无人机高光谱成像系统可实现高效的农作物表型分析
发布时间:2023-05-23
浏览次数:863
传统的车载平台用于田间试验取样和作物性状参数的确定,费时费力,且空间覆盖范围有限。这限制了作物科学研究的快速发展。以无人机(UAV)为代表的高通量近地遥感表型平台以其灵活、低成本、空间覆盖广等特点成为获取野外表型信息的有效途径。
粮食短缺、人口增长和全球气候变化推动了提高作物产量增长的研究。大田作物表型分析为解释作物生长及其与环境的关系提供了重要信息。然而,传统的车载平台用于田间试验取样和作物性状参数的确定,费时费力,且空间覆盖范围有限。这限制了作物科学研究的快速发展。以无人机(UAV)为代表的高通量近地遥感表型平台以其灵活、低成本、空间覆盖广等特点成为获取野外表型信息的有效途径。

用无人机高光谱成像系统评估植物表型特征
SF500无人机高光谱成像系统集成大疆工业级无人机旗舰产品M300RTK平台,用于评估华北地区冬小麦的生长潜力。
SF500无人机高光谱成像系统的工作波长范围为 400 至 1000 nm,具有高光谱和空间分辨率、高灵敏度和高信噪比。它特别适合根据小麦反射的光对小麦进行光谱分析。光谱数据可以进一步分析小麦的表型特征。
通过采集小麦不同时期的光谱数据,观察不同时期小麦的归一化差异植被指数(NDVI)*和植物衰老反射率指数(PSRI)**。后期可结合反射指数与含氮量、籽粒成熟度的关系确定施肥量和收获时间。


高光谱成像无人机遥感系统在农业生产中保护和预测作物生长具有很高的价值和广阔的应用前景。SF500还可以及早发现一些病虫害并监测它们在作物上的演变。
上一页 : 农业多光谱相机如何工作
下一页 : 利用高光谱相机快速无损检测棉田虫情
相关产品
-
高光谱数据特征波长变量选择方法有哪些?
高光谱成像仪获取的数据非常的庞大,这些信息比较的冗沉,采取一定的方法提取对建模有效的波长变量,删除冗余变量,减少波长变量个数,优化模型,提高模型预测精确度非常..
-
高光谱数据预处理及高光谱数据特征波段提取方法
高光谱成像仪在获取样品的光谱数据时,会有很多信息是重复的或者是无信息变量甚至可能是影响数据模型结果的噪声数据,因此就需要对光谱数据进行预处理,提取特征波长数据..
-
高光谱成像技术:刑侦领域物证提取
在刑事侦查中,指纹因其唯一性和稳定性被誉为“物证之王”,而血指纹作为恶性案件现场的关键痕迹,其高效提取对案件侦破至关重要。然而,传统方法如Photoshop软件..
-
高光谱成像技术:解锁文物修复的无损密码
在历史的长河中,古籍、壁画等文物承载着人类文明的记忆。然而,高温、高湿、光照等环境因素不断侵蚀着这些文化瑰宝——墨水氧化导致字迹模糊,颜料褪色使壁画失去光彩,石..