CN109142240A - 一种基于无人机遥感的大田作物水分胁迫监测方法 - Google Patents

一种基于无人机遥感的大田作物水分胁迫监测方法 Download PDF

Info

Publication number
CN109142240A
CN109142240A CN201811016252.8A CN201811016252A CN109142240A CN 109142240 A CN109142240 A CN 109142240A CN 201811016252 A CN201811016252 A CN 201811016252A CN 109142240 A CN109142240 A CN 109142240A
Authority
CN
China
Prior art keywords
water stress
remote sensing
crop water
unmanned plane
formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811016252.8A
Other languages
English (en)
Inventor
韩文霆
张立元
牛亚晓
彭星硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest A&F University
Original Assignee
Northwest A&F University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwest A&F University filed Critical Northwest A&F University
Priority to CN201811016252.8A priority Critical patent/CN109142240A/zh
Publication of CN109142240A publication Critical patent/CN109142240A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种基于无人机遥感的大田作物水分胁迫监测方法，属于农业信息技术领域。为了解决现有大田作物水分胁迫监测技术中费时、费力、成本较高，并且没有考虑土壤、作物等的空间变异性的问题，本发明基于最新的无人机多光谱遥感技术，结合基于地面红外测温技术和空气温湿度数据建立作物水分胁迫指数（Crop Water Stress Index，CWSI）经验模型，提出了一种大田作物水分胁迫状况高时空分辨率分布图的低成本、快速获取方法，旨在为田间灌溉管理提供技术支持，促进农业信息化。该方法主要包括：无人机多光谱图像采集高度设计及地面分辨率计算；地面采样区域尺度设计；冠层温度、空气温湿度数据采集及CWSI模型建立；无人机多光谱遥感图像采集及植被指数提取；数据匹配与CWSI反演模型建立；大田作物水分胁迫状况分布图获取等六个主要步骤。

