基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法(support vector machines-feature recursive elimination,SVM-RFE)和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa0.79,随机森林总体精度为89.27%—90.95%,Kappa0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机(SVM)模型对区域冠层尺度下玉米与杂草的分类效果最好。     

基于不同分类器的农用地分类提取

【目的】分析Landsat 8 OLI卫星遥感影像数据面向农用地分类的实际应用方法和效果,以新疆奇台县南部为研究对象。【方法】使用随机森林(RF)、支持向量机(SVM)和神经网络(Neural Net)三种分类器进行研究区农用地分类对比。【结果】通过对三种分类器参数设置参数精度检验,利用上述三种算法对农用地地物分类进行精度评价,在整体分类精度中,支持向量机算法(SVM)<随机森林算法(RF)<神经网络算法(Neural Net),分类精度分别为:90.75%,94.30%和94.84%。【结论】神经网络方法(Neural Net)在该地区的农用地物整体分类上,比支持向量机(SVM)和随机森林法(RF)相比具有一定的优势,并获得较好的分类精度。     

基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

基于无人机可见光图像的作物分类研究

【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。     

基于无人机可见光影像的免耕种植夏玉米苗数估算

为了快速估算免耕种植夏玉米出苗数,提高大田夏玉米种植管理的精准性,本研究利用无人机搭载可见光相机获取夏玉米田块高分辨率可见光影像,计算8种植被指数并结合最大类间方差法分割植被与非植被,经分析,选择红色植被指数(RI)二值化图像对可见光影像掩膜;然后统计夏玉米和杂草的24项纹理特征,比较杂草特征的变异系数及其与夏玉米的相对差异系数,选择红色方差提取夏玉米苗的特征,使用时序交点阈值法确定的阈值去除杂草干扰;提取夏玉米苗形态学特征参数作为样本,采用支持向量机(SVM)、BP神经网络、K近邻和决策树4种算法构建夏玉米苗数预测模型。结果表明,SVM和决策树算法的整体效果较好,决定系数均超过0.8且平均绝对误差(MAE)小于0.3,尤以决策树模型的精度最高,可达94.1%。本研究结果可为大面积夏玉米出苗率估测提供技术支持。     

荒漠林高光谱与光学影像植被指数(VI)的比较

【目的】利用地面遥感和航天遥感数据结合植被指数实现快速调查,研究各数据中植被指数的差异。【方法】用地面高光谱数据和光学影像中分别对梭梭林和柽柳林进行归一化植被指数(NDVI)、重归一化植被指数(RDVI)和土壤调节植被指数(SAVI)3种植被指数的提取,并进行比较。【结果】在高光谱VI中,梭梭林和柽柳林的3种VI的数值大小和变化趋势都很接近,特别是SAVI和RDVI,但NDVI的变化较其他2种大;而在光学影像VI中,梭梭林和柽柳林的NDVI和SAVI的数值基本保持在一定范围内,且变化幅度微小,而RDVI的数值和变化趋势均较大,相对不稳定。【结论】高光谱数据所提取的NDVI和SAVI均大于光学影像,而光学影像所提取的RDVI均大于高光谱数据,RDVI对植被覆盖度更敏感。     

基于机器视觉的核桃仁动态分级研究

【目的】基于机器视觉技术研究出一种适合新疆核桃仁动态分级处理的方法。【方法】利用实时采集且已经完成图像预处理的样品核桃图像得到核桃仁特征集合,运用mRMR特征选择算法筛选原始特征集并对特征的重要性进行排列,通过对支持向量机、决策树和朴素贝叶斯三种机器学习算法进行模型训练和测试,得出最佳分级方法,设计核桃仁自动追踪方法和动态分级流程,构建的核桃仁自动分级系统。【结果】在使用特征bin19、K₁和bin15训练朴素贝叶斯分类器时,核桃仁的分级正确率达到最大为97.33%,在动态条件下运用构建的核桃仁自动分级系统对150个核桃仁进行分级测试,正确率为81.33%。【结论】基于机器视觉研究出的核桃仁特征提取与分级方法、核桃仁动态分级处理动作方法,可以有效完成对核桃颜色和完整度的分级。     

