CN114965847A - 一种基于机载激光雷达的花椒氮累积量的无损监测方法 - Google Patents
一种基于机载激光雷达的花椒氮累积量的无损监测方法 Download PDFInfo
- Publication number
- CN114965847A CN114965847A CN202210568488.2A CN202210568488A CN114965847A CN 114965847 A CN114965847 A CN 114965847A CN 202210568488 A CN202210568488 A CN 202210568488A CN 114965847 A CN114965847 A CN 114965847A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- nitrogen accumulation
- zanthoxylum bungeanum
- prickly ash
- point cloud
- 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.)
- Granted
Links
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 240
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 120
- 238000009825 accumulation Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 241000032846 Zanthoxylum bungeanum Species 0.000 title abstract 7
- 241000949456 Zanthoxylum Species 0.000 claims abstract description 53
- 235000007650 Aralia spinosa Nutrition 0.000 claims abstract description 52
- 238000011155 quantitative monitoring Methods 0.000 claims abstract description 16
- 230000001066 destructive effect Effects 0.000 claims abstract description 8
- 244000089698 Zanthoxylum simulans Species 0.000 claims description 41
- 235000013399 edible fruits Nutrition 0.000 claims description 34
- 239000002028 Biomass Substances 0.000 claims description 18
- 235000008496 Drimys aromatica Nutrition 0.000 claims description 18
- 235000005151 Schinus molle Nutrition 0.000 claims description 18
- 235000013880 Schinus terebinthifolius var. raddianus Nutrition 0.000 claims description 18
- 241000196324 Embryophyta Species 0.000 claims description 9
- 238000005303 weighing Methods 0.000 claims description 8
- 238000007696 Kjeldahl method Methods 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 7
- SDTVKGSMFQVLAM-LLVKDONJSA-N (4r)-4-acetamido-5-(4-nitroanilino)-5-oxopentanoic acid Chemical compound OC(=O)CC[C@@H](NC(=O)C)C(=O)NC1=CC=C([N+]([O-])=O)C=C1 SDTVKGSMFQVLAM-LLVKDONJSA-N 0.000 claims description 6
- 238000007873 sieving Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000001035 drying Methods 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 4
- 230000004720 fertilization Effects 0.000 claims description 3
- 240000008202 Schinus molle Species 0.000 claims 4
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 239000000618 nitrogen fertilizer Substances 0.000 abstract description 7
- 235000016709 nutrition Nutrition 0.000 abstract description 6
