CN105136732A - 田间作物双波段成像ndvi测量装置 - Google Patents
田间作物双波段成像ndvi测量装置 Download PDFInfo
- Publication number
- CN105136732A CN105136732A CN201510521740.4A CN201510521740A CN105136732A CN 105136732 A CN105136732 A CN 105136732A CN 201510521740 A CN201510521740 A CN 201510521740A CN 105136732 A CN105136732 A CN 105136732A
- Authority
- CN
- China
- Prior art keywords
- ndvi
- imaging
- field
- image
- dual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
田间作物双波段成像NDVI测量装置,由物镜组、分光系统、成像系统、控制系统和液晶显示器组成。通过一个消色差的、无畸变的透镜组合,使图像形成在一个内部的二维场;一个分光棱镜和两个窄带滤光片组成的装置,把光分为红光(中心波长660nm)、近红外(中心波长740nm)两个不同频率的独立光束;由无畸变的透镜组装配形成二维成像阵列,在CCD传感器上分别得到两个频率的图像;图像通过控制系统记录于装置中,并可通过有线或无线的方式传送给服务器,装置内部具有自动校正算法,利用两波段的图像自动生成视场内NDVI分布图,并呈现于所述装置的液晶显示器上。本发明采用网络控制方式,多台设备并行使用,可完成田间作物图像和NDVI的多点、多区域监测,有效提高检测效率,将监测范围由田块尺度上升为区域尺度,对于区域尺度精细农作具有重要的意义。
Description
技术领域
本发明为田间作物双波段成像NDVI测量装置,属于农作物长势信息监测领域。
背景技术
遥感技术在农业上获得了大量的应用,其中归一化植被指数已经广泛用来定性和定量评价植被覆盖及其生活力,简称为NDVI(NormalizedDifferenceVegetationIndex),它是基于物理知识,将电磁波辐射、大气、土壤、植被覆盖等相互作用集合在一起,对植物在红光和近红外波段的光谱进行分析,能反映农作物长势和营养信息。植物叶绿素发生光合作用时,吸收红光较多,因此长势越好的植被吸收红光越多,反射近红外光也越多。而归一化植被指数NDVI定义为(refNIR-refR)/(refNIR+refR)。refNIR为某红外光特征波长处的植被反射率,refR为某红光特征波长处植被的反射率。很多研究结果表明,归一化植被指数比单波段探测农作物叶绿素、生物量等长势信息以及作物缺素、冻害、病虫害、干旱等灾害信息具有更好的灵敏性,是衡量农作物生长发育的重要指标。由于反射、发射光谱信息获取具有无破坏性、获取方便、实时性高等优点,通过测量被测物不同波段的反射、发射光谱值,来分析获取被测物的相关特征信息,被广泛应用于作物生长指数检测。例如,日本KonicaMinolta公司开发的手持式叶绿素计SPAD-502。该装置内置光源测量叶绿素对光谱的吸收率,进而计算出表征作物叶绿素含量的SPAD值。再例如,美国TrimbleNavigation公司生产的GreenSeeker系列产品。通过测量作物冠层在红光及近红外范围内的若干个波段处的反射率,并通过计算NDVI(归一化植被指数)、RVI(比值植被指数)或CI(叶绿素指数)等光谱指数来预测作物长势。然而在国内农业生产中,目前还没有一款成熟的用于快速检测植物NDVI值的装置,近年来在中国NDVI值的测定很多是依赖于国外进口的光谱仪器,该测量方法视场角较小,对日光照明条件有较高要求,只能单点监测,对于大面积检测区域,单点检测效率非常低,仪器多采用有线连接方式,限制了仪器使用的范围,而且这些光谱仪器结构复杂、重量较大、操作困难、价格高,很少科研单位可以买得起,国外仪器的人机交互界面均英文环境,国内农户无法正常使用,在很大程度上限制了这一技术在中国大面积的应用普及,为此开展这方面仪器的研究与开发具有重要的现实意义。
目前,市面上流行的NDVI仪多利用日光作光源,将仪器置于植被上方一定高度,分别运用可见光、近红外特定波长范围的窄带滤光片(可见光范围内多采用620~680nm窄带滤镜,近红外范围内多采用770~860nm窄带滤镜),通过两个紧邻的独立采光通道,过滤出植被反射光谱中的两个目标波段,运用光电探测器(多采用硅光电二极管)将光信号转化为电信号,再通过适配放大器对电信号进行放大,并通过模拟-—数字转换装置将电信号强度进行量化,以获得可见光、近红外相应波段的光信号强度。运用NDVI值为0的标准白板对仪器探测得到可见光、近红外两波段的光信号进行标定和校正,以获得两个相应波段的植被光谱反射率值,对二者进行归一化运算,即获得相应条件下的归一化植被指数值。
