{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,7,11]]，“日期-时间”：“2024-07-11T15:13:23Z”，“时间戳”：1720710803999}，“引用-计数”：51，“发布者”：“MDPI AG”，“问题”：“19”，“许可证”：[{“开始”：{-date-parts”：[2020,10,3]]，”日期-时间“：”202 0-10-03T00:00:00Z“，”时间戳“：1601683200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“出资人”：[{“名称”：“中欧合作项目”，“奖项”：[“2018YFE01070008ASP462”，“2019JZZY010713”]}]，”content-domain“：{”domain“[]，”cross-mark-restriction“：false}，”short-container-title“：[”遥感“]，“摘要”：“水稻关键生长指标的准确估算有利于水稻生产，这些指标的快速监测可以通过使用商用无人机RGB摄像头进行遥感实现。然而，使用无人机RGB图像的方法缺乏一个优化模型来实现水稻生长指标的精确限定。在本研究中，我们建立了从无人机图像中提取的多阶段植被指数（VIs）与水稻每个生长阶段的叶片干生物量、叶面积指数和叶片总氮之间的相关性。然后，我们使用最优VI（OVI）方法和面向对象分割（OS）方法去除图像的非奇异区域，以提高估计精度。我们为每个生长阶段选择了OVI和具有最佳相关性的模型，以建立一个简单的估计模型数据库。结果表明，去除非变异面积的OVI和OS方法可以提高水稻关键生长指标与VI的相关性。分蘖期和拔节早期，叶片干生物量（LDB）与绿叶指数（GLI）和红绿比指数（RGRI）的相关系数分别为0.829和0.881；拔节早期和拔节后期，叶面积指数（LAI）和改良绿-红植被指数（MGRVI）的决定系数（R2）分别为0.803和0.875；在灌浆前期和灌浆期，叶片总氮（LTN）与无人机植被指数和过量红色植被指数（ExR）的相关系数分别为0.861和0.931。通过使用基于无人机的虚拟仪器建立的简单估算模型数据库和不同生长阶段的测量指标，可以估算水稻各个阶段的生长指标。所提出的水稻不同生育期监测估算模型数据库有助于提高水稻关键生长指标的估算精度，准确管理水稻生产<\/jats:p>“，”DOI“：”10.3390\/rs12193228“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,10,5]]，”date-time“：”2020-10-05T12:35:57Z“，”timestamp“：1601901357000}，”page“：“3228”，“source”：“Crossref”，“is-referenced-by-count”：15，“title”：[“利用无人机数字图像优化水稻不同生育期生长指标的条件“]，“前缀”：“10.3390”，“卷”：“12”，“作者”：[{“给定”：“正朝”，“家族”：“秋”，“序列”：“第一”，“隶属”：[}“名称”：“中国科学院土壤科学研究所土壤与可持续农业国家重点实验室，南京210008中国科学院南京土壤科学研究所土壤与可持续农业国家重点实验室，210008中国科学院南京土壤科学研究所土壤与可持续农业国家重点实验室，中国南京210008“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-9064-3581”，“authenticated-ORCID”：false，“given”：”Changwen“，“family”：“Du”，“sequence”：“additional”，“affiliation”：[{“name”：“中国科学院土壤科学研究所土壤与可持续农业国家重点实验室，中国南京210008“}，{”名称“：”中国科学院大学，北京100049“}]}]，“成员”：“1968”，“在线发布”：{“日期部分”：[[2020,10,3]]}，“参考”：[{”关键字“：”ref_1“，”首页“：”102“，”文章标题“：”用陆地激光扫描估算水稻生长整个季节植物冠层的地上生物量和器官生物量”，“卷”：“91”，“作者”：“Li”，“年份”：“2020”，“期刊标题”：“Int.J.Appl。地球观测地理信息。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”unstructured“：”Yang，B.，Wang，M.，Sha，Z.，Wangcrossref“，”first page“：”113“，“DOI”：“10.1016\/S0168-1699（02）00096-0”，“article-title”：“精准农业\u2014A worldwide overview”，“volume”：“36”，“author”：“Zhang”，“year”：“2002”，“journal-title“：”Comput。电子。农业。“}，{”key“：”ref_4“，”doi-asserted-by“：”crossref“，”first page“：“746”，”doi“：”10.1080\/07038992.2019.1690439“，”article-title“：”使用图像分割和卫星数据分析六年期间地形起伏区特定地点管理区的时空变化“，”volume“：45”，“author”：“邱”，“year”：“2019”，“journal-title“：”可以。