CN111860220B - 一种小麦幼苗分布特征的评价方法 - Google Patents
一种小麦幼苗分布特征的评价方法 Download PDFInfo
- Publication number
- CN111860220B CN111860220B CN202010619247.7A CN202010619247A CN111860220B CN 111860220 B CN111860220 B CN 111860220B CN 202010619247 A CN202010619247 A CN 202010619247A CN 111860220 B CN111860220 B CN 111860220B
- Authority
- CN
- China
- Prior art keywords
- area
- seedling
- sampling
- edge
- wheat
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明涉及一种小麦幼苗分布特征的评价方法,包括如下步骤:第一步,在目标麦田划定取样区域,分别定点幼苗位置Ai,确定各幼苗Ai与最近相邻幼苗的距离Ri,以Ri/2为半径,计算各幼苗所占的面积Si;第二步:分别计算每个取样区域内各幼苗面积的变异特性,以便于制定区域及区域周围的幼苗管理措施;第三步:计算每个取样区域内各幼苗Ri的距离变异特性以便于制定区域及区域周围的幼苗管理措施;第四步:边缘特性:将第一步中划定的各取样区域从区域边缘向中心偏移一固定的边缘距离划定为边缘区域,计算边缘区域的麦苗所占总面积与取样区域总面积的比值为边缘特性值;根据边缘特性评价方法确定边缘特性得分,以制定区域及区域周围的幼苗管理措施。
Description
技术领域
本发明涉及植物幼苗田间分布量化评价技术领域,特别涉及一种小麦幼苗分布特征的评价方法。
背景技术
小麦幼苗的分布特征是描述小麦在某一区域内的分布情况、个体小麦所占面积等生长环境要素的重要指标。区域内麦苗的密度过大或者过小均会对小麦群体造成不同程度的影响,一方面由于某一特定范围内的麦苗密度过大,会激化个体间的矛盾,进而影响生长发育,降低生产力;另一方面某一特定范围内的麦苗密度过小,虽然麦苗个体可充分发育,但因地力和光能利用不足,造成群体的生产能力不足,因而造成不同程度的减产。
影响小麦幼苗分布特征的因素众多,个体小麦所在区域的土壤条件、水分条件、耕地条件、气象条件等均会对小麦的分布特征造成不同程度的影响。关于小麦分布特征的描述,此前大多数相关的研究主要集中在对小麦群体的研究上,对小麦个体的分布研究鲜有报道。
发明内容
本发明针对现有技术中对小麦幼苗个体分布特研究的不足,提供一种小麦幼苗分布特征的评价方法,能够在有限的时间内,高效、快速、准确地对小区域内小麦幼苗分布特征进行量化描述,通过区域内麦苗的间距、个体小麦所占面积的分布特征要素,精确描述个体小麦的分布特征,以便于准确制定区域及周边幼苗的管理措施。
发明的目的是这样实现的,一种小麦幼苗分布特征的评价方法,包括如下步骤:
第一步,在目标麦田划定取样区域,分别定点每个取样区域内所有幼苗位置Ai,确定各幼苗Ai与最近相邻幼苗的距离Ri,以Ri/2为半径,计算各幼苗所占的面积Si;
第二步:分别计算每个取样区域内各幼苗面积的变异特性,以便于制定区域及区域周围的幼苗管理措施;
第三步:计算每个取样区域内各幼苗Ri的距离变异特性,定义为均匀特性,以便于制定区域及区域周围的幼苗管理措施;
第四步:边缘特性:将第一步中划定的各取样区域从区域边缘向中心偏移一固定的边缘距离划定为边缘区域,计算边缘区域的麦苗所占总面积与取样区域总面积的比值为边缘特性值;根据边缘特性评价方法确定边缘特性得分,以制定区域及区域周围的幼苗管理措施。
为便于针对性的规划取样区域,所述第一步中,取样区域为边长50—100cm的正方形区域或圆形区域。
其中,CV为变异特性, M为取样区域内所有幼苗所占面积的均值,Si为第i点幼苗所占的面积,n为区域内幼苗总数。
为进一步对区域及周围幼苗制定合理的管理措施,第二步中,变异特性评价方法及对区域幼苗管理措施按如下表:
为便于进一步根据均匀性制定管理措施,距离特性得分及管理措施按下表确定:
为防止小区域内出现幼苗小面积过密或极疏,克服通过区域整体评价数据的局限性,所述第四步中,划定外周区域时偏移的距离为取样区域边长或直径的0.15~0.25倍。
进一步地,第四步中,边缘特性值c=边缘区域麦苗所占面积/取样区域内所有麦苗总面积;
边缘特性得分及对幼苗的管理特性按下表确定:
为便于在麦田上空取样,第一步中,划定取样区域前,首先按取样区域的尺寸制作取样框,将取样框平置于目标麦田的预定取样位置,通过无人机搭载高清相机,遥控无人机在取样框的上空进行进行图像拍摄,以获取苗期为1-4叶期的幼苗图像,再通过图像处理软件对取样框内的麦苗的图像进行透射修正,并确定图像的像素长度与逻辑长度的测量比例,从图像上直接标点苗中心、测量间距。