- 230000035764 nutrition Effects 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 3
- 241000159245 Schinus Species 0.000 description 14
- 230000012010 growth Effects 0.000 description 5
- 238000002790 cross-validation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001850 reproductive effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000009105 vegetative growth Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 241000722363 Piper Species 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 240000005893 Pteridium aquilinum Species 0.000 description 1
- 235000009936 Pteridium aquilinum Nutrition 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- QDOXWKRWXJOMAK-UHFFFAOYSA-N dichromium trioxide Chemical compound O=[Cr]O[Cr]=O QDOXWKRWXJOMAK-UHFFFAOYSA-N 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/002—Determining nitrogen by transformation into ammonia, e.g. KJELDAHL method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于机载激光雷达的花椒氮累积量的无损监测方法，包括以下步骤：S1、采集花椒树样本的地上部点云数据，得到花椒树点云特征参数；S2、测量花椒树样本的地上部氮累积量；S3、根据花椒树点云特征参数和花椒树样本的地上部氮累积量构建地上部氮累积量的定量监测模型；S4、根据所述定量监测模型计算待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。本发明方法可以快速、无损、简便地得到花椒树体地上部氮累积量，为状果期花椒树体叶片氮营养快速诊断和合理施用氮肥提供依据，本发明方法不需要化学试剂、点云特征参数获取数量少且算法简单。
Description
技术领域
本发明属于农业技术领域，具体涉及一种基于机载激光雷达的花椒氮累积量的无损监测方法。
背景技术
九叶青花椒树周年生长发育过程中，状果期是树体营养生长和生殖生长的分界点，标志着椒树将从营养生长过渡到生殖生长。由于这个时期是当年椒树产量和品质形成的关键时期，其生产管理状况好坏可直接影响当年椒农的收益。因此，在生产上，农户为了提高产量往往在状果期，盲目过量施用氮肥(俗称“状果肥”)，以期获得高产。然而过量的氮肥施用不仅会在一定程度降低产量、花椒品质，还会导致土壤活性氮损失增加，引起气候变暖、水体富营养化及土壤酸化等一系列环境污染问题。实时、准确、无损的获取状果期树体地上部氮累积量，在此基础上进行科学的氮肥管理，是保证青花椒绿色可持续生产的重要技术手段。目前，椒树常用的氮素营养诊断方法是基于叶片化学分析诊断，这种测定方法由于破坏样品、费时费力，且果树多年生器官中有储藏氮的特性，无法满足大面积、快速、及时的诊断要求。近年来，随着激光雷达技术的发展，基于无人机载激光雷达的林木营养无损诊断也逐渐发展起来。目前基于无人机载激光雷达所建立的林木预测模型大多集中于生物量、叶面积指数、作物产量等方面。主要的方法原理是将一定数量的地面测量数据与从激光雷达点云数据中提取的特征变量耦合起来的模型。从激光雷达点云数据中提取的株高、胸径、冠幅、冠层投影面积、冠层体积等林木垂直和冠层结构参数已被证明与森林生物量密切相关。九叶青花椒属多年生灌木植物，其树体氮累积量一定程度上可以反映树体氮素贮藏状况。相关研究表明，果树体当年吸收氮素的50％～70％以蛋白质和氨基酸的形式贮藏在树体中，开花期时，花和新生枝叶中的氮素主要来自贮藏的氮，仅有极少部分来自根系所吸收的氮。且树体不同生育期的氮素净累积量可以反映该生育期内的氮素相对需求量。此外，树体氮累积量与新生部位干物质累积量和氮浓度紧密相关。但是关于无人机载激光雷达技术进一步模拟九叶青花椒状果期地上部氮素累积量的相关研究还未见报道。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于机载激光雷达的花椒氮累积量的无损监测方法解决了花椒树地上部氮累积量不能快速测定的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于机载激光雷达的花椒氮累积量的无损监测方法，包括以下步骤：
S1、采集花椒树样本的地上部点云数据，得到花椒树点云特征参数；
S2、测量花椒树样本的地上部氮累积量；
S3、根据花椒树点云特征参数和花椒树样本的地上部氮累积量构建地上部氮累积量的定量监测模型；
S4、根据所述定量监测模型计算待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
进一步地：所述步骤S1具体为：
选定不同施氮处理健康的花椒树作为花椒树样本，通过机载激光雷达在设定飞行高度下采集花椒树样本的地上部点云数据；
