杨小冬
- 作品数：100 被引量：498H指数：16
- 供职机构：国家农业信息化工程技术研究中心更多>>
- 发文基金：国家自然科学基金公益性行业(农业)科研专项北京市自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术电子电信更多>>
- 一种基于可见光-太赫兹光的植株健康辨别方法和装置
- 本发明提供一种基于可见光‑太赫兹光的植株健康辨别方法和装置，所述方法包括：S1、获取植株完整叶片的太赫兹水分吸收灰度图像及可见光Lab图像A通道灰度图像；S2、采用自适应阈值分割法，判断太赫兹水分吸收灰度图像及可见光La...
- 李斌李银坤杨小冬洪昊星
- 文献传递
- 一种籽粒蛋白质含量的预测方法及装置
- 本发明实施例提供了一种籽粒蛋白质含量的预测方法及装置，包括获取待测作物的植被指数和关键环境因子；将任一植被指数和关键环境因子输入至籽粒蛋白质含量预测分层线性模型，输出待测作物的籽粒蛋白质含量；籽粒蛋白质含量预测分层线性模...
- 李振海赵春江宋晓宇徐新刚杨贵军杨小冬冯海宽
- 文献传递
- 基于无人机数码影像的冬小麦株高和生物量估算被引量：39
- 2019年
- 高效、快速地获取作物的株高和生物量信息,对农业生产有重要意义。该文利用2015年4月-6月获得了冬小麦拔节期、挑旗期和开花期的高清数码影像。首先基于无人机高清数码影像生成冬小麦的作物表面模型(crop surface model,CSM),利用CSM提取出冬小麦的株高(Hcsm),然后利用提取的21种数码影像图像指数,构建了拔节期、挑旗期和开花期混合的多生育期生物量估算模型,并进行单生育期和多生育期模型对比分析;最后选择逐步回归(stepwise regression,SWR)、偏最小二乘(partial least square,PLSR)、随机森林(random forest,RF)3种建模方法对多生育期估算模型进行对比,挑选出冬小麦生物量估算的最优模型。结果表明,提取的Hcsm和实测株高(H)具有高度拟合性(R^2=0.87,RMSE=6.45 cm,NRMSE=11.48%);与仅用数码影像图像指数构建的生物量估算模型相比(R^2=0.7212,RMSE=0.1372 kg/m^2,NRMSE=26.25%),数码影像图像指数融入H和Hcsm所得模型效果更佳,其中融入Hcsm的模型精度和稳定性(R^2=0.8191,RMSE=0.1106 kg/m^2,NRMSE=21.15%)要优于加入株高H所构建的估算模型(R^2=0.7941,RMSE=0.1179 kg/m^2,NRMSE=22.56%);SWR生物量估算模型(R^2=0.7212)效果优于PLSR(R^2=0.6774)和RF(R^2=0.6571)生物量估算模型。该研究为冬小麦生长状况高效、快速监测提供参考。
- 陶惠林徐良骥冯海宽杨贵军杨贵军苗梦珂杨小冬
- 关键词：无人机数码影像冬小麦株高生物量
- 一种果树垂直结构的分层光学测量方法及装置
- 本发明提供一种果树垂直结构的分层光学测量方法及装置，首先分别计算果树在不同水平分层、针对太阳光不同入射方向、且在同一水平分层上直线等距离排布的不同位置的光量子通量密度，与环境光量子通量密度之比，从而分别获取在任意光量子位...