Description

一种基于无人机遥感的大田作物水分胁迫监测方法
技术领域
本发明涉及一种基于无人机遥感的大田作物水分胁迫监测方法，属于农业信息技术领域。
背景技术
提高农业用水效率是有限水资源可持续利用的重要部分，制定科学、合理的灌溉方案可以在不减产或少量减产的情况下节约大量农业用水。然而，为了实现作物产量与灌溉用水之间的微妙平衡需要有效地诊断大田作物水分状况。传统的基于土壤含水率与作物生理特性的监测方法费时、费力、成本较高，并且没有考虑土壤、作物等的空间变异性，无法低成本、快速地获取大田作物水分胁迫状况，进而难以制定科学、合理的灌溉方案。
基于遥感技术的作物水分胁迫监测方法具有测量可靠、非破坏性和劳动强度低等优势，可以分为卫星遥感技术、航空遥感技术、地面遥感技术和无人机遥感技术等4类。卫星遥感技术时空分辨率低，易受天气影响；航空遥感技术操作难度大、作业成本高；地面遥感技术费时、费力、作业成本高，且没有考虑土壤、作物等的空间变异性，同样无法低成本、快速地获取大田作物水分胁迫状况。无人机遥感平台成本低、易于构建、运载便利、灵活性高、作业周期短、影像数据分辨率高，在多时相、地物的识别能力上具有独有的优势，使得大田作物水分胁迫的低成本、快速监测成为可能。
发明内容
为了解决大田作物水分胁迫监测技术的不足，本发明提供了一种基于无人机遥感的大田作物水分胁迫监测方法，可以低成本、快速获取大田作物水分胁迫状况分布图，为田间灌溉管理提供技术支持，促进农业信息化。
1、为实现上述目的，本发明提供一种大田作物水分胁迫监测方法，包括以下步骤：
（1）无人机多光谱图像采集高度设计及地面分辨率计算：
无人机多光谱遥感图像的拖影大小与多光谱遥感图像采集***的飞行高度、飞行速度、多光谱相机焦距以及快门时间的相关关系由下式确定：
（1）
式中b为拖影大小（um），v为无人机飞行速度（m/s），t为快门时间（s），f为相机焦距（mm），h为无人机飞行高度（m）。为了保证无人机多光谱数据的有效性，在采集参数设计时要求拖影小于0.5个像元。
无人机多光谱遥感图像的地面分辨率（GSD）是表征光谱数据的重要参数，由下式计算：
（2）
式中GSD为地面分辨率（m），a为多光谱传感器像元尺度（um），f为相机焦距（mm），h为无人机飞行高度（m）。
（2）地面样方尺度设计：
为了更好的完成无人机多光谱数据与地面CWSI数据的匹配，提高CWSI反演模型的精度，需要合理的设计地面数据采样区域尺寸。本方法中地面数据采集样方区域为正方形，其边长为200*GSD。
（3）地面数据采集及CWSI模型建立：
在大田中均匀布设若干200*GSD采样区域，并记录中心点经纬度信息，在中心点及其前后左右各0.4*250*GSD处等5个位置采集作物冠层温度、空气温度和相对湿度，以平均值作为该区域的采样数据。选择晴朗天气、当地时间11:00-13:00，与无人机多光谱遥感数据同步采集田间作物冠层温度、空气温度和相对湿度。使用红外测温仪垂直于作物行向以与水平线15°夹角扫射冠层（范围约120°）采集大田玉米冠层温度；使用手持温湿度计在采集冠层温度的同时采集田间空气温湿度，采集高度约为玉米高度的80%。
利用上述采集的冠层温度、空气温湿度数据计算水分胁迫指数（Crop WaterStress Index，CWSI）表征大田玉米水分胁迫状况，CWSI计算公式如下：
（3）
式中、、分别表示冠层-空气温度之差的测量值、下限以及上限。冠层-空气温度之差上、下限即所谓的无水分胁迫基线和无蒸腾作用基线。CWSI经验法认为在特定的气候条件下与饱和水汽压差（Vapor pressure deficit，VPD），和饱和水汽压差梯度（Vapor pressure gradient，VPG）存在线性关系，如公式（4）和（5）所示：
（4）
（5）