现有的NDVI仪器,多采用手持式或便携式设计,只能进行单点监测,其数据多存储于仪器内部,数据共享困难,对于区域NDVI的监测效率低下。现有的NDVI仪器多采用分时或分视场探测的方法,其中分时探测是利用旋转滤光片、调节液晶调制器或声光调制器,在一段时间内顺次采集不同谱段的图像信息,这种方法的缺点是仪器在工作过程中需要外界介入调节内部的运动部件以改变其工作谱段,其延时性导致无法实时探测,也无法对运动目标进行动态视频探测,并且仪器的机械结构复杂,可靠性和稳定性较低;分视场探测是利用紧邻的两个采光通道分视场探测,其紧邻的两个采光通道并不能保证两通道内视场的完全一致性,两视场存在一定的位移,所获NDVI值存在偏差。另外,现行的NDVI仪器大多只能获得可见光和近红外相应波段的光谱反射率的归一化值,且该值仅仅为仪器视场范围内所有地物平均的归一化植被指数值,所获得的植被信息量相当有限。现行NDVI仪器中能兼具归一化植被指数提取和实时成像功能的仪器更是少之又少。
针对现有技术的不足,本发明所要解决的技术问题在于提供一种网络化的田间作物双波段成像NDVI测量装置。本发明的目的为完成田间作物NDVI及其生长图像获取,来完成田间植被的生长状况的实时监测,为田间管理提供指导,同时为农田灾害的预报和预警提供相应的技术支持,通过NDVI装置与Internet的对接,以解决现行NDVI仪器所获信息量小、无法成像、无远程传输功能的缺点。物联网(InternetofThings,IoT)是近年发展迅速的现代信息技术,它由部署在监测区域内大量的微型传感器节点组成,通过无线通信方式形成的一个多跳的自组织的网络系统,其目的是协作地感知、采集和处理网络覆盖区域中被感知对象的信息,并发送给观察者。与传统网络相比,IoT是一种以数据为中心的自组织无线网络,集成了监测、控制以及无线通信,具有可快速临时组网、网络拓扑结构可动态变化、抗毁性强、无需架设网络基础设施,无通信费用等诱人的特点。基于以上特点,IoT技术在农业领域也得到越来越广泛的应用。利用种近距离、低功耗、低成本、高可靠性的物联网技术,能够将测量的NDVI数值通过Internet进行传输并集中监控和管理,并可提供报警功能,使用户能够及早而且准确地发现农作物缺素、冻害、病虫害、干旱等,采取有效措施根据作物需要改善管理手段从而提高农作物的产量。
本发明旨在构造一种适用于田间环境的网络化NDVI成像装置。该装置能完成田间环境下的植被NDVI的获取,为红光、近红外双波段一体化装置,利用分光原理,两波段分别内置滤光片,无需人为更换滤光片,保证双波段成像视场的一致性,可对植被长势进行快速、实时、全程监测,并能通过接入Internet为突发灾害的监控和预警提供帮助。本发明为了提供更方便的植被NDVI田间监测方式,针对现行NDVI仪器存在的应用缺点,以及实际生产生活需要,根据作物生长对日光谱的反射特性,提供一种用于测量归一化植被指数的新方法,兼具图像生成功能和监测功能的新型网络化田间作物NDVI测量装置。
发明内容
本发明旨在设计具有NDVI自动获取功能的成像装置。所述装置由物镜组、分光系统、成像系统、液晶显示器和远程控制系统组成。该装置采用垂直向下的方式采集作物冠层图像,外界光束首先经一个消色差的、无畸变的物镜组合,进入装置分光系统空间,由分光棱镜将光束均匀分为两束,经由平面反射镜反射转化为两路平行光束,由窄带滤波片滤过目标波段光束(红光波段中心波长660nm,近红外波段中心波长740nm),经由成像透镜,分别将两路光束聚焦于CCD成像原件上,实现双波段成像,并将两视场内各个像素点的灰度值予以记录。由远程控制系统根据校准数据计算视场各个像素点的NDVI值,并通过有线或无线网络将结果传输给服务器,支持数据的存储、查看与下载。液晶显示器用于呈现红光、近红外灰度图像和视场内NDVI分布图。所述NDVI监测结果,对农作物缺素、冻害、病虫害、干旱等的监测具有重要的意义和价值。
由于NDVI由地物红光和近红外波段反射率计算获得,因此需将成像装置记录的视场灰度值转化为反射率值。由于环境、光照等因素影响,在每次测量前运用NDVI值为0的标准漫反射参考白板对装置进行校准。校准时将漫反射白板放置于水平地面上,装置垂直于参考板采集其图像信息,并自动记录参考板在红光和近红外波段灰度值的全视场平均值,分别记作DNR0、DNNIR0。然后,利用装置进行目标地物图像采集,分别将视场内第i行j列的红和近红外波段地物灰度值记为DNRij、DNNIRij。根据公式:
(1)refR=DNRij/DNR0
(2)refNIR=DNNIRij/DNNIR0
(3)NDVI=(refNIR-refR)/(refNIR+refR)
得到:
(4)NDVI=DNRij*DNNIR0-DNNIRij*DNR0。
连接入Internet的远程控制系统将监测数据发送给服务器,根据公式1、2、3、4,自动计算每个象元的NDVI值。控制系统可以通过无线或有线的方式连接远端的服务器,采用了Socket通信方法,根据TCP/IP协议进行数据传输,基于Windows系统平台,设计了客户端应用程序,对NDVI测量装置进行远程控制,远程控制装置的对焦、拍摄、校准,从而实现NDVI和图像信息的远程、实时获取,同时可以将图像数据传送给服务器,支持数据的自动存储、上传、质量控制、浏览等,供用户查询和专家诊断。
