基于双变量同化和交叉小波变换的冬小麦单产估测

为进一步提高陕西省关中平原冬小麦产量估测的精度,利用集合卡尔曼滤波算法(EnKF)将CERES-Wheat模型模拟的0～20 cm土壤含水率和叶面积指数(LAI)与遥感观测的条件植被温度指数(VTCI)和LAI进行同化,同时利用交叉小波变换分析冬小麦各生育时期同化VTCI和LAI与产量之间的共振周期,通过计算小波互相关度获得各生育时期同化VTCI和LAI的权重,进而构建基于加权VTCI和LAI的冬小麦单产估测模型。结果表明,在样点尺度,经过EnKF同化的VTCI和LAI能够综合表达模型模拟值和遥感观测值的变化趋势;在区域尺度,无论是否同化,经过交叉小波变换的各生育时期VTCI和LAI分别与产量之间存在特定的共振周期,同时发现,同化有助于对关键生育时期的特征提取;相较于未同化构建的估产模型,经过同化构建的估产模型的归一化均方根误差为13.23%,决定系数为0.50,平均相对误差为10.58%,精度略有提升,且估测产量的分布与统计产量的分布更为一致,因此认为将同化与交叉小波相结合构建的双变量单产估测模型精度更高,可为进一步实现高精度的区域产量估测提供研究基础。     

基于作物生长模型与机器学习算法的区域冬小麦估产

为精准、高效、实时地实现区域冬小麦产量估算,以河南省鹤壁市淇县桥盟乡石桥村为研究区,基于分辨率10 m的Sentinel-2多时相光学遥感影像,利用集合卡尔曼滤波(Ensemble Kalman filter, EnKF)算法同化PROSAIL辐射传输模型反演的多期叶面积指数(Leaf area index, LAI)到PyWOFOST作物生长模型中实现一定数量不同长势单点产量的估测,最后利用建立的机器学习模型和面域数据反演区域冬小麦产量,实现作物生长模型与机器学习算法的应用耦合及一种新的区域冬小麦估产模式。研究基于Sobol参数敏感性分析法量化对贮藏器官总干重质量(Total dry weight of storage organs, TWSO)与LAI_max的敏感性参数,并基于反演的多期LAI和粒子群优化(Particle swarm optimization, PSO)算法优化与LAI_max相关的TDWI、TBASE、CVS、CVL敏感性参数,将其输入到PyWOFOST模型中,利用EnKF算法和时序LAI数据调整对TWSO相关的AMAX...     

融合路面特征的大型喷雾机多工况悬架控制与试验

大型高地隙喷雾机的作业工况复杂,不同路况对悬架的性能要求不尽相同,传统悬架系统已无法满足喷雾机多工况作业的不同减振需求。为有效提高大型喷雾机各工况下的减振性能并有效降低能耗,提出了一种基于路况识别的多工况主动悬架控制系统。首先,分析喷雾机典型作业工况,建立路面特征与悬架模型的映射关系;然后,搭建喷雾机油气悬架的上下层控制系统,采用变步长萤火虫算法优化控制系统中各工况下的阻尼系数;最终将搭载该控制算法的喷雾机进行田间动态性能试验。试验结果表明,相比传统悬架,主动悬架在水泥及田间路面的行驶平顺性分别提升11.0%和22.8%,操控稳定性分别提升24.5%和3.4%。本研究所提出的控制系统可以有效解决不同工况下驾驶平顺性和操纵稳定性的矛盾关系,满足喷雾机各工况的特定减振需求。     

基于MRE-PointNet+AE的绿萝叶片外形参数估测算法

为了准确、高效、自动获取植物叶片外形参数,提出一种基于多分辨率编码点云深度学习网络(MRE-PointNet)和自编码器模型的绿萝叶片外形参数估测算法。使用Kinect V2相机以垂直姿态获取绿萝叶片点云数据,采用直通滤波、分割、点云精简算法对数据进行预处理,通过测定的叶片外形参数反演绿萝叶片几何模型,并计算几何模型的叶长、叶宽、叶面积。将不同参数组合构建的几何模型离散成点云数据输入MRE-PointNet网络,得到几何模型叶片外形参数估测的预训练模型。针对拍摄过程中存在的叶片部分遮挡和噪声问题,采用自编码器网络对点云数据进行二次处理,以几何模型离散的点云数据作为输入,经过编码解码运算得到自编码器的预训练模型,提升了MRE-PointNet网络在遮挡情况下对叶片外形参数估测的鲁棒性。试验共采集300片绿萝叶片点云数据,按照2∶1比例进行划分,以其中200片点云数据作为训练集,对预训练模型MRE-PointNet做模型迁移的参数微调,以剩下的100片点云数据作为测试集,评估模型对绿萝叶片外形参数的估测能力。采用本文算法将外形参数估测值和真实值进行数学统计与线性回归分析,得出叶长、叶宽和叶面积估测的R^2和RMSE分别为0.9005和0.4170 cm、0.9131和0.3164 cm、0.9447和3.8834 cm^2。试验表明,基于MRE-PointNet和自编码器模型的绿萝叶片外形参数估测算法具有较高的精确度和实用性。     

