来源：期刊VIP网 时间：
作者：陶婷;孟炀;杜晓初;梅新;杨小冬;
单位：北京市农林科学院信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室;湖北大学资源与环境学院;
摘要：针对植株高密度、植被覆盖度梯度差异弱，苗密度难以高精度估测的问题，该文通过RGB-HSV颜色空间转换，构建HSV-HS分割模型在苗期提取植被信息。利用K-means聚类分析将其分为小麦主茎和叶缘背景两部分。对聚类后的小麦主茎构建连通域并识别下部角点中心位置，定位主茎基，获取主茎基基数，并构建苗密度估测模型。与传统植被覆盖度、植被指数估测苗密度模型相比，本方法在冬小麦苗密度估测中表现出更高的精度。基于偏最小二乘法算法结合主茎基数构建基本苗密度估测模型，整体决定系数(R~2)最高，均方根误差(RMSE)最小。通过不同参数组合，表明以主茎基数结合植被指数所构建偏最小二乘法的苗密度估测模型精度最高。利用HSV-HS结合K-means聚类方法获取的主茎基数，再叠加植被指数所构建的偏最小二乘法算法模型，在高密度、叶片重叠率高的情况下，能相对精准估测冬小麦苗密度。
关键词：冬小麦;;K-means聚类分析算法;;主茎基识别;;苗密度估测;;无人机数码影像
基金资助：国家重点研发计划项目(2023YFD2000105)