式中m、b分别为斜率和截距，VPD为饱和水汽压差（kPa），VPG为饱和水汽压梯度（kPa），即当空气温度增加b时VPD的变化。VPD与空气温度（Air temperature，T a ）和相对湿度（Relative humidity，RH）相关，由下式（6）计算。
（6）
式中T a 表示空气温度（℃），RH表示空气相对湿度。CWSI为0表示没有水分胁迫现象，为1表示水分胁迫现状最为严重。
（4）无人机多光谱遥感图像采集及植被指数提取：
选择晴朗天气，当地时间11:00-13:00，以多光谱相机镜头垂直向下、航向及旁向重叠度80%、飞行相对高度70m、速度5.5m/s的策略采集大田作物无人机多光谱遥感影像及图像采集时刻经纬度信息及航向信息。采用专业图像拼接软件进行图像拼接处理，并基于同步采集、相同高度的漫反射板图像对各波段的图像进行辐射定标，获取地物波谱反射率。
利用上述获取的无人机地物波谱反射率提取大田作物植被指数TCARI/RDVI和TCARI/SAVI，计算公式如公式（6）和（7）所示：
（7）
（8）
式中，、、和分别表示地物在近红外、红色、红边和绿色波段的反射率。
（5）数据匹配及CWSI反演模型建立：
利用步骤（3）、（4）中采集的经纬度信息实现大田作物采样区域地面水分胁迫信息与无人机遥感植被指数信息的匹配，并利用回归分析等建模方法建立地面水分胁迫信息的无人机多光谱遥感反演模型。
（6）大田作物水分胁迫状况分布图获取：
利用步骤（4）采集的大田作物无人机遥感植被指数分布图和步骤（5）建立的反演模型获取基于无人机多光谱遥感的大田作物水分胁迫状况分布图。
本发明的优点和积极效果是：
本发明基于最新的无人机多光谱遥感技术，结合地面红外遥感技术实现了大田作物水分胁迫状况分布图的低成本、快速获取，解决了现有大田作物水分胁迫监测技术中费时、费力、成本较高，并且没有考虑土壤、作物等的空间变异性的问题，可以为田间灌溉管理提供技术支持，促进农业信息化。
附图说明
图1基于无人机遥感的大田作物水分胁迫监测方法流程图
图2采样方式示意图
图3冠层温度采集方式示意图
图4大田玉米水分胁迫状况分布图。
具体实施方式
以下结合附图对本发明做进一步详述。
如图1所示，这种基于无人机遥感的大田作物水分胁迫监测方法主要包括6个主要步骤：
（1）无人机多光谱数据采集高度设计及地面分辨率计算
（2）地面样方尺度设计
（3）地面数据采集及CWSI模型建立；
（4）无人机多光谱遥感图像采集及植被指数提取；
（5）数据匹配及CWSI反演模型建立；
（6）大田作物水分胁迫状况分布图获取。
本发明基于最新的无人机多光谱遥感技术，结合地面红外遥感技术实现了大田作物水分胁迫状况分布图的低成本、快速获取，解决了现有大田作物水分胁迫监测技术中费时、费力、成本较高，并且没有考虑土壤、作物等的空间变异性的问题，可以为田间灌溉管理提供技术支持，促进农业信息化。
以下结合实施例进行详细说明，本发明步骤（1）具体操作如下：
本实施例中多光谱相机为MicaSense RedEdge多光谱相机，焦距f为5.5mm，像元尺寸a为3.75um。RedEdge多光谱相机不能设置相机快门参数，但晴天条件下其快门时间不超过1/250s，因此为了避免拖影在设计多光谱数据采集参数时设快门时间t为1/250s。本实施例中无人机平台采用六旋翼无人机，飞行速度为5.5m/s。为了采集的无人机多光谱数据满足拖影要求，根据公式（1）可知飞行高度应大于64.5m，本实施例中设置飞行高度为70m。根据公式（2）可知，地面分辨率（GSD）为0.047m，为方便计算在图像拼接时将地面分辨率固定为0.05m。
本发明步骤（2）具体操作如下：
