数字农科院2.0

基于无人机多光谱的烤烟冠层叶绿素含量反演

文献类型： 中文期刊

作者： 王佳丽;蒯雁;杨成伟;字韶兴;张国兴;杨泽远;张久权

作者机构：

关键词： 无人机;多光谱;叶绿素含量;逐步回归;随机森林;烟草

期刊名称：江苏农业科学

ISSN： 1002-1302

年卷期： 2024 年

页码：

收录情况： 北大核心（2023版） ; ; 科技核心（2024版） ; ; 农林核心（2020版）

摘要： 叶绿素含量对作物的光合作用有直接影响,同时影响作物有机质含量的积累,成为监测作物生长的重要指标,烟草作为一种特殊的经济作物,快速监测其叶绿素含量具有重要意义。无人机遥感技术的发展为实现快速、无损监测提供了有利条件。为了探索一种快速便捷的估算烤烟冠层叶绿素含量的方法,实现方便高效的作物监测,本研究利用SPAD-502型叶绿素仪测定烟草不同生育期叶绿素的实际值,并利用搭载多光谱相机的无人机采集对应时期烟草的光谱图像,研究了不同施氮水平下烟草冠层叶绿素含量的变化规律,另外选取58种常用植被指数与冠层实测叶绿素含量进行相关性分析,选择与实测叶绿素含量极显著相关的11种植被指数,构建了烟草冠层叶绿素含量逐步回归的随机森林模型。结果表明,不同施氮浓度下,旺长期叶绿素含量最高,同一生育期,叶绿素含量随施氮浓度的增加而上升;采用随机森林建立的烟草旺长期模型R2为0.79,RMSE为2.14。本研究证明,叶绿素含量随施氮浓度变化明显,两种建模方法中,随机森林模型的精度优于逐步回归模型,研究为烟草叶绿素含量的快速估算提供了一种新的方法,为利用无人机平台进行作物监测提供了可行的参考。

分类号：

  • 相关文献

[1]不同施氮处理下无人机光谱感知冬小麦产量. 丁凡,陈震,李长春,程千,费帅鹏,李景勃,徐洪刚,李宗鹏. 2023

[2]基于无人机多光谱遥感和机器学习的烟田土壤碱解氮估测. 胡晓,臧玉龙,高睿康,郭利,徐锐,敖耀强,邓建强,孙玉晓,张继光,唐大鹏. 2024

[3]基于无人机多光谱影像与机器学习算法的棉花冠层叶绿素含量估算研究. 赵鑫,李朝阳,王洪博,刘江凡,江文格,赵泽艺,王兴鹏,高阳. 2024

[4]基于无人机多光谱和改进BPNN的烟草病毒病检测. 章阳亮,姜雪妍,李敏,江厚龙,江连强,郭雷风,王新伟. 2025

[5]基于无人机多光谱与热红外数据的冬小麦土壤水分反演. 张成才,侯佳彤,王蕊,姜明梁,祝星星. 2024

[6]基于无人机RGB图像的棉花产量估算. 张静,郭思梦,韩迎春,雷亚平,邢芳芳,杜文丽,李亚兵,冯璐. 2022

[7]无人机遥感的农作物精细分类研究进展. 田甜,王迪,曾妍,张影,黄青. 2020

[8]2022年内蒙古无人机马铃薯图像数据集. 胡天赐,王瑞利,蒋呈祥,白涛,胡林,王晓丽,郭雷风. 2023

[9]多光谱与热红外数据融合在冬小麦产量估测中的应用. 兰铭,费帅鹏,禹小龙,李雷,夏先春,肖永贵,孟亚雄. 2021

[10]基于植被指数的烤烟精准追肥研究. 边立丽,艾栋,张云贵,刘青丽,常乃杰,冯文强,陈玉蓝,龙潭,陈曦,杨雪,江鸿,李志宏. 2023

[11]病害胁迫下玉米LAI遥感反演研究. 刘帅兵,金秀良,冯海宽,聂臣巍,白怡,程明瀚. 2023

[12]基于无人机多光谱时序影像的冬小麦产量估测. 万国樑,王银婷,李雷,王多霞,陶志强,孙海艳. 2026

[13]融合无人机光谱信息与纹理特征的冬小麦综合长势监测. 承达瑜,何伟德,付春晓,赵伟,王建东,赵安周. 2024

[14]基于无人机多光谱影像的烟田智慧管理应用与挑战. 陈天才,张久权,蒯雁,窦玉青,付秋娟,李栋梁,姜光平,李品州,代先强. 2025

[15]基于随机森林算法的冬小麦叶面积指数遥感反演研究. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍. 2018

[16]基于图像特征和随机森林的油菜生物量估算. 李海同,陈旭,王刚,关卓怀,江涛,吴崇友. 2021

[17]结合无人机数码影像与PROSAIL模型的夏玉米LAI反演. 牛庆林,张合兵,邓炯,冯海宽,李长春,杨贵军,陈志超. 2025

[18]中国不同地区科技示范县大豆单产及产量相关性状的比较. 杨如萍,宋雯雯,孙石,吴存祥,王化俊,韩天富,国家大豆产业技术体系综合试验站. 2012

[19]我国南方桂东地区农田土壤养分特征及对有机碳驱动分析. 李忠芳,唐政,娄翼来,陈金瑛,黄世海. 2015

[20]我国甜菜夜蛾大尺度暴发频度与广域温度和广域降雨量关系的预测模型. 文礼章,张友军. 2010

作者其他论文 更多>>