2023年黑龙江水稻产量预测无人机遥感图像数据集

doi:10.19788/j.issn.2096-6369.100031

农业大数据学报 ›› 2024, Vol. 6 ›› Issue (4): 546-551.doi: 10.19788/j.issn.2096-6369.100031

2023年黑龙江水稻产量预测无人机遥感图像数据集

苑江浩¹(), 郑作军¹, 初昌明³, 姚鸿勋⁵, 刘海龙⁴^,^*(), 郭雷风¹^,⁴^,^*()

1.河北农业大学，河北保定 071001
2.国家粮食和物资储备局科学研究院，北京 100037
3.北大荒农业股份有限公司二九〇分公司农业技术推广中心，黑龙江绥化 156202
4.中国农业科学院农业信息学研究所，北京 100081
5.哈尔滨工业大学，哈尔滨 150001

收稿日期:2024-04-17 接受日期:2024-06-09 出版日期:2024-12-26 发布日期:2024-12-02
通讯作者: 郭雷风，E-mail：guoleifeng@caas.cn；
刘海龙，E-mail：liuhailong@caas.cn。
作者简介:苑江浩，E-mail：yjh@ags.ac.cn。
基金资助:
新一代人工智能国家科技重大专项(2021ZD0110901)

Rice Yield Prediction UAV Remote Sensing Image Dataset of Heilongjiang Province in 2023

YUAN JiangHao¹(), ZHENG ZuoJun¹, CHU ChangMing³, YAO HongXun⁵, LIU HaiLong⁴^,^*(), GUO LeiFeng¹^,⁴^,^*()

1. Hebei Agricultural University, Baoding 071001, Hebei, China
2. Academy of National Food and Strategic Reserves Administration, Beijing 100037, China
3. Agricultural Technology Promotion Center of Beidahuang Agriculture Co., Ltd. 290 Branch, Suihua 156202, Heilongjiang, China
4. Agricultural Information Institute of Chinese Academy of Agricultural Sciences, Beijing 100081, China
5. Harbin Institute of Technology, Harbin 150001, China

Received:2024-04-17 Accepted:2024-06-09 Published:2024-12-26 Online:2024-12-02

摘要/Abstract

摘要：

水稻是我国三大粮食作物之一，准确、高效、及时地预测水稻产量对品种选育和优化田间管理至关重要。无人机遥感系统凭借其快速、无损、成本低、通量高等优势，被广泛应用在作物病虫害识别、作物生长监测和作物表型分析等领域。为探究光谱数据在水稻产量估测方面发挥的作用,本数据集利用无人机遥感采集了水稻生长过程中的多光谱图像。选取106个1 m×1 m的样本点人工采样测产，同时在采样后采集了可见光图像，实现光谱图像和产量数据间的关联。经过人工检查和整理构建了本数据集。数据采集地点为黑龙江省，无人机在无云、光照充足的条件下进行数据采集，采集时间为2023年7月至2023年8月，共采集试验田内不同品种3天的多光谱数据和1天的可见光数据。本数据集各项数据完整，可为产量估测研究提供数据支撑。

数据摘要：

项目	描述
数据库（集）名称	2023年黑龙江水稻产量预测无人机遥感图像数据集
所属学科	农业科学
研究主题	计算机视觉
数据时间范围	2023年7月—2023年8月
时间分辨率	天
数据类型与技术格式	.tif,.xlsx,.jpg
数据库（集）组成	数据集由三部分数据组成，第一部分为水稻生长过程中多光谱图像数据，包括蓝（450 nm）、绿（555 nm）、红（660 nm）、红边1(720 nm)、红边2（750 nm）和近红外（840 nm）六个光谱通道，共计14226张，约32.6GB；第二部分为产量数据，以.xlsx格式保存；第三部分为用于标注采样点的可见光图像数据，共计746张，约18.9 GB。
数据量	51.5 GB
主要数据指标	梯度设置，地块标号，产量，多光谱图像，可见光图像
数据可用性	CSTR：https://cstr.cn/17058.11.sciencedb.agriculture.00131 DOI：https://doi.org/10.57760/sciencedb.agriculture.00131 NASDC访问链接： https://agri.scidb.cn/，限制性获取
经费支持	新一代人工智能国家科技重大专项（2021ZD0110901）

关键词: 无人机, 水稻, 多光谱图像, 黑龙江

Abstract:

Rice is one of the three major grain crops in China, and accurate, efficient and timely prediction of rice yield is crucial for variety selection and optimization of field management. UAV remote sensing system is widely used in crop pest and disease identification, crop growth monitoring and crop phenotyping by virtue of its advantages of fast, non-destructive, low cost and high throughput. To explore the role of spectral data in estimating rice yield, this dataset used UAV remote sensing to collect multispectral images of rice growth process, 106 sample points of 1 m×1 m were selected for manual sampling and yield measurement, and at the same time, visible images were collected after the sampling to realize the correlation between spectral images and yield data. The dataset of this paper was constructed after manual checking and organizing. The data collection location was Heilongjiang Province, and the UAV collected the data under cloudless and light-sufficient conditions, and the collection time was from July to August in 2023, and a total of 3 days of multispectral data and 1 day of visible light data were collected with different varieties in the experimental field. The dataset in this paper was complete in all data and provided data support for research on yield estimation.

