企業(yè)
- 企業(yè)
- 產(chǎn)品
- 知識(shí)
推動(dòng)智慧農(nóng)業(yè)、設(shè)施農(nóng)業(yè)的發(fā)展，全國(guó)各地的科研院所都投入不少人力物力，跨行業(yè)跨學(xué)科展開了研究應(yīng)用，利用物聯(lián)網(wǎng)、遙感遙測(cè)、人工智能、機(jī)器視覺、深度學(xué)習(xí)、影像采集等技術(shù)，為實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)管理的數(shù)字化、智能化、自動(dòng)化而努力。無(wú)數(shù)關(guān)于農(nóng)業(yè)的科研論文也陸續(xù)發(fā)表，其中，遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用已然有了一定進(jìn)展。 農(nóng)業(yè)遙感 一、 機(jī)載遙感系統(tǒng)應(yīng)用 精準(zhǔn)農(nóng)業(yè)的有人機(jī)載成像系統(tǒng)，由安裝在農(nóng)用飛機(jī)上的消費(fèi)級(jí)相機(jī)組成的系統(tǒng)，詳細(xì)描述了多光譜相機(jī)、高光譜相機(jī)和熱成像相機(jī)等部分定制，和商用機(jī)載成像系統(tǒng)。并舉例應(yīng)用實(shí)例，說明如何將不同類型的遙感圖像用于精準(zhǔn)農(nóng)業(yè)應(yīng)用中的作物生長(zhǎng)評(píng)估和作物病蟲害管理。 二、大尺度區(qū)域水田空間格局及生態(tài)服務(wù) 基于1990—2015年土地利用遙感監(jiān)測(cè)數(shù)據(jù)，利用GIS的空間分析功能，探究長(zhǎng)江經(jīng)濟(jì)帶水田空間格局動(dòng)態(tài)變化特征。結(jié)果表明水田規(guī)模持續(xù)縮減，與經(jīng)濟(jì)建設(shè)及水產(chǎn)養(yǎng)殖的發(fā)展、其他生態(tài)系統(tǒng)轉(zhuǎn)化、及生態(tài)系統(tǒng)服務(wù)，有助于揭示長(zhǎng)江流域水田的時(shí)空變化過程，及其對(duì)各項(xiàng)生態(tài)系統(tǒng)服務(wù)的影響，可為區(qū)域土地利用規(guī)劃、農(nóng)業(yè)政策與生態(tài)可持續(xù)發(fā)展提供理論支持。 水田 三、水稻含水量無(wú)人機(jī)遙感監(jiān)測(cè) 利用多旋翼無(wú)人機(jī)低空遙感平臺(tái)，獲取不同生育期水稻冠層的RGB圖像和多光譜圖像，通過提取植被指數(shù)和紋理特征，分析水稻的動(dòng)態(tài)生長(zhǎng)變化，并構(gòu)建了基于隨機(jī)森林回歸方法的含水量預(yù)測(cè)模型。試驗(yàn)結(jié)果表明，基于無(wú)人機(jī)遙感技術(shù)監(jiān)測(cè)水稻含水量是可行的，可為農(nóng)田精準(zhǔn)灌溉、田間管理決策提供新思路。 四、植被分類中的對(duì)比分析 利用一景AVIRIS高光譜植被影像，從分類精度的角度，提取方法在高光譜影像植被分類中的性能。試驗(yàn)結(jié)果為后續(xù)改進(jìn)空-譜特征方法及其兩者有效結(jié)合，進(jìn)一步提高植被分類正確率提供了參考。 