共查询到20条相似文献，搜索用时 468 毫秒
1.
2.
作物长势信息空间分析系统设计 总被引：1，自引：0，他引：1
为了满足作物长势动态测量的要求,设计了作物长势信息空间分析系统,针对作物冠层信息获取手段及其数据特点设计相应的功能模块。系统主要由光谱文件管理、定点作物光谱分析、动态采集监测、空间数据分析等功能模块组成。系统能够兼容多种光谱文件格式,具有两种空间数据分析方法,配有专家数据库接口,具有较强的二次开发潜力。该系统配合车载作物长势检测平台,对玉米的长势空间分析进行了应用效果验证,结果证明：该系统能够实时读取和分析车载式作物长势检测平台的动态数据,通过不同的空间插值方法能够掌握冠层生物信息空间分布状况。该系统为车载动态测量提供了良好的技术支持,可为制定相应的精准管理决策提供理论依据。 相似文献
3.
作物需水信息实时监测与无线远程传输系统 总被引：1，自引：0，他引：1
为了解决作物需水信息的快速获取和无线远程传输问题,提出并实现了一种作物需水信息无线远程传输与监测系统。该系统由3部分组成,即PTM-48M植物生理生态监测仪及所适配的传感器构成的数据采集与监测系统、GPRSDTU与GPRS网络构成的无线数据传输系统以及数据存储和处理中心。为此,阐述了系统的整体结构,并从软硬件两方面描述了系统的设计及实现。结果实现了GPRSDTU和PTM-48M植物生理生态监测仪的成功连接,且PTM-48M连接多个传感器,可实时采集多个信息,进而实现了多通道作物需水信息的异地实时监测与无线远程传输。实践证明,该系统使用灵活,数据传输可靠。 相似文献
4.
正本文介绍了物联网系统对番茄长势的监测试验,获取长势信息,对试验数据进行总结分析,提出管理措施,降低了生产成本。一、试验目的作物长势信息获取与诊断技术是在信息技术支撑下的集约化和信息化农业技术,是现代化的数字农业技术系统。番茄的长势以及所形成的产量,与作物叶面积指数、叶绿素浓度、叶温、叶面对特征频段电磁波吸收或反射等因素有着密切的关系。作物的长势与作物的形态表现有直接关系,所以用作物叶片形态 相似文献
5.
[目的/意义]农作物长势监测能及时提供农作物的生长状态信息,对于加强中国作物生产管理、确保国家粮食安全具有重要的意义。卫星遥感技术的发展为大面积的作物长势监测提供了契机。然而,在雨热同期的作物生长旺季,光学遥感数据的获取经常受到天气的限制。因此,近年微波雷达遥感技术受到了广泛重视。[进展]梳理了利用合成孔径雷达(Synthetic Aperture Radar,SAR)数据进行农作物长势监测的国内外研究现状,从农作物长势SAR遥感监测指标、农作物长势SAR遥感监测数据和农作物长势SAR遥感监测方法3个方面对基于SAR数据农作物长势监测研究进展与标志性成果进行总结。在分析常用于农作物长势监测的方法及其适用性的基础上,对它们在长势监测中应用情况进行分析。[结论/展望]提出了4个国内外SAR监测农作物长势所存在的问题:1)基于SAR数据的农作物长势监测方法研究整体较少;2)微波散射特征挖掘不够,特别是对极化分解参数的长势监测应用研究还有待深入;3)针对农作物长势监测中的雷达植被指数相对较少,其应用尚未得到充分发挥;4)基于SAR散射强度的农作物长势监测主要采用经验模型,难以推广到不同地区和类... 相似文献
6.
基于WMSN的作物环境与长势远程监测系统 总被引：3，自引：0，他引：3
针对目前田间监测主要是物理数据而缺少多媒体数据的问题,设计一种基于无线多媒体传感器网络(WMSN)的作物环境与长势远程监测系统.阐述了该系统存在的显著优势;设计了Hi3512和CC2430硬件电路关键部分和软件系统,解决了作物环境信息与多媒体长势信息融合的关键问题;实现了4间温室内不同监测点温湿度、光照度及4路视频信号的动态监测.实验结果表明,该作物环境与长势远程监控系统稳定可靠,实时精确,能实现多媒体数据采集、H.264压缩、3G传输、PC显示和温湿度、光照度传感器节点的ZigBee组网. 相似文献
7.
