彭漪
- 作品数：32 被引量：44H指数：4
- 供职机构：武汉大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划中央高校基本科研业务费专项资金更多>>
- 相关领域：农业科学自动化与计算机技术文化科学环境科学与工程更多>>
- 基于机器学习结合植被指数阈值的水稻关键生育期识别被引量：4
- 2020年
- 为建立不依赖时序数据的水稻生育期识别模型,基于四波段辐射计(SKYE)获取的水稻全生育期每日的冠层光谱反射率数据,利用K近邻(k-nearest neighbors,KNN)、决策树(Decision trees)、支持向量机(Support vector machines,SVM)、随机森林(Random forests,RF)和梯度提升决策树(Gradient boosted decision trees,GBDT)共5种机器学习算法开展水稻生育期识别研究。结果表明:RF算法的识别准确率最高,达93.00%,KNN算法的识别准确率也达到了91.92%,其他3种算法的准确率也都超过90%。在此基础上,将建立的水稻生育期识别模型应用至无人机(UAV)影像数据,KNN算法适用性最好,识别准确率为83.54%,RF算法的适用性一般,识别准确率为74.38%,SVM算法的适用性最差,识别准确率仅为62.92%,但5种机器学习算法都容易错误地将抽穗扬花期识别为拔节孕穗期;而新构建的KNN算法结合可见光大气修正指数(Visible atmospherically resistant index,VARI)的水稻生育期识别模型对无人机数据的识别准确率可达86.04%,与单独应用KNN算法相比,对水稻各个生育期的识别精度更加均衡。
- 杨振忠方圣辉彭漪龚龑王东
- 关键词：水稻生育期光谱反射率植被指数
- 一种高NUE水稻筛选标志及筛选方法
- 本发明涉及一种高NUE水稻品种筛选标志以及筛选高NUE水稻品种的方法。本发明提出了一种新的表示水稻NUE性状的方法，并鉴定了高NUE水稻的量化表型。本发明在针对高NUE的水稻品种筛选和水稻田间智能管理方面开发了量化标准，...
- 吴贤婷朱仁山龚龑彭漪方圣辉
- 基于高光谱数据的水稻叶片净光合速率反演被引量：1
- 2020年
- 以水稻叶片光谱和光合入射有效辐射(PARin)为数据源,分别使用8种叶绿素相关植被指数和其与PARin的乘积对珞优9348和丰两优4号品种水稻叶片在3种氮肥浓度下的净光合速率进行反演,建立不同氮肥水平下,品种无关的水稻叶片净光合速率估算模型,并验证精度。结果表明:1)仅基于叶绿素相关植被指数反演叶片净光合速率是不可行的,模型R^2均<0.48;2)考虑区分品种与氮浓度,使用叶绿素相关植被指数与PARin的乘积来反演叶片净光合速率可以显著提高模型精度,植被指数CI(Chlorophyll Index,CI)反演效果最好,R^2均>0.75,RMSE不超过1.85μmol/(m^2·s);3)区分高、低氮水平进行反演,基于CI的模型R^2分别为0.80和0.89,RMSE分别为1.25和1.37μmol/(m^2·s),可满足反演需求。因此,基于叶绿素植被指数CI的模型可适用于不同品种的水稻叶片净光合速率统一反演。
- 刘聪彭漪方圣辉
- 关键词：高光谱反射率净光合速率
- 利用植被光谱数据和Stacking算法识别油菜关键生长发育期被引量：1
- 2019年
- 油菜关键生长发育期信息对其田间管理,观赏时间预测,产量评估等具有重要的意义。利用地面架设的四波段辐射计,实时获取油菜冠层的多光谱信息,根据油菜反射光谱的特性,提出基于多种机器学习分类模型的Stacking算法对油菜的叶期、花期、角果期和成熟期进行区分。实验结果表明,区分正确率达90.83%,高于最优的单一分类器(89.50%)。建立的分类模型被应用于地面和无人机平台数据进行跨平台交叉验证,地面数据识别的正确率达90.07%,无人机平台数据识别的正确率达81.48%,均优于使用单一分类器的结果。
