3种地表随机糙率测量方法比较

为定量比较3种地表随机糙率测量方法的异同,采用砾石覆盖、枯落物覆盖及不同农事活动3种下垫面条件,分别利用三维激光扫描法、照相法和测针法测量了不同处理下的地表随机糙率,以激光扫描法测量结果为基准值,通过绝对误差、相对误差和均方根误差比较了3种测量方法的差异。结果表明:激光扫描法测量精度最高,但仪器价格昂贵,且用于野外测量时需要注意光照影响;照相法精度较高,测量快捷方便,与扫描法的平均绝对误差为0.65 mm,平均相对误差为14.0%,但需手动测量各控制点间的相对距离,也需要避免光照影响;测针法易于操作、成本最低,但费时费力、精度不高,与扫描法的平均绝对误差为1.82 mm,平均相对误差为34.1%。因此,3种方法各有利弊,需根据实际情况选择合适的测量方法测定地表随机糙率,当精度要求不是非常严格时,推荐优先使用照相法。研究结果对随机糙率测量方法的正确选择,提高地表糙率测量精度,具有重要的指导意义。     

油菜机械直播作业厢面地表粗糙度测量与分析

油菜机械直播后种床整理质量是影响油菜成苗率的关键要素。针对目前油菜机械直播种床厢面粗糙度测量和数据处理方法不能完全反映地表真实情况的现实问题,该文提出一种基于激光雷达扫描技术的区域地表粗糙度现场测量和量化方法,通过测量装置可快速获取油菜直播厢面幅宽内的地表高程三维数据。基于油菜机械直播作业特性,对采集的作业厢面高程数据进行去倾斜趋势和去边坡趋势处理,降低了厢面倾斜和边坡特征对粗糙度计算的影响。对不同空间采样间隔和不同采样角度截面数据的粗糙度统计结果表明:170 mm采样间隔下的平均均方根高度和均方根高度平均误差均高于5 mm采样间隔下的计算结果;在垂直机组前进方向0°、45°和90°三个方向上地表截面高程数据的均方根高度最大差值和相关长度最大差值分别为7.69 mm和25.14 mm,且带有种沟等结构化特征的油菜种床厢面存在明显的各向异性。以不同大小区域的滑动取样窗口进行局部粗糙度量化的统计结果表明:当窗口宽度为厢面幅宽和0.5倍时,窗口长度大小不低于1.2 m可使均方根高度的标准差稳定在0.27 mm以内,而通过对每个取样窗口进行单独去倾斜趋势处理可消除地表局部倾斜对粗糙度计算的影响。研究结果可为油菜机械直播作业厢面粗糙度测量和量化方法提供参考依据。     

地表微地形测量及定量化方法研究综述

地表微地形测量是地表粗糙度定量化的基础,对地表形态动态监测、水文过程模拟以及土壤侵蚀过程模型的构建具有重要意义。目前,微地形测量方法主要分为接触式和非接触式2大类,前者包括测针法、链条法、差分GPS法等,后者包括超声波测距法、红外线传感器法、结构光激光扫描法、激光测距扫描法、三维激光扫描仪法、近景摄影测量法等。在全面回顾各方法原理、优缺点及其应用的基础上,分析地表粗糙度定量化常用方法：统计方法指数、地统计学指数和分形及多重分形模型。认为：1）差分GPS法、结构光激光扫描法、三维激光扫描仪法和近景摄影测量法将在亚毫米一,厘米级地表微地形测量及地表粗糙度多尺度特征研究中发挥重要作用,同时简单、方便的测针法可能在野外测量中依然占据主导地位;2）以地表微地形测量技术为基础,在土壤侵蚀过程模型中亟需形成一套完整的“测量一定量化一模型应用”范式,同时应加强对地表微地形空间异质性和各向异性的研究,发展新的统一的地表粗糙度定量化方法。     

