基于无人机高光谱影像的火龙果波段筛选研究

doi:10.14088/j.cnki.issn0439-8114.2022.22.028

湖北农业科学 ›› 2022, Vol. 61 ›› Issue (22): 158-162.doi: 10.14088/j.cnki.issn0439-8114.2022.22.028

基于无人机高光谱影像的火龙果波段筛选研究

陈智虎, 舒田, 刘春艳, 许元红

贵州省农业科技信息研究所,贵州花溪 550006

收稿日期:2022-02-17 出版日期:2022-11-25 发布日期:2023-01-11
通讯作者: 舒田（1981-） ,男,副研究员,主要从事GIS与遥感应用及农业信息技术研究,（电子信箱）378074794@qq.com。
作者简介:陈智虎（1989-）,男,贵州盘州人,助理研究员,硕士,主要从事农业遥感与GIS 应用研究,（电话）18798023199（电子信箱）452144487@qq.com
基金资助:
贵州省科学技术基金项目[黔科合基础-ZK（2021）一般130号]; 贵州省科技计划项目[黔科合服企（2021）]; 贵州省农业科学院青年基金项目[黔农科院青年基金（2019）19号]

Study on band screening of pitaya fruit based on unmanned aerial vehicle hyperspectral image

CHEN Zhi-hu, SHU Tian, LIU Chun-yan, XU Yuan-hong

Guizhou Institute of Agricultural Science and Technology Information, Huaxi 550006,Guizhou, China

Received:2022-02-17 Online:2022-11-25 Published:2023-01-11

摘要/Abstract

摘要： 为解决卫星高光谱影像分辨率低、获取周期长、价格昂贵等问题,利用无人机搭载高光谱传感器能够获取分辨率高、价格较低且时效性较好的优势,以关岭县上关镇乐安村火龙果（Hylocereus undatus ‘Foo-Lon’）种植示范园区为研究区域,使用六旋翼无人机M600搭载PikaXC2传感器获取高分辨率的高光谱影像数据。结果表明,通过对高光谱影像波段标准差和相关性进行分析,初步筛选出适合火龙果分析研究的波段185个,其中可见光波段109个、近红外波段76个,波段相关性系数的分布呈现中间高、两边低的特点。可见光波段相关性系数均值均大于近红外波段内部之间的均值。

关键词: 高光谱影像, 波段, 无人机, 火龙果（Hylocereus undatus‘Foo-Lon’）

Abstract: In order to solve the problems of low resolution, long acquisition period and high price of satellite hyperspectral image, the advantages of high resolution, low price and good timeliness could be obtained by using the hyperspectral sensor mounted on the UAV. Taking the Dragon Fruit Planting Demonstration Park in Lean Village, Shangguan Town, Guanling County as the research area, the six-rotor UAV M600 mounted with the PikaxC2 sensor was used to obtain high-resolution hyperspectral image data. By analyzing the band standard deviation and correlation of hyperspectral images, 185 bands suitable for the analysis and research of pitaya fruit were selected preliminarily. Among them, 109 were visible bands and 76 were near-infrared bands. The distribution of correlation coefficients of bands was high in the middle and low on both sides. The mean values of correlation coefficients in visible light bands were greater than those within the near-infrared bands.

Key words: hyperspectral images, band, UAV, pitaya（Hylocereus undatus‘Foo-Lon’）

中图分类号:

TP751
S667.9

陈智虎, 舒田, 刘春艳, 许元红. 基于无人机高光谱影像的火龙果波段筛选研究[J]. 湖北农业科学, 2022, 61(22): 158-162.

CHEN Zhi-hu, SHU Tian, LIU Chun-yan, XU Yuan-hong. Study on band screening of pitaya fruit based on unmanned aerial vehicle hyperspectral image[J]. HUBEI AGRICULTURAL SCIENCES, 2022, 61(22): 158-162.

