中國農業(yè)發(fā)生于新石器時代。中國農業(yè)的生產結構包括種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)和副業(yè)；但數(shù)千年來一直以種植業(yè)為主。東北地區(qū)的黑土地，是寶貴的農業(yè)資源。黑土地的土壤富含有機質，深黑色的沃土，沉甸甸的感覺讓人感受到這片土地的肥沃。在現(xiàn)代農業(yè)生產中，科技的應用在這片沃土上也發(fā)揮著至關重要的作用，科研團隊利用機載高光譜對黑土地的土壤有機質做了相關研究。使用無人機高光譜圖像和小型校準數(shù)據(jù)集對田間土壤有機質進行高分辨率測繪快速獲取田間尺度土壤有機質（SOM）的高分辨率空間分布對于精準農業(yè)至關重要。無人機成像高光譜技術以其高空間分辨率和時效性，可以填補地面監(jiān)測和遙感的研究空白。本研究旨在測試在中國東北典型低地勢黑土地區(qū)使用無人機高光譜數(shù)據(jù)（400–1000 nm）和小型校準樣本集進行1 m分辨率SOM繪圖的可行性。該實驗在大約20公頃的土地上進行。為了進行校準，使用 100 × 100 m 網(wǎng)格采樣策略收集了 20 個樣品，同時隨機收集了 20 個樣品進行獨立驗證。無人機捕獲空間分辨率為0.05×0.05 m的高光譜圖像。然后對每 1 × 1 m 內提取的光譜進行平均以代表該網(wǎng)格的光譜。在應用各種光譜預處理（包括吸光度轉換、多重散射校正、Savitzky-Golay 平滑濾波和一階微分）后，SOM 光譜相關系數(shù)的絕對最大值從 0.41 增加到 0.58。最佳隨機森林（R...
發(fā)布時間:
2024
-
04
-
15
瀏覽次數(shù)：72
“倘若有什么植物妨礙了我們的計劃，或是擾亂了我們干凈整齊的世界，人們就會給它們冠上雜草之名?？扇绻惚緵]什么宏偉大計或長遠藍圖，它們就只是清新簡單的綠影，一點也不面目可憎?！?#160; ——《雜草的故事》清新簡單的綠影自然面目可愛，惹人注目，但人類生存之下，繁多冗雜的一片蔓延，確是明目張膽地搶了農作物的地盤，傷了農業(yè)發(fā)展。世界上的雜草有1000多種，它們通常生長迅速、繁殖能力強，會對農業(yè)產生一定的影響。雜草不僅會與農作物爭奪土壤養(yǎng)分和水分，傳播病蟲害，從而影響農作物的生長和產量，含有毒素的雜草還會影響農作物品質。因此，對于農業(yè)生產來說，防治雜草對保證農作物的正常生長和產量至關重要。IRIS機載一體式激光雷達高光譜成像儀在評估雜草抗性方面的應用雜草防治是現(xiàn)代農業(yè)生產管理的重要組成部分。然而，過度依賴常用除草劑進行化學防治已導致大量抗性雜草的出現(xiàn)，對可持續(xù)農業(yè)構成重大威脅。因此，開發(fā)一種大面積準確評估和量化田間雜草抗性的方法對于農場管理和可持續(xù)發(fā)展至關重要。目前的方法，例如目視檢查，既費時又費力。酶測定雖然準確，但只能在實驗室環(huán)境中進行。熱成像技術可能會受到環(huán)境因素的影響，導致在室外使用時精度較低。因此，無法大規(guī)模應用。無人機（UAV）和各種傳感器已經成為植物表型研究中不可或缺的工具。在這項研究中，作者于2021年6月7日在中國黑龍江省哈爾濱市向陽農場（位于...
