首页> 中文学位 >基于无人机低空遥感的油菜表型信息获取方法研究
【6h】

基于无人机低空遥感的油菜表型信息获取方法研究

代理获取

目录

声明

致谢

缩略词表

第一章 绪论

1.1 研究背景及意义

1.2 无人机遥感系统概述

1.2.1 无人机平台

1.2.2 机载传感器

1.3 无人机遥感作物表型信息获取研究现状

1.3.1 无人机搭载RGB相机在作物表型信息获取中的应用

1.3.2 无人机搭载多光谱或高光谱相机在作物表型信息获取中的应用

1.4 无人机遥感作物表型信息获取存在的问题

1.5 研究内容和技术路线

1.6 本章小结

第二章 材料与方法

2.1 试验材料

2.1.1 试验品种

2.1.2 田间试验设计

2.2 实验仪器

2.2.1 基于RGB和多光谱成像融合的微小型无人机遥感系统

2.2.2 Cubert UHD185无人机高光谱遥感系统

2.2.3 GaiaSky-mini无人机高光谱遥感系统

2.2.4 SPAD-502型叶绿素仪

2.2.5 LAI-2200C植物冠层分析仪

2.3 遥感图像的获取和处理

2.3.1 无人机飞行参数设置

2.3.2 低空多光谱遥感图像拼接

2.4 光谱预处理方法

2.4.1 平滑算法

2.4.2 变量标准化

2.4.3 多元散射校正

2.4.4 去趋势算法

2.4.5 导数处理

2.4.6 小波变换

2.5 特征变量选择算法

2.5.1 连续投影算法

2.5.2 加权回归系数

2.5.3 遗传算法

2.5.4 无信息变量消除算法

2.5.5 导数光谱

2.5.6 竞争性自适应加权采样法

2.5.7 随机蛙跳

2.6 机器学习算法

2.6.1 多元线性回归

2.6.2 偏最小二乘

2.6.3 径向基函数神经网络

2.6.4 极限学习机

2.6.5 最小二乘支持向量机

2.6.6 反向传播神经网络

2.6.7 支持向量机

2.6.8 K均值聚类

2.7 模型评价指标

2.8 数据处理软件

2.9 本章小结

第三章 基于RGB和多光谱成像融合的无人机遥感系统对油菜花数目估算

3.1 引言

3.2 遥感图像采集与处理

3.2.1 试验设计

3.2.2 RGB相机和多光谱相机融合的无人机低空遥感系统

3.2.3 数据采集

3.2.4 无人机低空遥感RGB图像拼接

3.2.5 无人机低空遥感多光谱图像拼接

3.2.6 辐射定标

3.2.7 基于CIELAB颜色空间的K-means算法分割RGB图像

3.2.8 植被指数的选取

3.3 结果和分析

3.3.1 基于RGB图像分割计算油菜花覆盖度

3.3.2 基于K-means算法三个时期油菜花分割结果

3.3.3 多光谱窄波段植被指数的选取

3.3.4 RGB植被指数相关性分析和方差分析

3.3.5 基于RGB和多光谱融合的油菜花数目预测

3.3.6 基于遗传算法的变量选择和模型简化

3.4 本章小结

第四章 基于无人机多光谱和高光谱遥感系统的油菜氮素诊断和叶面积指数预测

4.1 引言

4.2 遥感图像采集与处理

4.2.1 油菜田间试验设计

4.2.2 无人机低空遥感作业

4.2.3 无人机低空遥感多光谱图像处理

4.2.4 无人机低空遥感高光谱图像处理

4.2.5 辐射定标

4.2.7 多光谱窄波段植被指数

4.2.8 高光谱成像系统植被指数选取

4.3 油菜理化值统计分析及光谱特征

4.3.1 大田油菜的SPAD和LAI统计分析

4.3.2 不同氮梯度下油菜花期的光谱特征

4.4 基于无人机多光谱成像的油菜SPAD和LAI预测模型研究

4.4.1 基于全波段光谱的油菜SPAD和LAI预测

4.4.2 多光谱窄波段植被指数的选取

4.4.3 基于窄波段植被指数对油菜SPAD和LAI预测

4.5 基于UHD185无人机高光谱系统的油菜SPAD和LAI预测模型研究

4.5.1 特征波长的选择和比较

4.5.2 基于特征波长的回归分析模型

4.5.3 窄波段植被指数最优化

4.5.4 植被指数与油菜SPAD及LAI的相关性分析和方差分析

4.5.6 基于植被指数对油菜SPAD和LAI预测

4.6 本章小结

第五章 基于RGB和多光谱成像融合的无人机遥感系统对油菜田间产量预测

5.1 引言

5.2 遥感图像采集与处理

5.2.2 无人机飞行作业

5.2.3 大田油菜产量测定

5.2.4 无人机低空遥感图像拼接

5.2.5 辐射定标

5.2.6 植被指数的选取

5.3 结果和分析

5.3.1 大田油菜实测产量统计分析

5.3.2 不同氮梯度下油菜角果期的光谱特征

5.3.3 基于全波段光谱的油菜产量预测

5.3.4 窄波段植被指数的选取

5.3.5 RGB植被指数相关性分析和方差分析

5.3.6 基于植被指数的油菜产量预测

5.3.7 基于遗传算法的变量选择和模型简化

5.4 本章小结

第六章 基于无人机高光谱遥感系统的油菜田间产量预测

6.1 引言

6.2 试验设计及地面数据采集

6.2.1 试验设计

6.2.2 大田油菜产量测定

6.3 无人机低空高光谱遥感图像获取

6.3.2 试验参数选择

6.4 无人机低空高光谱遥感图像处理

6.4.1 图像拼接

6.4.2 辐射定标

6.4.3 植被指数选取

6.5 结果和分析

6.5.2 不同预处理方法对油菜产量预测的影响

6.5.3 光谱特征分析

6.5.4 特征波长选择和比较

6.5.5 基于特征波长对油菜产量预测

6.5.6 窄波段植被指数最优化

6.5.7 植被指数与油菜产量的相关性分析和方差分析

6.5.8 基于植被指数对油菜产量预测

6.6 本章小结

第七章 结论与展望

7.1 主要结论

7.2 主要创新点

7.3 展望

参考文献

作者简介

展开▼

著录项

  • 作者

    朱红艳;

  • 作者单位

    浙江大学;

  • 授予单位 浙江大学;
  • 学科 农业机械化工程
  • 授予学位 博士
  • 导师姓名 何勇,岑海燕;
  • 年度 2019
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 TP7R28;
  • 关键词

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号