产品中心-北京安洲智航科技有限公司

无人机多角度观测：小麦与桃树BRDF数据集公开发布

该数据集为两个具有代表性的作物提供了覆盖多个生育阶段的高质量多角度光谱测量数据，可用于深入研究植被冠层BRDF特征、光谱指标的角度敏感性以及光谱特征的时间动态变化。此外，该数据集还可用于植被遥感物理模型验证、植被参数反演以及机器学习模型训练，为更多植被遥感应用提供数据支持。

넶10 2026-10-10
融合生长阶段信息的深度学习：冬小麦叶片氮含量无人机高光谱估算新方法

叶片氮含量（LNC）是评价作物氮素营养、指导精准施肥的关键指标。无人机高光谱遥感可实现大田尺度冬小麦氮素快速诊断，但小麦不同生长阶段会造成 LNC-光谱响应关系发生偏移，现有模型跨灌浆期估测泛化能力不足，制约多时相氮素监测应用。针对该问题，本研究提出了一种面向生长阶段的冬小麦叶片氮含量深度学习估算模型（Growth-stage Deep learning model for Leaf Nitrogen Content estimation in winter wheat，GD-LNC）。

넶19 2026-09-24
精度再升级！无人机高光谱设备，搞定玉米全生育期长势监测

本研究基于多生育期无人机高光谱数据，系统评估了不同分数阶特征优选方案对玉米地上生物量（AGB）估算精度的影响。结果表明：相较于固定阶数方案（v=0），分数阶优化能够提升地上生物量估算精度，说明合理的分数阶变换可以强化光谱信息中对生物量变化敏感特征的表达能力。然而，对所有生育期采用单一最优阶数的全局最优分数阶方案精度提升效果有限，这表明统一的特征变换模式难以充分适应玉米生长过程中不同阶段的动态变化特征。

넶34 2026-07-28
基于优化植被指数结合纹理特征的玉米褐斑病叶片 SPAD 值估算

传统单一植被指数易出现光谱饱和、估算精度受限等问题，难以适配褐斑病不同胁迫程度下的 SPAD 反演需求。针对这一行业痛点，本研究聚焦褐斑病菌胁迫下玉米叶片 SPAD 高光谱反演难题，创新性构建植被指数优化 — 纹理特征挖掘 —Stacking 堆叠融合一体化研究框架，结合成像高光谱数据，实现了病害胁迫下叶片叶绿素含量的高精度估算，为玉米病害智能监测提供了全新技术思路与方法支撑。

넶89 2026-05-18
基于融合高光谱与纹理特征的机器学习模型对水稻产量相关性状的估算

本研究采用搭载 X20P 机载高光谱成像仪的中国大疆 M300 RTK 多旋翼无人机，采集水稻冠层高光谱数据。该成像仪的光谱探测范围为 350~1000 nm，光谱分辨率 4 nm，有效波段数 164 个；无人机飞行高度设为 50 m，数据采集时间为北京时间 10:00—14:00，且均在晴天条件下完成。

넶45 2026-03-13
基于无人机高光谱图像的冬小麦水氮耦合决策

通过分析氮肥与灌溉之间的交互作用，构建了一个用于精确水氮施用的耦合决策模型。采用机器学习算法结合连续投影算法和竞争性自适应重加权采样等敏感波段选择方法，对叶片含水量和叶绿素含量进行了估算。

넶102 2026-02-02