發(fā)布時間:
2023
-
10
-
30
瀏覽次數(shù)：46
高光譜成像結合機器學習檢測火炬松幼苗梭形銹病發(fā)病率火炬松是美國南部最重要的森林樹種，它生長迅速、適應性強，可用于建筑木材、膠合板和紙漿等。松梭形銹病是由真菌Cronartium quercuum f.sp. fusiforme（Cqf）引起的一種影響該物種的常見且具有破壞性的病害。這種真菌通常會感染幼樹的莖，導致被稱為“銹癭”的腫瘤樣生長物產生，可能會造成樹木死亡或產生“銹叢”，從而妨礙樹木生長，降低木材使用價值。種植抗病苗是限制該病害的最有效的措施。溫室中抗病性測試在人工接種幼苗后的目視估計病害發(fā)病率和嚴重程度具有高度主觀性，容易出現(xiàn)人為錯誤，且勞動密集。此外，目視評估只有在病害感染一段時間后，癥狀充分發(fā)展時才能進行。而高光譜成像可同時獲取空間和光譜信息，提供了在不同空間尺度上分析光譜信息的機會，已成功應用于多種植物物種的病害和脅迫檢測?；诖?，在本文中，來自北卡羅來納州立大學和密西西比州立大學的研究團隊提出了一種利用高光譜成像技術篩選火炬松幼苗梭形銹病發(fā)病率的創(chuàng)新方法，具體目標為（1）開發(fā)高光譜圖像處理管道，用于從火炬松幼苗圖像中的特定感興趣區(qū)域（ROI）中提取光譜數(shù)據(jù)；（2）基于來自(1)的特定ROI的光譜數(shù)據(jù)，評估用于區(qū)分患病和未患病幼苗的SVM分類模型。圖1 火炬松幼苗高光譜圖像采集的成像裝置。【高光譜圖像獲取】線性掃描高光譜成像儀（Pika XC2，Resonon In...
發(fā)布時間:
2022
-
04
-
19
瀏覽次數(shù)：70
改進積雪密度的估計是目前雪研究的一個關鍵問題。表征密度時空變異性對于水當量的估算、水力發(fā)電和自然災害（雪崩洪水等）的評估至關重要。高光譜成像是一種監(jiān)測和估計其物理特性的有前途且可靠的工具。事實上，雪的光譜反射率在一定程度上受其物理特性變化的控制，尤其是在光譜的近紅外（NIR）部分。為此，已經設計了幾種模型根據(jù)光譜信息估算積雪密度。然而，還沒有一個實現(xiàn)滿意的結果。主要困難之一是積雪密度和光譜反射率之間的關系是非雙射的（滿射的）。事實上，幾個反射振幅與相同的密度相關，反之亦然，所以密度和光譜反射率之間的相關性可能非常弱?；诖?，為了解決該問題，本研究中提出了基于光譜數(shù)據(jù)的積雪密度估計混合模型。主要研究目標是利用高光譜NIR成像（PIKA NIR，RESONON Company）（900-1700 nm）以5.5 nm的光譜分辨率測試混合模型（HM）估計季節(jié)性積雪密度的性能?；旌夏Ｐ徒Y合了一個分類器和3個與密度類別相關聯(lián)的特定估算量（弱到中度變質雪（WMM），中度到高度變質雪（MHM）和高度到極高度變質雪（HVM））。利用2018（1.19-3.27）、2019（1.10-4.3）和2020（1.29-3.10）年冬季在加拿大魁北克國立科學研究院（INRS）的科技園內（46°47′43.22″北緯，-71°18′10″西經）收集的數(shù)據(jù)集校準和驗證了HM?；旌夏Ｐ驮趦蓚€...
發(fā)布時間:
2022
-
01
-
24
瀏覽次數(shù)：60
全球氣候變化引起的預計人口增長以及土地和農業(yè)資源可利用性的壓力使未來幾十年全球糧食供應的需求增加。提高光合作用能力已成為實現(xiàn)作物增產的目標。目前，測量光合作用的方法是耗時的且具破壞性的，這會減慢鑒定具高光合能力的農作物種質的研究和育種工作。作者在1分鐘內收集樣地（~2 m×2 m）向陽葉片像素的高光譜反射率以量化光合作用參數(shù)和色素含量。在兩個生長季節(jié)（2017年和2018年）利用田間生長的經基因改變了光合途徑的煙草，建立了8個光合參數(shù)和色素性狀的預測模型。利用偏最小二乘法（PLSR）分析可見近紅外（400-900 nm）光譜相機測得的植物反射像素，預測了Rubisco最大羧化速率（Vc,max，R2=0.79）和最大電子傳遞速率（J1800，R2=0.59），最大光飽和光合作用（Pmax，R2=0.54），葉綠素含量（R2=0.87），葉綠素a/b（R2=0.63），碳含量（R2=0.47）和氮含量（R2=0.49）。當使用兩臺400-1800 nm相機時，模型的預測并沒有改善，這表明僅使用一臺VNIR相機就能實現(xiàn)強大，廣泛適用且更具“成本效益”的效果。該分析過程和方法可用于所有作物中，從而提供高通量田間表型篩選，并在田間試驗中提高光合性能。高光譜圖像收集建立基于地面的表型平臺（圖1），包括兩個推掃式高光譜相機。第一臺高光譜相機（P...
