UAV: er kan bära en mängd olika avkänningssensorer, som kan få flerdimensionell, högprecision av jordbruksmarkinformation och inse dynamisk övervakning av flera typer av jordbruksmarkinformation. Sådan information inkluderar huvudsakligen information om skördespatial distribution (jordbruksmarkalisering, identifiering av grödor, areaberäkning och förändring av dynamisk övervakning, fältinfrastrukturutvinning), information om grödor (grödfenotypiska parametrar, näringsindikatorer, utbyte) och tröskatillväxtfaktorer (fältfuktighet, skadedjur och sjukdomar) dynamik.
Farmlands rumslig information
Rumslig platsinformation för jordbruksmark inkluderar geografiska koordinater för fält och grödklassificeringar erhållna genom visuell diskriminering eller maskinigenkänning. Fältgränserna kan identifieras med geografiska koordinater, och planteringsområdet kan också uppskattas. Den traditionella metoden för att digitalisera topografiska kartor som baskartan för regional planering och uppskattning av området har dålig aktualitet, och skillnaden mellan gränsplatsen och den faktiska situationen är enorm och saknar intuition, vilket inte bidrar till genomförandet av precisionslantbruk. UAV -fjärravkänning kan få en omfattande information om rumslig plats för jordbruksmark i realtid, som har de ojämförliga fördelarna med traditionella metoder. Flygbilder från högupplösta digitala kameror kan inse identifiering och bestämning av grundläggande rumslig information om jordbruksmark, och utvecklingen av rumslig konfigurationsteknik förbättrar precisionen och djupet i forskningen om jordbruksmark.
Skördetillväxtinformation
Grödtillväxt kan kännetecknas av information om fenotypiska parametrar, näringsindikatorer och utbyte. Fenotypiska parametrar inkluderar vegetationstäckning, bladområdeindex, biomassa, växthöjd, etc. Dessa parametrar är sammanhängande och karakteriserar kollektivt grödtillväxt. Dessa parametrar är sammanhängande och karakteriserar kollektivt grödtillväxt och är direkt relaterade till slutligt utbyte. De är dominerande när det gäller forskning om övervakning av jordbruk och fler studier har genomförts.
1) Fenotypiska parametrar
LEAF AREA INDEX (LAI) är summan av ensidig grönt bladarea per enhetsytor, vilket bättre kan karakterisera grödans absorption och användning av ljusenergi och är nära besläktad med grödans materialansamling och slutliga utbyte. LEAF AREA INDEX är en av de huvudsakliga grödor tillväxtparametrarna som för närvarande övervakas av UAV -fjärravkänning. Beräkning av vegetationsindex (förhållande vegetationsindex, normaliserat vegetationsindex, markkonditionering Vegetationsindex, skillnadsvegetationsindex, etc.) med multispektrala data och etablering av regressionsmodeller med markens sanningsdata är en mogenare metod för att invertera fenotypiska parametrar.
Biomassa över marken i det sena tillväxtstadiet av grödor är nära besläktat med både utbyte och kvalitet. För närvarande använder biomassaberäkning genom UAV -fjärravkänning i jordbruket fortfarande mestadels multispektrala data, extrakt spektralparametrar och beräknar vegetationsindex för modellering; Rumlig konfigurationsteknologi har vissa fördelar inom uppskattning av biomassa.
2) Crop Nutritional Indicators
Traditionell övervakning av grödor näringsstatus kräver fältprovtagning och inomhus kemisk analys för att diagnostisera innehållet i näringsämnen eller indikatorer (klorofyll, kväve, etc.), medan UAV-fjärravkänning är baserad på att olika ämnen har specifika spektrala reflektans-absorptionsegenskaper för diagnos. Klorofyll övervakas baserat på det faktum att den har två starka absorptionsregioner i det synliga ljusbandet, nämligen den röda delen av 640-663 nm och den blåvioletta delen av 430-460 nm, medan absorptionen är svag vid 550 nm. Bladfärg- och strukturegenskaper förändras när grödor är bristfälliga, och att upptäcka de statistiska egenskaperna hos färg och struktur som motsvarar olika brister och relaterade egenskaper är nyckeln till näringsövervakning. I likhet med övervakningen av tillväxtparametrar är valet av karakteristiska band, vegetationsindex och förutsägelsemodeller fortfarande huvudinnehållet i studien.
