无码精品一区二区三区在线,欲性游乐场(高H),日日橹狠狠爱欧美视频,欧美日韩精品

一、引言

無人機載多光譜成像采集東北寒地水稻的過程包括對信息的獲取、傳輸、處理及判斷分析和應用的過程，利用無人機載多光譜設備進行水稻冠層的輻射信息的采集過程。在整個遙感過程中，輻射能量一般來源于目標的3個方面：太陽輻射、目標自身產生的輻射及遙感器的電磁波發射。在此過程中，會受到若干因素的影響如太陽的方位、季節的改變、地表的狀況、地理位置的選擇、遙感儀器在當天的工作性能等，從而也會影響遙感數據采集時產生輻射誤差和幾何誤差，因此要對影像進行相關的校正處理。

1. 
   

2. 無人機載多光譜成像的數據采集

2.1光譜成像識別系統

任何物體都有其獨特的光譜特征。具體來說，它們具有不同的吸收、反射、輻射光譜。在同一光譜區域內，不同物體的反射會不同(同譜異物)，同一物體對不同光譜的反射也可能會顯著不同(同物異譜)。此外，由于太陽輻射角度的不同，即使是同一物體，在不同的時間和地點也會表現出不同的反射或吸收光譜。

光譜探測技術正是依據上述基本原理，對物體光譜進行了相應的特征識別。而把光譜探測技術和圖像識別方法運用于同一個學科領域就形成了一種光譜成像識別系統，形成的光譜成像識別系統可以分為三個主要組成部分：平臺、地面控制系統和研究分析方法系統。平臺主要包括地面平臺(衛星、無人機)和成像光譜儀，成像光譜儀主要進行數據的收集和傳送；地面控制系統主要進行數據的接收、儲存、開發等操作；研究分析方法系統主要完成實驗定標、地面試驗、光譜數據的測量與分析等工作，并對地面接收到的圖像信息進行圖像融合、大氣校正、幾何校正后獲取反映地物的性質與狀態等信息。光譜成像識別系統的組成部分既相互聯系又各自有分工，共同完成光譜成像識別對地面目標的探測，實現對目標的定位、定性或定量的目的。一般情況下，光譜成像識別系統又可分為以下4個組成部分：目標物、光譜成像識別的數據采集與傳輸系統、光譜成像識別的數據接收與處理系統以及光譜成像識別的數據分析與應用系統，如圖1所示。

圖1光譜成像識別的過程與技術系統

2.2無人機及多光譜設備

采用無人機多光譜對測試區域進行多光譜圖像采集。在圖像拼接過程中,將無人機多光譜圖像導入軟件,軟件能夠自動讀取相機配置信息和定位系統數據,然后進行輻射校準。最后,生成數字地表模型、數字正射影像,并進行幾何校正和圖像配準。

圖2無人機高光譜成像系統

2.3試驗田規劃

圖3試驗區地理位置、地塊試驗小區劃分

本實驗主要隨時間演變對東北寒地水稻稻瘟病病害等級的遙感信息診斷進行研究，具體實驗方案如下：

試驗時間：試驗于2020年5-9月進行。

試驗地點：水稻稻瘟病試驗在吉林省吉林市萬昌鎮進行，該區域位于北緯43°44′49″，東經125°54′11″，該地區處于吉林大黑山東麓飲馬河東岸河谷平原區，屬北溫帶大陸性季風氣候，年降水量適宜，四季分明，適合水稻的種植，農業熟制為一年一熟。

試驗品種：吉粳88作為試驗品種，取自吉林省農業科學院，全生育期150天；苗期對稻瘟病發表現為抗，異地田間自然誘發葉瘟鑒定表現中抗~高抗，異地田間自然誘發穗瘟鑒定表現為中抗~抗高抗，穗瘟最高發病率60%；株高100厘米，株型緊湊，葉片堅挺上舉，莖葉淺淡綠，主穗長18cm，半直立穗型，平均籽粒數120粒，籽粒橢圓，穎及穎尖均黃色，千粒重22.5g；蒙古稻作為傳播稻瘟病品種,蒙古稻可以感染大多數稻瘟病小種，且葉瘟在田間抗性極弱而且穩定，作為較理想的感病對照。

