报告详情
基于无人机多光谱遥感技术的油菜养分亏缺诊断
编号：3282
访问权限：仅限参会人
更新：2024-04-13 11:31:51 浏览：1543次
口头报告
报告开始：2024年05月18日 16:15（Asia/Shanghai）
报告时间：10min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-2] 主题7、遥感与地理信息科学 专题7.17、专题7.19（18日下午，303）
暂无文件
摘要
我们基于多年的油菜氮肥用量试验中获取的无人机多光谱影像，将迁移学习与深度学习算法相结合，用于诊断冬季油菜的氮、磷、钾缺乏情况。结果显示，与不使用迁移学习相比，迁移微调方法减少了约28%的训练时间，同时提高了4.2%的准确性。在模型选择方面，使用近红外、红光、绿光波段作为输入特征的MobileNet V3模型提供了最准确的营养缺乏诊断。针对油菜需求量最大的氮素，我们提出利用植被近红外反射率指数从冠层反射率中分离冠层结构的影响,利用校正后的冠层反射率构建叶片氮含量（LNC）估测模型，并进一步计算油菜在越冬期和蕾薹期所需的氮肥追施量。结果表明按需追肥下的产量仅比当地农民习惯性施肥下的产量低3.68％，但田间使用的总氮肥用量比当地农民习惯性用量低了12.9％。本研究表明无人机多光谱遥感技术在监测作物营养状态方面具有巨大潜力。
关键词
无人机,多光谱遥感,迁移学习,养分诊断,精准追肥
报告人
刘诗诗
教授 华中农业大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论