本发明能够克服光谱仪测量NDVI时视场角小、设备结构复杂、价格昂贵、操作困难的缺点,能够完成田间作物NDVI的实时、快速、准确的测量,本发明采用网络控制方式,多台设备并行使用,可完成田间作物图像和NDVI的多点、多区域监测,将监测范围由田块尺度上升为区域尺度,有效提高检测效率,对于区域尺度精细农作具有重要的意义。本实发明具有体积小、重量轻、使用简单方便等优点,非常适合农田推广,利用本发明可对植被生长状况、生产率及其他生物物理、生物化学特征进行实时、多点、多区域田间监测,以完善NDVI在植被长势监测、产量估测、营养诊断以及病虫害管理中的数据支持,在土地利用覆盖监测、植被覆盖密度评价、作物识别、灾害预警和作物产量预报等方面广泛适用。
附图说明
图1为作物成像NDVI装置内部构造。
图中,1-被测物体,2-主光轴,3、4-物镜组,5-焦平面,6-物镜组成像焦面,7-平行光管,8-光阑,9-分光棱镜,10-平面反射镜,11-窄带滤光片,12-成像透镜组,13-CCD传感器,14-物镜空间,15-分光系统,16-成像系统。
实施例
下面结合附图和实施例,对本发明的具体实施方式作进一步描述。以下实施例用于说明本发明,但不用来限制本发明的范围。本发明所提供的田间作物双波段成像NDVI测量装置适用于植物生长期间冠层、叶片NDVI值的快速检测。田间固定式双波段成像NDVI测量装置包括一个消色差的、无畸变的透镜组合3、4,使图像形成在一个内部的二维场。一个分光棱镜9和两个窄带滤光片11组成的装置,把光分为红光(中心波长660nm)、近红外(中心波长740nm)两个不同频率的独立光束。由无畸变的透镜组装配形成二维成像阵列,在CCD传感器13上分别得到两个频率的图像。图像通过远程控制系统记录于装置中,并通过有线或无线的方式传送给网络服务器,服务器根据自动校正算法,利用两波段的图像自动生成视场内NDVI分布图。所述成像NDVI测量装置通过wifi与Internet连接,通过相应的协议和控制程序,能够使远端的服务器远程控制装置的拍摄,并自动存储图像信息,为远程诊断提供服务。
在实际测量作物NDVI前,需对装置进行校准,将装置垂直放置于标准漫反射白板上方0.5m处,装置自动记录红光和近红外波段白板灰度全视场平均值,作为校准参数。进行作物NDVI检测时,以平行入射太阳光作为光源,该装置被垂直放置于目标冠层的正上方0.5m处。通过滤光片获取植被反射光在红光波段和近红外两个波段的辐射强度。经过滤光片的光信号在CCD光学传感器上成像,并由CCD记录视场范围内的光信号强度,以灰度值的形式存储于影像中。远程控制系统通过有线或无线网络将数据传送给远端的服务器,服务器根据校准算法自动生成相应的NDVI分布图,并将其进行质量控制和存储,以供用户查询和分析使用。本发明通过对作物图像和NDVI信息进行实时检测,为后续的作物区域管理以及营养诊断提供必要的技术支持。
综上所述,本发明是以作物双波段成像NDVI测量装置为任务载荷,以红光和近红外图像数据快速获取和处理技术为支撑,高机动、低成本、自动化地快速获取田间作物长势信息,并自动上传至网络平台,用户通过分析图像及NDVI信息,便可以发现杂草爆发、灌溉、病虫害、施肥等异常情况,并以此为依据,有针对性地采取措施进行农田管理。本发明接入Internet,通过多台设备并行使用,可完成田间作物图像和NDVI的多点、多区域监测,将监测范围由田块尺度上升为区域尺度,有效提高检测效率,能在作物农情监测、灾害预报、监测与评估等领域协助专家迅速、及时地获取数据信息,并且在抗击自然灾害时,能够尽早获得详尽的信息,从而有效减少损失。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的范围内,能够轻易想到的变化或替换,都应涵盖在本发明权利要求的保护范围内。
Claims (7)
1.田间作物双波段成像NDVI测量装置,其特征在于,由物镜组、分光系统、成像系统、控制系统和液晶显示器组成,通过一个消色差的、无畸变的透镜组合,使图像形成在一个内部的二维场;一个分光棱镜和两个窄带滤光片组成的装置,把光分为红光(中心波长660nm)、近红外(中心波长740nm)两个不同频率的独立光束;由无畸变的透镜组装配形成二维成像阵列,在CCD传感器上分别得到两个频率的图像;图像通过控制系统记录于装置中,并可通过有线或无线的方式传送给服务器,装置内部具有自动校正算法,利用两波段的图像自动生成视场内NDVI分布图,并呈现于所述装置的液晶显示器上。
2.根据权利要求1所述的田间作物双波段成像NDVI测量装置,其特征在于,所述装置为田间NDVI测量装置,兼具红光和近红外波段成像功能。
3.根据权利要求1所述的田间作物双波段成像NDVI测量装置,其特征在于,NDVI测量结果以全视场内NDVI分布的形式呈现,而非一个NDVI平均值。