發(fā)布時間:
2021
-
01
-
15
瀏覽次數(shù)：152
冷害是造成作物嚴重損失和不可逆轉傷害的災害之一。為避免產量損失，可利用高通量表型選擇耐寒脅迫的作物品種。如今，無損光譜圖像分析已成為一種有效方法，并已廣泛應用于高通量表型分析中，反映出植物結構組成，生長發(fā)育過程中的生理，生化特性和特征。本研究利用卷積神經網(wǎng)絡（CNN）模型提取可見-近紅外范圍的特征光譜估計玉米幼苗的冷害。文中以五個品種的冷處理玉米幼苗的高光譜圖像為研究對象。光譜范圍為450-885 nm。高斯低通濾波和Savitzky-Golay平滑方法結合一階導數(shù)進行光譜數(shù)據(jù)的預處理。從每種玉米幼苗選定的感興趣區(qū)域獲取3600個像素樣本用于CNN建模。CNN模型建立后，從高光譜圖像中提取400個像素樣本作為每個品種的測試集。最后，通過分析分類準確度和計算效率確定一個CNN模型。CNN檢測到的不同類型的玉米幼苗的冷害水平分別為W22 (41.8 %)，BxM (35%)， B73 (25.6%)，PH207 (20%)， Mo17 (14%)，與化學方法的結果高度相關。兩種方法檢測結果的相關系數(shù)為0.8219。因此，研究證明基于CNN建模的光譜分析可以為玉米幼苗冷害監(jiān)測提供參考。高光譜成像采集利用推掃式高光譜相機（PIKA II，Resonon）成像系統(tǒng)的整個結構感興趣區(qū)域樣本數(shù)據(jù)選擇程序樣本的3D光譜分布CNN和化學方法結果的比較結論自卷積神經網(wǎng)絡發(fā)...
發(fā)布時間:
2020
-
08
-
13
瀏覽次數(shù)：137
近端成像遙感技術可根據(jù)特定的外部反射特征對生物體進行表征和特征描述。這些成像技術引起了人們的關注，并廣泛應用于植物和動物的生態(tài)、系統(tǒng)、進化以及生理研究中。然而，重要的因子可能會影響質量和體反射率特征的一致性，從而影響這些技術作為非侵入式表型和特征的部分能力。我們從3種昆蟲中獲得了高光譜體反射率，并研究了制備程序和保存時間如何影響反射率對性別，來源和年齡響應的能力。輻射光譜的不同部分對制備程序和保存時間的敏感性差異很大。基于3個昆蟲物種的研究，我們成功確定了特定的輻射區(qū)域，基于以下兩個方面，表型形狀變得更加明顯：（1）用蒸餾水輕輕清洗博物館標本，或（2）用70%的乙醇殺死并保存昆蟲標本。殺死和保存程序的標準化將極大地提高近端成像遙感技術在表征和研究無脊椎動物生態(tài)和進化上的能力?！静牧稀?3個葉蟬標本（41個雌性和42個雄性）（半翅目：葉蟬科），來源于西北農林科技大學昆蟲博物館。獲取所有標本清潔前后的高光譜圖像。新捕獲的實驗室飼養(yǎng)的西花薊馬標本，最初是2007從中國農業(yè)科學院蔬菜花卉研究所溫室中甜瓜上采集的。新捕獲的褐飛虱標本（半翅目：飛虱科）來自浙江省農業(yè)科學院稻田的實驗室飼養(yǎng)群體?！竟庾V成像】在標本上方20厘米安裝推掃式高光譜相機（PIKA XC，Resonon），并在人工照明下以50 px/mm2的空間分辨率采集光譜圖像。蒸餾水清洗前后葉蟬雄性和雌性代表圖像（a）。在波長435-...