8.
农作物的苗期生长是一个复杂的生理生化及代谢过程,苗期的生长发育直接影响到作物的生物产量、经济产量、营养品质及其安全性。农作物苗期长势监测对于作物肥水管理、病虫害防治具有指导作用,是精细农业和数字农业的关键技术之一。该文从农作物苗期生长形态检测、营养组分检测和病虫害诊断3个方面,详细阐述了各种无损检测技术,如机器视觉技术、激光漫反射技术、荧光测量技术和反射光谱分析技术等在作物苗期长势监测中的应用进展。国内外学者对上述技术进行了较深入的理论方法研究,部分技术已在实践中得到广泛应用,但目前作物无损检测技术大多强调单一信息的获取及分析,随着数字农业和智慧农业的发展,未来将更加强调多源、多尺度数据的获取及形态、养分、病虫害综合信息的提取。作物苗期长势的监测数据将与精准农业的联系更加紧密,为农事操作提供传感信息,形成智能化的农业施工、调优栽培与管理决策系统。 相似文献
9.
数字农业田间信息获取技术研究现状和发展趋势 总被引：2，自引：0，他引：2
对土壤水分与养分的测量方法、作物长势及其背景的监测、营养状况监测、作物冠层监测、作物病虫害诊断、杂草识别等田间信息获取技术在数字农业中的开发、应用现状以及发展概况做了简要综述,并指出将遥感技术和光谱技术结合应用是我国实现田间信息获取技术的关键. 相似文献
10.
作物生长图像远程采集系统的设计与实现 总被引：1，自引：0，他引：1
针对传统固定桁架式作物图像获取系统采用有线方式进行通讯,布线复杂、适用范围有限等缺点,开发了一套通过4G无线网络相机及其所带RS485串行接口实现远程作物生长图像采集的系统。该系统采用4G网络相机作为图像采集设备,通过云台、水平和竖直滑块导轨等,控制作物图像采集设备的空间转动、水平移动和竖直移动,并采用服务器和VC++等开发了网络专家端口和作物生长数据中心两个客户端,分别用于实时获取单株作物精细图像信息和监测区域内整体作物的长势信息,并将获取的图像保存在各自的数据库中。该系统可全面获取作物的生长状况,为科学决策及未来研究提供图像数据。 相似文献
11.
基于光谱探测的小麦精准追肥机设计与试验 总被引：3，自引：0，他引：3
为了实现小麦生长过程中的实时变量追肥,使用近地光谱探测技术,设计了大田实时变量追肥机。追肥光谱监测系统实时获取作物冠层归一化植被指数,结合追肥策略计算出当前的目标施肥量,采用测速和测距法反馈肥料流量信息,并根据追肥机实际行进速度,实时调整追肥量,实现精准变量追肥。试验结果表明,田间小麦长势存在空间差异性,冠层的归一化植被指数可以解析此差异性;追肥机追肥控制精度达到90%以上,可以满足精准追肥的要求;变量追肥比定量均匀追肥增施氮肥28 kg/hm2左右。 相似文献
12.
冬小麦精准追肥机专家决策系统 总被引：3，自引：0，他引：3
为了实现小麦生长过程中的实时变量追肥,研究了光谱数据处理策略及目标追肥量的计算模型,开发了基于近地光谱探测技术的实时变量追肥专家决策系统,结合小麦冠层归一化植被指数(NDVI)、追肥机实际行进速度和肥料反馈量,双通道独立控制施肥机构的转速和开度,从而实时调整追肥量,实现精准变量追肥。试验结果表明,专家决策系统的控制精度达到90%以上,可以满足精准追肥的要求;拔节期,变量追肥比定量均匀施肥增施氮肥28 kg/hm2左右;变量施肥有利于改善小麦群体结构,降低产量差异性。 相似文献
13.
