-
公开(公告)号:CN118333213A
公开(公告)日:2024-07-12
申请号:CN202410418998.0
申请日:2024-04-09
Applicant: 南京农业大学
IPC: G06Q10/04 , G06V20/13 , G06V20/68 , G06Q50/02 , G06N5/01 , G06N20/00 , G06F18/25 , G06F17/18 , G06F18/214
Abstract: 本发明提出了一种基于遥感与气象信息的田块尺度大面积水稻产量高精度预测方法,包括以下步骤:首先基于遥感云平台计算水稻不同时期的Sentinel‑1后向散射系数和Sentinel‑2植被指数最大值与累积值,同时利用农业气象站物候数据获取研究区全生育期内气象指标;然后利用随机森林算法明确不同数据最优组合;构建元学习集成学习回归MLER;基于先验知识测试省级范围不同时间窗口的MLER预测精度,明确省级范围内多源数据最优组合,实现大面积田块尺度水稻产量预测。该方法可以及时、准确对大面积田块尺度水稻产量进行估算,在水稻种植管理、粮食安全评估和应对气候变化方面具有极大的应用价值。
-
公开(公告)号:CN112557393B
公开(公告)日:2024-02-20
申请号:CN202011303981.9
申请日:2020-11-19
Applicant: 南京农业大学
IPC: G01N21/84
Abstract: 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法,步骤包括:采集小麦冠层高光谱影像数据和实测小麦叶层氮含量;首先,进行影像预处理,提取光谱反射率,计算植被指数、位置和形状特征,利用卷积神经网络提取深层特征。其次,通过相关系数分析、随机森林算法进行特征优选,利用并行融合策略构建新的融合图谱特征。最后,利用粒子群优化支持向量回归方法,构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强,适用于小麦全生育期,同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。
-
公开(公告)号:CN116593419A
公开(公告)日:2023-08-15
申请号:CN202310400044.2
申请日:2023-04-14
Applicant: 南京农业大学
IPC: G01N21/3563 , G01N21/55 , G01N21/359
Abstract: 本发明公开了一种缓解LCC与秸秆‑土壤背景影响的小麦绿色LAI估算方法,其步骤为:步骤一、数据采集;步骤二、计算秸秆‑土壤背景适应红边差值指数,包括:a、基于小麦冠层光谱计算已有的REDVI;b、基于田间背景光谱计算已有的REDVI;c、结合小麦冠层多光谱曲线的RE1和R波段,构建RSARE;步骤三、构建小麦叶面积指数LAI估算模型;步骤四、检验小麦LAI估算模型。本发明可以同时缓解LAI估算过程中秸秆‑土壤背景与LCC的影响,并基于该指数构建小麦叶面积指数估算模型,可在小麦生产过程中实现LAI的早期估算。
-
公开(公告)号:CN114441457B
公开(公告)日:2022-11-22
申请号:CN202210119047.4
申请日:2022-02-08
Applicant: 南京农业大学
IPC: G01N21/27 , G01N21/55 , G06V20/17 , G06V20/10 , G06V10/764 , G06V10/766 , G06V10/774 , G06K9/62
Abstract: 本发明提出了一种基于无人机多光谱影像消除水稻冠层背景效应并提升叶片氮浓度监测精度的方法,包括以下步骤:首先对获取的无人机多光谱影像,进行拼接、几何校正和辐射校正等预处理,得到研究区的正射影像;然后基于正射影像,以决策树方法获取端元,构建端元反射率数据库;再次应用光谱解混模型,求解端元丰度;最后将端元丰度和植被指数相乘,构建叶片氮浓度估算模型,从而达到消除背景效应提升氮浓度监测精度的效果。本发明构建的冠层背景消除和提升氮浓度反演精度的方法操作步骤简单、高效,并且可实现自动化,可用于消除无人机或卫星影像中的冠层背景效应及相关农学参数反演等。
-
公开(公告)号:CN114782840A
公开(公告)日:2022-07-22
申请号:CN202210414686.3
申请日:2022-04-20
Applicant: 南京农业大学
IPC: G06V20/17 , G06V20/68 , G06V10/20 , G06V10/54 , G06V10/58 , G06V10/771 , G06V10/764 , G06K9/62
Abstract: 本发明提出了一种基于无人机RGB影像的小麦物候期实时分类方法,其步骤为:(1)根据不同播期处理的小麦大田实际生长情况,获取时序高空间分辨率RGB影像并进行预处理,得到不同年份间的相同区域的无人机影像;(2)提取时序无人机影像的光谱信息和纹理信息,衍生出的所有光谱特征与纹理特征作为特征全集;(3)基于紧致‑分离原则的特征选择算法对所有特征重要性进行排序,确定最佳特征与特征数量;(4)应用mRVM分类器,自动对不同物候阶段的特征进行分类识别,获得总体分类精度与各时期分类精度。本发明构建的分类方法简单、高效,可得到及时的作物物候信息,为有效指导农业管理决策提供依据,例如特定阶段的灌溉、施肥和农药管理活动等。
-
公开(公告)号:CN112557393A
公开(公告)日:2021-03-26
申请号:CN202011303981.9
申请日:2020-11-19
Applicant: 南京农业大学
IPC: G01N21/84
Abstract: 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法,步骤包括:采集小麦冠层高光谱影像数据和实测小麦叶层氮含量;首先,进行影像预处理,提取光谱反射率,计算植被指数、位置和形状特征,利用卷积神经网络提取深层特征。其次,通过相关系数分析、随机森林算法进行特征优选,利用并行融合策略构建新的融合图谱特征。最后,利用粒子群优化支持向量回归方法,构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强,适用于小麦全生育期,同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。
-
公开(公告)号:CN106777845A
公开(公告)日:2017-05-31
申请号:CN201710172841.4
申请日:2017-03-22
Applicant: 南京农业大学
Abstract: 本发明提供了基于子窗口重排法(SPA)提取敏感参数构建小麦叶片白粉病早期监测模型的方法,包括以下步骤:1)获取感病小麦叶片的高光谱反射率;2)利用SPA算法从高光谱反射率的原始波段中提取敏感波段;3)选择现有研究中与病害可能相关的光谱指数,利用SPA算法从所述光谱指数中提取敏感光谱指数;4)利用偏最小二乘‑线性判别分析法,将所述敏感波段或所述敏感光谱指数作为分输入变量,构建小麦白粉病早期监测模型;5)用二分类算法对所述小麦白粉病早期监测模型进行检验,且基于独立易感品种用留一交互检验法评价模型表现。综上,基于SPA提取的小麦白粉病敏感光谱特征准确且波段少、构建的小麦白粉病监测模型简单准确性高稳定性好。
-
-
-
-
-
-