杨琦
- 作品数：4 被引量：82H指数：4
- 供职机构：武汉大学水利水电学院水资源与水电工程科学国家重点实验室更多>>
- 发文基金：国家自然科学基金高等学校全国优秀博士学位论文作者专项资金更多>>
- 相关领域：农业科学自动化与计算机技术理学更多>>
- 利用无人机影像构建作物表面模型估测甘蔗LAI被引量：39
- 2017年
- 为探讨从作物表面模型(crop surface models,CSMs)中提取株高来估算糖料蔗叶面积指数(leaf area index,LAI)的可行性,该文采用无人机-RGB高清数码相机构成的低空遥感平台,以广西糖料蔗为研究对象,采集了糖料蔗全生育期的高清数码影像,分别在有无地面控制点条件下建立各生育期CSMs并提取株高。此外,该文利用高清数码影像计算了6种可见光植被指数并建立LAI估算模型,用以对比从CSMs提取的株高对LAI的估算效果。结果表明:全生育期CSMs提取的株高与实测株高显著相关(P<0.01),株高预测值与实测值高度拟合(R2=0.961 2,RMSE=0.215 2)。选取的6种可见光植被指数中,绿红植被指数对糖料蔗伸长末期以前的LAI的估测效果最好(R2=0.779 0,RMSE=0.556 1,MRE=0.168 0)。相同条件下,株高对LAI有更高的估测精度,其中CSMs提取的株高估测效果优于地面实测株高,预测模型R2=0.904 4,RMSE=0.366 2,MRE=0.124 3。研究表明,使用无人机拍摄RGB影像来提取株高并运用于糖料蔗重要生育期LAI的估算是可行的,CSMs提取的株高拥有较高的精度。该研究可为大区域进行精准快速的农情监测提供参考。
- 杨琦叶豪黄凯查元源史良胜
- 关键词：糖料蔗数码影像株高叶面积指数
- 基于高光谱的水稻叶片氮含量估计的深度森林模型研究被引量：13
- 2021年
- 高光谱遥感已经成为快速诊断作物水氮状态的一种有效手段。然而,传统的回归方法和机器学习往往难以挖掘高光谱的全部信息,深度神经网络又通常需要大量的训练数据,因此本研究试图探索在少量数据条件下构建深度学习模型并实现叶片氮含量的精准估计。通过在湖北省监利县开展了连续2年不同氮素胁迫水平的水稻试验,测量了作物全生育期内的216组冠层光谱和叶片氮含量。基于一阶导数光谱,本文构建了一种新的深度学习模型(深度森林DF)来进行叶片氮含量的反演,并与2种经典机器学习模型(随机森林RF和支持向量机SVM)和一种深度神经网络模型(多层感知器MLP)进行比较。结果表明,在基于少量高光谱数据的情况下,DF对水稻叶片氮含量的估算精度要高于MLP,其中预测精度最高的模型为全波段光谱反演的DF模型(R^(2)=0.919,RMSE=0.327)。在2种经典机器学习模型中,RF的估计效果优于SVM,但2种模型结果都不够稳定。研究表明,深度森林可以提升高光谱反演叶片氮含量的精度和稳定性,并且可以通过多粒度扫描相对减轻过拟合程度。该研究结果可为少量数据条件下快速监测作物叶片氮含量提供参考。
- 李金敏陈秀青杨琦史良胜
- 关键词：叶片氮含量高光谱遥感水稻
- 基于叶冠尺度高光谱的冬小麦叶片含水量估算被引量：15
- 2020年
- 叶片含水量(leaf water content,LWC)的快速监测对于作物的干旱诊断和灌溉决策至关重要。以叶片、冠层两个尺度,原始、一阶导数两种光谱处理形式的高光谱数据为基础,采用两波段植被指数如归一化差分(normalized difference spectral index,NDSI)和比值光谱指数(ratio spectral index,RSI),偏最小二乘回归(partial least squares regression,PLSR)和竞争自适应重加权采样-偏最小二乘回归(competitive adaptive reweighted sampling-partial least squares regression,CARS-PLSR)三种方法对叶片含水量进行建模分析,以确定最佳冬小麦叶片含水量预测模型。结果表明:三种方法中,基于叶片一阶导数光谱的CARS-PLSR模型对LWC的预测效果最好,LWC的预测值与实测值高度重合(R^2=0.969,RMSE=0.164,RRMSE=6.00%)。相同条件下,三种方法的叶片光谱模型对LWC的预测效果均优于冠层光谱模型。在两波段指数模型以及PLSR模型中,原始光谱模型对LWC的预测效果优于一阶导数光谱模型,而在CARS-PLSR模型中结果相反。在两波段指数模型中,RSI比NDSI具有更高的估算精度。研究表明,通过竞争自适应重加权采样方法提取敏感波段后所建立的偏最小二乘回归预测模型,无论是预测精度还是建模精度,与两波段指数和偏最小二乘回归模型相比都有了显著提高,该方法可为精准快速地监测冬小麦旱情以及灌溉决策提供参考。
- 陈秀青杨琦韩景晔林琳史良胜
- 关键词：叶片含水量偏最小二乘回归冬小麦高光谱遥感
- 智慧灌区的架构、理论和方法之初探被引量：15
- 2020年
- 我国灌区面临着多元化、精准化和智能化的管理需求。结合人工智能技术的发展趋势和水利学科本身特点,尝试提出智慧灌区的定义和基本功能。从灌区的感知智能、认知智能和管理决策三个方面讨论了智慧灌区研究的难点,初步论述了智慧灌区架构、理论和方法。在灌区感知智能方面,提出非接触式与接触式观测相结合、移动式和固定式观测相结合的观测体系,开发适用于灌区不同尺度观测的机器视觉技术、灌区特征解译技术和天地空数据智能交换技术;建立大数据环境下的信息理论,支撑灌区多源观测体系的研发和海量数据的解译和分析。在灌区认知智能方面,提出物理方程和机器学习相结合的灌区建模思路,建立“数据-物理”混合认知智能的理论基础,开发非完整先验物理机制下灌区水分、盐分、养分、污染物迁移转化以及作物生长和生态系统演化模型,开发灌区物理机制挖掘方法和动态建模方法。在灌区决策方面,提出可满足众多决策者需求以及可处理多种目标的智能优化决策系统,实现灌区尺度上的水量、水质和生态的最优化管理。
- 史良胜查元源胡小龙杨琦
- 关键词：人工智能大数据