植被光譜 五、寒地水稻葉片葉綠素含量遙感反演研究 通過分析寒地水稻關(guān)鍵生育期葉片高光譜反射率信息，同時(shí)結(jié)合PROSPECT模型葉綠素含量吸收系數(shù)，參考借鑒現(xiàn)有高光譜植被指數(shù)的構(gòu)造方法和形式，利用相關(guān)性分析、連續(xù)投影法、遺傳算法優(yōu)化的粗糙集屬性簡(jiǎn)約法，進(jìn)行高光譜特征選擇，結(jié)果表明;ORVI能夠作為快速反演水稻葉綠素含量的高光譜植被指數(shù)，為寒地水稻葉綠素含量高光譜遙感診斷，及管理決策提供了的客觀數(shù)據(jù)支撐和模型參考。 六、夏玉米葉面積指數(shù)估算方法 利用無(wú)人機(jī)多光譜植被指數(shù)估算夏玉米LAI的可行性，基于無(wú)人機(jī)多光譜遙感系統(tǒng)，結(jié)合同時(shí)期實(shí)地采集的夏玉米LAI。結(jié)果表明基于無(wú)人機(jī)多光譜遙感技術(shù)，使用隨機(jī)森林回歸算法，估算多種灌溉條件下的夏玉米LAI是可行的，為實(shí)現(xiàn)快速、準(zhǔn)確地監(jiān)測(cè)全生育期、不同灌溉條件下的大田夏玉米LAI提供了技術(shù)和方法支持。 玉米葉 七、土壤有機(jī)質(zhì)含量高光譜估測(cè)模型構(gòu)建及精度對(duì)比 以山東省煙臺(tái)市棲霞市蘋果園為研究區(qū)，采集100個(gè)土壤樣本，獲取其高光譜反射率，利用定量化學(xué)方法測(cè)定土壤有機(jī)質(zhì)含量。結(jié)果表明，可以利用RF方法快速預(yù)測(cè)蘋果果園土壤有機(jī)質(zhì)含量，了解土壤養(yǎng)分分布狀況，指導(dǎo)農(nóng)民合理施肥，從而提高果園生產(chǎn)管理效率。 八、估產(chǎn)大豆區(qū)域收入保險(xiǎn)中的應(yīng)用 以創(chuàng)新型區(qū)域收入保險(xiǎn)缺少第三方實(shí)時(shí)客觀產(chǎn)量數(shù)據(jù)的問題，引入了衛(wèi)星遙感估產(chǎn)技術(shù)，以山東省嘉祥縣大豆區(qū)域收入保險(xiǎn)為例，基于哨兵2號(hào)衛(wèi)星遙感數(shù)據(jù)提取大豆種植地塊，結(jié)合氣象衛(wèi)星遙感數(shù)據(jù)與實(shí)地抽樣測(cè)產(chǎn)數(shù)據(jù)，建立了多參數(shù)線性回歸模型估算大豆產(chǎn)量，研究結(jié)果表明，基于哨兵2號(hào)衛(wèi)星遙感數(shù)據(jù)，能夠準(zhǔn)確識(shí)別研究區(qū)大豆種植分布，并能在大豆收獲后最快一周完成產(chǎn)量估算，指導(dǎo)保險(xiǎn)公司的理賠工作。 大豆 九、大田作物株高測(cè)量中的研究現(xiàn)狀與展望 在激光雷達(dá)和可見光相機(jī)的技術(shù)基礎(chǔ)上，歸納了株高在作物生物量估算、倒伏監(jiān)測(cè)、產(chǎn)量預(yù)測(cè)和輔助育種等方面的應(yīng)用研究進(jìn)展，對(duì)近地遙感技術(shù)在株高獲取上存在的問題進(jìn)行討論分析，并從測(cè)高平臺(tái)和傳感器、裸土探測(cè)和插值算法、株高應(yīng)用研究及農(nóng)學(xué)與遙感測(cè)高差異四個(gè)方向進(jìn)行了展望，可為今后近地遙感測(cè)高的研究與方法應(yīng)用提供參考。 十、農(nóng)業(yè)干旱衛(wèi)星遙感監(jiān)測(cè)與預(yù)測(cè)研究進(jìn)展 遙感技術(shù)的快速發(fā)展，尤其是目前在軌的衛(wèi)星傳感器感測(cè)的電磁波段涵蓋了可見光、近紅外、熱紅外和微波等波段，為區(qū)域尺度農(nóng)業(yè)干旱監(jiān)測(cè)提供了新的手段。充分利用衛(wèi)星遙感數(shù)據(jù)獲得的豐富地表信息進(jìn)行農(nóng)業(yè)干旱監(jiān)測(cè)和預(yù)測(cè)具有重要的研究意義。