同一块目标麦田中,设计若干个取样区域,并预先配置相应数量的取样框,分别分区域评价。
本发明的小麦幼苗分布特征的评价方法,通过均匀特性、变异特性和区域的边缘特性综合评价小麦幼苗的分布特性,并可以从小区域的分布评价扩大至周边区域的幼苗分布评价,实现有限的时间和人力条件下,快速高效的进行大片幼苗麦田分布评价,具体通过均匀特性补充变异特性评价的不足,并通过边缘特性的评价克服小区域内分布极不均匀的问题,即以边缘特性作为变异特性和均匀特性的补充。
附图说明
图1为目标麦田中取样区域内幼苗定点示意图。
图2为取样区域内测量幼苗间距和幼苗所占面积的示意图。
图3边缘区域的划分示意图。
具体实施方式
下面以一具体取样区域内的幼苗分布进行研究对象详细说明本发明的小麦幼苗分布特征的评价方法。
研究者于2020年3月20日在某实验田上方对1-4叶期的小麦幼苗进行图像拍摄取样。每个取样区域的尺寸为50cm×50cm。为便于图像处理时,明显的分辨取样区域的位置和尺寸,拍摄前预先制作内档尺寸为50cm×50cm的取样框若干个,摆放于实验田预定的取样位置,然后通过无人机搭载高清相机,遥控无人机在目标麦田上方对各取样区域进行图像拍摄,无人机图像获取控制软件为DJI GS Pro。获取图像后通过图像处理软件,取样框位置扭曲变形情况,对图像进行透视变换,将扭曲的取样框变换成正方形,以避免图像处理和测量偏差。
如图1所示为其中的一幅通过photoshop软件变换后的取样区域的图像,图像中标点的位置为定点的幼苗中心位置,在软件环境下,根据图像的像素尺寸与取样区域实际尺寸(也即指软件中的逻辑尺寸)的设置测量比例,测量每个定点Ai的幼苗与最邻近的幼苗的距离Ri,以并以Ri/2为半径,计算每个定点幼苗所占的面积要Si,该取样区域内共计42个定点,也即是42株幼苗。通过测量确定每个定点与最邻近的定点的距离Ri,并以
计算出δ= 0.29 。
再按图3所示的划分方法,将取样区域中沿取样框内边线向内侧分别偏移10cm,再分别计算边缘区域(也就是图中的取样框内边与偏移线之间的A区域但不包括偏移线B上的定点)的幼苗定点所占的面积与样取区域内的所有定点面积和的比值即为边缘特性值0.5228。
再按表2,表3和表4中各参数的评价及指导建议对取样区域及区域周围的田块进行管理。根据上述计算中变异特性CV=21.71,δ=0.29可以判定田块中取样区域及区域周围的田块幼苗分布均匀度不够理想,存在局部守密的情况,但通过边缘特性的补充评价看,幼苗在区域中整体均匀性尚可,只需对局部过密的小区域进行疏密管理,并配合合理的水肥管理,并注意以后苗期的管理。
表1
表2
表3
表4
Claims (8)
1.一种小麦幼苗分布特征的评价方法,包括如下步骤:
第一步,在目标麦田划定取样区域,分别定点每个取样区域内所有幼苗位置Ai,确定各幼苗Ai与最近相邻幼苗的距离Ri,以Ri/2为半径,计算各幼苗所占的面积Si;
其中,CV为变异特性, M为取样区域内所有幼苗所占面积的均值,Si为第i点幼苗所占的面积,n为区域内幼苗总数;
第三步:计算每个取样区域内各幼苗Ri的距离变异特性,定义为均匀特性,以便于制定区域及区域周围的幼苗管理措施;距离变异特性按如下公式计算:
第四步:边缘特性:将第一步中划定的各取样区域从区域边缘向中心偏移一固定的边缘距离划定为边缘区域,计算边缘区域的麦苗所占总面积与取样区域总面积的比值为边缘特性值;根据边缘特性评价方法确定边缘特性得分,以制定区域及区域周围的幼苗管理措施。
2.根据权利要求1所述小麦幼苗分布特征的评价方法,其特征在于,所述第一步中,取样区域为边长50—100cm的正方形区域或圆形区域。
5.根据权利要求2所述的小麦幼苗分布特征的评价方法,其特征在于,第四步中,划定外周区域时偏移的距离为取样区域边长或直径的0.15~0.25倍。
7.根据权利要求2所述小麦幼苗分布特征的评价方法,其特征在于,第一步中,划定取样区域前,首先按取样区域的尺寸制作取样框,将取样框平置于目标麦田的预定取样位置,通过无人机搭载高清相机,遥控无人机在取样框的上空进行进行图像拍摄,以获取苗期为1-4叶期的幼苗图像,再通过图像处理软件对取样框内的麦苗的图像进行透射修正,并确定图像的像素长度与逻辑长度的测量比例,从图像上直接标点苗中心、测量间距。