根据地上部点云数据提取得到点云特征参数，所述点云特征参数包括株高、冠幅和冠层体积。
进一步地：所述步骤S1中，机载激光雷达基本参数设置为：
扫描频率：320000点/秒；水平精度：±2cm；高程精度：±1cm；俯仰、横滚：0.04°；飞行速度为1m/s，所述机载激光雷的无人机飞行高度为60-80m。
进一步地：所述步骤S2具体为：
将花椒树样本按枝条、叶片、果实和主干4个部位分别称取鲜重后，按照东、西、南、北四个方位各采集100g作为各部位的样品，将各部位的样品用去离子水清洗干净，晾干称鲜重后于烘箱内以105℃高温杀青30min，65℃烘干至恒重，粉碎过筛，并使用凯氏定氮法测各部位的样品氮浓度，根据各部位的样品氮浓度和生物量的乘积得到花椒树样本的地上部氮累积量。
进一步地：所述粉碎过筛过程中使用的筛子不低于50目，并且粉碎过筛后生成的待测样品设置3个重复样品，将待测样品和3个重复样品通过凯氏定氮法得到的氮浓度取平均值，作为各部位的样品氮浓度。
进一步地：计算所述花椒树样本的地上部氮累积量AGNA的表达式具体为：
AGNA＝NCleaf×Mleaf+NCshoot×Mshoot+NCfruit×Mfruit+NCtrunk×Mfruit
式中，NCleaf为叶片氮浓度，NCshoot为枝条氮浓度，NCfruit为果实氮浓度，NCtrunk为主干氮浓度，Mleaf为叶片生物量，Mshoot为枝条生物量，Mfruit为果实生物量，Mfruit为主干生物量。
进一步地：所述步骤S3具体为：
将所述花椒树点云特征参数与花椒树样本的地上部氮累积量通过多元线性回归方程拟合，得到地上部氮累积量的定量监测模型；
所述多元线性回归方程的表达式具体为：
y＝ax1+bx2+cx3+d
式中，y为花椒树样本的地上部氮累积量，x1为花椒树样本的株高，x2为花椒树样本的冠幅，x3为花椒树样本的冠层体积，a为第一拟合参数，b为第二拟合参数，c为第三拟合参数，d为第四拟合参数。
进一步地：所述步骤S4具体为：
根据待测花椒树的点云特征参数，通过地上部氮累积量的定量监测模型计算得到待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
本发明的有益效果为：本发明方法可以快速、无损、简便地得到花椒树体地上部氮累积量，为状果期花椒树体叶片氮营养快速诊断和合理施用氮肥提供依据，本发明方法不需要化学试剂、点云特征参数获取数量少且算法简单。
附图说明
图1为本发明的流程图。
图2为无人机飞行高度60m时，单株椒树高程点云俯视图、侧视图和正视图(从左到右依次)
图3为九叶青花椒壮果期点云特征参数与地上部氮累积量建模，其中样本量为15；
图4为基于留一交叉验证法的花椒地上部氮累积量模型验证，其中样本量为15。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例1：
如图1所示，在本发明的一个实施例中，一种基于机载激光雷达的花椒氮累积量的无损监测方法，包括以下步骤：
S1、采集花椒树样本的地上部点云数据，得到花椒树点云特征参数；
S2、测量花椒树样本的地上部氮累积量；
S3、根据花椒树点云特征参数和花椒树样本的地上部氮累积量构建地上部氮累积量的定量监测模型；
S4、根据所述定量监测模型计算待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
所述步骤S1具体为：
选定不同施氮处理健康的花椒树作为花椒树样本，通过机载激光雷达在设定飞行高度下采集花椒树样本的地上部点云数据；
根据地上部点云数据提取得到点云特征参数，所述点云特征参数包括株高、冠幅和冠层体积。
所述步骤S1中，机载激光雷达的无人机飞行高度60m时，采集的单株椒树高程点云俯视图、侧视图和正视图如图2所示；
机载激光雷达基本参数设置为：
扫描频率：320000点/秒；水平精度：±2cm；高程精度：±1cm；俯仰、横滚：0.04°；飞行速度为1m/s，所述机载激光雷的无人机飞行高度为60-80m。
所述步骤S2具体为：
将花椒树样本按枝条、叶片、果实和主干4个部位分别称取鲜重后，按照东、西、南、北四个方位各采集100g作为各部位的样品，将各部位的样品用去离子水清洗干净，晾干称鲜重后于烘箱内以105℃高温杀青30min，65℃烘干至恒重，粉碎过筛，并使用凯氏定氮法测各部位的样品氮浓度，根据各部位的样品氮浓度和生物量的乘积得到花椒树样本的地上部氮累积量。
所述粉碎过筛过程中使用的筛子不低于50目，并且粉碎过筛后生成的待测样品设置3个重复样品，将待测样品和3个重复样品通过凯氏定氮法得到的氮浓度取平均值，作为各部位的样品氮浓度。
计算所述花椒树样本的地上部氮累积量AGNA的表达式具体为：
AGNA＝NCleaf×Mleaf+NCshoot×Mshoot+NCfruit×Mfruit+NCtrunk×Mfruit
式中，NCleaf为叶片氮浓度，NCshoot为枝条氮浓度，NCfruit为果实氮浓度，NCtrunk为主干氮浓度，Mleaf为叶片生物量，Mshoot为枝条生物量，Mfruit为果实生物量，Mfruit为主干生物量。
所述步骤S3具体为：
将所述花椒树点云特征参数与花椒树样本的地上部氮累积量通过多元线性回归方程拟合，得到地上部氮累积量的定量监测模型；
所述多元线性回归方程的表达式具体为：
y＝ax1+bx2+cx3+d
式中，y为花椒树样本的地上部氮累积量，x1为花椒树样本的株高，x2为花椒树样本的冠幅，x3为花椒树样本的冠层体积，a为第一拟合参数，b为第二拟合参数，c为第三拟合参数，d为第四拟合参数。
所述步骤S4具体为：
