-
公开(公告)号:CN116229289A
公开(公告)日:2023-06-06
申请号:CN202211603974.X
申请日:2022-12-13
Applicant: 河南省农业科学院农业经济与信息研究所
Abstract: 本发明提出了一种基于无人机的冬小麦生物量快速高精准估测方法,其步骤如下:利用无人机多光谱传感器获取研究区域的无人机图像,并对无人机图像进行预处理,得到正射图像与数字表面模型的数据;基于栅格计算提取预处理后的正射图像与数字表面模型中冬小麦株高;根据冬小麦株高,采用BP神经网络回归方法建立生物量估测模型;利用模型决定系数对改进前后的生物量估测模型进行精度评价。本发明具有简单、快速、精度高的特点,通过对图像数据的分析和转换,充分利用单位株高生物量与株高的关系,即可实现生物量的快速高精准估测,精度比直接利用株高进行生物量估测的方法提高了51.72%,实现了冬小麦生物量的低成本高精准估测。
-
公开(公告)号:CN115423328A
公开(公告)日:2022-12-02
申请号:CN202211085094.8
申请日:2022-09-06
Applicant: 河南省农业科学院农业经济与信息研究所
Abstract: 本发明提供了一种农作物干旱影响因子的定量分析方法,属于农业干旱分析技术领域,包括:获取种植区综合干旱监测指数分布图和种植区各类影响因子分布图;将研究区地图网格化处理,提取每个格网内综合干旱监测指数和影响因子数据的平均值;将综合干旱监测指数的平均值作为Y值,影响因子数据的平均值作为X值输入地理探测器,得到影响该农作物干旱的主导因子、以及因子间的交互作用关系。该方法能够分析导致农业干旱的主导影响因子,及因子间的交互关系。
-
公开(公告)号:CN110531054A
公开(公告)日:2019-12-03
申请号:CN201910931442.0
申请日:2019-09-29
Applicant: 河南省农业科学院农业经济与信息研究所
Abstract: 本发明提出了一种基于Bootstrap抽样的土壤有机碳预测不确定性估测方法,其步骤为:土壤样品的采集及预处理,获取土壤样品的有机碳含量数据及土壤高光谱数据并进行预处理;采用偏最小二乘回归方法建立土壤样品的有机碳含量数据与土壤高光谱数据的土壤有机碳预测模型;对原始实测样本数据进行有放回随机抽样,每抽样一次获得一个子样本,通过构造实测值和预测值矩阵计算得到每个子样本参数的估计值;采用Bootstrap重抽样技术有放回的从原始样本中抽取一定数量的样本;根据Bootstrap抽样方法抽出样本的参数评估土壤有机碳预测模型的不确定性;模型精度评价。本发明降低了由于取样代表性、预测模型空间变异性导致预测模型准确性低的问题。
-
公开(公告)号:CN117576583A
公开(公告)日:2024-02-20
申请号:CN202311220937.5
申请日:2023-09-21
Applicant: 河南省农业科学院农业经济与信息研究所
Abstract: 本发明提出了一种基于无人机的冬小麦生物量快速高精准估测方法,其步骤如下:利用无人机多光谱传感器获取研究区域的无人机图像,并对无人机图像进行预处理,得到正射图像与数字表面模型的数据;基于栅格计算提取预处理后的正射图像与数字表面模型中冬小麦株高;根据冬小麦株高,采用BP神经网络回归方法建立生物量估测模型;利用模型决定系数对改进前后的生物量估测模型进行精度评价。本发明具有简单、快速、精度高的特点,通过对图像数据的分析和转换,充分利用单位株高生物量与株高的关系,即可实现生物量的快速高精准估测,精度比直接利用株高进行生物量估测的方法提高了51.72%,实现了冬小麦生物量的低成本高精准估测。
-
公开(公告)号:CN115424147A
公开(公告)日:2022-12-02
申请号:CN202211157960.X
申请日:2022-09-22
Applicant: 河南省农业科学院农业经济与信息研究所
Abstract: 本发明公开了一种耕地地块边界遥感提取方法及系统,该方法包括:获取待处理的多个遥感图像,所述多个遥感图像对应至少一个地理场景;利用改进U‑Net网络模型确定至少一个地理场景中的目标耕地场景;利用多通道RCF模型对目标耕地场景下的目标遥感图像识别,以得到所述目标遥感图像中耕地地块对应的耕地边缘。本发明实施例能够保证耕地边缘获取的精度的同时缩减耕地边缘提取的成本。
-
公开(公告)号:CN110531054B
公开(公告)日:2022-02-08
申请号:CN201910931442.0
申请日:2019-09-29
Applicant: 河南省农业科学院农业经济与信息研究所
Abstract: 本发明提出了一种基于Bootstrap抽样的土壤有机碳预测不确定性估测方法,其步骤为:土壤样品的采集及预处理,获取土壤样品的有机碳含量数据及土壤高光谱数据并进行预处理;采用偏最小二乘回归方法建立土壤样品的有机碳含量数据与土壤高光谱数据的土壤有机碳预测模型;对原始实测样本数据进行有放回随机抽样,每抽样一次获得一个子样本,通过构造实测值和预测值矩阵计算得到每个子样本参数的估计值;采用Bootstrap重抽样技术有放回的从原始样本中抽取一定数量的样本;根据Bootstrap抽样方法抽出样本的参数评估土壤有机碳预测模型的不确定性;模型精度评价。本发明降低了由于取样代表性、预测模型空间变异性导致预测模型准确性低的问题。
-
-
-
-
-