张彦
- 作品数：5 被引量：43H指数：3
- 供职机构：河南省农业科学院更多>>
- 发文基金：河南省科技成果转化计划项目国家科技部农业科技成果转化资金河南省科技攻关计划更多>>
- 相关领域：农业科学更多>>
- 基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测
- 2024年
- 氮素是冬小麦生长发育必不可少的大量元素,无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径,但是过多变量造成了信息冗余和模型复杂的问题。针对此问题,该研究提出了一种“相关分析+共线性分析+LASSO(least absolute shrinkage and selection operator)特征筛选”的多层级植株氮含量敏感特征的筛选方法,引入约束系数向量的L1正则化实现特征的稀疏性,将某些特征的系数缩小为0,基于冬小麦关键生育期(拔节期、孕穗期、开花期、灌浆期)无人机影像提取的65个光谱和纹理特征,采BP神经网络(back propagation,BP)、Adaboost、随机森林(random forest,RF)和线性回归(linear regression,LR)4种机器学习算法构建了冬小麦植株氮含量预测模型。结果表明:相关分析筛选出51个通过0.01显著性检验的变量;基于共线性分析,当LASSSO正则化参数λ取值为0.08时,17个敏感特征变量被筛选。基于筛选的敏感特征变量,BP、Adaboost、RF和LR 4种算法建立的植株氮含量预测模型均达到了0.01水平差异显著性,且BP、Adaboost和RF 3种预测模型的精度具有高度的一致性,模型R2均为0.81,RMSE分别为0.36%、0.38%和0.37%,说明该研究提出的多层级特征筛选方法不仅使得模型变得简洁,而且稳健性高,可为智慧农业氮肥精准监测、智慧管理提供技术支撑。
- 郭燕王来刚王来刚井宇航贺佳张彦刘婷
- 关键词：无人机冬小麦氮素
- 基于MODIS数据的河南省秋季作物秸秆焚烧火点监测研究被引量：15
- 2016年
- 利用MODIS热异常产品数据,提取河南省秋季作物收获期的秸秆焚烧火点信息,经过初步筛选和地面验证,分析该时段内秸秆焚烧火点数量及时空分布格局,以期对政府为控制秋季秸秆焚烧采取的约谈措施进行效果评价。结果表明,利用MODIS热异常产品数据提取的河南省秋季作物收获期秸秆焚烧火点的准确度可达86.54%,能准确反映河南省秋季作物秸秆焚烧火点的空间分布与发展态势。河南省2015年秋季作物秸秆焚烧火点主要集中在豫中、豫东、豫南地区,尤其是周口、驻马店、南阳、信阳、开封等市,5个地区的秸秆焚烧火点总数占到全省秸秆焚烧火点总数的79.90%。2015年河南省秋季作物秸秆焚烧主要发生于9月27日至10月20日共24 d,整体表现平—增—减—平—增—减的趋势。河南省政府针对秋季作物秸秆焚烧采取政府约谈措施之后,秸秆焚烧火点数量大大减少,整体干预效果明显。利用遥感监测技术可对作物秸秆焚烧进行动态监测,为各级监管部门及时提供大范围内的秸秆焚烧信息,也为加强秸秆焚烧监控提供了可靠依据。
- 张彦刘婷李冰程永政王来刚郭燕武喜红贺佳
- 关键词：秸秆焚烧遥感监测MODIS数据
- 多源卫星遥感秸秆焚烧过火面积动态监测被引量：14
- 2017年
- 该文针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题,提出利用多源数据(Landsat8、GF-1、HJ-1A/B)来提升中分辨率卫星遥感的观测频次,并通过叠置分析和面向对象影像分析技术提高面积提取精度。使用该方法对河南省太康县进行了8次单日内全覆盖的秸秆焚烧过火面积提取,并通过变化检测获取各乡镇农田秸秆焚烧的累计过火面积、新增过火面积和新增过火农田翻耕面积的时空变化趋势。经验证,面积提取精度达93.89%以上,秸秆焚烧新增过火面积变化趋势与环保部监测结果基本相符。经分析,秸秆焚烧通常会在农作物大面积收割后的某个时间点开始,由若干个起火点随时序朝某个主方向进行传播蔓延,过火区域会随之出现间歇性的大范围翻耕,二者同时进行,即秸秆焚烧新增过火面积与新增过火农田翻耕面积随时序呈反向波浪状变化。说明相比利用低空间分辨率遥感数据进行广域监测,该方法可得到时效性强且精度更高的过火面积空间分布信息,能揭示出秸秆焚烧现象在县、乡尺度上的变化规律与细节。
- 武喜红刘婷程永政王来刚郭燕张彦贺佳
- 关键词：遥感焚烧过火面积面向对象变化检测
- 不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型被引量：13
- 2017年
- 为研究不同氮磷水平下冬小麦籽粒蛋白质含量高光谱遥感监测模型,提高模型精度,本文通过连续5年定位试验研究不同氮磷耦合水平下,不同生育时期冬小麦冠层光谱反射率、植株氮含量以及成熟期籽粒蛋白质含量,以相关、回归等统计分析方法,建立基于不同生育时期植株氮含量的籽粒蛋白质含量监测模型;然后通过灰色关联度分析,筛选植株氮含量的最佳植被指数,以偏最小二乘回归法,建立基于植被指数的植株氮含量监测模型;最后以植株氮含量为链接点,按照"植被指数—植株氮含量—籽粒蛋白质含量"之间的联系,建立融合植被指数与植株氮含量的冬小麦成熟期籽粒蛋白质含量监测模型。结果表明:在拔节期、孕穗期、抽穗期、灌浆期、成熟期基于植株氮含量建立的成熟期籽粒蛋白质含量监测模型,具有较好的监测精度;拔节期、孕穗期、抽穗期、灌浆期、成熟期分别基于修正叶绿素吸收反射率指数(MCARI_1)、归一化差值叶绿素指数(NDCI)、修正归一化差异指数(mNDVI)、MCARI_1、NDCI植被指数建立植株氮含量监测模型,监测精度(R^2)分别为0.826、0.854、0.867、0.859和0.819;以植株氮含量为链接点,通过"植被指数—植株氮含量—籽粒蛋白质含量"的间接联系,建立基于拔节期、孕穗期、抽穗期、灌浆期、成熟期植被指数且融合植株氮含量的籽粒蛋白质含量监测模型,R^2分别为0.935、0.972、0.990、0.979和0.936;以独立数据对模型进行验证,模型预测值与实测值间相对误差(RE)分别为11.26%、10.74%、8.41%、10.25%和11.36%,均方根误差(RMSE)分别为2.221 g×kg^(-1)、1.825 g×kg^(-1)、1.214 g×kg^(-1)、1.767 g×kg^(-1)和2.137 g×kg^(-1)。说明基于不同生育时期植被指数链接植株氮含量可以对成熟期籽粒蛋白质含量进行有效监测,且模型具有较好的年度间重演性和品种间适应性。
- 贺佳刘冰峰黎世民郭燕王来刚张彦李军
- 关键词：冬小麦高光谱遥感籽粒蛋白质含量植被指数
