【摘要】：農(nóng)業(yè)現(xiàn)開始向精準(zhǔn)管理發(fā)展,在生產(chǎn)過程中對(duì)作物管理是精準(zhǔn)農(nóng)業(yè)的重要的一環(huán),明確作物群體的差異是作物生產(chǎn)過程的管理工作的重點(diǎn),對(duì)各個(gè)作物制定出針對(duì)性強(qiáng)的措施,在生產(chǎn)投入少的情況下,得到高的生產(chǎn)效益。作物生長信息的獲取是精確管理作物用到信息的來源,信息對(duì)作物的生長的快慢、品質(zhì)的高低和產(chǎn)量的多少有著決定的作用。作物冠層反射的光譜中,有著大量的可用信息,對(duì)作物的冠層的光譜中的信息分析后,可以得到作物的基本情況,服務(wù)于作物的精確管理�；诠趯庸庾V的無損監(jiān)測技術(shù)對(duì)信息采集中,傳感器是最關(guān)鍵的器件。無人機(jī)在空間上和時(shí)間上的優(yōu)勢,使得無人機(jī)近幾年來在農(nóng)業(yè)中的應(yīng)用發(fā)展迅速。無人機(jī)是一個(gè)能重復(fù)使用、人為控制的有著動(dòng)力系統(tǒng)、可攜帶不同設(shè)備完成多種任務(wù)的無人飛行裝置。在農(nóng)業(yè)方面,無人機(jī)被應(yīng)用在農(nóng)田信息的遙感測量、對(duì)災(zāi)害的預(yù)警以及地面的災(zāi)害大小的評(píng)估、對(duì)肥料和農(nóng)藥的噴施等等�；谶@些特性,無人機(jī)被應(yīng)用于精準(zhǔn)農(nóng)業(yè)中。機(jī)載探測器在監(jiān)測上實(shí)現(xiàn)了從點(diǎn)測量到了面測量的改變,克服了傳統(tǒng)的點(diǎn)測量的不足,效率上有了質(zhì)的提高了。基于這些優(yōu)點(diǎn)可設(shè)計(jì)一款無人機(jī)搭載的傳感器來監(jiān)測水稻葉面積指數(shù)(LAI)。本文LAI模型建立選用了經(jīng)驗(yàn)關(guān)系模型的方法,選取了 3種傳統(tǒng)的植被指數(shù)和新建了一種新的植被指數(shù)(RLAI)與LAI建立了 一元回歸和多元回歸的模型,通過模型精度的比較,得出新植被指數(shù)(RLAI)與水稻LAI建立的一元對(duì)數(shù)回歸模型是最佳的模型。以無損監(jiān)測作物,獲取生長信息的原理,對(duì)光譜信息的傳感原理進(jìn)行了研究學(xué)習(xí);研發(fā)了一款只用太陽光作為光源,以光信號(hào)處理系統(tǒng)、電信號(hào)處理系統(tǒng)和信號(hào)分析系統(tǒng)三個(gè)部分組成的水稻LAI機(jī)載傳感器。通過對(duì)水稻冠層的高光譜信息與水稻的LAI相關(guān)性的分析,敏感波段被確定為745nm、565 nm,選定濾光片作為傳感器的分光元件。根據(jù)水稻冠層的反射特征與無人機(jī)測量時(shí)的高度,確定了水稻葉面積指數(shù)機(jī)載傳感器的視場角和傳感器鏡頭的結(jié)構(gòu)參數(shù);在保障了水稻葉面積指數(shù)機(jī)載傳感器在靈敏度、分辯上的效果時(shí),采用了光學(xué)濾波技術(shù),它對(duì)信噪比的提高有很好的效果;在745nm、565 nm這兩個(gè)特征波段處分別對(duì)它們作為入射光和在水稻表面的反射回來時(shí)情況進(jìn)行了探測;為保證微弱光譜信息被單片機(jī)識(shí)別,搭建了放大電路和濾波電路;運(yùn)用嵌入式開發(fā)技術(shù),把模型寫入了單片機(jī)中,完成了整個(gè)水稻葉面積指數(shù)機(jī)載傳感器的設(shè)計(jì)。在試驗(yàn)室中對(duì)水稻葉面積指數(shù)機(jī)載傳感器的靜態(tài)特性(線性度、靈敏度和遲滯差)進(jìn)行了試驗(yàn)。745nm、565nm波段的非線性誤差的試驗(yàn)結(jié)果分別為3.45%和5.63%:遲滯誤差的試驗(yàn)結(jié)果分別為3.23%和2.93%,傳感器在線性度與靈敏度方面表現(xiàn)良好。通過試驗(yàn)田運(yùn)用水稻葉面積指數(shù)機(jī)載傳感器對(duì)水稻進(jìn)行探測與LA1-2200C對(duì)水稻的探測的結(jié)果進(jìn)行試驗(yàn)結(jié)果的比較。通過試驗(yàn)結(jié)果確定,水稻葉面積指數(shù)機(jī)載傳感器可實(shí)現(xiàn)水稻葉面積指數(shù)的實(shí)時(shí)在線檢測;水稻葉面積指數(shù)機(jī)載傳感器在體積和重量上都滿足無人機(jī)的搭載要求,可實(shí)現(xiàn)水稻生長信息的快速獲取。
[Abstract]:......
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李志文;楚新正;;森林葉面積指數(shù)估測研究現(xiàn)狀與進(jìn)展[J];中小企業(yè)管理與科技(上旬刊);2008年08期