根据待测花椒树的点云特征参数，通过地上部氮累积量的定量监测模型计算得到待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
本发明方法的实施过程为：选定不同施氮处理健康的椒树作为样本，使用机载激光雷达在60m飞行高度下采集地上部点云数据，采用LiDAR360软件对点云数据进行噪声点去除(孤立点算法)—坐标转换—航带拼接—地面点滤波(渐进加密三角网滤波算法)—高程归一化—单木分割等预处理，获得用于提取特征变量的有效点云数据，并提取点云特征参数。
将花椒树样本按枝条、叶片、果实和主干4个部位分别称取鲜重后，按照东、西、南、北四个方位各采集100g作为各部位的样品，将各部位的样品用去离子水清洗干净，晾干称鲜重后于烘箱内以105℃高温杀青30min，65℃烘干至恒重，粉碎过筛，并使用凯氏定氮法测各部位的样品氮浓度，根据各部位的样品氮浓度和生物量的乘积得到花椒树样本的地上部氮累积量。
将所述花椒树点云特征参数与花椒树样本的地上部氮累积量通过多元线性回归方程拟合，得到地上部氮累积量的定量监测模型；根据待测花椒树的点云特征参数，通过地上部氮累积量的定量监测模型计算得到待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
如图3所示，进行九叶青花椒壮果期点云特征参数与地上部氮累积量建模，其中建模的花椒树样本量为15，花椒树的决定系数(R2)分别为0.85，均方根误差(RMSE)为4.36g·plant-1，平均相对误差(MRE)为9.8％。留一交叉验证结果如图4所示，留一交叉验证样的花椒树样本量为15，花椒树状果期的决定系数(R2)为0.74，均方根误差(RMSE)为5.70g·plant-1，平均相对误差(MRE)为12.7％。根据留一交叉验证结果表明，本发明方法可适用于九叶青花椒状果期树体地上部氮累积量的无损测定。本发明方法使用点云特征参数少，计算方法简便，可以快速、无损、廉价地得到九叶青花椒状果期树体地上部氮累积量，为状果期九叶青花椒树体氮素营养快速诊断和合理施用氮肥提供依据。
本发明的有益效果为：本发明方法可以快速、无损、简便地得到花椒树体地上部氮累积量，为状果期花椒树体叶片氮营养快速诊断和合理施用氮肥提供依据，本发明方法不需要化学试剂、点云特征参数获取数量少且算法简单。
在本发明的描述中，需要理解的是，术语“中心”、“厚度”、“上”、“下”、“水平”、“顶”、“底”、“内”、“外”、“径向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明的技术特征的数量。因此，限定由“第一”、“第二”、“第三”的特征可以明示或隐含地包括一个或者更多个该特征。
Claims (8)
1.一种基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，包括以下步骤：
S1、采集花椒树样本的地上部点云数据，得到花椒树点云特征参数；
S2、测量花椒树样本的地上部氮累积量；
S3、根据花椒树点云特征参数和花椒树样本的地上部氮累积量构建地上部氮累积量的定量监测模型；
S4、根据所述定量监测模型计算待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
2.根据权利要求1所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，所述步骤S1具体为：
选定不同施氮处理健康的花椒树作为花椒树样本，通过机载激光雷达在设定飞行高度下采集花椒树样本的地上部点云数据；
根据地上部点云数据提取得到点云特征参数，所述点云特征参数包括株高、冠幅和冠层体积。
3.根据权利要求2所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，所述步骤S1中，机载激光雷达基本参数设置为：
扫描频率：320000点/秒；水平精度：±2cm；高程精度：±1cm；俯仰、横滚：0.04°；飞行速度为1m/s，所述机载激光雷的无人机飞行高度为60-80m。
4.根据权利要求2所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，所述步骤S2具体为：
将花椒树样本按枝条、叶片、果实和主干4个部位分别称取鲜重后，按照东、西、南、北四个方位各采集100g作为各部位的样品，将各部位的样品用去离子水清洗干净，晾干称鲜重后于烘箱内以105℃高温杀青30min，65℃烘干至恒重，粉碎过筛，并使用凯氏定氮法测各部位的样品氮浓度，根据各部位的样品氮浓度和生物量的乘积得到花椒树样本的地上部氮累积量。
5.根据权利要求4所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，所述粉碎过筛过程中使用的筛子不低于50目，并且粉碎过筛后生成的待测样品设置3个重复样品，将待测样品和3个重复样品通过凯氏定氮法得到的氮浓度取平均值，作为各部位的样品氮浓度。
6.根据权利要求4所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，计算所述花椒树样本的地上部氮累积量AGNA的表达式具体为：
AGNA＝NCleaf×Mleaf+NCshoot×Mshoot+NCfruit×Mfruit+NCtrunk×Mfruit
式中，NCleaf为叶片氮浓度，NCshoot为枝条氮浓度，NCfruit为果实氮浓度，NCtrunk为主干氮浓度，Mleaf为叶片生物量，Mshoot为枝条生物量，Mfruit为果实生物量，Mfruit为主干生物量。
7.根据权利要求6所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，所述步骤S3具体为：
