基于多源遥感信息融合的作物营养状况监测与喷洒控制系统的研究

论文摘要

随着“十二五”规划针对性地提出“深入开展遥感技术的研究和应用,加强遥感科技基础研究,突破遥感关键技术,提升遥感技术及应用水平,发挥全国遥感力量,把过去积累的海量遥感数据进行充分挖掘和有效反演”,中国遥感应用开始步入了一个黄金时期。农业作为遥感技术最重要和最广泛的研究应用领域之一,近十几年,无论是近地遥感平台、航空遥感平台或卫星遥感平台,都被广泛应用于现代农业信息化管理,同时也是作物生长信息无损快速识别的有效工具。然而,任何单一遥感平台、单一遥感传感器、单一光谱波段的遥感数据均具有一定应用范围的局限性,不能够全面反映作物的生理生化特征。多源遥感信息所提供的遥感信息具有冗余性、互补性和合作性,数据融合技术则是汇集这些多源遥感信息的最有效途径之一,通过同一地区不同数据源间的信息互补为多源遥感信息的处理、分析和应用提供最有效的应用,不仅有利于减少单一遥感信息对被测对象判断的不确定性、不完全性和误差,而且最大限度地利用多源数据所包含的信息做出决策。这样扩大了遥感数据的应用范围,提高了遥感信息分析精度,应用效果及实用价值。本文结合美国农业部南部平原研究中心项目“基于多源遥感信息融合的作物生长状况监测与控制系统的研究”,构建多源遥感信息融合模型预测作物氮素养分状况,在遥感信息分析理论的基础上,对多源遥感信息融合算法提出了新的思路,并进行了深入的研究。同时,开发了基于脉宽调制的小型无人机航空精确喷洒系统,结合多源遥感信息融合的喷洒决策系统进行了试验田喷洒验证。论文相关研究内容在美国德克萨斯州美国农业部南部平原研究中心完成。全文的主要内容如下：（1）采用现代科学近地遥感光谱仪,探索了基于高光谱信息的作物冠层氮素信息无损检测方法,建立了单一遥感信息相应的线性和非线性数学模型,给出了大豆、棉花和玉米三种作物冠层光谱反射特性,分别建立了基于主成分分析线性回归模型（PCR）、偏最小二乘回归模型（PLS）、前馈神经网络模型（PCA-BP）以及径向基神经网络模型（PCA-RBF）,采用相关系数（r）、校正集均方误差（RMSEC）和预测集均方误差（RMSEP）对模型进行精度检验。研究表明当样品性质变化范围较宽时,光谱与成分之间的非线性关系较为明显,所以基于冠层光谱反射信息建立非线性PCA-RBF神经网络模型预测精度最高。（2）探索了作物冠层光谱信息与SPAD值关联的特征波段提取方法的研究,建立了三种作物在不同施氮条件下SPAD值和氮素信息的线性预测模型,结果表明,作物冠层表层叶片SPAD值随着施氮水平的增加而增加,所以可利用作物冠层表层叶片SPAD值关联作物冠层光谱反射率来提取冠层光谱反射特征波段建立作物氮素含量预测数学模型,通过相关性分析以及最小偏二乘法,提取了作物冠层光谱反映氮素含量特征波段,分别建立了全波段和特征波段SPAD值反演模型,研究结果表明,三种作物特征波段建模与全波段所建模型的预测结果很接近,说明作物冠层表层叶片的SPAD值分别与各自的特征波段有很好的相关性。实现了近地光谱信息针对氮素信息的特征提取以及与SPAD值之间的关联。（3）提出了基于均匀试验设计方法的粒子群算法优选特征波长的方法,研究了基于均匀试验设计理论的试验表的构造方法,给出了基于均匀试验设计方法的粒子群算法及相应的运行匹配参数,探索了含量遥感光谱信息特征波长优选的方法。研究表明基于均匀试验设计方法的粒子群算法与偏最小二乘法结合,以为适应值函数的优化数学模型,不仅能够保证建模特征波长的有效选择和优化,而且提高了数学模型的预测精度。（4）采用美国现代航空遥感平台,探索了基于多光谱信息的作物氮素信息的无损检测方法,同时建立了多光谱遥感信息氮素含量的数学模型,采用偏最小二乘法与相关系数相结合提取了航空遥感多光谱信息的特征波段,应用纵向叠加线性融合方法和神经网络非线性融合方法,建立了基于改进粒子群算法的近地遥感信息与航空遥感信息线性与非线性融合模型。研究结果表明,多源遥感非线性融合模型预测效果好于线性融合模型,多源信息融合模型预测效果好于单一遥感信息建模模型,因此,利用多源遥感信息融合模型预测作物氮素信息可以提高农药及氮肥的使用效率,从而提高现代农业信息化生产管理水平。（5）开发了基于脉宽调制技术的小型无人机精确喷洒系统,在分析无人机精确喷洒系统设计要求的基础上,设计了基于脉宽调制的精确喷洒系统,并通过实验室实验标定了系统工作参数,同时建立了基于多源遥感信息融合的精确喷洒决策系统,根据氮素信息预测结果划分了试验田喷洒梯度信息,进行了试验田小型无人机精确喷洒系统实验。试验结果表明,脉宽调制控制技术可以实现对喷洒系统的精确控制,保证了精确的、成比例的调节控制喷洒流量,且喷头在无人机行进方向上喷施均匀,没有产生突喷和漏喷现象,系统具有一定的可靠性和实用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 课题研究的目的及意义