基于数字图像棉花黄萎病诊断与防治的管理远程监测

【目的】获得病害的典型病害植被指数特征及其病害防治管理,为诊断和防治棉花黄萎病提供有效工具,为病害监测模型和防治管理提供决策支撑。研究冠层图像RGB至HIS空间的变换与典型病害植被指数的关系,通过Relief-F算法获得棉花黄萎病症状变化敏感的特征,构建病害监测模型。【方法】采集与结构、叶绿素相关的植被指数与棉花黄萎病症状特征的数字图像,与病害植被指数和病害严重度等级的识别有较好的对数关系。获得病害症状特征变化的典型谱段,构建棉花黄萎病病情指数,建立病害病情监测模型。【结果】获得与棉花叶片结构、叶绿素相关的植被指数和棉花黄萎病症状特征的数字图像,与不同严重度病害植被指数和病害严重度等级的诊断具有对数关系。提取棉花黄萎病症状特征变化的典型谱段,构建病害监测模型,建立防控棉花黄萎病数据的安全架构。【结论】实现获取棉花黄萎病病害的发病情况的监测和病害防控管理,为棉花黄萎病大面积精准监测和防控提供新的思路。     

基于机载高光谱端元提取分析棉花生长期光谱变化

【目的】棉花在不同生长期的波谱曲线变化具有规律性,研究其时间序列上的反射光谱变化趋势与规律并监测长势,为基于无人机多光谱、高光谱遥感的作物长势监测提供借鉴和参考。【方法】使用多旋翼无人机搭载Rikola高光谱成像仪,获取棉花从花期到后期之间的高光谱影像。使用纯净像元指数算法和最大单形体体积算法进行端元提取,并以SR-3500光谱仪采集的地面光谱曲线为标准,光谱角度为评价指标,依次从端元提取算法效果、不同航高数据对比、光谱相关性、多期光谱曲线变化趋势等分析。【结果】最大单形体体积算法在60、80、100 m航高下波谱角度结果分别为0.065 8、0.065 9、0.067 7,相较于纯净像元指数算法结果更接近地面光谱仪数据,具有较优的相关性(R²均在0.99以上),且能更好地提取小样本端元。航高对端元提取的影响较小,同种算法在不同航高下提取结果差异均在2%以下。不同生长期棉花波谱曲线变化呈规律性,吸收谷与红边值在7月中旬到达峰值。标准植被指数与比值植被指数在7月上中旬达到最大值(0.841 7、11.630 5),增强型植被指数、差值植被指数、优化土壤调节植被指数在7月中下旬达到最大值(0.818 9、0.501 3、0.501 2)。【结论】最大单形体体积算法可较好的从棉花高光谱影像中提取出棉花波谱曲线,且100 m为较优的无人机数据采集航高。棉花在7月光合作用最大,对红光的强吸收、近红外波段强反射现象最为明显。     

基于图像识别的无人机精准喷雾控制系统的研究

【目的】针对传统的植保无人机喷雾作业时化肥农药浪费大,利用率低,造成环境污染的问题,研制一种基于图像识别的无人机精准喷雾控制系统。【方法】利用中值滤波算法对田间航拍图像进行去噪,采用分层K_means硬聚类算法实现对农田航拍图像的分割,提取非作物区域的颜色、纹理特征空间的22个特征参数,设计支持向量机分类器进行分类识别。根据优选的17个特征参数,利用以径向基函数作为核函数的支持向量机对非作物区域图像进行识别,并根据识别结果控制喷头,实现精准喷雾。【结果】测试样本的识别率可达为76.56%,在无干扰风场情况下,当P_阀为10%时,减施率可达32.7%。【结论】本系统为农业航空精准喷雾控制技术的应用提供了参考方向和决策支持。     

不同有机酸对石灰性土壤镉污染修复效应研究

【目的】 研究不同有机酸和滴灌技术结合对土壤镉污染的修复效应。【方法】采用盆栽试验,将有机酸溶液分时期滴入土壤中,测定玉米和小白菜土壤的不同形态镉含量。【结果】不同分子量有机酸对小白菜土壤镉修复效果为柠檬酸>酒石酸>草酸>黄腐酸,玉米为柠檬酸>草酸>黄腐酸>酒石酸。混合酸与单施有机酸中,对小白菜土壤镉修复效果为酒石酸>草酸+黄腐酸>酒石酸+黄腐酸>草酸>黄腐酸,玉米为草酸>黄腐酸>草酸+黄腐酸>酒石酸>酒石酸+黄腐酸。硝酸浸提有机肥对玉米和小白菜修复效果均较好。【结论】在小白菜土壤中,单施柠檬酸与单施酒石酸修复效果较好,玉米为单施柠檬酸和单施草酸修复效果较好;有机肥硝酸浸提液对两种作物修复效果均较好。     