3) avkastning
Att öka grödan är det huvudsakliga målet för jordbruksverksamhet, och exakt uppskattning av avkastningen är viktig för både jordbruksproduktions- och förvaltningsavdelningar. Många forskare har försökt etablera avkastningsberäkningsmodeller med högre förutsägelse noggrannhet genom multifaktoranalys.
Jordbruksfuktighet
Fuktigheten för jordbruksmark övervakas ofta med termiska infraröda metoder. I områden med hög vegetationstäckning minskar stängningen av bladstomata vattenförlust på grund av transpiration, vilket minskar det latenta värmeflödet vid ytan och ökar det förnuftiga värmeflödet vid ytan, vilket i sin tur orsakar en ökning av kapelltemperaturen, vilket anses vara temperaturen på växtkakan. Eftersom återspegling av grödanergibalansen för vattenspänningsindex kan kvantifiera förhållandet mellan grödvatteninnehåll och takstemperatur, så kan takstemperaturen erhållen av den termiska infraröda sensorn återspegla jordbruksmarkens fuktstatus; Bare mark eller vegetationstäckning i små områden, kan användas för att indirekt invertera markfuktigheten med temperaturen på underjorden, vilket är principen att: den specifika värmen i vatten är stor, temperaturen på värmen är långsam att förändras, så den rumsliga fördelningen av temperaturen på underjorden under dagen kan indirekt reflekteras i distributionen av marken. Därför kan den rumsliga fördelningen av underjordisk temperatur på dagen indirekt återspegla fördelningen av markfuktigheten. Vid övervakningen av takstemperatur är bar jord en viktig störningsfaktor. Vissa forskare har studerat förhållandet mellan naken jordtemperatur och grödor, klargjorde klyftan mellan mätningarna av takstemperatur orsakade av naken jord och det verkliga värdet och använde de korrigerade resultaten i övervakningen av jordbruksmarkens fukt för att förbättra noggrannheten i övervakningsresultaten. I den faktiska produktionshanteringen av jordbruksmarken är fältfuktighetsläckage också uppmärksamhet, det har gjorts studier som använder infraröda bilder för att övervaka bevattningskanal fuktläckage, noggrannheten kan nå 93%.
Skadedjur och sjukdomar
Användningen av nästan infraröd spektral reflektansövervakning av växtskadedjur och sjukdomar, baserat på: löv i det nära infraröda området i reflektionen av svampvävnaden och staketvävnadskontrollen, friska växter, dessa två vävnadsgap fyllda med fukt och expansion, är en god reflektor av olika strålning; När växten är skadad skadas bladet, vävnaden visnar, vattnet reduceras, den infraröda reflektionen reduceras tills den är förlorad.
Termisk infraröd övervakning av temperaturen är också en viktig indikator på grödor och sjukdomar. Växter under friska förhållanden, främst genom kontroll av bladstomatal öppning och stängning av transpirationsreglering, för att bibehålla stabiliteten i sin egen temperatur; När det gäller sjukdom kommer patologiska förändringar att inträffa, patogen - värdinteraktioner i patogenen på växten, särskilt på de transpirationsrelaterade aspekterna av påverkan kommer att avgöra den angripna delen av temperaturökningen och fallet. I allmänhet leder växtavkänning till en avreglering av stomatal öppning, och därmed är transpiration högre i det sjuka området än i det friska området. Den kraftfulla transpirationen leder till en minskning av temperaturen på det infekterade området och en högre temperaturskillnad på bladytan än i det normala bladet tills nekrotiska fläckar visas på bladets yta. Cellerna i det nekrotiska området är helt döda, transpiration i den delen är helt förlorad och temperaturen börjar stiga, men eftersom resten av bladet börjar vara infekterat är temperaturskillnaden på bladytan alltid högre än för en frisk växt.
Annan information
Inom området övervakning av jordbruksmark har UAV -fjärravkänningsdata ett bredare utbud av applikationer. Till exempel kan det användas för att extrahera det fallna majsområdet med flera texturfunktioner, återspegla mognadsnivån för blad under bomullsmognadssteget med användning av NDVI -index och generera receptbelagda kartor med abscisinsyran och så. Enligt behoven av jordbruksmarkövervakning och förvaltning är det en oundviklig trend för den framtida utvecklingen av informatiserade och digitaliserat jordbruk för att kontinuerligt utforska informationen om UAV -fjärravkänningsdata och utöka dess applikationsfält.
Posttid: dec-24-2024