研究目的
利用无人机搭载的多光谱相机估算牧草种子作物氮营养指数（NNI），以指导氮肥施用并减少环境影响。
研究成果
研究表明，搭载多光谱相机的无人机能通过植被指数（尤其是NDRE和CIRE）有效估算禾本科牧草作物的氮营养指数（NNI）。该方法可指导农户进行氮肥施用决策，减少过量施肥及环境影响。未来研究应聚焦于量化氮肥施用量，并将该方法推广至更多禾本科草种。
研究不足
该研究仅聚焦于两种草类（红羊茅和多年生黑麦草），可能无法推广至其他物种。该方法需高植被覆盖度以确保指数计算的准确性，且无需土壤分割。未来研究需进一步估算准确的施氮量，并纳入更多草类品种。
1：实验设计与方法选择：
本研究采用完全随机设计的田间小区试验，设置四个重复。通过搭载多光谱相机的无人机（固定翼和多旋翼）在不同飞行高度获取多光谱影像，从影像中计算植被指数，并利用线性、二次、指数和幂函数模型将其与农学参数（干物质、氮浓度、氮吸收量、氮营养指数）相关联。
2：样本选择与数据来源：
植物样本采自丹麦弗拉克贝里地区不同施氮水平下的红羊茅和多年生黑麦草作物。从8米×2.5米的小区中切割样本（12.5厘米×50厘米或50厘米×50厘米），经烘干后分析氮浓度。
3：5米的小区中切割样本（5厘米×50厘米或50厘米×50厘米），经烘干后分析氮浓度。 实验设备与材料清单：
3. 实验设备与材料清单：无人机（eBee固定翼、Phantom 3 Advanced多旋翼）、多光谱相机（Sequoia）、GPS系统（拓普康大地测量流动站系统GRS-1s）、元素分析仪（Vario EL III）、烘箱、摄影测量软件（Pix4D Desktop）、MATLAB脚本、R软件。
4：实验流程与操作步骤：
在指定日期和高度进行飞行；使用摄影测量软件结合地面控制点处理获取的影像。飞行后采集植物样本，经烘干、研磨后分析氮浓度。提取植被指数并通过统计模型与农学参数建立关联。
5：数据分析方法：
使用R软件进行描述性统计分析，建立回归模型（线性、二次、指数、幂函数），并通过R²、RMSE和相对误差验证模型。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Sequoia
Parrot SA
Multispectral camera for capturing images in green, red, red edge, and near infrared bands
-
Phantom 3 Advanced
DJI
Multi-rotor UAV for aerial image capture
-
eBee
SenseFly
Fixed-wing UAV for aerial image capture
-
TOPCON Geodetic Rover System
GRS-1s
Topcon Positioning Systems Inc.
GPS system for recording positions of sampling areas and ground control points
-
Vario EL III
Germany
Elemental analyser for measuring nitrogen concentration in plant samples
-
Pix4d Desktop
version 3.3.28
Pix4D SA
Photogrammetry software for processing multispectral images and generating index maps
-
MATLAB
version 2016b
the MathWorks, Inc.
Software for creating scripts to extract index values from maps
-
R software
version 3.3.2
R Foundation for Statistical Computing
Software for statistical analysis, model development, and validation
-
登录查看剩余6件设备及参数对照表
查看全部