将所述花椒树点云特征参数与花椒树样本的地上部氮累积量通过多元线性回归方程拟合，得到地上部氮累积量的定量监测模型；
所述多元线性回归方程的表达式具体为：
y＝ac1+bc2+cx3+d
式中，y为花椒树样本的地上部氮累积量，x1为花椒树样本的株高，x2为花椒树样本的冠幅，x3为花椒树样本的冠层体积，a为第一拟合参数，b为第二拟合参数，c为第三拟合参数，d为第四拟合参数。
8.根据权利要求6所述的基于机载激光雷达的花椒氮累积量的无损监测方法，其特征在于，所述步骤S4具体为：
根据待测花椒树的点云特征参数，通过地上部氮累积量的定量监测模型计算得到待测花椒树的地上部氮累积量，完成花椒氮累积量的无损监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210568488.2A CN114965847B (zh) | 2022-05-23 | 2022-05-23 | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210568488.2A CN114965847B (zh) | 2022-05-23 | 2022-05-23 | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114965847A true CN114965847A (zh) | 2022-08-30 |
| CN114965847B CN114965847B (zh) | 2023-05-12 |
Family
ID=82956634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210568488.2A Active CN114965847B (zh) | 2022-05-23 | 2022-05-23 | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114965847B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090185741A1 (en) * | 2008-01-09 | 2009-07-23 | Tiltan Systems Engineering Ltd. | Apparatus and method for automatic airborne LiDAR data processing and mapping using data obtained thereby |
| CN105548455A (zh) * | 2015-12-07 | 2016-05-04 | 青岛农业大学 | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 |
| US20180259496A1 (en) * | 2012-06-01 | 2018-09-13 | Agerpoint, Inc. | Systems and methods for monitoring agricultural products |
| CN109212505A (zh) * | 2018-09-11 | 2019-01-15 | 南京林业大学 | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 |
| CN110487730A (zh) * | 2019-08-15 | 2019-11-22 | 北京农业信息技术研究中心 | 作物田间表型高通量监测系统及监测方法 |
| CN110569605A (zh) * | 2019-09-11 | 2019-12-13 | 沈阳农业大学 | 一种基于nsga2-elm的粳稻叶片氮素含量反演模型方法 |
| US20200025741A1 (en) * | 2018-07-20 | 2020-01-23 | Regents Of The University Of Minnesota | Method to predict crop nitrogen status using remote sensing |
| CN110954650A (zh) * | 2019-12-31 | 2020-04-03 | 塔里木大学 | 一种棉花冠层氮素的卫星遥感监测方法 |
| US20200141877A1 (en) * | 2018-11-06 | 2020-05-07 | Nanjing Agricultural University | Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle |
| CN111950336A (zh) * | 2020-04-14 | 2020-11-17 | 成都理工大学 | 基于背包式激光雷达的植被冠层生态水估算方法 |
| AU2020104291A4 (en) * | 2020-12-23 | 2021-03-11 | Guilin University Of Technology | Singletree segmentation method based on chord angle discriminant clustering for layered LIDAR point cloud |
| CN112485204A (zh) * | 2020-11-06 | 2021-03-12 | 安徽农业大学 | 基于高光谱的水稻穗期氮营养监测与诊断方法及应用 |
| CN112881309A (zh) * | 2021-02-06 | 2021-06-01 | 内蒙古农业大学 | 一种马铃薯叶片氮素检测模型的建立方法及马铃薯叶片氮素的检测方法 |