地面灌溉水深测量仪的研制及性能测试

对地面灌溉条件下水流扩散过程实时监测是地面灌溉系统田间评价的主要内容，观测数据为相应的数值模拟和系统性能评价奠定了基础。该文介绍了一种研制的梯度式地面灌溉水深测量仪，可在田间任意地点实现地表水深(位)变化过程和水流推进与消退时间的自动监测。室内外测试结果表明：仪器对地表水深(位)动态变化过程的反应灵敏，水深测量精度为±5 mm，但当仪器应用于首次灌溉的田块时，松软地面造成的仪器沉降对水深测量精度可能的影响范围为8±3 mm，在后续使用时就可以忽略仪器沉降的影响。仪器对地面水流推进时间的测定精度相对较高，相对误差小于11%，但测得的水流消退时间与人工观测结果最大相对误差为29%，表明使用仪器进行水流消退时间观测时有一定的条件限制。研制的仪器可基本满足地面灌溉试验中对地表水深(位)进行动态监测的需求。     

近景摄影测量提高裸露地表粗糙度测量精度

微波遥感观测量对地表参数敏感,可用于对土壤水分、地表粗糙度和植被信息的定量提取。地表粗糙度参数实测值,是遥感反演结果验证、精度评价,以及各类遥感反演算法中的重要参量,但一直缺少一种简便、快捷、高精度的获取手段。该研究将近景摄影测量方法和微波遥感领域传统地表粗糙度测量的针板法进行对比,分析2种方法均方根高度及相关长度的测量结果,表明近景摄影测量法可以有效提高粗糙度实地测量精度;以近景摄影测量法全角度粗糙度参数的均值作为实测真实值,表明传统针板法测量的均方根高度误差达到12%~35.1%,相关长度误差最大能达到19.6%~62.4%;分析了采样间隔和采样数目对粗糙度测量的影响,表明针板法采用1 cm的间隔是实际地表较好的选择,但仅采用2个方向均值的测量方法必然带来很大误差,同时得出测量次数大于12时,测量结果趋于稳定并可认定为真值的结论;此外,研究表明,在一些传统针板法无法提取粗糙度的情况,近景摄影测量法依然有效。该研究表明,近景摄影测量法的非接触式、高精度、采样间隔及采样频率可调节等特征,为微波遥感工作提供了有效的地表粗糙度地面实测手段。     

基于光切法的葡萄硬枝嫁接切削面粗糙度图像检测算法

为了实现葡萄硬枝嫁接苗木切削面粗糙度的检测,该文基于光切法测量原理,搭建了切削面粗糙度图像检测系统,研究了特征提取的图像检测算法。为获取较长的取样长度,采用了图像拼接技术,并提出了一种自动制取匹配模板的方法,拼接算法测试结果表明:每多拼接一幅粗糙度特征图像,运行时间平均增加1.104 s,取样长度平均增加1 131.77μm;采用了模糊集合理论对拼接后的粗糙度特征图像进行灰度变换,可以有效保证图像分割后单侧边缘的完整;采用了人机交互的方式对粗糙度特征二值图像像素进行区域操作,可以滤除因切削面自身含有的导管腔、管胞腔而导致的缺陷轮廓,从而提高粗糙度计算的准确度;提出了一种逐列遍历图像提取单侧边缘的方法,通过对单侧边缘进行计算,可以得到粗糙度高度参数Ra与Rz的值。将该粗糙度图像检测算法与基恩士VK-X200形状测量激光显微系统进行了粗糙度检测对比试验,结果表明,该文提出的粗糙度图像检测算法测得Ra的相对误差为6.73%,在测量误差允许范围内,该文基于光切法测量原理的图像检测算法,用于检测葡萄硬枝嫁接苗木切削面粗糙度,具有较高的精度和良好的可行性,为进一步研究切削参数对切削面粗糙度以及对苗木嫁接成活率的影响提供了技术支撑。     