農(nóng)業(yè)干旱預(yù)測(cè)是在干旱監(jiān)測(cè)的基礎(chǔ)上進(jìn)行時(shí)間軸的預(yù)測(cè)，簡(jiǎn)述了農(nóng)業(yè)干旱預(yù)測(cè)研究進(jìn)展。 農(nóng)業(yè)干旱 十一、冬小麥主產(chǎn)區(qū)籽粒蛋白質(zhì)含量預(yù)報(bào) 以冬小麥主產(chǎn)區(qū)豫魯冀皖蘇為研究區(qū)域，構(gòu)建了冬小麥籽粒蛋白質(zhì)含量多層線性預(yù)測(cè)模型，并實(shí)現(xiàn)了2019年冬小麥蛋白質(zhì)含量預(yù)報(bào)。為后續(xù)小麥種植區(qū)劃和實(shí)現(xiàn)綠色、高產(chǎn)、優(yōu)質(zhì)、高效糧食生產(chǎn)提供數(shù)據(jù)支撐。 十二、冬小麥澇漬脅迫識(shí)別及程度判別分析 為識(shí)別冬小麥澇漬脅迫及判別其脅迫程度，展開冬小麥澇漬脅迫梯度盆栽試驗(yàn)，監(jiān)測(cè)冬小麥?zhǔn)欠裨馐軡碀n脅迫并判別其澇漬脅迫程度。試驗(yàn)結(jié)果顯示，簡(jiǎn)單比值色素指數(shù)SRPI是識(shí)別澇漬脅迫冬小麥的最優(yōu)植被指數(shù)。為澇漬脅迫監(jiān)測(cè)提供了一種新方法，在精確防控中具有應(yīng)用前景。 冬小麥 十三、海南島橡膠林葉面積指數(shù)遙感估算模型比較研究 選取海南島橡膠樹為研究對(duì)象，構(gòu)建基于衛(wèi)星遙感植被指數(shù)的橡膠林LAI估算模型并分析其變化規(guī)律。結(jié)果表明，構(gòu)建的基于EVI指數(shù)的橡膠林LAI一元線性估算模型精度較高，克服了NDVI、GNDVI、RVI等植被指數(shù)容易出現(xiàn)指數(shù)飽和問題，具有較好的科學(xué)性和良好的推廣應(yīng)用價(jià)值。 十四、東北三省地區(qū)生長(zhǎng)季旱澇對(duì)春玉米產(chǎn)量的影響 基于1988—2017年氣象站點(diǎn)數(shù)據(jù)和災(zāi)情、產(chǎn)量等統(tǒng)計(jì)數(shù)據(jù)，以中國(guó)東北三省為研究區(qū)，通過對(duì)比多時(shí)間尺度指標(biāo)和標(biāo)準(zhǔn)化降水蒸散指數(shù)與旱澇受災(zāi)率的關(guān)系，選擇優(yōu)勢(shì)指數(shù)表征東北春玉米生長(zhǎng)季干濕狀況，基于HP濾波構(gòu)建相對(duì)氣象產(chǎn)量，利用距離相關(guān)分析方法選取合理時(shí)間尺度和關(guān)鍵月份的指數(shù)，分析這些指數(shù)與春玉米相對(duì)氣象產(chǎn)量的關(guān)系以及不同生育階段水分條件與產(chǎn)量之間的關(guān)系。對(duì)東北三省地區(qū)預(yù)估旱澇災(zāi)害對(duì)春玉米產(chǎn)量影響，和及時(shí)采取災(zāi)害防御措施具有一定的參考價(jià)值。 玉米 十五、監(jiān)測(cè)不同生育階段玉米群體株高的精度差異分析 為明確利用無(wú)人機(jī)影像監(jiān)測(cè)玉米群體株高的精度及其影響因素，基于無(wú)人機(jī)搭載光學(xué)成像設(shè)備構(gòu)建大田玉米群體數(shù)字高程模型，研究不同生育時(shí)期下玉米群體株高監(jiān)測(cè)的精度差異。試驗(yàn)結(jié)果表明，高清RGB相機(jī)和多光譜成像設(shè)備獲取的DEM均能反映玉米群體的高度差異，為該方向應(yīng)用于大田生產(chǎn)提供借鑒意義。