参考文献

[1] 张海艳,兰玉彬,文晟,等.植保无人机水稻田间农药喷施的作业效果[J].华南农业大学学报,2019,40(1):116-124.
[2] 赵莲英. 植保无人机喷施纳米农药防治水稻主要病虫的药效评[J].安徽农业科学,2020,48(14):144-146,155.
[3] 陶惠林,冯海宽,徐良骥,等.基于无人机高光谱遥感数据的冬小麦生物量估算[J].江苏农业学报,2020,36(5):1154-1162.
[4] 陈晓凯,李粉玲,王玉娜,等.无人机高光谱遥感估算冬小麦叶面积指数[J].农业工程学报,2020,36(22):40-49.
[5] 奚雪,赵庚星.基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测[J].中国农学通报,2020,36(20):119-126.
[6] 牛鲁燕,蒋风伟,张俊丽,等.基于无人机多光谱遥感的小麦长势监测研究[J].山东农业科学,2021,53(3):139-145.
[7] 边琳,叶飞,王建雄.基于无人机低空多光谱遥感监测的烤烟株高研究[J].山东农业科学,2020,52(12):126-132.
[8] 田军仓,杨振峰,冯克鹏,等.基于无人机多光谱影像的番茄冠层SPAD预测研究[J].农业机械学报,2020,51(8):178-188.
[9] 杨丽丽,王振鹏,吴才聪.基于多源数据的新疆棉田螨害大范围监测研究[J].光谱学与光谱分析,2021,41(12):3949-3956.
[10] 王靖,彭漪,刘小娟,等.基于无人机多光谱数据的水稻LAI反演与应用[J].中国农业大学学报,2021,26(12):145-156.
[11] 杨圣慧,郑永军,刘星星,等.基于无人机近地面多光谱图像的蛇龙珠葡萄成熟度判别[J].光谱学与光谱分析,2021,41(10):3220-3226.
[12] 何诚,刘柯珍,舒立福,等.基于红外热成像的林地余火死灰复燃点诊断方法研究[J].光谱学与光谱分析,2018,38(1):326-332.
[13] 王娇娇,宋晓宇,梅新,等.基于高斯回归分析的水稻氮素敏感波段筛选及含量估算[J].光谱学与光谱分析,2021,41(6):1722-1729.
[14] WANG M,YAN Z,LUO J, et al.A band selection approach based on wavelet support vector machine ensemble model and membrane whale optimization algorithm for hyperspectral image[J]. Applied intelligence, 2021, 51(11): 7766-7780.
[15] LIU Y,LI X,FENG Y,et al.Representativeness and redundancy-based band selection for hyperspectral image classification[J]. International journal of remote sensing,2021,42(9): 3534-3562.
[16] SHI Y, ZHAO J, SONG X, et al.Hyperspectral band selection and modeling of soil organic matter content in a forest using the Ranger algorithm[J]. PloS one, 2021,16(6): e0253385.
[17] 吴伟斌,刘文超,李泽艺,等.基于高光谱的茶叶含水量检测模型建立与试验研究[J].河南农业大学学报,2018,52(5):818-824.
[18] 吴叶兰,陈怡宇,廉小亲,等.高光谱成像的柑橘病虫害叶片识别方法[J].光谱学与光谱分析,2021,41(12):3837-3843.
[19] 解文武. 不同微生物作用下玉米叶片含水量高光谱定量估测[J].湖北农业科学,2018,57(24):151-155.
[20] 梁雪剑,张晔,张钧萍.高光谱图像相对含水量反演引导的精细分类[J].遥感学报,2021,25(11):2283-2302.
[21] 赵庆展,江萍,王学文,等.基于无人机高光谱遥感影像的防护林树种分类[J].农业机械学报,2021,52(11):190-199.
[22] 熊淑萍,丁绍强,郭建彪,等.基于高光谱遥感的小麦子粒谷氨酰胺合成酶活性估算研究[J].河南农业大学学报,2021,55(5):821-829.
[23] 赵庆展,刘伟,尹小君,等.基于无人机多光谱影像特征的最佳波段组合研究[J].农业机械学报,2016,47(3):242-248,291.
[24] 邓小玲,曾国亮,朱梓豪,等.基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取[J].华南农业大学学报,2020, 41(6):100-108.
[25] 田奥,李苇洁,王加国,等.关岭县石漠化地区立地因子对白刺花群落特征的影响[J].西部林业科学,2021,50(3):34-41.
[26] 陈起伟,熊康宁,周梅,等.关岭县不同等级石漠化区土壤侵蚀特征[J].水土保持研究,2018,25(5):24-28.
[27] 姚永慧,索南东主,张俊瑶,等.2010—2015年贵州省关岭县石漠化时空演变及人类活动影响因素[J].地理科学进展,2019,38(11):1759-1769.

基于无人机高光谱影像的火龙果波段筛选研究

Study on band screening of pitaya fruit based on unmanned aerial vehicle hyperspectral image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	陈智虎, 刘春艳, 童倩倩, 赵泽英, 许元红. 基于无人机遥感的火龙果种植面积监测方法研究[J]. 湖北农业科学, 2022, 61(3): 152-155.
[2]	蒙鹏宇. 基于无人机激光雷达的刺槐人工林森林健康指标的构建[J]. 湖北农业科学, 2022, 61(3): 156-160.
[3]	陈成, 杨栋淏, 李亚强, 辛京达, 王建雄. 基于无人机遥感技术的玉米长势监测研究[J]. 湖北农业科学, 2022, 61(20): 179-181.
[4]	朱伯华, 李洪瑜, 董明桃, 段和生, 李智倩, 程建辉. 不同种植方式对优质中籼稻黄华占产量和种植效益的影响[J]. 湖北农业科学, 2021, 60(24): 20-22.
[5]	郑明雪, 罗治情, 陈娉婷, 官波, 马海荣. 基于改进Mean Shift的无人机农业应用遥感影像地块边界提取[J]. 湖北农业科学, 2021, 60(23): 153-156.
[6]	林火煅, 张志林. 基于无人机系统的应急救援正射影像快速生成方法初探[J]. 湖北农业科学, 2020, 59(7): 204-206.
[7]	余为仆, 周忠雄, 徐国华, 吴芸紫, 柳冕, 许晖, 杨洪勇, 谢磊. 再生稻植保无人机病虫害防治适宜飞行参数研究[J]. 湖北农业科学, 2020, 59(22): 125-127.