8.根据权利要求2所述小麦幼苗分布特征的评价方法,其特征在于,同一块目标麦田中,设计若干个取样区域,并预先配置相应数量的取样框,分别分区域评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010619247.7A CN111860220B (zh) | 2020-06-30 | 2020-06-30 | 一种小麦幼苗分布特征的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010619247.7A CN111860220B (zh) | 2020-06-30 | 2020-06-30 | 一种小麦幼苗分布特征的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860220A CN111860220A (zh) | 2020-10-30 |
CN111860220B true CN111860220B (zh) | 2021-04-13 |
Family
ID=72988887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010619247.7A Active CN111860220B (zh) | 2020-06-30 | 2020-06-30 | 一种小麦幼苗分布特征的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860220B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112997720B (zh) * | 2021-02-20 | 2022-09-06 | 中国农业科学院作物科学研究所 | 一种作物田间出苗均匀度的评价方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5980967A (en) * | 1996-04-25 | 1999-11-09 | Nabisco Technology Company | Production of crispy wheat-based snacks having surface bubbles |
CN103392495A (zh) * | 2013-08-15 | 2013-11-20 | 扬州大学 | 一种水芹的匀苗方法 |
CN107274384A (zh) * | 2017-05-17 | 2017-10-20 | 扬州大学 | 一种小麦出苗均匀度测定方法 |
CN108650946A (zh) * | 2018-05-08 | 2018-10-16 | 兰州大学 | 一种基于作物生态学实验的网格定位均匀播种方法 |
CN109523550A (zh) * | 2019-01-07 | 2019-03-26 | 扬州大学 | 一种五因素小麦出苗情况评价方法 |
CN109682446A (zh) * | 2018-07-23 | 2019-04-26 | 安徽省农业科学院作物研究所 | 一种小麦田间产量和均匀度的测量方法 |
CN110132183A (zh) * | 2019-04-30 | 2019-08-16 | 苏州科技大学 | 一种深水水域水下机器人型沉水植物盖度仪 |
CN110243372A (zh) * | 2019-06-18 | 2019-09-17 | 北京中科原动力科技有限公司 | 基于机器视觉的智能农机导航系统及方法 |
CN110926430A (zh) * | 2019-11-22 | 2020-03-27 | 海南省林业科学研究所 | 一种空地一体化红树林监测系统及控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692776A (zh) * | 2009-10-27 | 2010-04-14 | 深圳市行德昌实业有限公司 | 农作物自动化移苗线 |
CN102257940B (zh) * | 2011-05-11 | 2013-09-18 | 尹刚 | 一种观赏古树快速成型的人工编栽方法 |
CN109618834A (zh) * | 2018-11-22 | 2019-04-16 | 颍上县恒远种植专业合作社 | 一种小麦种植方法 |
CN110149968A (zh) * | 2019-05-31 | 2019-08-23 | 福建省中科生物股份有限公司 | 一种不等距栽培装置 |
-
2020
- 2020-06-30 CN CN202010619247.7A patent/CN111860220B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5980967A (en) * | 1996-04-25 | 1999-11-09 | Nabisco Technology Company | Production of crispy wheat-based snacks having surface bubbles |
CN103392495A (zh) * | 2013-08-15 | 2013-11-20 | 扬州大学 | 一种水芹的匀苗方法 |