Data summary：

Items	Description
Dataset name	Rice Yield Prediction UAV Remote Sensing Image Dataset of Heilongjiang Province in 2023
Specific subject area	Agricultural Science
Research Topic	computer vision
Time range	July 2023- August 2023
Temporal resolution	Day
Data types and technical formats	.tif,.xlsx,.jpg
Dataset structure	The dataset consists of three parts of data. The first part is the multispectral image data of the entire growth period of rice, including six spectral channels: blue (450nm), green (555nm), red (660nm), red edge 1 (720nm), red edge 2 (750nm), and near-infrared (840nm), with a total of 14226 images, approximately 32.6GB; The second part is production data, saved in. xlsx format; The third part is visible light image data used to annotate sampling points, totaling 746 images, approximately 18.9GB.
Volume of dataset	51.5 GB
Key index in dataset	Gradient settings, plot labeling, yield, multispectral images, RGB images
Data accessibility	CSTR：https://cstr.cn/17058.11.sciencedb.agriculture.00131 DOI：https://doi.org/10.57760/sciencedb.agriculture.00131 NASDC Access link： https://agri.scidb.cn/, restricted access
Financial support	National Science and Technology Major Project（2021ZD0110901）

Key words: unmanned aerial vehicle (UAV), rice, multispectral imagery, Heilongjiang

苑江浩, 郑作军, 初昌明, 姚鸿勋, 刘海龙, 郭雷风. 2023年黑龙江水稻产量预测无人机遥感图像数据集[J]. 农业大数据学报, 2024, 6(4): 546-551.

YUAN JiangHao, ZHENG ZuoJun, CHU ChangMing, YAO HongXun, LIU HaiLong, GUO LeiFeng. Rice Yield Prediction UAV Remote Sensing Image Dataset of Heilongjiang Province in 2023[J]. Journal of Agricultural Big Data, 2024, 6(4): 546-551.

图/表 6

表1

图1

图2

表2

图3

图4

参考文献 10

[1]	YANG S, HU L, WU H, et al. Estimation Model of Winter Wheat Yield Based on Uav Hyperspectral Data[C]// 2019 IEEE International Geoscience and Remote Sensing Symposium. Japan, 2019. https://doi.org/10.1109/IGARSS.2019.8898839.
[2]	陶惠林, 冯海宽, 杨贵军, 等. 基于无人机数码影像和高光谱数据的冬小麦产量估算对比[J]. 农业工程学报, 2019, 35(23):111-118.
[3]	TANAKA Y, WATANABE T, KATSURA K, et al. Deep learning enables instant and versatile estimation of rice yield using Ground- based RGB images[J]. Plant Phenomics, 2023, 5: 0073. https://doi.org/10.34133/plantphenomics.0073.
[4]	YANG W, NIGON T, HAO Z, et al. Estimation of corn yield based on hyperspectral imagery and convolutional neural network[J]. Computers and Electronics in Agriculture, 2021, 184: 106092. https://doi.org/10.1016/j.compag.2021.106092.
[5]	FEI S, HASSAN M A, MA Y, et al. Entropy Weight Ensemble Framework for yield prediction of winter wheat under different water stress treatments using unmanned aerial vehicle-based multispectral and thermal data[J]. Frontiers in Plant Science, Frontiers, 2021, 12: 730181. https://doi.org/10.3389/fpls.2021.730181.
[6]	杨俊, 丁峰, 陈晨, 等. 小麦生物量及产量与无人机图像特征参数的相关性[J]. 农业工程学报, 2019, 35(23):104-110.
[7]	MARQUES RAMOS A P, PRADO OSCO L, ELIS GARCIA FURUYA DL, et al. A Random Forest Ranking Approach to predict yield in maize with UAV-based Begetation Spectral Indices[J]. Computers and Electronics in Agriculture, 2020, 178: 105791. https://doi.org/10.1016/j.compag.2020.105791.
[8]	FU Z, JIANG J, GAO Y, et al. Wheat growth monitoring and yield estimation based on Multi-Rotor Unmanned Aerial Vehicle[J]. Remote Sensing, MDPI AG, 2020, 12(3): 508. https://doi.org/10.3390/rs12030508.
[9]	程千, 徐洪刚, 曹引波, 等. 基于无人机多时相植被指数的冬小麦产量估测[J]. 农业机械学报, 2021, 52(3):160-167.
[10]	朱婉雪, 李仕冀, 张旭博, 等. 基于无人机遥感植被指数优选的田块尺度冬小麦估产[J]. 农业工程学报, 2018, 34(11):78-86.