發(fā)布時間:
2020
-
07
-
29
瀏覽次數(shù)：93
近端遙感作為昆蟲病媒中植物病原檢測的診斷工具，有兩個基本假設。首先，通過昆蟲媒介獲得植物病原體會引起昆蟲媒介的生理變化；也就是說，病原體可能只存在于非常特殊的組織或器官（如唾液腺），但它可能引起昆蟲媒介對病原體的系統(tǒng)生理變化/反應。其次，根據(jù)體表反射特征，即使在殺死昆蟲標本，并將其儲存在70%的乙醇中以后，也能檢測到病原體對昆蟲生理學的影響。最近對后一種假設進行了調查，并證明建議將樣本儲存在70%乙醇（與50%或90%相比）中。這項研究表明，在70%乙醇中儲存長達數(shù)周的時間對昆蟲樣品反射特性的影響微乎其微。這些技術細節(jié)非常重要，因為它們強調了昆蟲標本可以在現(xiàn)場收集、儲存在70%乙醇中，并可以在進行診斷成像測試之前裝運，但是在開始廣泛試驗之前，應評估每種昆蟲的這種效果是否可行。越來越多的學者開始研究利用近端遙感技術來檢測和診斷植物和昆蟲病媒中的病原體，這說明這種基于反射的技術可用于改進檢疫和檢驗工作以及區(qū)域作物疾病監(jiān)測。也就是說，與商業(yè)診斷實驗室目前提供的基于PCR和酶聯(lián)免疫吸附試驗的服務類似，反射的技術似乎也擁有提供此類服務的潛力，以便農業(yè)利益相關者能夠將昆蟲樣本運送到這些實驗室，并獲得關于感染率的快速、可靠和經濟有效的數(shù)據(jù)。遙感數(shù)據(jù)是在與先前研究類似的環(huán)境條件下從單個成年甜菜葉蟬樣本中獲取的。成體樣本的年齡、性別和交配狀態(tài)未知，目的是模擬成體甜菜葉蟬在田間采樣時遇到的變異。使用安...
發(fā)布時間:
2020
-
07
-
10
瀏覽次數(shù)：103
高效的N肥使用產出需要平衡最小的環(huán)境污染和最大的產量，N素使用效率是目前精準農業(yè)中重要問題之一。于2017年6月，應用無人機高光譜成像系統(tǒng)對八種不同氮處理的冬小麥進行了高光譜圖像采集。高光譜成像儀采用美國RESONON公司的Pika-L，波段范圍400-1000nm，系統(tǒng)集成了慣導測量系統(tǒng)（IMU）和穩(wěn)定云臺，可以獲得較高精度的光譜分辨率和空間分辨率的數(shù)據(jù)。同時在地面采集并獲得冬小麥的葉綠素含量（CHL）、葉面積(LAI),利用偏最小二乘法進行反演估算，(RLAI 2= 0.79, RMSELAI [m2m2] = 0.18, R2CHL = 0.77, RMSECHL [_g cm-2] = 7.02)，并采用多元線性回歸模型進行了產量估測（R2產量＝0.88，RMSEfield[dt ha-1]=4.18）。利用該模型，可以對高光譜圖像進行像素水平的預測。結果表明，在一定施氮量以上，進一步施肥不一定會繼續(xù)導致產量增加，為高光譜精準農業(yè)研究提供了一定了理論支持。1 實驗設計試驗田位于德國西北部的奧斯納布呂克大學，包括8個處理，6個施氮水平。氮肥水平選擇在0到150 kg ha-1，如圖所示，不同顏色代表了不同的處理。圖1研究區(qū)域2 數(shù)據(jù)處理高光譜傳感器采用美國RESONON公司的PikaL,無人機系統(tǒng)采用大疆無...
發(fā)布時間:
2020
-
07
-
10
瀏覽次數(shù)：206
【背景】：高光譜成像技術可以快速且無損的測量食物品質。該研究調查了高光譜成像在400-1000 nm波段范圍預測柑橘果實內部品質屬性例如總可溶性固形物（TSS），pH，可滴定酸度（TA）和成熟度指數(shù)（TSS/TA）；以及外部品質屬性，例如顏色成分（L*，a*， b*）和顏色指數(shù)（CI）的可行性?！痉椒ā浚簭膩嗰R遜州（秘魯）收集柑橘樣品（甜橙，瓦倫西亞品種），共80個無不良特征（如物理破壞，病害以及污染成分）的樣品。樣品隨機分為兩組，75%為“校正集”，其余為“預測集”，用于模型的外部驗證。利用Resonon Pika XC高光譜成像系統(tǒng)（400-1000 nm）掃描柑橘并采集圖像。利用偏最小二乘法建立預測品質屬性的完整模型。利用回歸系數(shù)確定最優(yōu)波段，通過多元線性回歸建立簡化模型。預測的確定系數(shù)（R2p）以及預測的標準誤差（SEP）用來衡量模型的性能?！窘Y果】：內部品質屬性的完整模型性能較低（R2p ，SEP 50%）。外部品質屬性的完整模型性能較高（L*：R2p = 0.898，SEP = 19%；a*：R2p = 0.952，SEP = 13%；b*：R2p = 0.922，SEP = 20%；CI：R2p = 0.972，SEP = 12%）。簡化模型與外部品質屬性性能相似。柑橘圖像和光譜處理的主要步驟：（a）確認感興趣區(qū)域；（b）原始平均反射光譜...
發(fā)布時間:
2020
-
07
-
10
瀏覽次數(shù)：156