基于半球摄影法的LAI自动组网测量系统设计与应用

针对叶面积指数地面测量工作量大、效率低等问题,研制基于半球摄影法的叶面积指数组网观测系统。该系统基于半球摄影技术和无线传感网络技术,改进图像自适应分割算法,对复杂条件下植被冠层图像进行准确分割,从而实时获取LAI等冠层结构信息;针对5 min采集频率原始数据波动的问题,提出“最稳定窗口”精校正算法,提取每日LAI代表值。与LAI-2200C对比试验结果表明,两者LAI测量值具有极显著相关性,玉米、林地和草地植被类型下相关系数分别为0.95、069和0.87;在江苏溧阳、吉林长春多植被类型试验中两种仪器测量结果的相关系数分别达到85%和81%,均为极显著水平;与MODIS MOD15A2H长时间序列产品对比试验也表明,两者的相关系数达到0.98,准确反映小麦从返青到成熟期叶面积动态变化趋势。系统具有快速准确、经济方便、使用范围广、可实现多站点长期监测的优点,已在多个观测站得到应用,其研制将对遥感产品真实性检验及农业、生态、气候变化等领域的科研与实践提供有力支撑。     

林冠层结构参数自动测量系统设计与试验

为获得林冠层结构参数的监测数据,设计了一种可长期自动感知叶面积指数、聚集度指数和郁闭度指数的自动测量系统。自动测量系统由测量车、固定轨道和太阳能供电系统组成。太阳能驱动的测量车由单片机控制完成指定作业任务,收集轨道所在样线上的光强分布数据,获得不同长度光斑概率分布函数,利用大光斑消除法和贝尔定律解算林冠层结构参数。为验证测量方法和解算精度,先后在林场32块样地进行试验,结果表明自动测量系统测得的有效叶面积指数与LAI-2200测量结果相近,相关系数为0.832 5,郁闭度指数与一步一抬头方法测量结果相同,并测得32块样地的聚集度指数。     

基于纹理-颜色特征与植被指数融合的冬小麦LAI估测

准确、快速、无损估测叶面积指数(LAI)对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像,利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性分析筛选出25个植被指数,并提取植被指数影像中8种纹理特征：对比度(CON)、熵(ENT)、方差(VAR)、均值(MEA)、协同性(HOM)、相异性(DIS)、二阶矩(SEM)和相关性(COR),以及3种颜色特征：一阶矩(M)、二阶矩(V)和三阶矩(S),再分别利用多元逐步回归模型(MSR)、支持向量回归模型(SVR)和高斯过程回归模型(GPR)构建冬小麦LAI估测模型。结果表明：相对于考虑单一类型变量,考虑结合纹理特征和颜色特征进行估测时模型精度更高;3类模型中,GPR模型估测冬小麦LAI的精度最高;所有模型中,基于纹理-颜色特征与植被指数融合的GPR模型估测冬小麦LAI精度最高(决定系数R²为0.94,均方根误差(RMSE)为0.17 m²/m²,平均绝对误差(MAE)...     

基于Android手机平台的冬小麦叶面积指数快速测量系统

叶面积指数（Leaf area index，LAI）是衡量作物生长状况的重要参数，也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法，基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域，在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像，同时手工测量小麦实际叶面积，根据不同测量结果计算3种叶面积指数： 将Android手机图像由RGB空间转换到HSV空间，在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积IArea；由ADC多光谱相机自带软件获取的归一化植被指数（NDVI）和调节土壤植被指数（SAVI）数据反演的叶面积指数ALAI；实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明，随着小麦不同生长期的变化，Android手机平台获取IArea与实际测量叶面积指数LAI的R2大于0.84(P小于0.01)，ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R2大于0.83。     

夏玉米叶面积指数遥感反演研究

利用LAI-2000的观测数据与基于HJ卫星遥感数据生成的植被指数,结合3种常用的回归模型,构造了夏玉米分别按全生育期、不同生育阶段和阈值分段的叶面积指数(Leaf area index,LAI)反演模型;获取了3种模式下LAI的最优反演模型;在验证和评价各模型可靠性之后,生成了夏玉米在营养生长期、抽雄期和生殖生长期的LAI分布图;并将基于HJ影像反演得到的LAIHJ与MODIS LAI产品(MOD15A2)LAIM进行了对比。研究发现,与各种通用植被指数相比,针对HJ CCD数据构造的环境植被指数HJVI与LAI的相关性在3种反演模式中均为最佳。HJVI与全生育期LAI的相关性达到0.875,在不同生育阶段与LAI的相关性也高于其他植被指数(营养生长期线性模型最佳,决定系数为0.769;抽雄期对数模型最佳,决定系数为0.783;生殖生长期指数模型最佳,决定系数为0.703)。普适性植被指数中,OSAVI适用于夏玉米生长前中期的LAI反演,NDVI适用于夏玉米生长后期的LAI反演。在夏玉米全生育期内,各植被指数与LAI的相关性整体较高,但最优回归模型出现在按不同生育阶段反演的模式中。LAI小于3时EVI为精度最佳指数(决定系数为0.358),LAI不小于3时OSAVI为精度最佳指数(决定系数为0.515)。在夏玉米3个生育阶段,LAIM与LAIHJ的相关性分别达到0.732、0.761、0.661。HJ遥感数据具有较强的LAI反演能力,其高时间和高空间分辨率的特征可以使其代替传统的中分辨率遥感数据而成为农业遥感研究的重要数据源。     

基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算

利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI 产量最佳估产模型.在验证甘蔗叶面积指数LAI的基础上,利用遥感反演的甘蔗叶面积指数LAI进行甘蔗单产估算.结果表明:甘蔗叶面积指数LAI与NDVI之间存在显著的正相关关系,全生育期二者的相关性最高,以二次函数模型拟合效果最佳,决定系数R2为0.8429.将遥感数据反演得到的平均叶面积指数LAI数据代入甘蔗叶面积LAI-产量模型得到全县平均单产,与统计数据相比,相对误差仅为2.6％.说明该模型具有较好的估产效果,可以为甘蔗区域估产提供重要参考.     

基于Sentinel-2遥感影像的玉米冠层叶面积指数反演

叶面积指数是描述玉米冠层结构的重要参数之一,决定玉米冠层的光合作用、呼吸作用、蒸腾和碳循环等生物物理过程,因此精确反演叶面积指数对玉米长势监测具有重要意义。以河北省保定市的涿州市、高碑店市、定兴县为研究区,利用Sentinel-2遥感影像和LAI-2000地面同步实测数据进行玉米冠层叶面积指数反演,使用归一化差异光谱指数和比值型光谱指数两类指数,构建了单变量和多变量玉米冠层叶面积指数反演模型,通过决定系数(R2)和均方根误差(RMSE)筛选出最佳模型。研究结果表明,由NDSI(783,705)构建的单变量模型为最优反演模型,其决定系数为0.534 2,均方根误差为0.288 5。因此,基于Sentinel-2遥感影像利用植被指数反演玉米冠层叶面积指数的方法可作为判断玉米长势状况的初步判断依据。     

花生叶面积指数地面高光谱遥感估算模型研究

【目的】掌握花生叶面积指数(LAI)及其动态变化,并用于其生长监测和作物估产。【方法】试验于2019年在郑州市农业气象试验站进行,设置了3个不同氮素水平处理,以花生(豫花40)为研究对象,利用便携式光谱仪ASDHandHeld2测量花生冠层高光谱数据,使用LAI2200冠层分析系统采集花生叶面积指数。对原始光谱数据进行倒数对数和导数变换,并选取常见高光谱特征参数建立LAI估算模型,通过模型精度比较从中选择出最优估算模型。最后通过多元逐步回归,建立了花生LAI估算的多元回归模型。【结果】LAI单变量估算模型中,指数模型的R~2较大,其中VI_1(VI_1=R_g/R_r。R_g绿峰反射率,R_r红谷反射率)、VI_2(VI_2=(R_g-R_r)/(R_g+R_r))和R_r的指数模型R2超过0.68,拟合程度最高。同时利用检验样本计算均方根误差(RMSE),VI_2的RMSE值最小,其次是VI_1。【结论】以VI_2为自变量的指数模型最优,其次为VI_1。多元回归模型模拟精度高于单变量估算模型,当多种光谱参数均可获取的情况下,应优先选用多元回归模型对花生冠层LAI进行估算。     

基于Sentinel-2遥感影像的玉米冠层叶面积指数反演方法

叶面积指数是描述玉米冠层结构的重要参数之一,决定玉米冠层的光合作用、呼吸作用、蒸腾和碳循环等生物物理过程,因此精确反演叶面积指数对玉米长势监测具有重要意义。本文以河北省保定市的涿州市、高碑店市、定兴县为研究区,利用Sentinel-2遥感影像和LAI-2000地面同步实测数据进行玉米冠层叶面积指数反演,使用归一化差异光谱指数和比值型光谱指数两类指数,构建了单变量和多变量玉米冠层叶面积指数反演模型,通过决定系数(R~2)和均方根误差(RMSE)筛选出最佳模型。研究结果表明,由NDSI_((783,705))构建的单变量模型为最优反演模型,其决定系数为0.5342,均方根误差为0.2885。因此,基于Sentinel-2遥感影像利用植被指数反演玉米冠层叶面积指数的方法可作为判断玉米长势状况的初步判断依据。     

基于Sentinel-2遥感影像的玉米冠层叶面积指数反演方法

叶面积指数是描述玉米冠层结构的重要参数之一,决定玉米冠层的光合作用、呼吸作用、蒸腾和碳循环等生物物理过程,因此精确反演叶面积指数对玉米长势监测具有重要意义。本文以河北省保定市的涿州市、高碑店市、定兴县为研究区,利用Sentinel-2遥感影像和LAI-2000地面同步实测数据进行玉米冠层叶面积指数反演,使用归一化差异光谱指数和比值型光谱指数两类指数,构建了单变量和多变量玉米冠层叶面积指数反演模型,通过决定系数(R~2)和均方根误差(RMSE)筛选出最佳模型。研究结果表明,由NDSI_((783,705))构建的单变量模型为最优反演模型,其决定系数为0.5342,均方根误差为0.2885。因此,基于Sentinel-2遥感影像利用植被指数反演玉米冠层叶面积指数的方法可作为判断玉米长势状况的初步判断依据。     

巧记盈利能力指标研究

在不同的教材中盈利能力的计算公式有很多种类,在计算的过程中,指标的名称、具体计算公式都不尽相同。笔者从三个角度对盈利能力指标进行分类,然后根据这些指标的通用计算公式,利用指标名称推导出计算公式,帮助大家去理解记忆相关指标。     

基于分数阶微分和最优光谱指数的大豆叶面积指数估算

高光谱遥感技术可对作物生长状况进行无损、高效地监测，是推动现代精准农业发展的必要手段。以不同施氮水平与覆膜处理下的开花期大豆叶面积指数(Leaf area index, LAI)为研究对象，对原始开花期大豆高光谱反射率数据进行0～2阶微分变换处理(步长0.5),并筛选出各阶光谱指数中与开花期大豆LAI相关性最高的指数作为最优光谱指数进行输入，采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)、遗传算法优化的BP神经网络(BP neural network optimized by genetic algorithm, GA-BP)3种机器学习方法构建大豆LAI预测模型。结果表明：0～2阶光谱指数与大豆LAI相关系数平均值分别为0.616、0.657、0.666、0.669、0.658,相比于原始与整数阶高光谱反射率，分数阶微分变换处理后的高光谱反射率构建的光谱指数与开花期大豆LAI具有更强的相关性；相关系数平均值最高的1.5阶微分处理最优光谱指数波长组合分别为：TVI(687 nm, 754 nm)、DI(687 n...     

