论文部分内容阅读
农业气象观测是对农作物长势生物指标和农田生态环境要素的自动监测,有助于快速了解与分析农作物生长状况和发展趋势,为高效田间管理和卫星遥感地面精确验证提供及时、便利和准确的作物长势及其生长环境信息,具有重要的研究价值和现实意义。为满足当前国内外对现代农业气象观测的客观需要,本文以现代农业气象观测中地面农作物群体长势的在线、无损、定量自动监测为对象开展了以下的研究。 自动观测系统是在线无损定量监测的基础,由于目前尚无适宜成熟的系统,为此,借助机器视觉、多传感融合和无线多媒体网络等先进技术,本文提出了一种基于CCD数码相机和农田气象物理传感器的作物—大气—土壤地面综合观测系统构架,为后续研究打下了坚实基础。 针对目前作物生长环境要素监测中数字传感器梯度标准的合理性和有效性问题,本文以小麦和玉米为研究对象,通过部署农田间不同种类和观测梯度的环境传感器,分析试验数据中主要农田气象要素的梯度变化特征,给出并验证了针对不同类型作物的田间环境要素监测标准,在此基础上优化采集观测系统,使得田间环境更接近作物生长客观实际情况。 作物叶面积指数的监测是作物长势自动监测的重要内容。本文介绍了一种基于图像的夏玉米群体覆盖度和叶面积指数的监测方法。其中,包括提出了一种新的光照自适应作物分割算法LAB-G,并建立了基于冠层孔隙率与农学参数间的光学指数模型。利用3个试验区数据进行对比实验,验证了作物分割算法和模型的准确度与精度,较目前先进的分割算法性能更加优越。 为确保获取高质量和有效的农业气象自动观测数据,需对其质量控制方法进行研究。由于目前鲜有报道,因此本文率先开展了农业气象自动观测数据的质量控制算法研究。通过对现代农业气象新型仪器观测原理、观测数据固有变化特征以及异常数据的误差来源分析,结合图像处理和机器学习算法,探索并建立了适用于土壤水分和作物图像等数据的质量控制方法。对比观测试验证实了算法的有效性。 最后,本文从应用角度出发,利用作物—大气—土壤地面综合观测系统以及上述算法和模型开展了玉米作物群体长势的地面和遥感定量协同观测,以及多源数据定量监测农作物群体长势结果的相关性分析研究与探讨。同时,构造了一种表征地面农作物群体长势的潜在指标,证实了利用自动观测资料为卫星遥感数据校正参考的可能性,以及通过低成本的机器视觉技术监测作物生长变化的实用性与可行性。