作为回归方法。
关闭-
1/4
-
2/4
还剩2页未读，是否继续阅读？
继续免费阅读全文产品配置单
江苏双利合谱科技有限公司为您提供《冬小麦中SPAD遥感反演研究检测方案(高光谱仪)》，该方案主要用于其他中SPAD遥感反演研究检测，参考标准《暂无》，《冬小麦中SPAD遥感反演研究检测方案(高光谱仪)》用到的仪器有推扫式机载高光谱成像系统GaiaSky-mini。
我要纠错
推荐专场
高光谱仪/高光谱成像仪
更多
相关方案
咨询