J.Remote Sens.“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”unstructured“：”Xu，X.，Teng，C.，Zhaodoi-asserted-by“：”crossref“，”first page“：”221“，”doi“：”10.1080\/0143116.2011.559288“，”article-title“：”ALOS PALSAR L波段极化SAR数据和叶面积指数评估的原位测量“，”volume“：“3”，“author”：“Canisius”，“year”：“2012”，“journal-title”：“Remote Sens.Lett。“}，{”key“：”ref_7“，”first-page“：”1712“，”article-title“：”使用机器学习方法从多时间和多光谱图像中估算作物生物量和叶面积指数“，”volume“：“46”，”author“：”Gahrouei“，”year“：”2020“，”journal-title”：“Can.J.Remote Sens.”}，”{“key”：“ref_8”，“doi-asserted-by”：“crossref”，“first-page:”4489“，”doi“：”10.1109 \/JSTARS.2015.2496358“，“文章标题”：“联合使用机载激光雷达和卫星gf-1数据估算玉米高峰期的叶面积指数、高度和地上生物量”，“体积”：“8”，“作者”：“李”，“年份”：“2015”，“期刊标题”：”IEEE J.Sel。顶部。申请。地球观测遥感器”}，｛“key”：“ref_9”，“doi asserted by”：“crossref”，“首页”：“121”，“doi”：“10.1016\/j.sprsjpr.2012.02.009”，“文章标题”：“使用多频雷达和离散回波激光雷达测量来估计沿海温带森林的地上生物量和生物量成分”，“体积”：“69”，“作者”：“Tsui”，“年份”：“2012”journal-title“：”ISPRS J.摄影杂志。遥感“}，{”key“：”ref_10“，”doi-asserted-by“：”crossref“，”first page“：“222”，”doi“：”10.1016\/j.isprsjprs.2014.08.014“，”article-title“：”使用季节性陆地卫星NDVI时间序列改进森林地上生物量估算“，”volume“：doi-asserted-by“：”crossref“，”first page“：”668“，”doi“：”10.1016\/j.rse.2016.07.030“，”article-title“：”使用高时空分辨率Sentinel-2类遥感数据估算大面积玉米生物量和产量“，”volume“：“184”，”author“：”Battude“，”year“：”2016“，”journal-title”：“遥感环境。“}，{”key“：”ref_12“，”doi-asserted-by“：”crossref“，”first-page“：”71“，”doi“：”10.1016\/j.fcr.2017.05.025“，”article-title“：”使用无人飞行器的小麦农艺学和育种试验中NDVI的动态监测“，”volume“：“交叉引用”，“首页“：”1834“，”DOI“：”10.3389\/fpls.2018.01834“、”article-title“：”基于无人机的主动传感监测水稻叶片氮素状况的潜力“、”volume“：”9“、”author“：”Li“、”year“：”2018“、”journal-title”：“Front Plant Sci.”。“}，{”key“：”ref_14“，”doi-asserted-by“：”crossref“，”first page“：“1601”，”doi“：”10.3389\/fpls.2019.01601“，”article-title“：”基于无人机多角度多光谱图像的冬小麦氮素营养状况估算“，”volume“:”10“，”author“：”Lu“，“year”：“2019”，“journal-title”：“Front Plant Sci.”}，”{“key”：“ref_15”，“doi-asserted-by“：”crossref“，”first page“：”936“，”doi“：”10.3389\/fpls.2018.00936“，”article-title“：”基于无人机（UAV）的多光谱图像和地面高光谱数据相结合用于水稻植株氮浓度估算“，”volume“：“9”，“author”：“Zheng”，“year”：“2018”，“journal-title”：“Front plant Sci”。}，{“key”：“ref_16”，“doi-asserted-by”：“crossref”，“unstructured”：“郑，H.，李，W.，江，J.，刘，Y.，程，T.，田，Y.、朱，Y.和曹，W.、张，Y.以及姚，X.（2018）使用来自无人驾驶飞行器的多光谱图像评估冬小麦叶片氮含量的不同建模算法的比较评估。遥感，10.