• 1.3 基于遥感技术的作物氮素提取国内外研究现状
• 1.3.1 遥感信息的获取
• 1.3.2 作物氮素信息的定量反演
• 1.4 数据融合系统
• 1.4.1 基本概念
• 1.4.2 多源遥感信息融合
• 1.4.3 多源遥感信息融合基本思路
• 1.4.4 多源遥感信息融合方法
• 1.5 本文研究内容
• 第2章 试验设计与仪器设备
• 2.1 试验区概况
• 2.2 试验设备
• 2.2.1 光谱仪（FieldSpec HandHeld）
• 2.2.2 SPAD-502叶绿素计
• 2.2.3 多光谱航空成像系统
• 2.3 本章小结
• 第3章 基于近地遥感的冠层光谱数据的作物氮素信息提取及建模分析
• 3.1 作物冠层光谱特征分析
• 3.1.1 数据获取
• 3.1.2 不同氮素水平下作物冠层光谱反射特征
• 3.2 数据分析方法研究
• 3.2.1 主成分线性回归分析方法（PCR）
• 3.2.2 偏最小二乘法（PLS）
• 3.2.3 人工神经网络方法（ANN）
• 3.2.4 模型精度检验标准
• 3.3 作物氮素提取模型的建立与检验
• 3.3.1 建模样本与检测样本的选取
• 3.3.2 作物氮素提取线性模型的建立与检验
• 3.3.3 作物氮素提取非线性模型的建立与检验
• 3.4 作物氮素信息提取线性与非线性模型对比分析
• 3.5 本章小结
• 第4章 冠层光谱反射率与SPAD值关联的特征提取研究
• 4.1 数据获取与分析
• 4.1.1 作物冠层光谱与SPAD值的获取
• 4.1.2 SPAD值评价作物氮素
• 4.1.3 作物冠层反射率特征波段的提取
• 4.2 作物冠层光谱反射率与SPAD值的相关关系
• 4.2.1 不同波段的SPAD值线性模型的建立和检验
• 4.2.2 不同波段的SPAD值非线性模型的建立与检验
• 4.3 本章小结
• 第5章 基于改进粒子群算法的多源遥感信息波长优选
• 5.1 粒子群算法理论
• 5.2 均匀试验设计基本方法
• 5.3 基于均匀试验设计的改进粒子群算法
• 5.4 基于UPSO-PLS的多源遥感光谱信息波长优选
• 5.4.1 遥感光谱信息多变量模型波长优选的必要性
• 5.4.2 粒子群优选波长方法
• 5.4.3 试验验证
• 5.5 本章小结
• 第6章 融合算法在多源遥感光谱信息处理中的应用研究
• 6.1 基于多传感器融合的作物营养状况监测与控制系统项目简介
• 6.2 数据获取与分析
• 6.2.1 航空遥感数据获取
• 6.2.2 采样点的标定
• 6.2.3 航空遥感光谱信息与作物氮素信息相关性分析
• 6.3 融合算法在多源遥感信息处理中的应用
• 6.3.1 基于UPSO算法的多源遥感信息线性融合建模分析
• 6.3.2 基于UPSO算法的多源遥感信息非线性融合建模分析
• 6.4 单一遥感信息建模与多源遥感信息融合建模模型对比分析
• 6.5 本章小结
• 第7章 基于脉宽调制技术的航空精确喷洒系统
• 7.1 航空喷洒技术国内外研究进展
• 7.1.1 国内外航空喷洒技术发展概况
• 7.1.2 航空喷洒装备的技术特点
• 7.1.3 航空喷洒技术的优势
• 7.2 无人机航空喷洒系统
• 7.2.1 UAV
• 7.2.2 UAV自主飞行控制系统
• 7.2.3 喷洒系统
• 7.3 基于TL494脉宽调制电路的PWM控制器
• 7.4 影响喷洒流量的因素实验研究
• 7.4.1 测试系统
• 7.4.2 系统软件开发
• 7.4.3 结果与分析
• 7.5 基于多源遥感信息融合的精确喷洒决策
• 7.6 本章小结
• 第8章 结论与展望
• 8.1 结论
• 8.2 展望
• 参考文献
• 附录Ⅰ UPSO算法源代码
• 附录Ⅱ 三种作物试验田采样点坐标
• 博士期间所取得的研究成果
• 致谢