4.根据权利要求1所述的田间作物双波段成像NDVI测量装置,其特征在于,所述装置为红光和近红外波段一体化装置,采用分光原理,将同一视场图像均匀分为两条光路,避免视场位移导致的NDVI测量误差,装置内置两个波段的滤光片,无需人为手动更换。
5.根据权利要求1所述的田间作物双波段成像NDVI测量装置,其特征在于,所述两个波段窄带滤光片,中心波长分别为可见光660nm和近红外740nm,半带宽5nm,中心透过率>95%。
6.根据权利要求1所述的田间作物双波段成像NDVI测量装置,其特征在于,所述NDVI计算方法是利用标准漫反射白板校准,将双波段灰度值转化为相应波段反射率值,进而利用NDVI计算公式获得全视场内的NDVI分布。
7.根据权利要求1所述的田间作物双波段成像NDVI测量装置,其特征在于,所述控制系统支持现场手动测量,同时可利用有线或无线的方式连接远端的服务器,用户可以通过PC或手机等终端实时控制装置的拍摄,并自动存储图像信息,为远程诊断提供服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510521740.4A CN105136732A (zh) | 2015-08-24 | 2015-08-24 | 田间作物双波段成像ndvi测量装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510521740.4A CN105136732A (zh) | 2015-08-24 | 2015-08-24 | 田间作物双波段成像ndvi测量装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105136732A true CN105136732A (zh) | 2015-12-09 |
Family
ID=54722159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510521740.4A Pending CN105136732A (zh) | 2015-08-24 | 2015-08-24 | 田间作物双波段成像ndvi测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105136732A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181632A (zh) * | 2015-08-13 | 2015-12-23 | 北京恺琳科技发展有限公司 | 网络型多维度植物成像ndvi测量装置 |
CN108765301A (zh) * | 2018-03-27 | 2018-11-06 | 长春理工大学 | 一种光学系统及其畸变校正方法及系统 |
CN110378894A (zh) * | 2019-07-25 | 2019-10-25 | 内蒙古工业大学 | 基于相关性的TomoSAR植被病虫害监测方法及装置 |
CN113221634A (zh) * | 2021-03-29 | 2021-08-06 | 重庆市规划和自然资源调查监测院 | 低辐射校准精度光学遥感影像云识别方法、系统及计算机存储介质 |
CN113777050A (zh) * | 2021-09-03 | 2021-12-10 | 上海交通大学 | 二分光谱探测模块及基于二分光谱探测模块的弱测量方法 |
CN114145012A (zh) * | 2019-07-24 | 2022-03-04 | 索尼集团公司 | 图像处理装置、图像拾取装置、方法以及程序 |
CN115266610A (zh) * | 2022-09-27 | 2022-11-01 | 慧诺云谱(海南)科技有限公司 | 一种植物生长监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030019151A1 (en) * | 2001-07-24 | 2003-01-30 | Raun William R. | Process for in-season fertilizer nitrogen application based on predicted yield potential |
US20040231239A1 (en) * | 2001-07-24 | 2004-11-25 | The Board Of Regents For Oklahoma State University | Use of within-field-element-size CV for improved nutrient fertilization in crop production |
CN1566928A (zh) * | 2003-06-12 | 2005-01-19 | 北京农业信息技术研究中心 | 一种测量归一化植被差异指数的方法及仪器 |
CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN102175626A (zh) * | 2010-12-31 | 2011-09-07 | 北京京鹏环球科技股份有限公司 | 一种基于光谱图像分析的黄瓜叶片含氮量预测方法 |
CN103900974A (zh) * | 2014-03-26 | 2014-07-02 | 华南农业大学 | 一种测量归一化植被差异指数的方法及仪器 |
-
2015
- 2015-08-24 CN CN201510521740.4A patent/CN105136732A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030019151A1 (en) * | 2001-07-24 | 2003-01-30 | Raun William R. | Process for in-season fertilizer nitrogen application based on predicted yield potential |
US20040231239A1 (en) * | 2001-07-24 | 2004-11-25 | The Board Of Regents For Oklahoma State University | Use of within-field-element-size CV for improved nutrient fertilization in crop production |
CN1566928A (zh) * | 2003-06-12 | 2005-01-19 | 北京农业信息技术研究中心 | 一种测量归一化植被差异指数的方法及仪器 |
CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
CN102175626A (zh) * | 2010-12-31 | 2011-09-07 | 北京京鹏环球科技股份有限公司 | 一种基于光谱图像分析的黄瓜叶片含氮量预测方法 |
CN103900974A (zh) * | 2014-03-26 | 2014-07-02 | 华南农业大学 | 一种测量归一化植被差异指数的方法及仪器 |
Non-Patent Citations (1)
Title |
---|
郑文刚等: "可见-近红外作物氮素光电测量仪开发", 《农业工程学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181632A (zh) * | 2015-08-13 | 2015-12-23 | 北京恺琳科技发展有限公司 | 网络型多维度植物成像ndvi测量装置 |
CN105181632B (zh) * | 2015-08-13 | 2018-12-18 | 北京恺琳科技发展有限公司 | 网络型多维度植物成像ndvi测量装置 |
CN108765301A (zh) * | 2018-03-27 | 2018-11-06 | 长春理工大学 | 一种光学系统及其畸变校正方法及系统 |
CN108765301B (zh) * | 2018-03-27 | 2020-08-07 | 长春理工大学 | 一种光学系统及其畸变校正方法及系统 |
CN114145012A (zh) * | 2019-07-24 | 2022-03-04 | 索尼集团公司 | 图像处理装置、图像拾取装置、方法以及程序 |
US11910107B2 (en) | 2019-07-24 | 2024-02-20 | Sony Group Corporation | Image processing apparatus and image pickup apparatus |
CN110378894A (zh) * | 2019-07-25 | 2019-10-25 | 内蒙古工业大学 | 基于相关性的TomoSAR植被病虫害监测方法及装置 |
CN113221634A (zh) * | 2021-03-29 | 2021-08-06 | 重庆市规划和自然资源调查监测院 | 低辐射校准精度光学遥感影像云识别方法、系统及计算机存储介质 |
CN113221634B (zh) * | 2021-03-29 | 2023-09-22 | 重庆市规划和自然资源调查监测院 | 低辐射校准精度光学遥感影像云识别方法、系统及计算机存储介质 |
CN113777050A (zh) * | 2021-09-03 | 2021-12-10 | 上海交通大学 | 二分光谱探测模块及基于二分光谱探测模块的弱测量方法 |
CN113777050B (zh) * | 2021-09-03 | 2022-06-28 | 上海交通大学 | 基于二分光谱探测模块的弱测量方法及其系统 |
CN115266610A (zh) * | 2022-09-27 | 2022-11-01 | 慧诺云谱(海南)科技有限公司 | 一种植物生长监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105136732A (zh) | 田间作物双波段成像ndvi测量装置 | |
