基于Kriging估计误差的县域耕地等级监测布样方法

为了监测耕地的质量等级,通常采取抽样调查的方法.由于空间样本间存在不独立性等原因,传统抽样方法效率低、精度不高.为此,该文提出基于Kriging估计误差的布样方法,定义了反映Kriging估计情况的统计量作为评估监测网的标准,通过分析样本量与抽样精度的变化趋势确定最优样本容量,将调整过的方形格网作为监测网的基础,在泰森多边形限制下对监测网优化增密,并选用部分标准样地作为监测点.以北京市大兴区为例对该方法进行验证,结果表明,当监测点数同为48时,该文方法均方根误差小于简单随机抽样、分层抽样以及单一使用格网布样的方法,预测总体均值的相对误差为0.07%.因此,该文方法使用较少的监测点反映县域耕地等级的分布状况和变化趋势,能够满足县域耕地等级监测的需求.     

地基激光雷达提取大田玉米植株表型信息

玉米个体表型信息对于玉米的高产高效发育规律研究、玉米遗传育种中基因型的确定具有重要意义,该文针对传统的玉米表型信息提取方法费时、费力、效率低下、主观性强等问题,提出一种基于TLS(terrestriallaserscanning,地面激光扫描)技术的大田玉米个体表型信息提取方法。利用地基激光雷达获取毫米级精度的玉米个体植株三维点云数据并进行海量点云数据预处理,构建玉米叶片三角网模型和叶片骨架点云;基于叶片三角网提取绿叶叶面积,基于叶片骨架点云提取叶长和叶倾角,基于未去穗的玉米植株点云提取株高。试验结果与实地手动测量值相比,真实叶面积、叶长、株高、叶倾角的均方根误差(RMSE)分别为12.69 cm~2、1.31 cm、1.30 cm和5.12°,平均绝对百分比误差(MAPE)分别为2.38%、1.32%、0.61%和8.96%。试验结果表明本文提出的基于TLS提取玉米个体表型参数的方法精度较高,具有可行性,为辅助玉米育种、生长监测等提供了一种有效手段。     

基于云模型的吉林大安耕地土壤养分模糊综合评价

土壤养分综合评价在很大程度上存在着模糊性和随机性,为有效解决评价中定性概念与评价指标按隶属函数定量描述这一不确定转换问题,基于云理论及模糊数学原理,构建了基于云模型的耕地土壤养分模糊综合评价方法。以吉林省大安市为研究对象,选取耕作层中有机质等7个土壤养分元素的含量作为评价指标,利用熵权法确定各指标权重,计算得到评价对象的土壤养分模糊云综合指数(Cloud fuzzy comprehensive Index,CFCI),并对CFCI进行COK插值,形成土壤养分CFCI等级分布图。结果表明:从评价结果的数据特征来看,研究区域CFCI范围在2.43~4.89之间,平均值为3.78,标准差为0.45,变异系数为11.85%,属于中等变异程度;从评价结果的空间分布格局来看,大安市耕地土壤养分综合水平呈现由北向南逐渐下降的趋势,且呈现耕地集中连片度越高的地方,土壤养分综合水平越高的特点。     

基于云模型的吉林大安耕地土壤养分模糊综合评价

土壤养分综合评价在很大程度上存在着模糊性和随机性,为有效解决评价中定性概念与评价指标按隶属函数定量描述这一不确定转换问题,基于云理论及模糊数学原理,构建了基于云模型的耕地土壤养分模糊综合评价方法。以吉林省大安市为研究对象,选取耕作层中有机质等7个土壤养分元素的含量作为评价指标,利用熵权法确定各指标权重,计算得到评价对象的土壤养分模糊云综合指数(Cloud fuzzy comprehensive Index,CFCI),并对CFCI进行COK插值,形成土壤养分CFCI等级分布图。结果表明:从评价结果的数据特征来看,研究区域CFCI范围在2.43~4.89之间,平均值为3.78,标准差为0.45,变异系数为11.85%,属于中等变异程度;从评价结果的空间分布格局来看,大安市耕地土壤养分综合水平呈现由北向南逐渐下降的趋势,且呈现耕地集中连片度越高的地方,土壤养分综合水平越高的特点。     