基于无人机影像天山云杉林主伐迹地提取研究

【目的】通过分析天山云杉主伐迹地更新群落特征,将其划分为三个等级的主伐迹地,基于无人机影像,以实现提取不同等级主伐迹地的面积以及确定其分布,为新疆天保工程实施后山区森林资源更新恢复及评价提供科学依据。【方法】采用eCognition软件面向对象多尺度分割技术对研究区进行分割,通过最邻近分类以及SEaTH算法相结合的分类方法筛选分类特征,并建立类别层次结构及分类规则集,以实现提取不同等级主伐迹地面积,并进行精度评价。【结果】利用最邻近分类方法与SEaTH算法相结合的分类方法提取不同等级的主伐迹地,其总体分类精度达到81.82%,Kappa系数为0.74。提取主伐迹地Ⅰ、Ⅱ、Ⅲ的面积吻合度分别为87.09%、79.86%和66.33%;提取主伐迹地总面积为72.574 3 hm²,目视解译面积为92.174 9 hm²,面积相对误差为21.26%,面积吻合度为78.74%。【结论】该方法用于研究区提取主伐迹地信息是可行的。主伐迹地Ⅰ提取的面积吻合度最高,由于主伐迹地Ⅰ内的天山云杉林分株数密度较低,其林分平均冠幅、平均年龄等因子均相对较小,因此在影像上更好区分。主伐迹地Ⅱ分布面积最大,主伐迹地Ⅰ和Ⅲ分布面积较小,研究区内主伐迹地林分生长状况主要为主伐迹地Ⅱ状态     

基于无人机多光谱影像特征融合的小麦倒伏监测

【目的】小麦倒伏严重影响小麦光合及成熟进程,进而造成小麦减产及品质下降。为快速精确获取倒伏信息,评估无人机遥感监测小麦倒伏的能力,构建小麦倒伏监测模式,为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像,经过预处理飞行高度50 m的小麦冠层图像,得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM）,从中提取光谱特征、高度特征和光谱纹理共3类特征信息;采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较,使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器;同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价,确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差,“椒盐现象”严重,在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合,小麦...     

提高玉米抗旱鉴定准确性的水旱交替种植模式分析

【目的】研究玉米水旱交替种植模式鉴定法,为准确鉴定玉米抗旱性提供理论依据。【方法】以157份玉米自交系为材料,测定水旱交替种植模式法和常规水旱分区法的三重复的抗旱系数,利用三重复之间的相关系数对比研究两种方法的优劣。【结果】常规水旱分区鉴定的抗旱性,三重复间的相关系数为0.692~0.755(平均值 0.724),而水旱交替种植模式鉴定的抗旱性,三重复间的相关系数为0.835~0.887(平均 值0.861);水旱交替种植模式鉴定法重复间相关系数要高出常规水旱分区鉴定法18.9%。【结论】与常规的水旱分区鉴定法相比,水旱交替种植模式抗旱鉴定法具有更高的准确性和重复性,且便于材料观察的特点,可用于玉米抗旱性大规模鉴定。     

天山云杉林土壤有机碳含量沿海拔梯度变化

【目的】 研究天山中部地区海拔对土壤有机碳含量的影响,研究区域尺度上土壤有机碳含量随海拔梯度变化,以及土壤其他因子之间的相关分析,精确估算森林生态系统土壤有机碳库。【方法】以新疆天山三个样区云杉林为对象,利用单因素方差分析和最小显著差异法等统计分析方法,研究不同海拔各土壤层有机碳含量垂直分布、积累特征及其与土壤全氮、全磷和pH值的关系。【结果】不同海拔梯度下,不同林区土壤有机碳含量随着土层深度呈逐渐减少的趋势;海拔梯度对有机碳含量的影响比较明显,尤其是2 000和2 200 m处的有机碳含量最高,1 800 m处次之,而2 400 m处最低;【结论】 三个林区有机碳含量在不同土层厚度中随海拔高度的增加无明显规律;土壤各土层有机碳含量与全氮含量为极显著正相关和土壤全磷含量为显著正相关,而与土壤pH值为弱负相关关系。     

不同滴灌年限小麦土壤速效养分空间变异特征

【目的】研究小麦不同滴灌年限土壤速效养分积累的变化规律,了解其空间分布特征。为科学管理滴灌小麦土壤调查和施肥技术体系提供理论和数据参考。【方法】以1、3、5、7 a滴灌小麦农田土壤为研究对象,分析不同滴灌年限小尺度土壤盐分空间的分布特征。采集土壤剖面(0~60 cm)样品,结合连续性定位监测、描述性统计和地统计分析,研究不同滴灌年限土壤速效养分时空变异规律。【结果】不同滴灌年限速效养分的最大值在0~20 cm土层,最小值在40~60 cm土层;不同土壤层的速效养分含量呈弱变异和中等变异。半方差函数表明,滴灌1、3、5、7 a土壤速效养分含量符合球状模型和高斯模型,呈明显空间自相关和中等空间相关性,块金系数在15.28%~65.15%。【结论】不同滴灌年限土壤速效养分随年限的增加呈现下降趋势,其空间分布主要受人为因素和随机因素的共同影响。