基于无人机和地面数字影像的水稻氮素营养诊断研究
作者:祝锦霞;陈祝炉;石媛媛;王珂;邓劲松
作者机构:浙江大学,环境与资源学院,农业遥感与信息技术应用研究所,浙江,杭州,310029;浙江大学,环境与资源学院,浙江省农业遥感与信息技术重点实验室,浙江,杭州,310029;浙江大学,环境与资源学院,农业遥感与信息技术应用研究所,浙江,杭州,310029;浙江大学,环境与资源学院,农业遥感与信息技术应用研究所,浙江,杭州,310029;浙江大学,环境与资源学院,农业遥感与信息技术应用研究所,浙江,杭州,310029;浙江大学,环境与资源学院,浙江省农业遥感与信息技术重点实验室,浙江,杭州,310029;浙江大学,环境与资源学院,农业遥感与信息技术应用研究所,浙江,杭州,310029
来源:浙江大学学报(农业与生命科学版) ISSN:1008-9209 年:2010 卷:036 期:001 页码:78-83 页数:6 中图分类:S2 正文语种:chi
关键词:氮素诊断;数字影像;水稻
摘要:选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断.结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,得到可用于诊断水稻氮素营养水平的叶片颜色特征参量B、b、b/(r+g)、b/r、b/g.通过叶片的颜色、形状综合特征信息与YIQ电视信号彩色坐标系统的参量建立氮素营养的识别模型,4个不同氮素水平的正确识别率分别
为:N0(0 kg N·hm~(-2)) 74.9%,N1(60 kg N·hm~(-2)) 52%,N2(90 kg N·hm~(-2)) 84.7%,N3(120 kg N·hm~(-2)) 75%;2)无人机获取的田间冠层图像识别水稻氮素营养水平的综合特征参量是G、B、b、g、b/(r+g)、b/r、b/g、H、S、DGCI,选择相同的C_B参量建立冠层氮素营养的识别模型,4个不同氮素水平的正确识别率为:N0(0 kg N·hm~(-2)) 91.6%,N1(60 kg N·hm~(-2)) 70.83%,N2(90 kg N·hm~(-2)) 86.7%,N3(120 kg N·hm~(-2)) 95%.初步研究表明基于综合特征的氮素诊断模型区分效果比较好,利用叶片扫描图像和无人机识别与诊断田间水稻氮素是可行的.