无人机农林植保技术及应用 课件 36. 第三十六课时 农用无人机的其他应用-3.pptx

Writedownyourtitleandplanningcontenthere.BUYUNAVIATION第三十六课时农用无人机的其他应用-3BUYUNAVIATION

农用无人机的其他应用一、农田作物养分信息检测概述无人机作物养分信息检测的应用二、

农田作物养分信息检测概述

农田作物养分信息检测概述作物养分信息检测是作物生长监测过程中的重要内容，主要包括作物生长所需的大量元素（氮、磷、钾)、微量元素、水分及与生长状况紧密联系的生理指标当前的作物养分信息检测，主要是基于实验室的理化分析方法，或者基于现代的分析手段，采用图像处理技术、光谱及光谱成像技术

农田作物养分信息检测概述大范围的作物养分信息检测需要用到遥感技术，航空遥感、卫星遥感等技术已经被用于作物养分信息检测优点：高效，能够快速实现大面积的检测缺点：无法得到地面小范围或单株植株的细节养分信息

农田作物养分信息检测概述无人机遥感的出现，有效地弥补了地面检测技术和设备及航空、卫星遥感技术和设备之间的不足将检测仪器设备安装在低空飞行的无人机上，在飞行中获取作物的不同传感器数据信息，建立养分信息与传感器数据的分析模型，从而实现养分信息的反演和预测

农田作物养分信息检测概述无人机遥感轻便灵活，作业范围广，时效性强，维护、使用费用低，且时空分辨率更高无人机应用于作物养分信息检测，主要是对作物生长过程中的养分信息指标的遥感反演研究，结合作物生长过程中的养分状况和生长状况，实现对农作物的实时养分等级监测评估

无人机作物养分信息检测的应用

无人机轻便、灵巧、便携的特点，高效、快速的信息获取方式，较为低廉的价格，以及较易操作等优点使其突破了传统地面检测和高空遥感的限制，更容易得到推广和应用无人机作物养分信息检测的应用

姚霞等(2014)采用无人机遥感技术，发现基于无人机多光谱遥感监测小麦氮素状况和生长特征是可行的，具有较高的准确性无人机作物养分信息检测的应用Duan等(2014)利用搭建在无人机上的高光谱遥感,基于PROSAL模型实现了对玉米、马铃薯和向日葵LAl的测量，研究结果表明,双角度测量的结果要优于单角度测量的结果

Lu等(2015）分别在水稻的抽穗期和拔节期利用无人机搭载Mini-MCA相机《红、绿、蓝和近红外波段》在150m高度对水稻地上部分生物量、LAI及作物的含氮量进行了预测研究，发现作物含氮量的预测效果在水稻拔节期较为精确(R=0.69)无人机作物养分信息检测的应用

Li等(2015)采用装载有CanonA3300IS(CanonA3300IS,东京，日本)数码相机的无人机在50m飞行高度上对水稻冠层的氮含量进行了检测研究,通过建立深绿色颜色指数(darkgreencolourindex.DGCI)与氮含量之间的关系无人机作物养分信息检测的应用

Li等人实验研究表明，DGCI与氮含量具有良好的线性关系,这表明无人机遥感可用于水稻氮素含量的检测无人机作物养分信息检测的应用装载数码相机的六旋翼无人机数据采集平台

浙江大学何勇教授团队,通过模拟无人机飞行状况,设计和构建了无人机近地遥感模拟平台无人机作物养分信息检测的应用研究结果表明，无人机模拟平台能对氮素分布进行检测，但存在一定的误差，需要进一步提高预测精度

Zarco-Tejada等，采用两个不同的无人机平台分别搭载机载多光谱成像仪及机载高分辨率高光谱成像仪(Micro-HyperspecVNIRmodel，HeadwallPhotonics，马萨诸塞州,美国)对葡萄园葡萄叶片叶绿素含量和类胡萝卜素含量进行了检测无人机作物养分信息检测的应用研究结果表明,无人机结合高光谱成像技术可以有效地实现莓萄园葡萄叶片叶绿素和类胡萝卜素的检测

Lucieer等(2014）设计了一个新的高分辨率的高光谱无人机系统，并以此进行了3场机载实验，证明了该系统在标准条件，以及远程恶劣低温环境下的可操作性无人机作物养分信息检测的应用实验结果表明，该系统能够提供Scm精度下的定量植物生理生化变化及健康状况的地图

Baluja等(2012)利用机载的红外热遥感相机ThermovisionA40M(FLIR,美国)和多光谱成像仪MultipleCameraArrayMCA-6.Tetracam，Inc,加利福尼亚,美国)来预测评估葡萄园的水分状态无人机作物养分信息检测的应用研究结果表明,无人机可被有效地用于葡萄园水分状态的检测，为精细灌溉的实现提供科学依据

无人机作物养分信息检测的应用Vega等(2015）采用无人机结合多时相影像技术,对向日葵植株的籽粒产量、地上生物量及含氮量与NDV1进行了线性回归分析结果表明,无人机遥感可用于向日葵籽粒产量、地上生物量及含氮量的检测

无人机作物养分信息检测的应用Jann