“，”DOI“：”10.3390\/rs10122026“}，{“key”：“ref_17”，“DOI-asserted-by”：“crossref”，“first page”：”51“，“DOI”：“10.1007\/s1119-019-09659-5”，“article-title”：“利用无人机超光谱相机评估玉米产量和酚类”，“volume”:“21”，“author”：“Herrmann”，“year”：“2020”，“journal title”：”Precis.Agric.“}，{“键”：“参考_18”，“doi-asserted-by“：”crossref“，”first page“：”246“，”doi“：”10.1016\/j.isprsjprs.2017.05.003“，”article-title“：”利用基于无人机的多光谱和数字图像的多时相植被指数预测水稻产量“，”volume“：“130”，”author“：”Zhou“，”year“：”2017“，”journal-title”：“ISPRS j.Photogram。遥感“}，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”first page“：“611”，”doi“：”10.1007\/s1119-018-9600-7“，”article-title“：”结合无人机图像的纹理和光谱分析改进水稻地上生物量估算“，”volume“：：“crossref“，”first page“：”17“，”DOI“：”10.1186\/s13007-019-0402-3“，”article-title“：”根据低成本无人驾驶飞行器系统获取的RGB图像和点云数据改进小麦地上生物量估算“，”volume“：“15”，”author“：”Lu“，“year”：“2019”，”journal-title:“Plant Methods”}，{“key”：“ref_21”，“DOI-asserted-by”：“crossref.”，“首页“：”11449“，”DOI“：”10.3390\/rs70911449“，”article-title“：”株高和蔬菜指数的融合用于估算大麦生物量“，”材积“：”7“，”作者“：”蒂利“，”年份“：”2015“，”期刊标题“：”遥感“}，{“key”：“ref_22”，“DOI-asserted-by”：“crossref”，“first page”：”637“，“DOI”：“10.1016\/j.ecolind.2016.03.036”，“文章标题”：“使用低成本无人机系统的高分辨率立体图像远程估计玉米冠层高度和地上生物量”，“卷”：“67”，“作者”：“Li”，“年份”：“2016”，“期刊标题”：“Ecol。印度。“}，{”key“：”ref_23“，”doi-asserted-by“：”crossref“，”first page“：“926”，”doi“：”10.3389\/fpls.2019.00926“，”article-title“：”利用无人机遥感图像和品种性状的时间序列对玉米株高模式进行模糊聚类“，”volume“:”10“，”author“：”Han“，“year”：“2019”，”journal-title”：“Front.plant Sci.”}，”{“key”：“ref_24”，“doi-assert-b”y“：”crossref“，”first page“：”10“，”DOI“：”10.1186\/s13007-019-0394-z“，”article-title“：”使用无人机远程感知数据基于机器学习方法建模玉米地上生物量“，”volume“：“15”，”author“：”Han“，“year”：“2019”，”journal-title”：“Plant Methods”}，{“key”：“ref_25”，“DOI-asserted-by”：“crossref”，“first pages”：“108096”，“DOI”：“”10.1016\/j.agrformet.2020.108096“，“article-title”：“基于多时相无人机RGB和多光谱图像的水稻产量预测及模型传递——以中国南方小农田为例”，“卷”：“291”，“作者”：“梁”，“年份”：“2020”，“期刊标题”：“农业”。对于。美托洛尔。“}，{”key“：”ref_26“，”doi-asserted-by“：”crossref“，”first page“：“90”，”doi“：”10.1016\/j.fcr.2012.01.014“，”article-title“：”利用水稻和小麦的三带植被指数估算叶氮浓度“，”volume“：“，”非结构化”：“查·H、苗·Y、王·T、李·Y、张·J、孙·W、冯·Z和库斯尼耶克·K（2020）。利用机器学习改进无人飞行器遥感水稻氮素营养指数预测。遥感，12.“，”DOI“：”10.3390\/rs12020215“}，{“key”：“ref_28”，“DOI-asserted-by”：“crossref”，“first page”：”161“，”DOI“：“10.1016\/j.isprsjprs.2020.02.013”，“article-title”：“利用基于无人机的RGB和高光谱成像对马铃薯进行全面生物量估算和产量预测”，“volume”：ISPRS J.摄影。遥感。“}，{”key“：”ref_29“，”doi-asserted-by“：”crossref“，”unstructured“：”Zheng，H.，Cheng，T.，Li，D.，Zhou，X.，Yao，X.、Tian，Y.、Cao，W.和Zhu，Y.（2018）。评估从无人驾驶航空系统获取的RGB、彩色红外和多光谱图像，以估算水稻氮素积累。遥感，10.