本实施例中研究区域位于内蒙古鄂尔多斯市达拉特旗昭君镇（40°26'0.29"N，109°36'25.99"E，海拔高度1010m）。玉米（钧凯918）种植行距58cm、株距25cm、行向由东到西，实验地面积1.13ha，播种时间2017.05.20，出苗时间06.01，抽穗时间07.20，收获时间09.07（青储），生长周期110天，采用中心轴式喷灌机进行灌溉，图2中1和2分别表示喷灌圈内外圈边界。根据步骤（1）得到的地面分辨率0.05m可以得到地面采样区应为10m*10m的正方形区域，即在大田中均匀布设若干10m*10m采样区域，并记录中心点经纬度信息，在中心点及其前后左右各4m处等5个位置（图2中3所示位置）采集作物冠层温度、空气温度和相对湿度，以平均值作为该区域的采样数据（图2）。
本发明步骤（3）具体操作如下：
如图3冠层温度采集方式示意图，以大田玉米为例，但不限于该种作物。选择晴朗天气、当地时间11:00-13:00，与无人机多光谱遥感数据同步采集田间作物冠层温度、空气温度和相对湿度。使用红外测温仪垂直于作物行向以与水平线15°夹角扫射冠层（范围约120°）采集大田玉米冠层温度。
使用手持温湿度计在采集冠层温度的同时采集田间空气温湿度，采集高度约为玉米高度的80%。
本实施例中红外测温仪型号为：雷泰(RAYTEK)ST60+，但不限于此；
本实施例中手持温湿度计型号为：Klimalogg Pro手持温湿度计，但不限于此。
基于上述采集的冠层温度、空气温湿度数据得到的CWSI经验模型上、下基线分别如公式（9）和公式（10）所示：
（9）
（10）
为了方便计算，本实施例中将冠层-空气温度之差上基线设置为1℃。
本发明步骤（4）具体操作如下：
选择晴朗天气，当地时间11:00-13:00，以多光谱相机镜头垂直向下、航向及旁向重叠度80%、飞行相对高度70m、速度5.5m/s的策略采集大田作物无人机多光谱遥感影像及图像采集时刻经纬度信息及航向信息。采用专业图像拼接软件进行图像拼接处理，并基于同步采集、相同高度的漫反射板图像对各波段的图像进行辐射定标，获取地物波谱反射率。
本实施例中多光谱相机为MicaSense RedEdge多光谱相机，但不限于此；
本实施例中漫反射板为GroupVIII漫反射板，反射率为58%，尺寸为3 x 3m，但不限于此；
本实施例中专业遥感图像拼接软件为Pix4Dmapper，但不限于此。
利用上述获取的无人机地物波谱反射率基于公式（6）和（7）提取了大田作物植被指数TCARI/RDVI和TCARI/SAVI。
本发明步骤（5）具体操作如下：
利用步骤（2）中采集的经纬度信息实现大田作物采样区域地面水分胁迫信息与无人机遥感植被指数信息的匹配，并利用回归分析等建模方法建立地面水分胁迫信息的无人机多光谱遥感反演模型。
本实施例中采用的回归分析等建模方法为线性回归分析，建立的大田作物水分胁迫信息的无人机多光谱遥感反演模型如公式（11）和公式（12）所示：
（11）
（12）
本发明步骤（6）具体操作如下：
利用步骤（5）得到的大田作物无人机遥感植被指数分布图和步骤（5）建立的反演模型获取基于无人机多光谱遥感的大田作物水分胁迫状况分布图。
本实施例中获取的基于无人机多光谱遥感的大田作物水分胁迫状况分布图如图4所示，可以通过CWSI分布信息来反映大田玉米水分胁迫状况的空间分布信息，为田间灌溉管理提供技术支持。
结合上述实施例可以说明本发明涉及的基于无人机遥感的大田作物水分胁迫监测方法基于最新的无人机多光谱遥感技术，结合地面红外遥感技术实现了大田作物水分胁迫状况分布图的低成本、快速获取，解决了现有大田作物水分胁迫监测技术中费时、费力、成本较高，并且没有考虑土壤、作物等的空间变异性的问题，可以为田间灌溉管理提供技术支持，促进农业信息化。
上述实施例仅为本发明具体实施例，但并不局限于该实施例，凡在不脱离本发明构思的情况下，依据本申请所做的等效修饰和现有技术添加均视为本发明技术范畴。

