-
题名基于无人机遥感技术的大田作物精准施肥决策研究进展
被引量：2
- 1
-
-
作者
于丰华
李世隆
金忠煜
白驹驰
许童羽
-
机构
沈阳农业大学信息与电气工程学院
沈阳农业大学国家数字农业区域创新分中心(东北)
沈阳农业大学辽宁省智慧农业技术重点实验室
-
出处
《沈阳农业大学学报》
CAS
CSCD
北大核心
2024年第6期788-797,共10页
-
基金
国家自然科学基金项目(32201652)
辽宁省自然科学基金项目(2023-MSLH-283)
辽宁省“兴辽英才计划”项目(XLYC2203005)。
-
文摘
近年来无人机遥感技术在作物施肥智慧决策与精准作业领域应用广泛,现将无人机遥感技术在监测作物长势并指导施肥、无人机精准作业等方面的研究现状作以综述。基于信息化方法的施肥决策可通过数据驱动和机理驱动2种方式制定,其中农情监测为施肥决策的制定提供了数据支撑,目前研究主要以机器学习、回归分析等数据驱动方法监测作物长势,存在农学机理与普适性不足等问题;部分研究通过耦合辐射传输模型、作物生长模型等机理模型提升了无人机遥感对作物大规模监测的物理意义与普适性。制定施肥决策方面重点探讨了通过无人机遥感数据建立回归模型等数据驱动方式制定作物精准施肥决策的研究现状,并对目前制定施肥决策缺乏机理性的问题进行了深入讨论与展望。无人机精准作业方面,综述无人机遥感、作业处方图生成和精准喷施技术等无人机执行精准施肥决策的关键作业环节,并对相关技术进行展望。深入分析基于无人机遥感方法开展大田作物精准施肥决策的研究进展及存在的问题,旨在为利用无人机实现作物精准施肥提供科学依据和参考。
-
关键词
无人机
精准施肥
农情监测
遥感
-
Keywords
UAV
precision fertilization
crop monitoring
remote sensing
-
分类号
S25
[农业科学—农业机械化工程]
-
-
题名东北地区稻田土壤氮含量无人机高光谱反演建模研究
被引量：5
- 2
-
-
作者
许童羽
方健羽
郭忠辉
白驹驰
金忠煜
于丰华
-
机构
沈阳农业大学信息与电气工程学院
沈阳农业大学辽宁省智慧农业技术重点实验室
-
出处
《沈阳农业大学学报》
CAS
CSCD
北大核心
2023年第6期759-768,共10页
-
基金
辽宁省教育厅重点攻关项目(LSNZD202005)。
-
文摘
土壤氮元素是土壤肥力的一个重要指标,掌握土壤氮元素含量的变化是观测农作物的发育状况及时空变化规律等的基础。利用高光谱对土壤氮元素进行反演,可为精准农业地表土壤元素快速测定提供参考。为实现对土壤中氮元素含量的快速测定,以沈阳农业大学海城试验田为例,对土壤原始反射率进行了一阶导数变换,运用等距特征映射算法(isometric feature mapping,lsomap)、竞争性自适应重加权采样法(competitive adapative reweighted sampling, CARS)对一阶导数光谱数据进行降维并提取出相关特征。运用BP神经网络(back propagation neural network,BPNN)、GA优化(GA-BPNN)以及经过NSGA-Ⅲ优化后的BP神经网络(NSGA-Ⅲ-BPNN)3种分析方法建立土壤全氮的高光谱反演模型,并利用决定系数(R^(2))和均方根误差(root mean square error,RMSE)对反演模型进行评价。结果表明:经过ISOMAP进行的降维相对于CARS能有效的对特征进行提取。优化后的神经网络模型建立的土壤养分含量预测模型优于未优化的神经网络,能极好地预测土壤中的氮元素含量。基于Isomap降维后的NSGA-Ⅲ-BPNN的模型的反演模型预测效果最好,最终预测土壤全氮含量训练集为R^(2)=0.842、RMSE=0.077,测试集R^(2)=0.826、RMSE=0.089。反演精度高于GA-BPNN和BPNN的模型反演精度,与其他模型组合相比,该组合可以为土壤氮元素含量的反演研究提出一种新的方法。
-
关键词
无人机高光谱
土壤氮元素反演
NSGA-Ⅲ优化算法
Isomap降维
BP神经网络
-
Keywords
UAV hyperspectroscopy
soil nitrogen inversion
NSGA-Ⅲoptimization algorithm
Isomap dimensionality reduction
BP neural network
-
分类号
S252
[农业科学—农业机械化工程]
-
