数字农科院2.0

基于无人机多光谱影像特征融合的马铃薯叶片氮含量监测

文献类型： 中文期刊

作者： 李爽;刘建刚;林永鑫;线国兰;叶艳然;卞春松

作者机构：

关键词： 马铃薯;无人机多光谱;氮营养监测;特征融合;机器学习

期刊名称：中国蔬菜

ISSN： 1000-6346

年卷期： 2025 年

页码：

收录情况： 北大核心（2023版） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 叶片氮含量是表征作物光合能力和营养状态的重要指标，快速、准确地监测叶片氮含量是田间养分精准管理的依据。无人机遥感凭借机动灵活、效率高和成本低的优势成为氮营养状态监测的有效手段。为探究无人机多光谱反演叶片氮含量的最佳特征参数和建模算法，利用四旋翼无人机搭载多光谱传感器，于2022—2023年在马铃薯块茎形成期、膨大期采集7次田间多光谱影像，分别利用光谱信息、纹理特征、光谱信息+纹理特征构建了马铃薯叶片氮含量的反演模型，进一步加入气象数据分析其对模型精度的影响。结果表明，随机森林算法是叶片氮含量反演的最佳算法，与使用单一特征建模相比，融合气象数据、光谱植被指数和纹理特征能够显著提高马铃薯叶片氮含量反演精度，模型R2达0.75,RMSE为0.29%。本研究在进行敏感特征筛选时使用的Boruta算法具有独特的优势，研究结果明确了早、晚熟马铃薯品种叶片氮含量反演的最佳建模方法和最佳建模指标。

分类号：

  • 相关文献

[1]基于植被指数和纹理特征融合的冬油菜叶面积指数估测研究. 刘杰,国佳欣,张嘉豪,张炳超,熊洁,曹剑鹏,吴尚蓉,邓应彬,陈桂鹏. 2025

[2]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2022

[3]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[4]Global dynamics of streptococcus agalactiae antibiotic resistance: Past, present, and future. 房辉,,李东航,, 魏夏夏 ,,王仁东,, 苏燕燕 ,,于佑任,, 白航铭,, 高会会,,侯捷,,毛大庆,,罗义. 2025

[5]Multiomics and machine learning unveil root exudate-microbiota interactions for cadmium control in rice. 李烨,,侯捷,,刘孟琪,,杜兆林,,陈洪安,,刘国飞,,王雅君,,姚彦坡,,孙佩哲,,赵林,,安毅. 2025

[6]Machine Learning-Driven Prediction of Nitrogen Loss in Organic Solid Waste Composting. Haoran Mi, Dawei Gao, Deling Yuan, Xiao Liu, Lili Gao, Shengping Li, Yuanwang Liu. 2025

[7]基于深度学习的自然语言处理技术的发展及其在农业领域的应用. 崔运鹏,王健,刘娟. 2019

[8]基于文献计量的植物表型组学研究进展分析. 李晓曼,张扬,徐倩,谢能付. 2019

[9]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[10]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[11]基于机器学习的焦油预测模型研究. 郭东锋,刘新民,姚忠达,舒俊生,胡海洲. 2015

[12]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

[13]可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算. 张领先,田潇,李云霞,陈运强,陈英义,马浚诚. 2020

[14]基于机器学习算法的烤烟香型分类研究. 郭东锋,闫宁,胡海洲,刘非,邹鹏,窦玉青,张忠锋,舒俊生. 2016

[15]基于机器学习和可见光光谱的冬小麦叶片氮积累量估算. 崔日鲜,刘亚东,付金东. 2016

[16]基于高光谱遥感和集成学习方法的冬小麦产量估测研究. 费帅鹏,禹小龙,兰铭,李雷,夏先春,何中虎,肖永贵. 2021

[17]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[18]基于随机森林算法的草原地上生物量遥感估算方法研究. 邢晓语,杨秀春,徐斌,金云翔,郭剑,陈昂,杨东,王平,朱立博. 2021

[19]知识图谱驱动的科研档案大数据管理系统构建研究. 雷洁,赵瑞雪,李思经,鲜国建,寇远涛. 2020

[20]基于面向对象与深度学习的榆树疏林识别方法研究. 陈昂,杨秀春,徐斌,金云翔,张文博,郭剑,邢晓语,杨东. 2020

作者其他论文 更多>>