Claims (6)

1.一种基于无人机遥感的大田作物水分胁迫监测方法，其特征在于，该方法包括以下步骤：（1）无人机多光谱数据采集高度设计及地面分辨率计算；
（2）地面样方尺度设计；
（3）地面数据采集；
（4）无人机多光谱遥感图像采集；
（5）数据匹配及模型建立；
（6）大田作物水分胁迫状况分布图获取。
2.根据权利要求1所述的一种基于无人机遥感的大田作物水分胁迫监测方法，其特征在于：所述步骤（1）无人机多光谱数据采集高度设计及地面分辨率计算中在无人机飞行速度v（m/s）、多光谱相机焦距f（mm）、像元尺寸a（um）已知的情况下根据公式（1）确定特定相机快门时间t（s）下的最低飞行高度h（m）；
（1）
式中b为拖影大小（um），v为无人机飞行速度（m/s），t为快门时间（s），f为相机焦距（mm），h为无人机飞行高度（m），在采集参数设计时要求拖影小于0.5个像元；
在多光谱相机像元尺寸a（um）、相机焦距f（mm）和无人机飞行高度h（m）已知的情况下，由公式（2）计算多光谱遥感图像的地面分辨率GSD（m）；
（2）
式中GSD为地面分辨率（m），a为多光谱传感器像元尺度（um），f为相机焦距（mm），h为无人机飞行高度（m）。
3.根据权利要求1所述的一种基于无人机遥感的大田作物水分胁迫监测方法，其特征在于：所述步骤（2）地面样方尺度设计中正方形样方与无人机多光谱遥感图像的地面分辨率相关且边长为200*GSD。
4.根据权利要求1所述的一种基于无人机遥感的大田作物水分胁迫监测方法，其特征在于：所述步骤（3）中冠层温度的采集方式为红外测温仪垂直于作物行向以与水平线15°夹角扫射冠层（范围约120°）采集大田玉米冠层温度；田间空气温湿度的采集高度约为玉米高度的80%。
5.根据权利要求1所述的一种基于无人机遥感的大田作物水分胁迫监测方法，其特征在于：所述步骤（4）无人机多光谱遥感图像在晴朗天气、当地时间11:00-13:00采集。
6.根据权利要求1所述的一种基于无人机遥感的大田作物水分胁迫监测方法，其特征在于：所述步骤（4）中通过作物水分胁迫指数CWSI（Crop water stress index）表征作物水分胁迫状况，且基于权利要求3中采集方式采集的冠层温度和空气温湿度数据由以下方法计算得到：
（3）
式中、、分别表示冠层-空气温度之差的测量值、下限以及上限；
冠层-空气温度之差上基线设置为1℃，下基线通过公式（4）计算得到，如下所示：
（4）
VPD为饱和水汽压差（kPa），由公式（5）计算得到，如下所示：
（5）
式中T a 表示空气温度（℃），RH表示空气相对湿度；
所述步骤（5）中用于反演作物水分胁迫指数CWSI的无人机多光谱遥感植被指数为TCARI/RDVI和TCARI/SAVI，计算公式如公式（6）和（7）所示：
（6）
（7）
式中，、、和分别表示地物在近红外、红色、红边和绿色波段的反射率。
CN201811016252.8A 2018-09-02 2018-09-02 一种基于无人机遥感的大田作物水分胁迫监测方法 Pending CN109142240A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811016252.8A CN109142240A (zh) 2018-09-02 2018-09-02 一种基于无人机遥感的大田作物水分胁迫监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811016252.8A CN109142240A (zh) 2018-09-02 2018-09-02 一种基于无人机遥感的大田作物水分胁迫监测方法

Publications (1)

Publication Number Publication Date
CN109142240A true CN109142240A (zh) 2019-01-04

Family

ID=64826144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811016252.8A Pending CN109142240A (zh) 2018-09-02 2018-09-02 一种基于无人机遥感的大田作物水分胁迫监测方法

Country Status (1)

Country Link
CN (1) CN109142240A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334683A (zh) * 2019-07-12 2019-10-15 四川长虹电器股份有限公司 基于无人机遥感***智能识别植物的方法
CN110736809A (zh) * 2019-10-28 2020-01-31 沈阳农业大学 一种日光温室作物水分胁迫诊断***
CN111526283A (zh) * 2020-03-27 2020-08-11 中国科学院西安光学精密机械研究所 一种航拍相机曝光时间上限阈值获取方法及获取***
CN111624160A (zh) * 2020-06-10 2020-09-04 忻州师范学院 一种在线检测谷物生长状况的方法及其装置
CN112488230A (zh) * 2020-12-07 2021-03-12 中国农业大学 基于机器学习的作物水分胁迫程度判定方法和装置
CN113075251A (zh) * 2021-03-04 2021-07-06 山西省农业科学院经济作物研究所 一种高粱涝害的检测方法
CN113310514A (zh) * 2021-05-24 2021-08-27 广州大气候农业科技有限公司 一种农作物生长状况检测方法、***、装置及存储介质
CN113324656A (zh) * 2021-05-28 2021-08-31 中国地质科学院 无人机搭载红外遥感的地表热异常探测方法及***

