日本bbww高潮bbwr,无码人妻一区二区三区免费,一本本月无码,成人国产亚洲精品a区

  • 技術(shù)文章ARTICLE

    您當前的位置:首頁 > 技術(shù)文章 > Ecodrone®高光譜-紅外熱成像無人機遙感技術(shù)—作物表型研究

    Ecodrone®高光譜-紅外熱成像無人機遙感技術(shù)—作物表型研究

    發(fā)布時間: 2021-09-15  點擊次數(shù): 2280次

     易科泰推出無人機遙感作物表型研究監(jiān)測技術(shù)方案——Ecodrone® UAS-8高分辨率高光譜-紅外熱成像無人機遙感平臺:

     1.旋翼專業(yè)無人機遙感平臺,搭載AFX高光譜成像、機載PC及紅外熱成像可飛行作業(yè)30分鐘以上,有效覆蓋面積超10公頃

     2.厘米級地面分辨率,50m高度地面分辨率達3.5cm,30m高度(用于田間高通量作物表型分析)地面分辨率可達2cm

     3.高單樣線飛行作業(yè)可自動采集形成寬度36m的樣帶高光譜成像大數(shù)據(jù)

     4.科研級Thermo-RGB成像:640×512像素,多點黑體校準,靈敏度50或30mK,測溫范圍-25℃-150℃/-40℃-550℃,在線實時溫度測量分析,10倍光學變焦RGB鏡頭,全高清畫質(zhì),磁編碼自穩(wěn)云臺,實時姿態(tài)調(diào)整,可選配CWSI成像,實時測量作物水分脅迫指數(shù)

     5.專業(yè)無人機遙感技術(shù)方案,同步獲取高光譜與紅外熱成像數(shù)據(jù),應(yīng)用軟件可直接得出90多個VI(植物光譜反射指數(shù))、F(葉綠素熒光)、標準化冠層溫度、CWSI(水分脅迫指數(shù))等

     6.榮獲2020年檢驗檢測認證認可行業(yè)年度風云榜“儀器設(shè)備新銳產(chǎn)品"

     7.應(yīng)用于精準農(nóng)業(yè)研究、作物表型遙感、病蟲害監(jiān)測、農(nóng)作物產(chǎn)量評估、生物多樣性監(jiān)測等





    高光譜成像紅外熱成像
    AFX10AFX17Thermo-RGB
    波段范圍400-1000nm900-1700nm7.5-14μm
    光譜通道數(shù)2242241熱成像+1 RGB
    空間像素數(shù)1024像素640像素640×512像素
    地面分辨率3.5cm@50m AGL5.5cm@50m AGL6.5cm@50m AGL
    探測器CMOSInGaAs非制冷VOx微幅射探測器
    FWHM5.5nm8.0nm-
    光譜采樣率2.68nm3.5nm-
    幀頻330FPS670FPS30Hz/9Hz
    信噪比(峰值)400:11200:1-
    光圈值F/1.7-
    視場角38°45°或其他
    數(shù)據(jù)接口GigEUSB或SSD或 SD卡




    主要功能參數(shù):可分析近百個高光譜-紅外熱成像參數(shù)

    1.熱成像參數(shù):CWSI、Tc-Ta等

    2.冠層結(jié)構(gòu)參數(shù):NDVI、RDVI、OSAVI、MCARI、MSAVI等

    3.葉綠素熒光參數(shù):CUR、DPi、葉綠素熒光指數(shù)等

    4.葉綠素等植物色素指數(shù):TCARI、TVI、SIPI、VOG、CI、NPQI、CAR、PSRI等

    5.葉黃素指數(shù):PRI、PRIn、PRIm等

    6.指數(shù),如綠度指數(shù)等

    7.植物健康指數(shù)HI等




    研究案例1:大田高通量小麥生理性狀表型分析

     小麥為全球人口提供了20%的卡路里和每日蛋白質(zhì)攝入量,全球小麥平均增產(chǎn)率為0.9%,而需求增長預測為2.4%,這意味著在不久的將來通過基因改良提高小麥產(chǎn)量的需求日益迫切。高通量的田間表型(Field-based phenotyping, FBP)研究對開發(fā)遺傳基因改良的新途徑至關(guān)重要,被認為是能夠在現(xiàn)實種植系統(tǒng)中提供所需產(chǎn)量和準確描述性狀表現(xiàn)的方法。

     西班牙高等學術(shù)研究委員會現(xiàn)代農(nóng)業(yè)研究所GD Victoria等使用機載高光譜成像和紅外熱成像系統(tǒng),分別在拔節(jié)早期和灌漿期,同時對包括兩個物種(普通小麥和硬粒小麥)、50個品種在內(nèi)的共150個小麥試驗樣地,采集了兩組航空遙感數(shù)據(jù)集:



     熱成像和高光譜數(shù)據(jù)能夠?qū)γ總€地塊提取熱輻射信息、光譜信息、輻射亮度和反射率,用于計算與可見光和紅邊區(qū)域光合色素吸收相關(guān)的指數(shù),葉綠素熒光發(fā)射的量化,以及與冠層結(jié)構(gòu)相關(guān)的結(jié)構(gòu)指標。與飛行作業(yè)同步獲取的地面生理指標數(shù)據(jù)表明,第二次遙感監(jiān)測時,小麥在生長晚期受到脅迫,而這種情況將極大程度的影響雨養(yǎng)條件下小麥的最終產(chǎn)量。

     在本研究設(shè)置下,水分脅迫指數(shù)CWSI、葉綠素熒光指數(shù)(FLD法算得)以及類胡蘿卜素相關(guān)指數(shù)(PRI和CAR)均與產(chǎn)量表現(xiàn)出了較好的相關(guān)關(guān)系。基于以上三個指標建立的多元回歸模型解釋了總產(chǎn)量變異的77%,具有顯著的統(tǒng)計學意義(p < 0.001),被證明更適合于反演作物產(chǎn)量等復雜性狀。而被廣泛使用的歸一化指數(shù)NDVI在預測產(chǎn)量方面表現(xiàn)不佳,這可能是由于作物生長晚期受到脅迫的現(xiàn)象通常出現(xiàn)在特定的半干旱地區(qū),這些地區(qū)的作物在營養(yǎng)生長期累積了充足的生物量表現(xiàn)出較高的NDVI,但在生殖生長期受脅迫影響使產(chǎn)量降低,NDVI無法有效地反應(yīng)這個時期植被的變化。

    該研究表明,在實際田間育種試驗條件下,使用高分辨率熱成像和高光譜遙感圖像數(shù)據(jù),能夠在更復雜的環(huán)境變化條件下評估作物生長、監(jiān)測作物性狀,為農(nóng)作物產(chǎn)量預測和表型分析提供了可靠的數(shù)據(jù)依據(jù)。


    研究案例2:冬小麥氮素和水分狀況評估

     根據(jù)國際糧農(nóng)組織的數(shù)據(jù),2018年,小麥占世界主要作物總收獲面積的15%,占世界氮肥總消耗量的17% (FAOstat, 2020年)。根據(jù)實際需求量調(diào)整施肥和灌溉是提高冬小麥氮素利用效率(NUE)和水分利用效率(WUE),同時降低水和土壤污染,減少溫室氣體排放的重要策略。遙感作為一種有效工具,常用于通過監(jiān)測作物氮(N)和水分狀況來進行定點施氮和灌溉,以減少農(nóng)業(yè)實踐對環(huán)境的影響。但作物的生長受氮素和水分情況共同作業(yè)會產(chǎn)生混雜效應(yīng),使得從光譜數(shù)據(jù)區(qū)分不同缺素癥狀成為應(yīng)用上的難題。

     西班牙馬德里政治大學J.L.Pancorbo等人使用機載可見光-近紅外高光譜和熱成像遙感監(jiān)測氮素和水分狀況,評估該方法用于降低混雜效應(yīng)的潛力。研究人員在西班牙中部進行了為期兩年的冬小麥(Triticum aestivum L.) 大田實驗,并設(shè)置了在4種施氮梯度和2種灌溉水平。分別在開花期采用葉片氣孔計測定作物水分狀況,在拔節(jié)中期、后期以及開花期測定植株氮素營養(yǎng)指數(shù)(NNI)。同時使用無人機搭載覆蓋可見光-近紅外區(qū)域(400-850nm)和部分短波紅外(950-1750nm)的高光譜成像和熱成像相機,在300m高度獲取實驗樣地的光譜圖像。

     在該實驗中,研究人員選取了冠層葉綠素含量指數(shù)CCCI來評估氮素水平,該指數(shù)可以減少土壤背景噪聲的影響,并與所有梯度下的NNI表現(xiàn)出了相關(guān)性(R2 > 0.44; P < 0.001);同時使用地表溫度數(shù)據(jù)和植被指數(shù)梯形空間關(guān)系計算得到水分虧損指數(shù)WDI,能夠可靠的反應(yīng)植被水分狀態(tài)。實驗結(jié)果表明,使用CCCI能夠有效區(qū)分因缺氮帶來的植物水分狀態(tài)的改變,而WDI更大程度上受水分狀態(tài)直接影響,結(jié)合CCCI和WDI評估作物NNI,相關(guān)系數(shù)提高到0.65,均方根誤差降低至0.109,表明高光譜和熱成像數(shù)據(jù)的結(jié)合可以有效反映植被氮素和水分水平,降低混雜效應(yīng)的影響,可用于指導施肥和灌溉并做出及時、準確的調(diào)整,以滿足作物對氮素和水分的需求。




    參考文獻:

    [1] Victoria G D , Pilar H , Ignacio S , et al. Using High-Resolution Hyperspectral and Thermal Airborne Imagery to Assess Physiological Condition in the Context of Wheat Phenotyping[J]. Remote Sensing, 2015, 7(10):13586-13605.

    [2] Pancorbo J L , Camino C , Alonso-Ayuso M , et al. Simultaneous assessment of nitrogen and water status in winter wheat using hyperspectral and thermal sensors[J]. European Journal of Agronomy, 2021, 127(3):126287.