坡面侵蚀沟测量仪的研制与应用

坡面侵蚀沟监测仪遵循地表糙率仪的基本工作原理,利用激光测距和扫描等非接触式测量技术,以非接触式射线替代接触式的测针,将侵蚀沟断面线密集地等分为大量的离散样点,将所有离散样点的距离量集合在一起形成数字化的侵蚀沟断面地形。测量仪的测距设备校验误差为±1.5 mm,采样测距点的标准水平间距约为5 mm。应用实践表明,与传统的卷尺法、地表糙率仪法等地表特征测量工具相比,该测量仪具有非接触式测量、精度高、自动量测及存储的特点。     

樱桃番茄叶柄方向光电自动探测方法与机构设计

采用机器人自动去除樱桃番茄腋芽时,为得到叶柄的位置及水平投影方向角,需调整摄像头位置与角度,以便于采集到主茎、腋芽和叶柄的主平面图像,并使后续机器视觉判别腋芽的步骤得以顺利进行。该文设计了光电式自动旋转测向机构;采用闭合环形机构环绕樱桃番茄主茎,并通过往复旋转方式使固定在活动环上的光电传感器能水平360°扫描叶柄,通过叶柄水平投影角度测量算法计算得到叶柄的水平投影方向角;分析8个光电传感器的运动轨迹,得到其线速度与角速度的关系及扫描系数。经试验表明:扫描系数为1.5,角速度为1.5πrad/s,线速度为20 mm/s时,检测成功率为95%;高度补偿设定为28 mm,成功率为93%;对42株樱桃番茄的153个叶柄进行测试,在1.8 m高度内的成功率为88.2%。研究结果为腋芽生长点判定与摘除提供参考。     

基于线结构光视觉的穴盘苗外形参数在线测量系统研制及试验

为了满足穴盘苗自动化分选的实际需求,该文设计了基于线结构光视觉的穴盘苗外形参数测量系统,实时获取穴盘苗图像信息,实现对其叶片面积和高度的在线测量。为充分突显目标与背景色彩差异,针对穴盘苗叶片和背景基质图像特征,利用最大类间方差动态阈值对2G-R-B 色差图像进行分割;以穴孔为单位进行区域标记和特征提取,分别计算幼苗叶片图像面积,排除明亮蛭石颗粒造成的椒盐噪声和劣苗叶片区域;根据 Cb、Cr 色彩分量特征提取在健康幼苗叶片区域的红色激光条像素坐标,拟合其分布中心线;基于线结构光视觉三维定位原理,根据幼苗叶片区域激光条中心线图像坐标,实现对穴盘苗高度的测量。试验结果表明,系统对直立姿态的穴盘苗高度测量精度为5 mm,在叶片面积测量评估方面可以满足穴盘苗筛选精度要求。     

利用多时相Sentinel-1 SAR数据反演农田地表土壤水分

土壤水分是陆面生态系统水分和能量循环的重要变量,在农田干旱监测、作物长势监测和作物估产等应用研究中具有重要的作用。该文结合基于变化检测的Alpha近似模型,利用Sentinel-1卫星获取的多时相C波段合成孔径雷达(synthetic aperture radar,SAR)数据,实现了农田地表土壤水分的反演。该文首先利用微波辐射传输模型验证了Alpha近似模型在土壤水分反演中的合理性。研究发现,对于土壤散射占主导的区域,Alpha近似模型对辐射传输模型有较好的近似,能够有效地消除地表粗糙度和植被对雷达后向散射系数的影响。在此基础上,结合怀来研究区多时相Sentinel-1 SAR数据,利用Alpha近似模型构建了土壤水分观测方程组,通过求解方程组得到了农田地表土壤水分。地面验证结果表明,土壤水分反演的均方根误差(root mean square error,RMSE)为0.06 cm3/cm3,平均偏差为0.01 cm3/cm3,精度较好。该文研究为利用高重访周期、多时相的Sentinel-1 SAR数据获取农田地表土壤水分提供了参考。     

