基于无人机高光谱成像技术的冬小麦SPAD遥感反演研究

2022/10/27   下载量： 1 次

方案摘要

方案下载
应用领域 农/林/牧/渔
检测样本 其他
检测项目
参考标准 无人机高光谱成像技术

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。

方案下载
配置单
方案详情

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。


上一篇 基于高光谱图像的密度峰值k-均值算法估算小麦植被覆盖度
下一篇 利用高光谱成像技术预测茶叶在萎凋和发酵过程中的茶多酚、游离氨基酸和咖啡因含量

文献贡献者

江苏双利合谱科技有限公司
金牌会员 丨 第5年
查看全部资料
相关仪器 更多
相关方案
更多

相关产品

当前位置： 双利合谱 方案 基于无人机高光谱成像技术的冬小麦SPAD遥感反演研究

关注

拨打电话

留言咨询