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。     

Detection of Ecballium elaterium in hedgerow olive orchards using a low-cost uncrewed aerial vehicle and open-source algorithms

BACKGROUND

Ecballium elaterium (common name: squirting cucumber) is an emerging weed problem in hedgerow or superintensive olive groves under no tillage. It colonizes the inter-row area infesting the natural or sown cover crops, and is considered a hard-to-control weed. Research in other woody crops has shown E. elaterium has a patchy distribution, which makes this weed susceptible to design a site-specific control strategy only addressed to E. elaterium patches. Therefore, the aim of this work was to develop a methodology based on the analysis of imagery acquired with an uncrewed aerial vehicle (UAV) to detect and map E. elaterium infestations in hedgerow olive orchards.

RESULTS

The study was conducted in two superintensive olive orchards, and the images were taken using a UAV equipped with an RGB sensor. Flights were conducted on two dates: in May, when there were various weeds infesting the orchard, and in September, when E. elaterium was the only infesting weed. UAV-orthomosaics in the first scenario were classified using random forest models, and the orthomosaics from September with E. elaterium as the only weed, were analyzed using an unsupervised algorithm. In both cases, the overall accuracies were over 0.85, and the producer's accuracies for E. elaterium ranged between 0.74 and 1.00.

CONCLUSION

These results allow the design of a site-specific and efficient herbicide control protocol which would represent a step forward in sustainable weed management. The development of these algorithms in free and open-source software fosters their application in small and medium farms. © 2022 The Authors. Pest Management Science published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry.     

基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例

基于MODIS、Landsat-8 OLI和HJ-1A/1B CCD卫星遥感资料,结合2013-2014年甘南州夏河县桑科草原试验区野外实测数据,建立了高寒草地地上生物量遥感反演模型,筛选出基于不同遥感资料植被指数的生物量最优反演模型,比较分析了生物量最优模型的空间效应。同时,分析了2000-2013年基于MODIS植被指数估算的试验区产草量的年际变化特征。结果表明,草地生物量最优反演模型为基于Landsat-8 OLI NDVI数据的对数模型(y=727.54lnx1+495.23,R2=0.772,RMSE=31.333 kg DM·hm-2);在30和250 m空间分辨率下,基于MODIS NDVI及EVI、Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI最优模型估算的生物量均高于实测生物量,其中Landsat-8 OLI NDVI数据估算的草地生物量与实测生物量值最接近;2000-2013年试验区草地总生物量整体上具有显著增加的趋势(R2=0.590 7,P0.001),平均增加速率达50.57 kg DM·hm-2·a-1。     

基于土地利用/覆盖的甘肃省景观生态风险时空变化特征

甘肃省景观类型丰富多样,在中国西部地区的生态安全中起关键性作用,也为当地发展提供着重要的物质基础和生态服务。由于气候变化和人类不合理活动的影响,甘肃省部分地区生态环境的安全与稳定遭到严峻挑战。本研究基于欧洲航空局全球土地利用/覆盖数据（CCI-LC）,利用动态度、转移矩阵方法分析了2005-2019年甘肃省土地利用/覆盖变化特征;通过构建景观生态风险指数并运用空间自相关分析法分析了景观生态风险的空间分布特征。结果显示：1)2005-2019年间,裸地面积减少最多,变化率1.88%,耕地次之,变化率2.31%;草地面积增加最多,变化率1.83%,建设用地次之,变化率191.08%。2）所有土地利用/覆盖类型中,建设用地的动态度最高且在整个研究时期内变化速率都保持在较高水平,综合动态度最大的时期为2010-2019年。3）土地利用/覆盖转移矩阵主要表现为耕地、林地、草地、裸地之间的转入与转出以及其他土地类型向建设用地的转入。4)2019年整体的生态风险值较2005年明显上升。其中低风险区和较低风险区面积最多,转化最频繁;中等风险区、较高风险区和高风险区面积虽然较少,但都存在不同程度的增长。...     

基于KNN方法的大兴安岭地区森林地上碳储量遥感估算

【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k－邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm －2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm －2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。     

基于改进端元提纯模型的MODIS森林类型识别研究

MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。     

不同判读方式和判读人员对遥感正判率的影响分析

在湖南省按照不同地貌类型和地类破碎程度抽取4 km×4 km大样地10个,采用不同判读方式(充分参考林业档案信息与不参考林业档案信息)和不同判读人员(有5年以上遥感判读经验人员与无任何遥感判读经验人员)对10个大样地进行遥感判读区划,并对判读区划结果进行实地调查验证。分析表明:各地类正判率与其面积成正相关,其它调查因子判读难度较大;充分参考林业档案信息能够显著提高正判率,但优势树种、起源、龄组、郁闭度等因子综合正判率仍然偏低;不同判读工作经验人员对遥感判读有一定的影响,无判读工作经验人员应经过一定程度培训后才可参与判读工作。     

在ERDASIMAGINE中建立邯郸市TM影像土地类型解译标志

为了准确地了解邯郸市的土地利用类型,掌握土地资源的发展动态,在ERDASIMAGINE软件支持下,将Landsat 5号卫星所得的TM4、3、2波段数据组合输出成为标准假彩色影像,对其进行几何校正、重采样、图像裁剪与镶嵌等操作,依据遥感图像特征、地物相关关系、区域特点和全国土地利用分类系统,对处理后所得的邯郸市TM影像建立土地类型解译标志。经过实地验证,其结果判正率比较高,可以满足解译精度的要求,这说明利用遥感技术建立土地利用类型解译标志是可行的。     

基于镧系金属有机框架材料检测水体中酰胺类除草剂残留的可视化技术研究

研发水体中酰胺类农药残留简便快捷的检测技术，对评估农药造成的水体污染和提出相应的治理对策具有重要意义。以共掺杂镧系金属离子 (Eu3+ 和Tb3+) 作为配位金属离子，分别利用水热法和微波法制备了镧系金属有机框架材料 (lanthanide metal-organic frameworks, Ln-MOF)，对其结构和性质进行了表征，并采用所制备的Ln-MOF对水体中残留的5种常见酰胺类除草剂 (乙草胺、异丙草胺、丙草胺、敌草胺和异丙甲草胺) 进行了定性和定量分析。结果表明:与水热法相比，采用微波法制备的Ln-MOF样品呈蓬松的簇状、结晶度好，且具有更高的发光效率，故选择微波法制备Ln-MOF。农药残留检测试验结果表明，不同除草剂对Tb3+和Eu3+的发光会产生差别性猝灭，并使整体发射光发生变化，进而实现水体中农药的可视化检测。进一步研究发现，荧光强度比值I (Tb3+)/I (Eu3+) 与丙草胺浓度在0.1~1 mmoL/L范围时呈线性相关，线性相关系数R2 = 0.998，检测限 (LOD) 为0.08 mmoL/L。另外，该材料对于用湖水配制的除草剂溶液也具有一定的定性检测能力。本研究结果展现了Ln-MOF用于水体中酰胺类除草剂的定性、定量分析具有良好应用前景。