- 陶言祺彭漪蒋琦李玉翠方圣辉龚龑
- 关键词：油菜生长发育期光谱反射率
- 高校工科教学知识点与科学精神关联培养探讨——以遥感科学与技术专业课程教学为例被引量：8
- 2017年
- 高校教学中学科知识点培养是课程教学的主体,而科学精神则是高等教育的灵魂所在。教师要从培养具备创新型思维和知识再创造能力人才的角度来看待常规课程教学。武汉大学遥感学院教学团队针对知识点与科学精神的关联培养进行了一系列探索,从思辨教学、知识点过程化和知其所以然等方面进行了一系列富有推广意义的教学实践。通过这些实践实现了遥感科学与技术工科学生从科学和技术两个层面的提升,为培养复合型高级应用人才奠定了基础。
- 龚龑张熠方圣辉彭漪
- 关键词：知识点思辨
- 基于无人机多光谱数据的水稻LAI反演与应用被引量：3
- 2021年
- 为比较和验证不同叶面积指数(LAI)机器学习模型迁移后的稳定性,以无人机获取的湖北鄂州与海南水稻田的多光谱影像数据为研究对象,使用8种植被指数经验模型与3种机器学习方法对鄂州试验田的水稻LAI进行反演,并推广至海南试验区。结果表明:1)非线性模型在鄂州试验数据的建模集测试中精确度较优,其中归一化红边差值(NDRE)非线性模型验证的变异系数(CV)=31.05%,但推广至海南试验区后精确度下降严重(验证集CV=74.90%),可移植性差;2)线性模型和机器学习模型在模型移植后表现出较优的稳定性,其中梯度提升回归(GBR)二波段模型在鄂州数据建模集CV=28.91%,在海南数据验证集CV=26.58%;3)增强植被指数(EVI2)线性拟合模型在鄂州数据建模集CV=33.78%,在海南数据验证集CV=27.90%。最后使用EVI2构建的经验模型,对各生育时期2种不同水稻(珞优9348和丰两优4号)的LAI进行预测,结果表明在相同氮水平下,珞优9348表现为氮高效品种。
- 王靖彭漪刘小娟莫佳才梁婷
- 关键词：水稻叶面积指数植被指数氮高效
- 一种高NUE水稻筛选标志及筛选方法
- 本发明涉及一种高NUE水稻品种筛选标志以及筛选高NUE水稻品种的方法。本发明提出了一种新的表示水稻NUE性状的方法，并鉴定了高NUE水稻的量化表型。本发明在针对高NUE的水稻品种筛选和水稻田间智能管理方面开发了量化标准，...
- 吴贤婷朱仁山龚龑彭漪方圣辉
- 文献传递
- 一种基于遥感技术的用于水稻品种筛选的影像采集系统
- 本发明涉及一种基于遥感技术的用于水稻品种筛选的影像采集系统，包括试验田、飞行载具和影像采集工具；试验田包括多个小区，每个小区种植一个水稻品种，试验田的全部区域都体现在影像采集工具一次采集得到的影像上；每个小区在影像采集工...
- 吴贤婷朱仁山龚龑彭漪方圣辉
- 文献传递
- 一种基于图像的大米外观品质检测方法
- 本发明公开了一种基于图像的大米外观品质检测方法，该方法包括以下步骤：步骤1、采集米粒图像；步骤2、图像预处理与图像分割；步骤3、碎米粘连的识别与粘连米粒分割；步骤4、粒型和垩白参数提取；步骤5、垩白分类。本发明提出的算法...
- 方圣辉刘健孔雨晨龚龑彭漪王克险朱仁山
- 文献传递
- 利用遥感技术估算水稻生理参数的模型及其应用
- 本发明涉及一种利用遥感数据估算水稻生育周期中的生理参数的模型，其特征在于，通过以下方法建立：使用探测器在水稻生育周期的各生育期获取水稻种植区的反射率信息，计算所述各生育期所述水稻种植区的植被指数；获得与所述植被指数对应的...
- 吴贤婷朱仁山龚龑彭漪方圣辉
- 文献传递