- 杨贵军杨小冬徐波徐新刚杨浩李振海顾晓鹤李贺丽龙慧灵
- 文献传递
- 基于无人机高光谱遥感数据的冬小麦生物量估算被引量：16
- 2020年
- 以植被指数和红边参数为模型因子,利用多元线性回归(MLR),构建冬小麦不同生育期的生物量估算模型,从而有效和更好地监测冬小麦的长势情况,为精准农业中作物的快速监测提供技术手段。首先分析植被指数(VI)和红边参数(REPS)与冬小麦生物量的相关性,然后运用MLR分别建立模型MLR+VI、MLR+REPS和MLR+VI+REPS,最后将优选的冬小麦生物量估算模型应用于无人机高光谱影像中,验证模型的可行性。结果表明,利用单个植被指数或红边参数构建的估算模型在孕穗期、开花期和灌浆期估算精度最高的植被指数分别是归一化植被指数(NDVI)、简单比值指数(SR)和增强型土壤调节植被指数(MSAVI),精度最高的红边参数分别为红边振幅/最小振幅、红边振幅和红边振幅;通过MLR分别以植被指数、红边参数和植被指数结合红边参数为因子构建的模型MLR+VI、MLR+REPS与MLR+VI+REPS效果优于单个植被指数或红边参数建立的模型,3种模型在不同生育期的验证结果也较好,其中MLR+VI+REPS模型精度最高,模型决定系数(R 2)、标准均方根误差(NRMSE)分别为0.7832与12.13%。
- 陶惠林冯海宽徐良骥杨贵军杨贵军苗梦珂杨小冬
- 关键词：无人机冬小麦植被指数红边参数
- 无人机机载激光雷达提取果树单木树冠信息被引量：27
- 2020年
- 定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据(Light Detection and Ranging,LiDAR)检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对果树单木树冠检测与提取结果的影响。该方法主要使用反距离权重插值法间接生成冠层高度模型(Canopy Height Model,CHM);使用局部极大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation,MCWS)对果树进行单木树冠检测与提取。通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法可有效实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为95.03%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。
- 陈日强李长春杨贵军杨浩徐波杨小冬朱耀辉雷蕾张成健董震
- 关键词：无人机激光雷达空间分辨率
- 基于多源信息的区域尺度病虫害预测方法
- 本发明涉及遥感及空间数据分析处理和农学技术领域，公开了一种基于多源信息的区域尺度病虫害预测方法。本发明将反映植被生理状态的空间连续的卫星遥感数据和反映气象条件的区域尺度气象数据综合运用于病虫害的预测，从而克服传统病虫害预...
- 张竞成赵春江杨贵军王纪华袁琳杨小冬顾晓鹤徐新刚
- 文献传递
- 基于近红外网络的小麦品质监测被引量：16
- 2011年
- 【目的】利用自行建立的中国谷物主产区的近红外分析网络,研究小麦的品质分布监测、品种鉴别及种植省份的区域划分。【方法】应用FOSS公司的Infratec 1241型近红外分析仪构建谷物品质近红外分析网络,该网络主要由网络主机、参比实验室、网络管理中心和分布于中国粮食主产省区的网络子机构成。利用该近红外分析网络并结合GPS定位采样技术和GIS技术,对2009年的冬小麦品质分布进行监测;采用软独立建模分类法(SIMCA)对获取的近红外光谱进行分析,建立小麦品种、所在省份的识别模型。【结果】通过网络中心建立和管理模型,可以有效节约成本并具有统一的准确度和精度,该网络的一致性较好,子机与主机的相关系数高于0.92。基于该网络可构建不同尺度区域下的小麦品质分布图,从而获得不同地区小麦品质的分布信息。根据近红外网络提供的光谱数据,可进一步对小麦的品种和所在省份进行区分,对山东省5个小麦品种的识别正确率>80%,对北京、山东、江苏三省所种植的小麦的区分准确率>90%。【结论】近红外网络在小麦的品质区划分布、品种鉴别及种植省份识别方面具有较大应用潜力,可提供大范围的小麦品质数据支撑,从而为优质优价收购和政府决策提供技术支撑。
- 朱大洲黄文江马智宏赵柳杨小冬王纪华
- 关键词：近红外光谱小麦谷物
- 基于无人机成像高光谱影像的冬小麦LAI估测被引量：28
- 2020年
- 利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。
- 陶惠林冯海宽杨贵军杨小冬杨小冬刘帅兵
- 关键词：冬小麦无人机成像光谱光谱参数
- 基于HJ-1A/1BCCD时间序列影像的水稻生育期监测被引量：14
- 2011年
- 为了准确获得作物大面积生育期信息,指导农业生产管理和决策,基于2009、2010年湖南双季稻生育期间42景晴空HJ-1A/1B CCD影像,提出了一种基于小波分析的生育期估计方法:首先通过线性插值构建像元尺度上逐日的增强植被指数时间序列集,随后采用小波分析对其进行去噪重建,得到反映水稻生长过程的日时间序列曲线,最后通过曲线特征估计水稻的关键生育期。以抽穗期为例,利用湖南沅江市20个田块实地调查数据对估计结果进行了验证,并与基于非对称高斯函数及基于Savitzky-Golay滤波的方法进行了对比,结果表明基于小波分析的方法平均误差为3d左右,整体上不高于后2种方法误差,能较精确地估计双季稻抽穗期,提供了一种新的有效监测水稻生育期信息的方法。
- 杨浩黄文江王纪华杨贵军屠乃美杨小冬王大成
- 关键词：时间序列分析水稻生育期CCD小波分析