基于神经网络与决策树的土壤粗糙度测量

利用野外拍摄照片判读土壤粗糙度是一种简单快速的测算方法。为了克服人工判读处理效率低、结果易受人为因素影响和目前的计算机自动读取结果易受野外杂草影响、自动化程度有待提高的缺点,提出了一种基于神经网络和决策树的土壤粗糙度测量方法。该方法在建立神经网络时充分考虑土壤边界线、白板边缘及参考方框的特征选取输入特征向量,消除噪声影响,实现图像边缘检测;并在此基础上建立决策树区分白板、土壤、参考方框等信息,完成土壤边界线和比例尺的获取。野外试验中不可避免有杂草和光照的影响,考虑到阴影、土壤和杂草色彩的差异性,决策树判决准则的选择不仅包含了纹理信息而且考虑了色彩信息。试验表明,基于神经网络与决策树的土壤粗糙度测量采用带有简单方框的参考白板能快速高效地从复杂的野外照片中获取土壤粗糙度信息,降低了拍摄要求。自动提取结果与人工判读相比,所得均方根高度的误差在5%以内,相关长度的计算误差在1%以内,具有较高的精度和可靠性。该研究方法为土壤粗糙度实时在线测算提供了有效的解决方案。     

基于红外结构光三维技术的土壤表面粗糙度测量

土壤表面粗糙度是一项重要的土壤物理参数,已有的各种测量方法存在测量效率和误差难以兼顾的问题。为了在一定精度下提高野外测量工作效率,该研究基于红外结构光技术设计了一套便携的土壤表面粗糙度测量系统。该系统主要包括红外结构光扫描仪、便携式计算机、支架等,具有3.2 mm空间分辨率和3 mm的距离分辨率的性能。通过水平面板测量试验,发现本系统相对误差较小,相对误差最小区域中0.5个测量单位以内的误差（e≤1.5 mm）占87.87%,1个测量单位以内的误差（e≤3 mm）占99.58%,而大于1个测量单位的误差仅占0.42%。通过土壤表面粗糙度测量试验,发现本系统绝对误差较明显,其测量结果低于1 mm 分辨率的土壤粗糙度值。通过误差分析发现：该系统的测量误差包括固有误差和随机噪声,呈特定的规律性分布;导致绝对测量误差的主要原因为该系统的性能;由于系统的随机噪声,基于水平面板距离图像的土壤表面距离图像校正存在不确定性。该研究结果为进一步降低红外结构光三维技术测量土壤表面粗糙度的误差提供了依据。     

Characterizing soil surface roughness using a combined structural and spectral approach

The ability to quantitatively and spatially assess soil surface roughness is important in geomorphology and land degradation studies. This paper describes the results of an experiment designed to investigate whether hyperspectral directional reflectance factors can describe fine‐scale variations in soil surface roughness. A Canadian silt loam soil was sieved to an aggregate size range of 1–4.75 mm and exposed to five different artificial rainfall durations to produce soils displaying progressively decreasing levels of surface roughness. Each soil state was measured using a point laser profiling instrument at 2 mm spatial resolution, in order to provide information on the structure and spatial arrangement of soil particles. Hyperspectral directional reflectance factors were measured using an Analytical Spectral Devices FieldSpec Pro Spectroradiometer (range 350–2500 nm), at a range of measurement angles (θ_r=?60° to +60°) and illumination angle conditions (θ_i= 28°–74°). Directional reflectance factors varied with illumination and view angles, and with soil structure. Geostatistically‐derived indicators of soil surface roughness (sill variance) were regressed with directional reflectance factors. The results showed a strong relationship between directional reflectance and surface roughness (R²= 0.94 where θ_r=?60°, θ_i= 67°–74°). This fine‐scale quasi‐natural experiment allowed the control of slope, initial aggregate size and rainfall exposure, permitting an investigation into factors affecting a soil’s bidirectional reflectance response. This has highlighted the relationship between fine‐scale variations in surface roughness, illumination angle and reflectance response. The results show how the technique could provide a quantitative measure of surface roughness at fine spatial scales.     