試驗處理：于2020年5-9月種植試驗品種水稻，試驗區總面積約10000m，試驗田為3組重復試驗，每組試驗田下又分為8個不同氮含量處理下的小區，每次都設有對照組及不同施肥的氮量對應的試驗小區，表1為試驗小區(N0-N6)中施氮含量，每個試驗小區中央插有易感病且對稻瘟病抗性很差的蒙古稻，7-8月對蒙古稻噴稻瘟病菌，開展稻瘟病試驗，對照組則不接種蒙古稻，試驗田的管理方式按照大田模式進行，最大限度的模擬自然發病情況。并統計了試驗田的病害率。

病害率(%)=病害株樹/水稻總株數×100%

試驗區地理位置、地塊試驗小區劃分如圖4所示，地塊中白色區域為人工采樣區域，采樣區域按國家標準(1m×1m)進行采樣，十次一組，共計480個；水稻田的RGB與假彩色圖如圖4所示。采集時間：水稻生長中的分蘗期、拔節期、孕穗期、灌漿期

表1水稻地塊規劃

圖4萬昌水稻田原始圖與假彩色圖

2.4無人機載多光譜相機的飛行與采集方式

無人機多光譜影像的獲取會在中午進行，時間選取為上午10點到下午2點之間，在晴朗無云的天氣，保證太陽輻射的充足與穩定，而太陽高度角的變化可能會改變光照條件，它會隨著時間的變化而變化，會引起圖像輻射值的誤差，為避免太陽高度角對水稻冠層輻射的誤差，采用太陽高度角計算器，在同一太陽高度角下采集水稻冠層數據。采集時風力的要求不超過4級，以保證無人機飛行的安全性及云臺的穩定性，且航測時，平行的航線，左右相鄰的影像不低于50%的重疊率，在航向的方向上，前后相鄰的影像具有不低于60%的重疊率，以保證圖像拼接的完整性。同時需要考慮禁飛區域、周邊建筑與電線高度、電磁干擾等環境因素。無人機在起飛前進行安全檢查，確保設備的正常運行。

三、結果與討論

水稻葉片在生長初期，葉綠素的含量與輻射能吸收會呈現很大的相關性，隨著葉綠素含量的增加，健康的葉片中會充滿了水分而膨脹，對任何輻射能都是一種較好的反射體，因此藍、紅波段的吸收會增強，綠波段的反射率降低，近紅外波段的反射率增強，植被指數大體呈上升趨勢，而隨著葉綠素含量增加一定程度后，吸收率會近于飽和狀態，反射率變化較小，植被指數的變化會變得不明顯；當水稻葉片在被稻瘟病破壞后，水分代謝受到阻礙，其葉內組織隨之被破壞，葉片逐漸枯死，葉綠素的含量降低，導致藍、綠、近紅外波段的反射率降低，紅波段的反射率會增加，植被指數的差異變得明顯。

圖5水稻在不同時間下稻瘟病害程度占比

通過對水稻試驗田做氮脅迫處理后，采集四次試驗田的多光譜影像的植被指數(RVI、EVI、NDVI、NDRE、GNDVI、BNDVI)結合水稻冠層的地物光譜儀的標定數據進行稻瘟病的動態監測，在分蘗期采集多光譜的植被指數影像進行稻瘟病等級分析，RVI、NDVI、GNDVI、BNDVI都比較準確；而到了拔節期，RVI、NDVI的信息能夠對稻瘟病等級有較好的指示意義，NDRE、GNDVI、BNDVI在判斷是否有病害的情況可以做輔佐手段；在孕穗期，由于水稻生長茂密，葉片覆蓋度較高，RVI、NDVI的指示意義降低，BNDVI的信息具有對水稻試驗田的稻瘟病等級準確的分級，GNDVI、NDRE可作為輔佐判斷病害信息；在灌漿期，NDRE最為準確的反映水稻試驗田的稻瘟病最終病害情況，地塊1，2，3都呈現了水稻試驗田的稻瘟病害情況隨著氮含量的增加，其得病的概率與病的程度成正比，每個地塊中N2與N3試驗田的稻瘟病是由于風向(自西南向東北)以及與N5，N6共水渠原因，導致其病害較為嚴重。在整體植被指數中，EVI的指示意義較低，原因為其大氣與土壤的校正因子與東北寒地不太匹配。