含水量是表征水稻生理和健康状况的关键参数，精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前，利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数，针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的RGB图像和多光谱图像，通过提取植被指数和纹理特征，分析水稻的动态生长变化，并构建了基于随机森林回归方法的含水量预测模型。试验结果表明：（1）从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长，并且这些参数随水稻生长呈现出了相似的动态变化趋势；（2）与RGB图像相比，多光谱图像评估水稻含水量具有更高的潜力，其中归一化光谱指数NDSI771,611实现了更好的预测精度（R2=0.68，RMSEP=0.039，rRMSE =5.24%）；（3）融合植被指数和纹理特征能够进一步改善含水量的预测结果（R2=0.86，RMSEP=0.026，rRMSE=3.51%），预测误差RMSEP分别减小了16.13%和18.75%。上述结果表明，基于无人机遥感技术监测水稻含水量是可行的，可为农田精准灌溉和田间管理决策提供新思路。 相似文献
14.
为辨别农作物所受重金属胁迫种类,以受重金属铜(Cu)、铅(Pb)胁迫的玉米叶片为研究对象,利用ASD地物光谱仪获得叶片高光谱数据,通过分数阶微分(FD)对原始光谱数据进行处理,采用竞争性自适应重加权采样法(CARS)提取特征波段,最后通过多层感知机(MLP)、K-最近邻(KNN)、支持向量机(SVM) 3种模型对受胁迫的叶片光谱进行辨别,选择最优的MLP构建的FD-CARS-MLP模型,进行玉米生长铜铅污染信息光谱辨别。结果表明,FD-CARS-MLP模型对于受胁迫叶片光谱辨别的能力相较于传统方式有所提高,试验集辨别精度均可达到98%以上,0.1、0.2阶分数阶微分辨别精度可达到99%以上。选取苗期与抽穗期的玉米叶片,对其进行FD-CARS-MLP模型的可行性测试,经验证可得,FD-CARS-MLP模型辨别受重金属胁迫玉米叶片光谱数据的精度更高且更稳定,可为监测谷类作物不同重金属胁迫提供技术与方法。 相似文献
15.
为了验证自主研制的扫描成像光谱仪（PIS）在近地应用的可行性,该文以小麦、玉米为研究对象,利用PIS近地获取作物冠层和叶片的高光谱图像,在对田间和室内获得的成像数据进行对比分析的同时,探讨了成像光谱采集过程中的影响因素。此外,将PIS获取的成像高光谱与地物光谱仪（ASD）测定的高光谱进行比对研究。结果表明：PIS能准确收集作物的光谱信息,且采集的高光谱数据与ASD具有很好的一致性;PIS在田间采集作物光谱信息时,受氧气吸收的影响,在760 nm处有明显的干扰吸收;PIS除了能反映作物不同叶位叶片、不同器官光谱的差异,还可依据影像提取杂草、土壤对作物冠层光谱的影响程度。上述初步结果为进一步应用PIS进行农作物长势诊断提供了参考。 相似文献
16.
目前土壤采样信息大多依赖于实验人员手动纸质记录。为了更好地记录和处理土壤信息，提出了一种适用于现代化农业的土壤采样信息记录方法，利用Android系统结合服务器和数据库架构实现基于Android的土壤采样信息自动记录系统。整个系统设计包括系统架构设计和软件功能设计。在服务器上使用JSP和MySQL数据库管理系统（Database management system，DBMS）作服务器端，搭建云服务器及农田信息管理数据库。服务器端设计包括在WEB工程中引入JDBC驱动，使服务器直接连接数据库，实现WEB服务器与MySQL数据库的交互。Android客户端设计包括在Material Design设计规范下完成土壤自动采样记录系统Android客户端界面，以及利用JSON数据解析实现对云服务器下MySQL数据库信息的访问和操作。最后对系统软件进行有效性和健壮性测试。试验表明，该系统能有效地显示采样土壤位置的空气温度、湿度、经纬度以及土壤氮素含量等土壤采样信息，并能进行正确的地图位置显示，证明了Android系统在土壤采样记录方面的有效性以及构建系统的可行性。 相似文献
17.
