农机远程智能管理平台研发及其应用

本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题，首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则，本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下，平台部分关键技术的实现方法，包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等，并提出了以地块为核心的管理平台建设思路；同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。     

基于遥感的干旱监测方法研究

在全球变暖的气候背景下,近年来干旱频发且不断加剧,对人类的生产生活造成了严重的影响。目前,干旱监测已成为全球气候变化研究的一个热点课题。遥感技术以其客观、及时、经济、覆盖范围广、数据连续等优点,已被证明是干旱监测中最具前景的技术手段。本文基于遥感原理,介绍了归一化植被指数、温度状态指数、标准化降雨指数和标准化降雨蒸散指数等几种常见的干旱指数,综述了运用不同指数干旱监测的主要应用。最后针对目前研究中存在的问题,对今后研究的主要方向作出了展望。     

基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

基于Google Earth Engine平台的关中冬小麦面积时空变化监测

以关中地区为研究区,基于Google Earth Engine(GEE)平台,根据冬小麦生育期内归一化植被指数(NDVI)时序曲线和物候特征,采用NDVI重构增幅算法和光谱突变斜率,构建了关中地区冬小麦提取模型并实现了冬小麦种植面积的提取。用农业统计面积验证提取结果表明:在市级和县级尺度上,决定系数R~2分别为0.82和0.62,一致性指标d分别为0.95和0.84,提取结果与实地调查数据的空间一致性精度为93.4%。结果显示:关中地区冬小麦主要分布在中部关中平原,冬小麦种植面积在2011—2017年呈下降趋势,减少了83.22×10~3 hm~2(8.47%)。综合考虑冬小麦NDVI时序曲线的"峰""谷"特征,具有一定的普适性,可为大面积连续年份冬小麦种植面积时空监测提供参考。     

张家港市农田土壤重金属含量高光谱遥感监测模型构建

以张家港农田土壤作为研究对象,在实验室测定土壤重金属元素As、Cd、Cr、Cu、Zn、Ni、Pb、Hg的含量,并与土壤可见近红外高光谱数据建立土壤重金属含量的定量估测模型,以快速获取研究区农田的土壤重金属含量。为保证模型预测的精度和稳定性,首先,对原始高光谱数据进行平滑处理,并进行一阶导数、倒数一阶导数、倒数的对数一阶导数、平方根一阶导数和连续统去除等形式的光谱变换;然后,提取不同变换光谱的特征波段进行相关性分析;最后,通过逐步回归法建立重金属含量的定量估算模型。结果表明:张家港市农田土壤中Cd、Hg、Cu、Zn存在一定的污染风险。在高光谱的不同变换形式中,一阶导数和连续统去除与重金属含量的相关系数高于其他变换形式。基于8种土壤重金属含量与高光谱数据建立的定量估算模型具有良好的预测精度。Cd、Hg、Cr、As、Cu、Zn、Ni、Pb估算模型的实际值与验证值的拟合度分别为0.874、0.879、0.800、0.646、0.513、0.655、0.603和0.542,可用于预测张家港市的农田土壤重金属含量。     

Study on a soil erosion sampling survey in the Pan-Third Pole region based on higher-resolution images

Soil erosion is one of the most severe global environmental problems, and soil erosion surveys are the scientific basis for planning soil conservation and ecological development. To improve soil erosion sampling survey methods and accurately and rapidly estimate the actual rates of soil erosion, a Pan-Third Pole region was taken as an example to study a methodology of soil erosion sampling survey based on high-spatial-resolution remote sensing images. The sampling units were designed using a stratified variable probability systematic sampling method. The spatiotemporal characteristics of soil erosion and conservation were taken into account, and finer-resolution freely available and accessible images in Google Earth were used. Through the visual interpretation of the free high-resolution remote sensing images, detailed information on land use and soil conservation measures was obtained. Then, combined with the regional soil erosion factor data products, such as rainfall-runoff erosivity factor (R), soil erodibility factor (K), and slope length and steepness factor (LS), the soil loss rates of some sampling units were calculated. The results show that, based on these high-resolution remote sensing images, the land use and soil conservation measures of the sampling units can be quickly and accurately extracted. The interpretation accuracy in 4 typical cross sections was more than 80%, and sampling accuracy, described by histogram similarity in 11 large sampling sites, show that the landuse of sampling uints can represent the structural characteristics of regional land use. Based on the interpretation of data from the sample survey and the regional soil erosion factor data products, the calculation of the soil erosion rate can be completed quickly. The calculation results can reflect the actual conditions of soil erosion better than the potential soil erosion rates calculated by using the coarse-resolution remote sensing method.     

The use of remote sensing to detect the consequences of erosion in gypsiferous soils

Tillage practices on sloping ground often result in unsustainable soil losses impairing soil functions such as crop productivity, water and nutrients storage, and soil organic carbon (SOC) sequestration. A sloping olive grove (10%) was planted in shallow gypsiferous soils in 2004. It was managed by minimum tillage; the most frequent management practice in central Spain. The consequences of erosion were studied in soil samples (at 0–10, 10–20, and 20–30 cm depths) by analyzing SOC, available water and gypsum content, and by detecting spectral signatures using an ASD FieldSpecPro® VIS/NIR-spectroradiometer. The Brightness index (BI), Shape index (FI), and Normalized Difference Vegetation Index (NDVI) were derived from the ASD spectral signatures and from remote sensing (Sentinel-2 image) data. The development of these young olive trees was estimated from the measured diameter of the trunks (17 ± 18 cm diameter). In 20–30 cm of the soil, the carbon stock (38 ± 18 Mg ha⁻¹) as well as the available water content (12 ± 6%) was scarce, affecting the productivity of the olive grove. The above-mentioned indices obtained from the laboratory samples and the pixels of the Sentinel-2 image were significantly (p < 0.01) correlated, with a correlation coefficient of around 0.4. The BI was related to the gypsum content and the slope of the plot. The FI was related to the carbon and water contents. The NDVI derived from the satellite image identified the influence of soil degradation on the trees and the carbon content. The spatial-temporal changes of the indices might help in tracking soil changes over time.     

无人机农林业应用全球研究态势分析

无人机具有作业效率高、地形适应性好等独特优势，近年在农林业中应用范围不断扩大，相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势，本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据，利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明，自2017年开始，无人机农林业应用研究发文数量快速增加，全球已有94个国家/地区、1778个机构开展了研究；发文量排名前三位的国家依次是美国、中国和澳大利亚，表明这三个国家从事无人机农林业应用的科研实力强，学术影响力大；共有398种期刊发表了有关无人机农林业应用研究文章，约占全部收录期刊的1.90%，说明更多的期刊开始关注无人机农林业应用研究；发文最多的期刊是由MDPI主办的Remote Sensing；被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外，对无人机农林业应用研究热点进行分析发现，无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。     

基于FCN的无人机玉米遥感图像垄中心线提取

为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully ConvolutionalNetworks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7～17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%～83.4%,召回率达51.1%～73.9%,调和平均值为57.6%～78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。     

基于"3S"技术的阿坝县退牧还草工程效益监测

应用“3S”技术(GIS、RS、GPS)为主要手段,辅以地面路线调查,通过建立遥感与地面数据的数学模型反演地面信息而进行了阿坝县退牧还草工程的遥感监测,并对工程实施情况、工程建设效益进行了评价。为进一步开展草原资源与生态动态监测和草原生态建设工程效益评价与监测等工作提供了技术模式。