同時將每日的水稻遙感影像結合最佳植被指數分析水稻稻瘟病的程度占比，如圖5，其中綠色代表健康水稻，黃色代表輕度患稻瘟病水稻，橙色代表中度病害水稻，紅色代表中度病害水稻，根據這種動態監測，發現隨著時間的推移，健康水稻所占全部試驗田趨于50%，水稻的感病率在降低，原因是東北地區隨著季節的推移，病菌所處的環境溫度降低，導致其活性降低，且選取的水稻為抗病品種。

對不同時期的遙感影像做植被指數變換的數值作為參量代入LDA與決策樹分類模型中，可以較好的對水稻是否感病且病害程度進行分類，可以發現：在分蘗期的數據中，采用LDA結合GNDVI的效果最好，準確率為97.66%；在拔節期，采用決策樹結合NDVI的效果較好，準確率為96.65%；在孕穗期，采用決策樹結合BNDVI的效果較好，準確率為96.96%；在灌漿期，采用決策樹結合NDRE的效果最好，準確率為99.90%。

綜上所述，在水稻生長前期，可以采用RVI、NDVI的遙感影像對水稻的生長狀態做出判斷，而由于葉片對綠色波段的敏感性，GNDVI可作為前期對水稻稻瘟病害判斷的依據；水稻生長中期，水稻葉片的冠層覆蓋度高，RVI與NDVI的判別會出現誤差，稻瘟病害會破壞水稻葉片內部的組織結構，藍色波段的敏感性提高，BNDVI可作為中期對水稻稻瘟病病害判斷的依據，并進行合理性的噴灑農藥；而到了水稻生長的后期，受稻瘟病影響，水稻葉片大面積受損，近紅外、紅波段的敏感性大幅度提高，NDRE可作為后期對水稻病害判斷的依據。以上這貫穿寒地水稻整個生長期在不同階段的不同的植被指數作為水稻監測指標參數，具有實踐價值。

四、總論

本文主要針對水稻稻瘟病難以大面積監測的難題，以無人機載多光譜成像技術，開展水稻稻瘟病的光譜特性研究，為奠定“智慧農業、精準農業”中的水稻生長和病蟲害檢測服務。主要開展的工作為：選取適用于水稻光譜識別研究的無人機多光譜成像設備，依據水稻葉片冠層的反射原理，獲取了分蘗期、拔節期、孕穗期、灌漿期的東北寒地水稻冠層地面光譜數據與無人機載遙感影像數據，對遙感影像數據做大氣校正、幾何校正和幾何裁剪等遙感預處理后提取光譜信息進行植被指數的稻瘟病等級的反演。獲得結論：在水稻生長的分蘗期與拔節期，采用RVI、NDVI的遙感影像可對水稻的稻瘟病的態勢做出判斷；在水稻生長的孕穗期，BNDVI可作為中期對水稻稻瘟病病害判斷的依據；水稻生長的灌漿期，NDRE作為后期對水稻病害判斷的依據。最后將植被指數結合LDA與決策樹分類模型分析后，可以較好識別水稻在不同生長期的稻瘟病的態勢，實現了對稻瘟病的快速監測。

以上研究工作通過光譜學的探測方法識別東北寒地水稻稻瘟病的態勢，經過對比，用無人機載多光譜成像進行稻瘟病識別可行性很高，不會受較多因素的影響，實驗過程中也可以根據實驗需要對光譜相機的各個光通道以及內部的指標進行調整，實驗中也可以對不同方位、角度等進行探測，即使參照量不同，獲得的不同遙感圖像也可以作為識別的數據源。

推薦：

無人機高光譜成像系統iSpecHyper-VM100

iSpecHyper-VM系列無人機高光譜成像系統配合定制開發的高性能穩定云臺，能夠有效降低飛行過程中無人機抖動引起的圖像扭曲與模糊。該系統與大疆M350RTK無人機完美適配，廣泛應用于農業、林業、水環境等行業領域，系統支持配件升級及定制化開發，為教育科研、智慧農業、目標識別、軍事反偽裝等行業高端應用領域提供了高性價比解決方案。