模拟多光谱卫星宽波段反射率的冬小麦叶片氮含量估算 总被引：1，自引：0，他引：1
基于多年大田和小区试验下的实测小麦冠层高光谱信息,利用传感器光谱响应函数模拟Landsat 8、SPOT 6、HJ-1A、HJ-1B、GF-1和ZY-3卫星可见光-近红外波段的冠层光谱反射率,构建基于光谱指数的全生育期叶片氮含量(Leaf nitrogen concentration,LNC)估算模型。结果表明,基于不同传感器模拟的宽波段光谱反射率、光谱指数之间存在差异,但差异不显著;所有筛选的光谱指数和叶片氮含量都在P0.01水平显著相关,基于各光谱指数所构建的全生育期叶片氮含量估算通用模型均通过显著性检验;基于综合指数(TCARI/OSAVI)、转化叶绿素吸收反射指数(TCARI)、比值植被指数(RVI)的叶片氮含量估算模型具有较高的敏感性,噪声等效误差(NE)均小于1.6,其中以TCARI/OSAVI建立的叶片氮含量估算通用模型具有最好的拟合、检验精度和适用性,模型决定系数为0.62,NE为1.26。 相似文献
18.
为了进一步提高冬小麦产量预测的准确性,针对麦玉轮作体系缺乏直接把前茬作物信息纳入到当季作物的产量估算及管理中的研究状况,利用前茬玉米季中长势遥感信息及产量信息,融合小麦拔节期、灌浆期及成熟期长势遥感信息、播前施肥信息及土壤特性信息等多时相多模态数据,基于GPR算法,建立多时相多模态参数融合的麦玉轮作体系小麦产量估算模型,结果显示：基于多生育期的产量估算模型较单生育期最优产量估算模型性能有所提升,R2提高0.01～0.03。其中基于拔节期产量估算模型精度略低于多生育期产量估算模型,但精度相近。基于多模态参数融合的产量估算模型中,除玉米作物信息与土壤特性信息融合构建的产量估算模型,多模态参数融合的产量估算模型精度较相应低模态参数融合的产量估算模型精度高。四模态参数融合的GPR模型决定系数R2为0.92,RMSE为213.75 kg/hm2,较其他模型,R2提高0.02～0.41。对于小麦产量估算模型,各模态参数影响由大到小依次为施肥信息、小麦遥感信息、土壤特性信息、玉米作物信息。玉米作物信息对于多模态参... 相似文献
19.
农田信息内容丰富,既描述环境条件,也反映作物的生长状况,是进行各项农艺操作的参考依据。采集准确的农田信息,能为作物高产稳产提供保障。嵌入式技术是以计算机为基础发展起来的电子信息技术,已用于农业智能灌溉,取得了理想效果。为此,以嵌入式芯片为核心,设计了农田信息采集系统,采集农田气象、土壤和作物信息,并进行分析和存储。试验结果表明:系统采集的水稻田数据与实际值差异不明显,对抽穗期的评估最为准确。系统的视屏传输达到了非常流畅的效果,图像视觉分析也可以反映水稻的生长状况。该嵌入式系统可以准确采集农田信息,为农艺操作提供了参考依据。 相似文献
20.
成熟期农作物的识别在农作物种植面积估算、农业生产及产量统计方面具有重要作用。为提供一种简便的成熟期农作物遥感识别方法，利用Sentinel-2A数据，以安徽省滁州市凤阳县为研究区，通过归一化植被指数(Normalized difference vegetation index, NDVI)与归一化光谱分离指数(Normalized spectral separation index, NSSI)构成的空间，提取光合植被、非光合植被、裸土的纯端元，由像元三分模型，得到非光合植被覆盖度及成熟期农作物的空间分布。为进一步提取研究区内具有相同成熟期的冬小麦与油菜，利用油菜开花期Sentinel-2A数据，由Hue saturation value(HSV)图像变换方法，分别提取出成熟期冬小麦与油菜。与地面观测数据和辅助数据相比，提取的成熟区冬小麦、油菜的总体精度为95.34%,Kappa系数为0.904,高于支持向量机方法(总体精度91.66%,Kappa系数为0.813)与决策树方法(总体精度92.39%,Kappa系数为0.838)的提取精度。结果表明，NDVI-NSSI空间与HSV变换相... 相似文献