遥感与作物生长模型数据同化应用综述

遥感是获取大面积地表信息最有效的手段,在农业资源监测、作物产量预测中发挥着不可替代的重要作用;作物生长模型能够实现单点尺度上作物生长发育的动态模拟,可对作物长势以及产量变化提供内在机理解释。遥感信息和作物生长模型的数据同化有效结合二者优势,在大尺度农业监测与预报上具有巨大的应用潜力。该文系统综述了遥感与作物生长模型的同化研究,概述了遥感与作物生长模型数据同化系统的构建,在归纳国内外研究进展的基础上,总结了当前主流同化方法的特点以及在不同条件下的同化效果。进而具体分析影响同化精度的关键环节,明确了相关科学概念,并相应指出改善精度的策略或者方向。最后从多参数协同、多数据融合、动态预测、多模型耦合以及并行计算环境5个方面展望了遥感与作物生长模型数据同化的未来研究重点和发展趋势,同时结合农业应用现实需求,介绍一种数据同化与集合数值预报结合的应用框架,为大区域、高精度同化研究提供新的思路与借鉴。     

基于空间技术北京市地貌类型区划研究

地貌类型区划图是区域土地利用及农业规划中重要的基础数据,而北京市现有的地貌类型区划数据存在比例尺过小、与北京市当前的土地利用图不一致等问题。针对这一问题,在收集总结研究区已有地貌区划方案的基础上,确定了北京市地貌划分的类型及划分标准。首先以研究区高精度DEM为主要数据源,同时参考研究区的地质图,利用相应的空间分析技术初步确定地貌类型区划界线。然后,利用SPOT5遥感影像和DEM生成的三维景观对地貌类型区划进行了验证和局部调整,并通过外业实地调查进行核实。最后,生成与研究区土地利用现状图在比例尺、参考坐标系等方面一致的地貌类型区划数据,为北京市土地利用规划提供了基础数据。     

基于点云采集设备的奶牛体尺指标测量

为验证Xtion在奶牛体尺测量上应用的可行性,该文以提高现有体尺指标测量技术的精度、效率及自动化程度为目标,选用Xtion作为采集设备,石膏奶牛模型和真实奶牛作为试验对象,在实验室环境下,采用高精度三维扫描仪扫描奶牛模型作为对比点云数据,以不同距离下Xtion采集的数据作为测试点云数据,通过统计误差定量分析数据精度和密度随采集距离变化的规律,以确定合适的采集距离。养殖场环境下,在小于1.2 m采集距离条件下利用Xtion获取奶牛点云数据,采用Meshlab对点云数据进行可视化和交互测量,定性分析阳光、体表材质等因素对获取点云数据质量的影响,并将交互测量与人工测量结果进行对比分析。结果表明,在遮挡太阳光和采集距离大于0.6小于1.2 m条件下,平均误差小于±5 mm,相对误差小于10%,Xtion作为点云采集设备用于奶牛体尺测量是可行的。     

农业信息技术与信息化农业

在阐述农业信息、信息化农业、农业信息技术的特点基础上,介绍了我国信息化农业的现状,并提出了有待解决的问题.     

精确农业的由来与发展及其在我国的应用策略

本文系统地介绍了精确农业的内涵,精确农业使用的３Ｓ技术发展状况,精确农业研究所需解决的关键技术问题,包括信息获取、构建诊断模型与决策实施等。并就我国农业条件的特点,提出具有中国特色的精确农业的发展道路。     

大力发展"3S"技术,加速实现农业现代化

目前我国发展“3S”技术在农业应用的相关条件已基本具备，这一领域的研究与实践已经进入高速发展时期。作为农业科技工作者，认识“3S”技术在农业生产中的巨大应用潜力，理解其技术关键，对于发挥高科技的作用，推进我国农业现代化具有重要意义。本文系统介绍我国近年来在这一领域研究与应用的进展、技术内涵．以及学科前沿，旨在响应党中央关于“用信息化促进工业化，用工业化带动信息化”，大力发展农业信息化的号召，并以本文纪念中国农业大学百年校庆。