基于实例分割的白羽肉鸡体质量估测方法

针对白羽肉鸡体质量测量自动化水平低、易造成肉鸡应激的问题,提出一种结合深度学习的非接触式白羽肉鸡体质量估测方法。利用Mask R-CNN和YOLACT(You only look at coefficients) 两种实例分割算法获取白羽肉鸡位置与覆盖掩膜,并进行效果对比;采用自适应掩膜随机提取白羽肉鸡身体部分边缘点,并作为观测点进行椭圆拟合,映射白羽肉鸡背部像素投影面积;通过双变量相关性分析验证白羽肉鸡背部投影面积与体质量间的显著相关性,根据白羽肉鸡背部投影面积与背部像素投影面积的线性比例关系,按照最小二乘原则建立白羽肉鸡背部像素投影面积与体质量间的线性回归模型。试验表明,单只鸡体质量估测中以Mask R-CNN进行特征提取的体质量估测平均准确率为97.23%,以YOLACT进行特征提取的体质量估测平均准确率为97.49%,群鸡场景中体质量估测最低准确率为90.50%。     

基于神经网络的多特征结合法鲫鱼质量估计

质量不同的鱼摄食能力不同,准确估计鱼体质量有利于水产养殖中鱼类精准投喂,避免饲料浪费及水体污染。首先使用1元硬币作为参照物采集鲫鱼图像和体重数据,其次对图像进行预处理,提取鲫鱼和硬币的特征值,最后采用BP神经网络、Elman神经网络以及Numpy库构建的神经网络实现多特征的鲫鱼质量估计。结果表明：使用BP和Elman神经网络估计鲫鱼质量时决定系数分别为0.925 6和0.906 4,均方误差分别为0.003 68和0.004 55。采用Numpy库构建的神经网络估计时决定系数值为0.823 7,均方误差值为0.008 1。因此,使用BPNN-面积-周长和Elman-面积-周长方法能够快速、准确地估计鱼体质量,实现水产养殖中鱼类的精准投喂,以及在鱼类被捕捞后根据质量进行分级,推进渔业现代化的进展。     

The evolution of the prevalence of classical scrapie in sheep in Great Britain using surveillance data between 2005 and 2012

After the decline of the Bovine Spongiform Encephalopathy (BSE) epidemic in Great Britain (GB), scrapie remains the most prevalent animal Transmissible Spongiform Encephalopathy (TSE) present in GB. A number of control measures have been implemented for classical scrapie, and since 2005 there has been a large reduction in the number of observed cases. The objective of this study is to estimate two measures of disease frequency using up to date surveillance data collected during and after the implementation of different control measures established since 2004, and breeding for resistance schemes that ran from 2001 until 2009. This would enable an assessment of the effectiveness of both the breeding for resistance programme and the compulsory eradication measures in reducing the prevalence of scrapie in GB. Evaluation of the sensitivity of the rapid post-mortem test for scrapie indicated that it detected scrapie in the last 25% of the incubation period. A back-calculation model was developed to estimate the prevalence of infection at animal and flock-level. The results of the model indicated a mean drop of infection prevalence of 31% each year, leading to a 90% drop in infection prevalence between 2005, with an estimate of 5737 infected sheep in GB in 2012.     

基于 SVM 方法的高山松林蓄积量遥感估测研究

以香格里拉县高山松为研究对象,利用2006年香格里拉县TM遥感影像、2006年森林资源二类调查小班数据、2009年精度为30 m 的DEM数据以及2013年香格里拉县高山松实测样地数据,提取研究区内高山松林影像分布图及筛选出17个因子（13个遥感因子、3个地形因子、1个地面调查因子）作为备选自变量,在MAT-LAB下利用LIBSVM模块建立研究区高山松林蓄积量单位面积（30 m ×30 m）估测模型。结果表明,选用RBF核函数在参数范围内寻找出SVM模型的最佳参数C＝3.5809, g＝0.1、 p＝0.01,利用最佳寻优参数建立SVM非参数模型,对SVM模型进行测试得到,均方根误差MSE＝0.0087,复相关系数R＝0.51,相对误差RE＝23.4％,估测精度为76.6％。以像元为单位,分块提取高山松林对应的各像元自变量因子,利用估测模型预测得到香格里拉县高山松林总蓄积量为13318476.5 m3。     

基于SBE法的呼和浩特市道路行道树景观评价

采用SBE法对呼和浩特市内14条主要道路的28组行道树景观进行了美景度评价。提炼出8个美景度评价影响因子,并建立了呼和浩特市道路行道树景观评价指标体系;选定3组测试者,结合调查中拍摄的道路行道树景观照片填写调查问卷,并对数据进行收集、汇总和分析;根据美景度计算公式得出各行道树景观的SBE标准值,分析测试群组之间的相关性以及各行道树景观的差异性;最后,运用SPSS17.0数据处理软件,根据各景观因子的平均得分值给出呼和浩特市道路行道树景观的优化意见。     

A method for calculating numerical estimates of gear selectivity curve

The present paper proposes a method for estimating the numerical curve of gear selectivity without the assumption of function of selectivity curve and estimating confidence intervals, using data of catch per unit effort at length for several nets of different mesh sizes obtained from fishing experiments. The paper assumes such geometric similarity as the selectivity is the same if the rate of fish length to mesh size is the same. The basic idea is due to a technique of numerical integration that uses the derivatives at various points. The natural logarithm of selectivity is expressed by an approximation equation using its cumulated derivatives. The values of derivatives at various lengths are calculated from the data. The confidence intervals are made from the bootstrap samples. The method was applied to the data of catch at length by mesh size of gill net for pink salmon Oncorhynchus gorbuscha . Data collection, modification and issues of the method are discussed.