光谱通道	波长（nm）	标定板反射率
Blue	450	0.63
Green	555	0.61
Red	660	0.60
Rededge	720	0.60
Rededge-750	750	0.60
Nir	840	0.58

数据项	计量单位	数据说明
地块标号	/	各地块标号顺序参照图2
梯度设置	/	包括4个品种
产量	kg	1 m×1 m样本点产量

[1]	秦佳乐, 苑江浩, 宋国柱, 姚鸿勋, 郭雷风, 王晓丽. 2022年黑龙江小麦、玉米、水稻苗期图像数据集[J]. 农业大数据学报, 2024, 6(4): 558-563.
[2]	杜家宽, 李雁飞, 孙嗣文, 刘继东, 江腾达. 多源数据融合的泛时空特征水稻深度学习提取[J]. 农业大数据学报, 2024, 6(1): 56-67.
[3]	詹子森, 张晓恒, 陈波. 全国农产品成本收益资料汇编之三种粮食数据集[J]. 农业大数据学报, 2023, 5(4): 110-117.
[4]	张濛濛, 王秀娟, 康孟珍, 华净, 王浩宇, 王飞跃. 从水稻病害识别出发探索农业数据共享新模式[J]. 农业大数据学报, 2023, 5(4): 13-23.
[5]	王雪莹, 陈先冠, 汤顺杰, 冯利平. RiceSM水稻模型参数敏感性分析与适应性研究[J]. 农业大数据学报, 2023, 5(2): 97-108.
[6]	王伯元, 管志浩, 杨杨, 胡林, 王晓丽. 2023年南京农业病虫害图像识别数据集[J]. 农业大数据学报, 2023, 5(2): 91-96.
[7]	张海峰, 张宇, 来永才, 郑妍妍, 刘凯, 毕洪文. 寒地盐碱地监测平台的构建与应用[J]. 农业大数据学报, 2023, 5(2): 122-131.
[8]	胡天赐, 王瑞利, 蒋呈祥, 白涛, 胡林, 王晓丽, 郭雷风. 2022年内蒙古无人机马铃薯图像数据集[J]. 农业大数据学报, 2023, 5(1): 40-45.
[9]	贺佳, 王来刚, 郭燕, 张彦, 杨秀忠, 刘婷, 张红利. 基于无人机多光谱遥感的玉米LAI估算研究[J]. 农业大数据学报, 2021, 3(4): 20-28.
[10]	袁培森, 薛铭家, 熊迎军, 翟肇裕, 徐焕良. 基于无人机高通量植物表型大数据分析及应用研究综述[J]. 农业大数据学报, 2021, 3(3): 62-75.
[11]	孟怡君, 邱小雷, 刘蕾蕾, 刘兵, 朱艳, 曹卫星, 汤亮. RiceGrow水稻模型品种参数敏感性分析[J]. 农业大数据学报, 2021, 3(3): 23-32.
[12]	刘克宝, 毕洪文, 李杨, 陆忠军, 张冬梅, 吕志群, 张宇, 王晓楠. 大数据在黑龙江省数字农业中的应用现状与展望[J]. 农业大数据学报, 2020, 2(1): 21-28.
[13]	戴国新,陈国兴,杨万能,冯慧. 基于高光谱的水稻精米品质参数测量技术研究[J]. 农业大数据学报, 2019, 1(2): 51-63.
[14]	冯芳君,严明,沈国辉,陈振挺,田志慧,范佩清,梅捍卫. 基于幼苗图像分析鉴定水稻品种旱直播耐深播特性[J]. 农业大数据学报, 2019, 1(2): 32-40.
[15]	丁国辉,许昊,温明星,陈佳玮,王秀娥,周济. 基于经济型低空无人机对小麦重要产量表型性状的多生育时期获取和自动化分析[J]. 农业大数据学报, 2019, 1(2): 19-31.

2023年黑龙江水稻产量预测无人机遥感图像数据集

Rice Yield Prediction UAV Remote Sensing Image Dataset of Heilongjiang Province in 2023

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 10

相关文章 15

Metrics

本文评价

推荐阅读 0