| CN112986158A (zh) * | 2021-02-23 | 2021-06-18 | 内蒙古农业大学 | 基于无人机多光谱数据的甜菜氮素营养检测方法及系统 |
| CN113030903A (zh) * | 2021-03-05 | 2021-06-25 | 深圳大学 | 一种基于无人机高光谱和激光雷达的苔草营养水平反演方法 |
| CN113035290A (zh) * | 2021-03-12 | 2021-06-25 | 河南省农业科学院植物营养与资源环境研究所 | 一种基于高光谱遥感技术的小麦植株氮积累量监测方法 |
| WO2022003179A1 (en) * | 2020-07-03 | 2022-01-06 | Five AI Limited | Lidar mapping |
-
2022
- 2022-05-23 CN CN202210568488.2A patent/CN114965847B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090185741A1 (en) * | 2008-01-09 | 2009-07-23 | Tiltan Systems Engineering Ltd. | Apparatus and method for automatic airborne LiDAR data processing and mapping using data obtained thereby |
| US20180259496A1 (en) * | 2012-06-01 | 2018-09-13 | Agerpoint, Inc. | Systems and methods for monitoring agricultural products |
| CN105548455A (zh) * | 2015-12-07 | 2016-05-04 | 青岛农业大学 | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 |
| US20200025741A1 (en) * | 2018-07-20 | 2020-01-23 | Regents Of The University Of Minnesota | Method to predict crop nitrogen status using remote sensing |
| CN109212505A (zh) * | 2018-09-11 | 2019-01-15 | 南京林业大学 | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 |
| US20200141877A1 (en) * | 2018-11-06 | 2020-05-07 | Nanjing Agricultural University | Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle |
| CN110487730A (zh) * | 2019-08-15 | 2019-11-22 | 北京农业信息技术研究中心 | 作物田间表型高通量监测系统及监测方法 |
| CN110569605A (zh) * | 2019-09-11 | 2019-12-13 | 沈阳农业大学 | 一种基于nsga2-elm的粳稻叶片氮素含量反演模型方法 |
| CN110954650A (zh) * | 2019-12-31 | 2020-04-03 | 塔里木大学 | 一种棉花冠层氮素的卫星遥感监测方法 |
| CN111950336A (zh) * | 2020-04-14 | 2020-11-17 | 成都理工大学 | 基于背包式激光雷达的植被冠层生态水估算方法 |
| WO2022003179A1 (en) * | 2020-07-03 | 2022-01-06 | Five AI Limited | Lidar mapping |
| CN112485204A (zh) * | 2020-11-06 | 2021-03-12 | 安徽农业大学 | 基于高光谱的水稻穗期氮营养监测与诊断方法及应用 |
| AU2020104291A4 (en) * | 2020-12-23 | 2021-03-11 | Guilin University Of Technology | Singletree segmentation method based on chord angle discriminant clustering for layered LIDAR point cloud |
| CN112881309A (zh) * | 2021-02-06 | 2021-06-01 | 内蒙古农业大学 | 一种马铃薯叶片氮素检测模型的建立方法及马铃薯叶片氮素的检测方法 |
| CN112986158A (zh) * | 2021-02-23 | 2021-06-18 | 内蒙古农业大学 | 基于无人机多光谱数据的甜菜氮素营养检测方法及系统 |
| CN113030903A (zh) * | 2021-03-05 | 2021-06-25 | 深圳大学 | 一种基于无人机高光谱和激光雷达的苔草营养水平反演方法 |
| CN113035290A (zh) * | 2021-03-12 | 2021-06-25 | 河南省农业科学院植物营养与资源环境研究所 | 一种基于高光谱遥感技术的小麦植株氮积累量监测方法 |
Non-Patent Citations (7)
| Title |
|---|