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334683A (zh) * 2019-07-12 2019-10-15 四川长虹电器股份有限公司 基于无人机遥感***智能识别植物的方法
CN110736809A (zh) * 2019-10-28 2020-01-31 沈阳农业大学 一种日光温室作物水分胁迫诊断***
CN111526283A (zh) * 2020-03-27 2020-08-11 中国科学院西安光学精密机械研究所 一种航拍相机曝光时间上限阈值获取方法及获取***
CN111526283B (zh) * 2020-03-27 2021-07-27 中国科学院西安光学精密机械研究所 一种航拍相机曝光时间上限阈值获取方法及获取***
CN111624160A (zh) * 2020-06-10 2020-09-04 忻州师范学院 一种在线检测谷物生长状况的方法及其装置
CN112488230A (zh) * 2020-12-07 2021-03-12 中国农业大学 基于机器学习的作物水分胁迫程度判定方法和装置
CN113075251A (zh) * 2021-03-04 2021-07-06 山西省农业科学院经济作物研究所 一种高粱涝害的检测方法
CN113310514A (zh) * 2021-05-24 2021-08-27 广州大气候农业科技有限公司 一种农作物生长状况检测方法、***、装置及存储介质
CN113324656A (zh) * 2021-05-28 2021-08-31 中国地质科学院 无人机搭载红外遥感的地表热异常探测方法及***
CN113324656B (zh) * 2021-05-28 2022-07-15 中国地质科学院 无人机搭载红外遥感的地表热异常探测方法及***

Similar Documents

Publication Publication Date Title
CN109142240A (zh) 一种基于无人机遥感的大田作物水分胁迫监测方法
CN108985588B (zh) 一种农作物单产遥感估算方法、装置与***
CN110567891B (zh) 一种冬小麦冠层叶绿素估测***及方法
Cohen et al. Crop water status estimation using thermography: multi-year model development using ground-based thermal images
Guillén-Climent et al. Mapping radiation interception in row-structured orchards using 3D simulation and high-resolution airborne imagery acquired from a UAV
Ballesteros et al. Combined use of agro-climatic and very high-resolution remote sensing information for crop monitoring
CN108760660A (zh) 一种返青期冬小麦叶绿素含量估算方法
US10585210B2 (en) Apparatus for radiometric correction and orthorectification of aerial imagery
CN108267175B (zh) 一种基于无人机的农作物监测方法和装置
CN109269645A (zh) 一种基于无人机可见光和热红外遥感的大田玉米冠层温度提取方法
CN111028096A (zh) 一种天、空、地一体化数据融合的***和方法
CN111815014A (zh) 一种基于无人机低空遥感信息的作物产量预测方法及***
BR112021004212A2 (pt) método para determinar o estresse de planta, sistema para determinar o estresse em plantas, sistema para gerenciar irrigação, sistema para agendar irrigação, método para agendar irrigação de terra e método para obter informações sobre as condições atmosféricas relacionadas ao estresse da planta
CN108680509A (zh) 一种滨海盐渍区土壤盐分含量估算方法
CN108896022A (zh) 一种植被覆盖度估算方法
US11953872B2 (en) Methods and systems for the management of precise agricultural irrigation
Feng et al. A UAV-derived thermal infrared remote sensing three-temperature model and estimation of various vegetation evapotranspiration in urban micro-environments
Song et al. Estimating effective leaf area index of winter wheat using simulated observation on unmanned aerial vehicle-based point cloud data
Teoh et al. Rice yield estimation using below cloud remote sensing images acquired by unmanned airborne vehicle system
CN111401790B (zh) 地表用水量计算方法、装置、计算机设备和存储介质
Zhang et al. Evaluation of a UAV-mounted consumer grade camera with different spectral modifications and two handheld spectral sensors for rapeseed growth monitoring: performance and influencing factors
Sangha et al. Impact of camera focal length and sUAS flying altitude on spatial crop canopy temperature evaluation
Zhang et al. Effects of image spatial resolution and statistical scale on water stress estimation performance of MGDEXG: A new crop water stress indicator derived from RGB images
Handique et al. Hierarchical classification for assessment of horticultural crops in mixed cropping pattern using UAV-borne multi-spectral sensor
Tunca Evaluating the performance of the TSEB model for sorghum evapotranspiration estimation using time series UAV imagery

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190104

WD01 Invention patent application deemed withdrawn after publication