今天，江南全站登陆 小敏给大家介绍一下（植被）AIRPHEN多光谱相机航精准农业中的应用，以下（植被）AIRPHEN多光谱相机航精准农业中的应用的内容是小敏网上整理，希望对您有用。
多光谱相机AIRPHEN主要测量指标：1、绿地指数（Green area index）是一个主要的农业过程变量，用于决策系统。AIRPHE 无人机平台配备有6个波段相机系统，基于数学算法GAI估算法。图像叠加，在不同测量通道内提供多角度图像。利用6个波段的的反射以及对每个独立成像特殊向阳角度取景，生成浏览表，将PROSAIL辐射传输模型反转。与单个图像对应的平均整体方案容许对错误反转问题进行调节。要获得稳定GAI估值 ，需要大约6帧图像。相对应的均方根误差（RMSE)值用作相关不定性的一个指标。与基于地面的测量相比，UAS GAI在小麦和油菜上方的精度大约是0.2（RMSE)。归一化反射率与反射率相比， GAI 估值性能大为改善（0.17：0.26 GAI,RMSE）。实验观察到UAS无人机不同获取时期的估算值的高重复性。利用红波边缘波归一化（）反射率，带来从低到中GAI估值的30%（10%）的精度提升。该产品也可用于其它地块、森林调查、病虫害防治等。2、VI:植被指数：主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识：3、NDVI: 归一化差值植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1）．NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；2）．-1<=NDVI<=1，负值表示地面覆盖为云、雪等。对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大 3）．NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4）．NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关4、PRI: 光反射指数：光化学植被指数PRI定义为531am和570nm处反射率的归一化植被指数,这一指数能够成功的估算叶片尺度、冠层尺度和景观尺度的光能利用率LUE,进而可以提高净初级生产力NPP的估算精度,因而PRI有着广阔的应用前景。5、MERIS陆地叶绿素指数（MTCI）：该指数是叶绿素提取精度,很好地监测植被叶绿素含量的潜力。多光谱相机AIRPHEN主要特点：
1）6同步快门传感器2）1280x960像素(tiff，12 bit)3）2帧/秒，12bit4)可配置波段(450-950nm)5)视角可配(25°~60°)6)使用不同传感器进行同步(TIR,RGB)7)SD卡存储8)内置或外置GPS9)人体工程学无线界面10)低能耗(7w/h)11)轻便(200g)12)紧凑、容易集成13)可计算宽范围的VI值(植被指数)
产品技术参数：重量：500g(备选700g，2节电池)尺寸：140*92*102 mm内存：40 Go(可达备选240Go )波长（nm）：450,532,568, 675, 730, 850操作角度：35°(备选20°)获取速度：2帧/ 秒图片尺寸：1280*960操作时间：1h(1电池)2h(2电池)
多光谱相机AIRPHEN在精准农业中的应用在精准农业中，地块内的变异是进行农业精准管理的关键。但是，在进行精准农业的实施，还需要许多工作，如地块的数字化、作物种类、面积量算、作物长势分析以及地块内的作物变异情况等地块边界的数字化：在精准农业实施过程中，特别是在我国极其分散的经营条件下，准确测量地块的边界也是十分复杂的工作。利用低空遥感影像进行地块边界的数字化，不仅时效性强，而且准确。十分符合我国目前广大农村高度分散营养条件下的精准农业的实施。 地块面积量算：通过数字化地图，可准确地量算出各种作物所占地块的面积。作物种类识别：在可见光区，低空遥感影像对作物种类反应是较为敏感的，通过肉眼即可判读出作物的种类。作物长势分析：根据不同作物长势的叶片对不同电磁波的反射特征不同，可判断出作物的长势状况，植物的生长状况与红色和蓝色波段的反射值有较高的相关性，而与绿色波段的反射值关系不太密切。在红色波段的影像中，与土壤水分的关系也十分密切。由此可判断土壤水份状况。