2 王磊;馬英杰;趙經(jīng)華;洪明;;基于圖像上冠層體積的葉面積指數(shù)測算方法[J];農(nóng)機(jī)化研究;2013年12期

3 趙傳燕;沈衛(wèi)華;彭煥華;王超;;青海云杉林葉面積指數(shù)空間分布模擬——以祁連山區(qū)排露溝流域?yàn)槔齕J];蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

4 馬茵馳;閻廣建;丁文;王躍智;;基于人工神經(jīng)網(wǎng)絡(luò)方法的冬小麥葉面積指數(shù)反演[J];農(nóng)業(yè)工程學(xué)報(bào);2009年12期

5 張立俊;洪添勝;吳偉斌;Joseph Mwape Chileshe;馮灼峰;趙奔;徐寧;;基于半球攝影法的果樹葉面積指數(shù)檢測(英文)[J];農(nóng)業(yè)工程學(xué)報(bào);2012年S2期

6 周洋;米曉飛;葉李灶;;葉面積指數(shù)遙感反演算法研究[J];計(jì)算機(jī)與現(xiàn)代化;2013年03期

7 吳彤;倪紹祥;李云梅;陳健;;由冠層孔隙度反演植被葉面積指數(shù)的算法比較[J];南京師大學(xué)報(bào)(自然科學(xué)版);2006年01期

8 樊科研;田麗萍;薛琳;白麗;王進(jìn);;利用高光譜數(shù)據(jù)和葉面積指數(shù)對(duì)加工番茄產(chǎn)量估算的研究[J];湖北農(nóng)業(yè)科學(xué);2009年02期

9 向洪波;郭志華;趙占輕;王建力;;不同空間尺度森林葉面積指數(shù)的估算方法[J];林業(yè)科學(xué);2009年06期

10 陳鵬飛;孫九林;苗茹;;基于環(huán)境減災(zāi)衛(wèi)星遙感信息估測呼倫貝爾草原葉面積指數(shù)(英文)[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

相關(guān)會(huì)議論文 前10條

1 姚冬萍;;融合多源遙感數(shù)據(jù)估算地表葉面積指數(shù)[A];中國地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

2 陳雪洋;蒙繼華;吳炳方;朱建軍;紐立明;杜鑫;;基于環(huán)境星高光譜數(shù)據(jù)紅邊參數(shù)的冬小麥葉面積指數(shù)反演[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

3 高帥;;利用ENVISAT-ASAR數(shù)據(jù)的植被葉面積指數(shù)反演研究[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

4 張娜;;半干旱天然草地葉面積指數(shù)反演模型[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

5 孫永華;宮輝力;李小娟;浦瑞良;周德民;;基于高光譜的三江平原濕地葉面積指數(shù)反演研究[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

6 曹中盛;朱艷;田永超;曹衛(wèi)星;姚霞;;小麥葉面積指數(shù)估測的最佳高光譜參數(shù)研究[A];中國作物學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文摘要集[C];2013年

7 呂蕓帙;楊旭;駱祖瑩;;基于無線傳感器網(wǎng)絡(luò)的植被葉面積指數(shù)測量方法[A];第六屆中國測試學(xué)術(shù)會(huì)議論文集[C];2010年

8 夏帆;;基于MODIS數(shù)據(jù)的長江流域生態(tài)環(huán)境質(zhì)量評(píng)價(jià)[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

9 劉倩;;2000-2010年三江源地區(qū)MODIS葉面積指數(shù)及FPAR產(chǎn)品驗(yàn)證分析[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

10 楊鵬;李春強(qiáng);;基于MODIS數(shù)據(jù)的河北省冬小麥葉面積指數(shù)模型研究[A];第31屆中國氣象學(xué)會(huì)年會(huì)S5 干旱災(zāi)害風(fēng)險(xiǎn)評(píng)估與防控[C];2014年

相關(guān)重要報(bào)紙文章 前1條

1 李濟(jì) 供稿;理科綜合測試模擬（四）[N];山西科技報(bào);2003年

相關(guān)博士學(xué)位論文 前5條

1 樂源;基于光譜數(shù)據(jù)的植被重點(diǎn)參數(shù)反演方法研究[D];武漢大學(xué);2014年

2 溫一博;基于遙感技術(shù)的森林碳循環(huán)和地表蒸散模擬研究[D];東北林業(yè)大學(xué);2016年

3 謝巧云;考慮紅邊特性的多平臺(tái)遙感數(shù)據(jù)葉面積指數(shù)反演方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

4 駱社周;激光雷達(dá)遙感森林葉面積指數(shù)提取方法研究與應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2012年

5 郝雅s，

本文編號(hào)：2362608