“，doi”：“10.3390\/rs10060824“}，{“key”：“ref_30”，“doi-asserted-by”：“crossref”，“first page”：”33“，“doi”：“10.1016\/j.fcr.2013.04.007”，“article-title”：“使用G-R阈值法的图像分割估计水稻氮素状况”，“volume”：第149页，“author”：“Wang”，“year”：“2013”，“journal-title“：”Field Crop.Res.“}”，{”key“：”ref_31“，“doi-asserted-by”：“crossref”，“非结构化”：“Mohan，M.，Silva，C.，Klauberg，C.，Jat，P.，Catts，G.，Cardil，A.，Hudak，A.，and Dia，M..（2017）。无人驾驶飞行器（UAV）的单株树检测衍生出开放冠层混交针叶林中的冠层高度模型。Forests，8.”，“DOI”：“10.3390\/f8090340”｝，｛“key”：“ref_32”，“DOI断言者”：“crossref”，“非结构化”：“Zhou，C.，Ye，H.，Xu，Z.，Hu，J.，Shi，X.，Hua，S.，Yue，J.和Yang，G.（2019）。通过将机器学习算法应用于无人机遥感图像来估计田间条件下的玉米叶覆盖率。Appl.Sci.，9.”，“DOI”：“10.3390\/app9112389”｝，{“key”：“ref_33”，“doi-asserted-by”：“crossref”，“首页”：“2817”，“doi”：“10.1080\/01431160110076162”，“article-title”：“森林景观超高空间分辨率图像分割方法”，“volume”：”23“，“author”：“Pekkarine”，“year”：“2002”，“journal-title“：”Int.J.Remote Sens.“}，{”key“：”ref_34“，“doi-asserted-by”：，“首页”：“371”，“DOI”：“10.1016\/S0924-2716（02）00165-X”，“article-title”：“使用基于区域的方法集成多传感器数据进行景观建模”，“卷”：“57”，“作者”：“Schiewe”，“年份”：“2003”，“期刊标题”：“ISPRS J.Photogram.Remote Sens.”}，{“key”：“ref_35”，“DOI-asserted-by”：“crossref”，”首页“5167”，“DOI”：“10.1080\/01431160701604703”，“article-title”：“基于QuickBird卫星数据对加纳阿克拉地区住宅用地进行基于对象的分类”，“volume”：“28”，“author”：“Stow”，“year”：“2007”，“journal-title“：”Int.J.Remote Sens.“}，{“key”：”ref_36“，”doi-asserted-by“：”crossref“，“first page”：《571》，“doi”：“10.1016\/J.eswa.2007.067”，“文章标题”：“津巴布韦哈拉雷市面向对象的变化检测”，“卷”：“36”，“作者”：“Gamanya”，“年份”：“2009”，“期刊标题”：“Expert Syst.Appl.”}，｛“key”：“ref_37”，“doi asserted by”：“crossref”，“首页”：“348”，“doi”：“10.1007\/11119-017-9521-x”，“文章标题”：“通过面向对象的高光谱图像分割，最大限度地提高产量与特定地点管理区的关系”，“卷”：“19”，“作者”：“刘”，“年份”：“2018”，“期刊标题”：“Precis.Agric.”}，{“key”：“ref_38”，“doi-asserted-by”：“crossref”，“首页”：“24”，“doi”：“10.1016\/j.geomorph.2009.10.004”，“article-title”：“用面向对象方法表征滑坡的光谱、空间和形态特征，以便进行半自动检测”，“卷”：“116”，“作者”：“玛莎”，“年份”：“2010年”，“期刊标题”：“地貌学”}，{“关键”：“ref_39”，“非结构化”：“童、琼、山、朱、B.、葛、X、孙、X和刘、Z（2014）.面向对象的海岸线分类和遥感图像提取。环境遥感：第十八届中国遥感全国研讨会，中国武汉，2013年10月20日，2012年10月23日，国际光学与光子学学会。“}，{”key“：”ref_40“，”doi-asserted-by“：”crossref“，”first page“：“65”，”doi“：”10.1080\/10106040108542184“，“article-title”：“用于记录小麦放牧影响的空间定位平台和航空摄影”，“volume”：“16”，“author”：“Louhaichi”，“year”：“2008”，“journal-title“：”Geocarto Int.“”首页”：“127”，“DOI”：“10.1016/0034-4257（79）90013-0”，“文章标题”：“用于监测植被的红色和照片红外线性组合”，“卷”：“8”，“作者”：“塔克”，“年份”：“1979”，“期刊标题”：“遥感环境”。