应用无人机(UAV)低空影像监测黄兔尾鼠鼠洞初探

黄兔尾鼠是新疆北部地区荒漠草原的主要危害鼠种之一。其灾害调查长期以人工地面调查为主。为探究无人机(UAV)低空遥感在黄兔尾鼠鼠洞调查中的适用性,选择巴音沟牧场典型鼠害区进行航拍试验,采用小型无人机作为低空遥感平台,获取研究区可见光航拍影像。采用极大似然法和面向对象分类方法提取鼠洞,通过混淆矩阵结合地面样方对分类结果进行精度评价。结果表明,应用UAV监测黄兔尾鼠洞穴的空间分辨率应不低于1.5 cm;极大似然法鼠洞分类精度为69%,而面向对象分类方法分类精度达91%,面向对象分类方法识别鼠洞正确率更高。UAV低空遥感在黄兔尾鼠灾害调查中表现良好,具有很好的应用和推广价值。     

基于Sentinel-2影像的河套灌区作物种植结构提取

作物识别是提取作物种植结构的基础,利用遥感技术对作物进行监测识别,对优化生产布局、调整农业生产模式有着重要意义。文中选取河套灌区杭锦后旗为研究区域,基于2019年覆盖生长周期的Sentinel-2号卫星影像数据,构建NDVI时间序列数据集,利用Savitzky-Golay(S-G)滤波对NDVI时间序列数据集进行平滑,分析不同作物不同发育期的光谱曲线特征,计算各主要作物识别关键期的光谱阈值,构建基于决策树分层分类的农作物种植面积提取模型,并用验证样本对分类结果进行精度验证。结果表明:利用整个生育期内的NDVI最大合成影像确定植被地表覆盖,NDVI曲线变化区别林地与耕地,逐层提取地物,简便易行;采用S-G滤波重构高质量的NDVI时间序列曲线,研究证明重构后曲线更加平滑符合作物生长趋势;基于Sentinel-2号遥感数据和整个生育期NDVI时序数据,构建分层分类决策树模型,作物分类总体精度达92.1%,Kapppa系数精度达0.857。本研究采用的方法满足遥感观测应用化需求,也为县级区域农作物分类提供重要参考价值。     

基于无人机多光谱影像的完熟期玉米倒伏信息提取

以吉林省梨树县的玉米试验田为研究区，按受灾后完熟期玉米的状态将研究区分为倒伏、半倒伏和未倒伏3种类型。基于无人机采集的多光谱影像提取15种光谱指数和8种纹理特征，采用面向对象法、最大似然法和多元Logistic回归模型进行玉米倒伏信息的提取；而后通过目视方法选取400个样本点进行玉米倒伏信息提取结果的精度验证。结果表明：面向对象法精度最高，对玉米3种倒伏状态信息识别的总体精度为88.13%,Kappa系数为0.83。研究用于区分倒伏与未倒伏玉米的最佳光谱指数是归一化差异植被指数，对区分倒伏与半倒伏、半倒伏与未倒伏玉米贡献最大的特征均为对比度纹理特征。研究表明基于无人机多光谱影像的面向对象方法在对田块尺度玉米倒伏信息的精准识别中具有较大潜力。     

多植被指数组合的冬小麦遥感估产方法研究

为了提高大面积冬小麦农田产量快速估算的准确率,选取Landsat 8 OLI卫星遥感数据,计算归一化植被指数NDVI、比值植被指数RVI、绿度植被指数GVI、增强植被指数EVI,分别建立4种植被指数组合与地面冬小麦实测产量的回归方程或神经网络和SVM模型。结果表明:单植被指数的非线性回归方程估产精度高于线性回归方程,冬小麦实测产量与遥感植被指数表现为非线性关系;线性回归方程估产时多植被指数组合精度高于单植被指数,多植被指数组合可实现信息互补,提高遥感估产精度;建立多植被指数组合与实测产量的非线性遥感估产模型时,SVM模型的均方根误差RMSE为339.6kg·hm~(-2),决定系数R~2为0.7852,估产精度高于BP神经网络模型、RBF神经网络模型,可应用于冬小麦遥感估产的快速、准确实现。     

基于卷积神经网络的沙丘形态自动分类方法

为探究沙丘形态数据集构建及自动分类方法,解决沙丘形态信息数据库缺失等问题,以内蒙古西部典型沙丘为研究对象,通过无人机正射影像技术采集6种典型沙丘形态数据,并结合GF-2号遥感数据采用数据增强方式构建沙丘形态数据集。通过迁移学习策略的VGGNet和ResNet模型对沙丘形态的深层语义特征进行解析与学习,自动获取更具有代表性的图像纹理特征,以此提出一种基于卷积神经网络(CNN)提取不同沙丘形态特征自动分类的方法。结果表明,基于迁移学习的VGG16模型在四种模型中分类准确率最高,达到88.14%;优化后的ResNet18模型与ResNet50模型的分类精度分别从84.04%、85.25%提升到92.79%、88.91%;优化后的ResNet18+模型表现出最佳的分类效果,准确率达到92.79%,更适用于沙丘形态的高精度自动分类。     

科尔沁沙丘草甸相间地区土地利用与覆被识别

为了实现基于单独光学遥感数据对科尔沁沙丘草甸相间地区土地利用与覆被(LULC)类型的识别,选用2018年64景Sentinel-2影像,结合影像分割技术,利用植被物候信息和生境特征,建立了基于群落水平的LULC决策树识别规则,总体分类精度为0.91,Kappa系数为0.89。分类结果显示:研究区旱地分布面积最大,占33.79%,灌木群落次之,占25.03%,高多样性半灌木群落和乔木林相近,分别为14.54%和10%,低多样性半灌木群落、草甸地和流动沙地分别占5%左右,剩余类型的总占比小于5%。该方法不仅可以准确反映研究区覆被类型的空间分布情况,还能给出不同覆被类型的生长发育状况,可为该区域物质循环研究提供基础数据,同时为该区域历史LULC识别提供阈值参考。     

基于单时相MODIS数据的土地覆盖三种分类方法对比研究

以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度。     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型（简称VG模型）是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。     

基于遥感影像的县域冬小麦种植信息提取——以陕西省武功县为例

冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明:(1)在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;(2)运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;(3)武功县2017年冬小麦种植面积为21 181.97 hm~2,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。     

天山野生果树主要病害及其分布

在对新疆天山山区的野生果树资源进行研究的同时，根据资料和野外调查，报道了在新疆野苹果（Malus sieuersii)，野杏（Armeniaca vulgaris)、野扁桃（Amygdatus ledebouriana)、野核桃（Juglans regia)、野生樱桃李（Prunus cerasifera)、野欧洲李（Prunus domestica)、稠李（Padus racemosa)、欧荚Mi(Viburnum opulus)、准噶尔山楂（Grataegus songarica)、茶蔗子（Ribes spp.)、黑果悬钩子（Rubus caesius)、黑果小檗(Berberis heteropoda)等十余种主要野生果树中常发生的29种病害以及分布等特征。     

基于磁光图像的飞机铆钉缺陷识别

针对飞机铆钉磁光图像的识别问题,提出了一种基于模糊支持向量机的裂纹有无和裂纹方向自动识别的新方法。该方法首先对铆钉磁光图像进行预处理得到铆钉二值化图像;然后采用阈值法求取铆钉中心;最后将由铆钉中心发出的星形射线矢量作为特征,采用模糊支持向量机方法对铆钉有无裂纹和裂纹方向进行分类。其中,支持向量机的核宽及惩罚常数采用网格法进行选取,并结合模糊隶属度函数解决多类分类问题中存在的错分和拒分现象。实验结果表明,使用训练获得的支持向量机分类器识别裂纹缺陷取得了很好的效果,能够满足自动检测的高实时性要求。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

新疆伊犁果子沟地质灾害风险评价及其致灾因子

近年来,由气候变化引起的新疆山区地质灾害有增加的趋势。本文选取伊犁G30高速公路果子沟段为研究对象,采用国产ZY-3立体测图卫星数据制作山区高精度DEM和地形参数,运用GIS空间分析技术评估滑坡、崩塌、泥石流地质灾害风险,并采用频率比灾害风险指数进行致灾因子的敏感性分析。结果表明:(1)ZY-3的高精度DEM能够有效的计算崎岖的地形参数,获取的坡度、坡向、地表高程、沟谷密度等能够更好地进行灾害评估;(2)通过致灾因子分析得出,植被指数、坡度、坡向、地表高程、沟谷密度、地层岩性、断裂密度7个因子均与地质灾害相关,其中,植被指数最为敏感,在道路两侧影响尤为突出,这与道路建设、过度放牧等人类活动密切相关;(3)果子沟区域的地质灾害风险以道路边坡滑坡为主,分布在G30高速公路两侧,对道路造成的危害大,因此,G30高速公路两侧属于地质灾害高发区,需重点防治。     

基于遥感数据的新疆开-孔河流域农业区种植结构提取

农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Landsat 8 OLI影像,构建主要作物提取知识规则,基于决策树方法开展农作物的分类识别。开―孔河农业区2016年主要作物种植面积为5.07×10^5hm^2,其中棉花种植面积最大,为1.97×10^5hm^2,玉米、小麦次之。博斯腾湖和开都河农业区以辣椒、玉米和小麦为主要作物,种植结构比较零散;孔雀河农业区种植结构比较单一,以棉花和香梨为主要作物。与仅利用时间序列的MODIS数据进行作物分类识别的结果对比表明,综合利用MODIS和Landsat数据的作物识别精度有显著提高,总体分类精度从62.58%提高到88.37%,kappa系数从0.53提高到0.86。该方法综合利用了MODIS数据的时序特征和Landsat数据较高的空间分辨率特征,有效地避免了MODIS数据空间分辨率不足而导致分类精度较差的情况,又避免了Landsat数据时间分辨率不足所引起的时相选择盲目性或数据冗余,在干旱区农业种植结构的提取领域具有一定的应用价值。     

铁皮石斛镰刀菌根腐病病原菌的鉴定及其对链霉菌发酵液的敏感性分析

根腐病是危害浙江省铁皮石斛的重要病害之一,鉴定根腐病的病原菌是有效防治该病害的前提条件.为进一步明确前期经柯赫法则验证为病原菌的镰刀菌(编号为GF-14)分类地位,本研究通过形态学鉴定,并结合内源转录间隔区(rDNA-ITS)、翻译延伸因子(TEF-1α)和RNA聚合酶基因(RPB1和RPB2)等序列的同源性比对及系统...     

Attention embedded lightweight network for maize disease recognition

Crop disease has a negative impact on food security. If diverse crop diseases are not identified in time, they can spread and influence the quality, quantity, and production of grain. Severe crop diseases can even result in complete failure of the harvest. Recent developments in deep learning, particularly convolutional neural networks (CNNs), have exhibited impressive performance in both image recognition and classification. In this study, we propose a novel network architecture, namely Mobile-DANet, to identify maize crop diseases. Based on DenseNet, we retained the structure of the transition layers and used the depthwise separable convolution in dense blocks instead of the traditional convolution layers, and then embedded the attention module to learn the importance of interchannel relationship and spatial points for input features. In addition, transfer learning was used in model training. By this means, we improved the accuracy of the model while saving more computational power than deep CNNs. This model achieved an average accuracy of 98.50% on the open maize data set, and even with complicated backdrop conditions, Mobile-DANet realized an average accuracy of 95.86% for identifying maize crop diseases on a local data set. The experimental findings show the effectiveness and feasibility of the Mobile-DANet. Our data set is available at https://github.com/xtu502/maize-disease-identification .     

Evaluating agricultural water-use efficiency based on water footprint of crop values: a case study in Xinjiang of China

Efficient agricultural water use is crucial for food safety and water conservation on a global scale. To quantitatively investigate the agricultural water-use efficiency in regions exhibiting the complex agricultural structure, this study developed an indicator named water footprint of crop values (WFV) that is based on the water footprint of crop production. Defined as the water volume used to produce a unit price of crop (m³/CNY), the new indicator makes it feasible to directly compare the water footprint of different crops from an economic perspective, so as to comprehensively evaluate the water-use efficiency under the complex planting structure. On the basis of WFV, the study further proposed an indicator of structural water-use coefficient (SWUC), which is represented by the ratio of water-use efficiency for a given planting structure to the water efficiency for a reference crop and can quantitatively describe the impact of planting structure on agricultural water efficiency. Then, a case study was implemented in Xinjiang Uygur Autonomous Region of China. The temporal and spatial variations of WFV were assessed for the planting industries in 14 prefectures and cities of Xinjiang between 1991 and 2015. In addition, contribution rate analysis of WFV for different prefectures and cities was conducted to evaluate the variations of WFV caused by different influencing factors: agricultural input, climatic factors, and planting structure. Results from these analyses indicated first that the average WFV of planting industries in Xinjiang significantly decreased from 0.293 m³/CNY in 1991 to 0.153 m³/CNY in 2015, corresponding to an average annual change rate of -3.532%. WFV in 13 prefectures and cities (with the exception of Karamay) has declined significantly during the period of 1991-2015, indicating that agricultural water-use efficient has effectively improved. Second, the average SWUC in Xinjiang decreased from 1.17 to 1.08 m³/CNY in the 1990s, and then declined to 1.00 m³/CNY in 2011-2015. The value of SWUC was highly consistent with the relative value of WFV in most prefectures and cities, showing that planting structure is one of the primary factors affecting regional agricultural water-use efficiency. Third, the contribution rate of WFV variations from human factors including agricultural input and planting structure was much more significant than that from climatic factors. However, the distribution of agricultural input and the adjustment of planting structure significantly differed among prefectures and cities, suggesting regional imbalances of agricultural development. This study indicated the feasibility and effectiveness of controlling agricultural water use through increasing technical input and rational selection of crops in the face of impending climate change. Specifically, we concluded that, the rational application of chemical fertilizers, the development of the fruit industry, and the strict restriction of the cotton industry should be implemented to improve the agricultural water-use efficiency in Xinjiang.     

Land surface temperature retrieval for arid regions based on Landsat-8 TIRS data:a case study in Shihezi,Northwest China

Scientific interest in geophysical information about land surface temperature （LST） is ever increasing, as such information provides a base for a large number of applications, including environmental and agricultural monitoring. Therefore, the research of LST retrieval has become a hot topic. Recent availability of Landsat-8 satel- lite imagery provides a new data source for LST retrieval. Hence, exploring an adaptive method with reliable ac- curacy seems to be essential. In this study, basing on features of Landsat-8 TIRS thermal infrared channels, we re-calculated parameters in the atmospheric transmittance empirical models of the existing split-window algorithm, and estimated the ground emissivity with the help of the land cover classification map of the study area. Further- more, a split-window algorithm was rebuilt by virtual of the estimation model of the updated atmospheric transmit- tance and the ground emissivity, and then a remote sensing retrieval for the LST of Shihezi city in Xinjiang Uygur autonomous region of Northwest China was conducted on the basis of this modified algorithm. Finally, precision validation of the new model was implemented by using the MODIS LST products. The results showed that the LST retrieval from Landsat-8 TIRS data based on our algorithm has a higher credibility, and the retrieved LST is more consistent with the MODIS LST products. This indicated that the modified algorithm is suitable for retrieving LST with competitive accuracy. With higher resolutions, Landsat-8 TIRS data may provide more accurate observation for LST retrieval.     

基于无人机可见光图像估算甘肃鼢鼠对马铃薯的为害量

为估算农田害鼠对作物的为害损失量,使用无人机拍摄甘肃鼢鼠Eospalax cansus为害的22块马铃薯样地正射影像图,首先目视解译标定各样地为害区域,计算为害率,并据此划分各样地鼠害为害等级;随后运用基于规则的特征提取法和监督分类法（支持向量机分类法和神经网络分类法）对各样地裸地和植被进行分类,结合对照区裸地率计算各样地的鼠害为害裸地率;通过构建鼠害为害裸地率与马铃薯产量的线性关系模型来评估不同分类法获得的鼠害为害裸地率的精确性;用拟合度最好的线性关系模型估算无鼠害及当前鼠害水平下的马铃薯产量,最终计算全部样地鼠害造成的马铃薯损失量。结果表明,基于规则的特征提取法、支持向量机分类法和神经网络分类法的地物分类精度分别为71.46%、99.33%和98.84%,3种分类方法获得的样地鼠害为害裸地率与马铃薯实际产量均呈显著线性相关,但神经网络分类获得的结果拟合度最好,R²为0.558。利用该方法估算的甘肃鼢鼠造成的马铃薯产量损失量为7 032.75 kg/hm²。