| JIE WANG等: "Nitrogen Management Based on Visible/Near Infrared Spectroscopy in Pear Orchards", 《REMOTE SENS.》 * |
| KAIYI BI等: "Non-Destructive Monitoring of Maize Nitrogen Concentration Using a Hyperspectral LiDAR: An Evaluation from Leaf-Level to Plant-Level", 《REMOTE SENSING》 * |
| O. NEVALAINEN等: "Nitrogen concentration estimation with hyperspectral LiDAR", 《ISPRS ANNALS OF THE PHOTOGRAMMETRY, REMOTE SENSING AND SPATIAL INFORMATION SCIENCES》 * |
| 冯伟;朱艳;姚霞;田永超;庄森;曹卫星;: "小麦氮素积累动态的高光谱监测", 中国农业科学 * |
| 张晓东等: "番茄氮素的多特征融合检测研究", 《江苏农业科学》 * |
| 穆喜云等: "基于机载激光雷达的森林地上碳储量估测", 《东北林业大学学报》 * |
| 高开秀;高雯晗;明金;李岚涛;汪善勤;鲁剑巍;: "无人机载多光谱遥感监测冬油菜氮素营养研究", 中国油料作物学报 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114965847B (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110751094B (zh) | 一种基于gee综合遥感影像和深度学习方法的作物估产方法 | |
| CN103954567B (zh) | 基于连续统去除法的土壤盐分测定方法 | |
| CN110909933B (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
| CN102455282B (zh) | 测量土壤含水量的方法 | |
| CN110378926B (zh) | 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 | |
| CN112348812A (zh) | 林分年龄信息测量方法及装置 | |
| Xu et al. | Regional crop yield assessment by combination of a crop growth model and phenology information derived from MODIS | |
| CN110427592A (zh) | 一种光学遥感影像协同极化sar影像的植被生态水储量估算方法 | |
| CN107122739A (zh) | 基于Extreme数学模型重构VI时间序列曲线的作物估产模型 | |
| Wu et al. | Plant 3D reconstruction based on LiDAR and multi-view sequence images | |
| Zhangzhong et al. | Development of an evapotranspiration estimation method for lettuce via mobile phones using machine vision: Proof of concept | |
| CN106447079A (zh) | 一种基于Radarsat‑2的喀斯特山区烟草产量预测方法 | |
| Guo et al. | Apple tree canopy leaf spatial location automated extraction based on point cloud data | |
| CN112945881B (zh) | 一种基于高光谱特征参数的马铃薯叶片含水量监测方法 | |
| CN119027811A (zh) | 基于多模态数据和物候信息的小麦生物量监测方法及系统 | |
| CN114965847B (zh) | 一种基于机载激光雷达的花椒氮累积量的无损监测方法 | |
| Tang et al. | UAV-based high spatial and temporal resolution monitoring and mapping of surface moisture status in a vineyard | |
| CN106501454A (zh) | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 | |
| CN115775357A (zh) | 基于高光谱及机器学习的植被等效水厚度估算方法 | |
| CN114813587B (zh) | 一种花椒树冠层氮浓度无损诊断方法 | |
| CN110750896A (zh) | 不同气候区下城市绿地降温效应定量评估方法与系统 | |
| CN118489387B (zh) | 水稻种植施肥智能管理系统及方法 | |
| CN114446408B (zh) | 一种基于辐射传输模型反演的叶片氮含量估算方法 | |
| CN117523433B (zh) | 一种水稻不同生长周期的叶绿素含量监测方法 | |
| CN119152035B (zh) | 一种利用点云定量评估桃树树形特征的方法 |
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 |