基于视觉伺服的联合收割机群协同导航从机定位方法

针对收割机群协同导航从机实际定位需求,在分析主机与从机间相对位置关系的基础上,提出了一种采用视觉系统求解靶标投影矩形区域形心坐标,并以此作为导引信息,引导相对位姿测量装置测量从机相对主机位姿,实现从机精确定位的方法。重点对从机定位方法中需解决的运动靶标跟踪和对靶控制2个关键问题进行了研究,提出了一种基于双重波门的运动靶标跟踪方法和一种基于变尺度变论域模糊控制的对靶控制方法。试验结果表明,该文所提定位方法基本不受收割机前进速度的影响,不同速度最大偏差的标准差为0.003 5 m,平均偏差的标准差为0.002 3 m。     

面向采摘机器人的棉花激光定位算法

为了定位棉株上的棉花,设计了1个激光测距试验装置,利用计算机图像处理技术和模式识别理论结合棉花的农学特性测量了单朵棉花的三维坐标。以0.004 m为X、Y轴的采样间距,获取传感器至棉株表面点云的距离图像;以传感器至棉花上表面的最长距离0.9 m为阈值对棉株距离图像进行二值化处理,去除地面背景;以棉枝的宽度0.01~0.02 m为结构元素尺寸,对二值图进行形态学开运算,去除棉枝,提取棉花区域。用欧氏距离计算像素之间的相似度,用Cophenetic相关系数选择质心距离为类间距离,以呈45°夹角棉枝的最小纵向间距0.17 m为阈值,对棉花距离图像进行层次聚类,分割粘连重叠的棉花,求取单朵棉花的三维坐标。结果表明,单朵棉花的识别率达96.67%,激光测距与手工测量结果之间的相关系数为0.9934。该研究为采摘机器人运动轨迹的规划提供了依据。     

基于激光成像技术的农药雾滴飘移评价方法研究

为开发在风洞中农药喷雾飘移的测量方法,该文按照国际标准ISO22856,使用德国Lechler公司的LU120-01喷头在风洞中测量了有机硅、植物油等11种助剂在水平和垂直方向上的喷雾飘移,同时采用激光成像技术,结合计算机图像快速批处理,提取了雾滴云图片横纵方向的最大值及位置、重心坐标、平均值等图像特征参数,与测量结果计算得出的喷雾飘移的飘移率、特征高度、飘移潜力指数(drift potential index, DIX)进行拟合。结果表明,横纵方向的最大值及位置、重心坐标、平均值与垂直和水平飘移显著相关(Sig. F0.05),与飘移率、特征高度、飘移潜力指数拟合的相关系数均大于0.91,最大绝对值平均相对误差仅为5.9%;垂直特征高度和水平特征距离拟合结果最好,平均相对误差为0,绝对值平均相对误差为0.6%和1.5%,其次为DIX指数和飘移率。由此表明,此方法可准确的用于评价雾滴的飘移性,测试速度比传统的测量方法更加快速,测试重复性高且无需耗材,DIX指数综合准确性高达96%,大大降低了喷雾飘移的测试成本。该研究可为风洞中的飘移测试提供一种新的测试选择。     

植被分布对地表糙率影响

[目的]分析在植被淹没或非淹没状态不同植被覆盖密度影响下,地表糙率的变化规律与特征,为进一步研究植被对地表糙率的影响提供参考。[方法]试验以塑料棒模拟植被分布,模拟出不同密度,分别进行放水试验。[结果]在植被淹没与非淹没状态下地表糙率的变化不同,在非淹没状态时,地表糙率随着平均水深的增加呈减小的趋势,在淹没水深小时,地表糙率随着平均水深的增加而先增大后减小,而当淹没水深很大时,地表糙率趋向于一个稳定值。[结论]地表糙率取值随植被覆盖密度的增大而增大;同一下垫面情况下,不同的水流方向,地表糙率取值不相同。