“}，{”key“：”ref_42“，”first-page“：”79“，”article-title“：”结合作物表面模型的无人机植物高度、可见和近红外植被指数，用于大麦生物量监测“，”volume“：“39”，”author“：”Bendig“，”year“：”2015“，”journal-title”：“Int.J.Appl.Earth Obs.Geoinf.”}，”{“key”：“ref_43”，“doi-asserted-by”：“crossref”，“first-page:”282“，”DOI“：”10.1016\/j.compag.2008.03.009“，”article-title“：”自动作物成像应用的彩色植被指数验证“，”volume“：”63“，”author“：”Meyer“，”year“：”2008“，”journal-title”：“Compute。电子。农业。“}，{”key“：”ref_44“，”doi-asserted-by“：”crossref“，”first page“：“2341”，”doi“：”10.1016\/j.rse.2007.11.001“，”article-title“：”CHRIS\/PROBA数据得出的植被指数的角度敏感性分析“，”volume“：：“crossref”，“非结构化”：“Bo，L.和Jian，C.（2012年1月16日\u201318）。基于LBP和统计区域合并的高分辨率遥感图像分割算法。2012年音频、语言和图像处理国际会议论文集，中国上海。“，”DOI“：”10.1109\/ICALIP.2012.6376637“}，{”key“：”ref_46“，”DOI-asserted-by“：”crossref“，”first page“：“239”，“DOI”：“10.1016\/j.isprsjprs.2003.10.002”，“article-title”：“GIS-ready信息遥感数据的多分辨率、面向对象模糊分析”，“volume”：“58”，“author”：“Benz”，“year”：“2004”，“journal-title“：”ISPRS j。照片。遥感“}，{”key“：”ref_47“，”doi-asserted-by“：”crossref“，”first page“：“1471”，”doi“：”10.1080\/0143160903559762“，”article-title“：”使用多季Landsat-7 ETM+图像对佛罗里达喀斯特地貌湿地进行分段和面向对象分类“，”volume“：32”，“author”：“Frohn”，“year”：“2011”，“journal-title”：“Int.J.Remote Sens.”}，{“key”：“ref_48”，“doi-asserted-by”：“crossref”，“first page”：：“259”，“doi”：“10.13031\/2013.27838”，“article-title”：“不同土壤、残留物和光照条件下杂草识别的颜色指数”，“volume”：”38“，“author”：“Woebbecke”，”1995“，”journal-title“：”Trans.ASAE“}，{”key“：”ref_49“，”doi-assert-by“：”crossref“，”first page:“616”，“DOI”：“10.1016\/j.eswa.2006.01.055”，“article-title”：“使用面向对象分割算法的自动卫星图像分类设计：走向标准化”，“volume”：“32”，“author”：“Gamanya”，“year”：“2007”，“journal-title“：“Expert Syst.Appl.”}，{“key”：”ref_50“unstructured”：“Dhawan，A.P.（2015）图像分割和特征提取。《医学成像和图像分析原理和先进方法》，世界科学出版社。“}，{”key“：”ref_51“，”first-page“：”1“，”article-title“：”考虑段间同质性和段间异质性的混合遥感图像分割“，”volume“：“17”，”author“：”Wang“，”year“：”2019“，”journal title“：https://www.mdpi.com/2072-4292\/12\/19\/3228\/pdf”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”}]，“存放”：｛“日期部分”：[[2024,7,3]]，“日期时间”：“2024-07-03T22:57:31Z”，“时间戳”：1720047451000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://www.mdpi.com/2072-4292\/12\/19\/3228“｝｝，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2020,10,3]]}，”引用计数“：51，”日志发布“：}”问题“：“19”，”在线发布“：”日期部分：[[2020,10]]}}，“alternative-id”：[“rs12193228”]，“URL”：“http://\/dx.doi.org\/10.3390\/rs12193288”，“关系”：{}，“：[”2072-4292“]，”ISSN-type“：[{”value“：”2072~4292“，”type“:”electronic“}]，”主题“：[]，”已发布“：{“日期部分”：[[2020,10,3]]}}