Wachendorf et al. | Remote sensing as a tool to assess botanical composition, structure, quantity and quality of temperate grasslands | |
CN105675549B (zh) | 一种便携式农作物参数测量与长势智能分析装置及方法 | |
Du et al. | SIFSpec: Measuring solar-induced chlorophyll fluorescence observations for remote sensing of photosynthesis | |
CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
CN103048266B (zh) | 一种设施番茄氮磷钾胁迫自动识别方法和装置 | |
Li et al. | Estimation of leaf biochemical content using a novel hyperspectral full-waveform LiDAR system | |
JP6390054B2 (ja) | モニタリングシステム | |
CN102081039A (zh) | 一种环境可控的作物营养水分高光谱图像检测装置 | |
CN107807125A (zh) | 基于无人机载多光谱传感器的植物信息计算系统及方法 | |
Sakamoto et al. | Application of day and night digital photographs for estimating maize biophysical characteristics | |
KR101844678B1 (ko) | 식물 군락의 구조와 기능을 실시간으로 모니터링 하기 위한 시스템 | |
Ren et al. | Low-cost multispectral imaging for remote sensing of lettuce health | |
CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
Middleton et al. | The 2013 FLEX—US airborne campaign at the parker tract loblolly pine plantation in North Carolina, USA | |
JP6953474B2 (ja) | 精密農業支援システムおよび精密農業支援方法 | |
Meiyan et al. | Improved estimation of canopy water status in maize using UAV-based digital and hyperspectral images | |
CN109187417A (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 | |
Enciso et al. | A ground based platform for high throughput phenotyping | |
Wong et al. | TSWIFT: tower spectrometer on wheels for investigating frequent timeseries for high-throughput phenotyping of vegetation physiology | |
CN105181632B (zh) | 网络型多维度植物成像ndvi测量装置 | |
Livanos et al. | Extraction of reflectance maps for smart farming applications using unmanned aerial vehicles | |
Jaramaz et al. | The ESA Sentinel-2 mission vegetation variables for remote sensing of plant monitoring | |
Svotwa et al. | Remote sensing applications in tobacco yield estimation and the recommended research in Zimbabwe | |
CN115937711A (zh) | 一种基于无人机遥感的土壤盐分快速监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151209 |
|
WD01 | Invention patent application deemed withdrawn after publication |