文献类型：期刊文章

作　　者：于丰华[1,2] 曹英丽[1,2] 许童羽[1,2] 郭忠辉[1] 王定康[1]

Yu Fenghua;Cao Yingli;Xu Tongyu;Guo Zhonghui;Wang Dingkang(College of Information and Electrical Engineering,Shenyang Agricultural University,Shenyang 110866,China;Liaoning Agricultural Information Engineering Technology Research Center,Shenyang 110866,China)

机构地区：[1]沈阳农业大学信息与电气工程学院,沈阳110866 [2]辽宁省农业信息化工程技术中心,沈阳110866

出　　处：《农业工程学报》

基　　金：国家重点研发计划(2016YFD0200600);辽宁省教育厅科技人才“育苗”项目(LSNQN201903)。

年　　份：2020

卷　　号：36

期　　号：15

起止页码：103-110

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：分蘖期根外追肥是水稻生产的重要田间管理环节,也是水稻生长中的第一个需肥高峰期,追肥效果直接影响分蘖数以及中后期长势。为了探究利用无人机遥感构建施肥量处方图指导农用无人机对分蘖期水稻精准追肥,在保障水稻产量的前提下降低化肥施用量,该研究在水稻分蘖期追肥窗口期,利用无人机遥感诊断与农用无人机精准作业相结合,采用无人机高光谱技术建立水稻分蘖期施肥量处方图,结合农用无人机作业参数对待施肥地块进行栅格划分,确定精准施肥量,并通过农用无人机进行精准施肥。结果表明:利用特征波段选择与特征提取的方式在450~950nm范围内共提取5个水稻高光谱特征变量用于水稻氮素含量的反演;利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)构建的水稻氮素含量反演模型效果要好于极限学习机(Extreme Learning Machine,ELM)反演效果,模型决定系数为0.838;结合待追肥区域反演氮素含量(N_r),标准田氮素含量(N_(std))、氮肥浓度(p)、水稻地上生物量(B_(std))、水稻覆盖度(C_(std))、化肥利用率(k)及转化率(u)等构建了农用无人机追肥量决策模型,与对照组相比,利用该研究构建的处方图变量施肥方法使氮肥追施量减少27.34%。研究结果可为寒地水稻分蘖期农用无人机精准变量追肥提供数据与模型基础。

关 键 词：无人机 遥感 水稻 高光谱  精准施肥

分 类 号：S252]