企业顾客满意度测评

随着世界各国顾客满意度测评体系的建立,顾客满意的理念被充分认可,企业对顾客满意度日益重视。本文详细介绍了企业顾客满意度测评的动机、目标、原理和流程,最后通过案例说明测评结果的分析内容。     

基于WPI的水安全评价体系研究

针对水安全评价问题,介绍了水贫穷指数(WPI)。根据我国实际情况对水贫穷指数中的水安全评价指标进行深入研究,并在此基础上提出适合我国流域的水安全评价指标。以石羊河流域为例的应用证明了该指数能够清晰地反映威胁流域水安全的因素的具体特征,通过水安全分级的方法可以确定各特定区域的水安全级别,为制定水安全预警机制提供依据。     

关于城镇居民幸福指数的调查研究

幸福指数主要是指人们根据自己的价值标准和主观偏好来对自身的生活状态所做出的满意程度方面的评价,它是生活事业的满足感、心态情绪的快乐感、人际关系的价值感的有机统一。     

节水灌溉工程综合评价指标体系与定性指标量化方法

针对节水灌溉工程涉及因素的复杂性及评价中存在的问题 ,在广泛调研与咨询的基础上 ,建立完善节水灌溉工程综合评价指标体系 ,并对其中定性指标提出量化方法 ,以此作为多准则综合评价的基础     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

江苏水利现代化评价指标体系研究

结合江苏实际,在按照指标一般选取原则形成江苏水利现代化初选指标集的基础上,应用模糊聚类分析法进一步筛选确定选用指标,精简了江苏水利现代化评价指标体系,为科学构建水利现代化指标体系提供了一种新的分析手段。     

基于光谱分形维数的水稻白叶枯病害监测指数研究

针对缺乏有效监测水稻叶片感染白叶枯病害光谱指数的问题，以分蘖期的水稻叶片为研究对象，采集了接种白叶枯病菌的水稻叶片和对照处理的水稻叶片各200片，利用高光谱成像装置获取373~1033nm波段的水稻叶片光谱数据，选取450~900nm波段的水稻叶片高光谱数据作为样本。从每个样本中选取一个感兴趣区域（Region of interest, ROI）并计算平均光谱，经过Savtzky-Golay平滑处理得到平均光谱曲线；为了定量描述水稻叶片是否感染病害，提出将光谱分形维数(Fractal dimension, FD)作为定量描述水稻白叶枯病害的监测光谱指数，实现对白叶枯病害的监测。通过分析光谱指数(Spectral index, SI)和FD，建立SI和FD之间的多元线性关系，同时比较了FD与其他常用监测指数对白叶枯病害监测的有效性。结果表明：水稻白叶枯病害在绿峰（510~560nm）和红谷（650~690nm）波谱内的响应较为敏感；针对健康和感病叶片，FD与SI之间存在较好的多元线性关系，说明FD与光谱曲线有较好的对应关系，可以作为定量描述叶片健康状况的光谱指数；与常用监测指数相比，本文病害监测指数与水稻染病具有更高的相关性，其相关系数达到了0.9840，指数分布稳定性更高。本研究结果说明基于光谱反射曲线的圆规分形维数对判断水稻叶片是否感染白叶枯病害是可行的，为水稻白叶枯病害的监测提供了一种新方法。     

地下水超采评价的指标体系与评价过程

地下水超采评价工作对于合理开发利用地下水、逐步控制超采具有重要的指导意义。从地下水系统胁迫(地下水开采)-状态(地下水位下降)-响应(诱发地质环境因子及生态环境变化)的过程出发,在分析地下水超采评价指标及评价方法的基础上,初步构建了地下水超采评价指标体系,并提出了地下水超采综合评价过程,以期为更好的开展地下水超采评价工作提供参考。