CN107274384A (zh) * | 2017-05-17 | 2017-10-20 | 扬州大学 | 一种小麦出苗均匀度测定方法 |
CN108650946A (zh) * | 2018-05-08 | 2018-10-16 | 兰州大学 | 一种基于作物生态学实验的网格定位均匀播种方法 |
CN109682446A (zh) * | 2018-07-23 | 2019-04-26 | 安徽省农业科学院作物研究所 | 一种小麦田间产量和均匀度的测量方法 |
CN109523550A (zh) * | 2019-01-07 | 2019-03-26 | 扬州大学 | 一种五因素小麦出苗情况评价方法 |
CN110132183A (zh) * | 2019-04-30 | 2019-08-16 | 苏州科技大学 | 一种深水水域水下机器人型沉水植物盖度仪 |
CN110243372A (zh) * | 2019-06-18 | 2019-09-17 | 北京中科原动力科技有限公司 | 基于机器视觉的智能农机导航系统及方法 |
CN110926430A (zh) * | 2019-11-22 | 2020-03-27 | 海南省林业科学研究所 | 一种空地一体化红树林监测系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111860220A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372592B (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
CN103914786B (zh) | 一种大田农业生产情景感知计算方法及装置 | |
CN105675821B (zh) | 一种作物氮素营养无损诊断的图像评价指标的建立方法 | |
CN111241912A (zh) | 一种基于机器学习算法的多植被指数的水稻产量估测方法 | |
CN109919083B (zh) | 一种基于Sentinel-2影像数据的早期自动化冬小麦制图方法 | |
CN116108318B (zh) | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 | |
CN110927082A (zh) | 一种基于无人机成像高光谱遥感的冬小麦产量预测方法 | |
CN109284771B (zh) | 一种番茄生长模型判定方法及装置 | |
CN110567891A (zh) | 一种冬小麦冠层叶绿素估测系统及方法 | |
CN107274384A (zh) | 一种小麦出苗均匀度测定方法 | |
CN113298859B (zh) | 一种基于无人机影像的作物氮肥变量管理方法 | |
CN111860220B (zh) | 一种小麦幼苗分布特征的评价方法 | |
CN114694047A (zh) | 一种玉米播种质量的评价方法及装置 | |
CN114549881B (zh) | 一种基于区域渐变植被指数的小麦早期茎蘖数估测方法 | |
CN114782840A (zh) | 一种基于无人机rgb影像的小麦物候期实时分类方法 | |
CN111721269B (zh) | 一种小麦幼苗格局特征的量化评价方法 | |
CN116602106A (zh) | 一种基于无人机的水稻田内变量施肥方法 | |
CN116485757A (zh) | 一种冬小麦全氮含量预测方法 | |
CN105403177B (zh) | 一种基于视频检测的叶面积指数的检测方法 | |
CN116124774A (zh) | 一种基于无人机光谱多源数据预测冠层氮含量方法 | |
CN107818565B (zh) | 一种小麦一至三叶期麦苗数量调查方法 | |
CN115759524A (zh) | 一种基于遥感影像植被指数的土壤生产力等级识别方法 | |
Liu et al. | Study on measurement method for apple root morphological parameters based on Labview | |
Zou et al. | Combining spectral and texture feature of UAV image with plant height to improve LAI estimation of winter wheat at jointing stage | |
CN114154694A (zh) | 基于无人机多光谱遥感的棉花打顶期植物生长状态的预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |