最大似然分类的训练样本敏感度研究

【目的】遥感影像监督分类能够快速获取土地利用和地表覆盖的信息,分类样本的选取对分类精度具有决定性的作用。以最大似然分类方法为例,研究样本数量、均值和标准差对分类精度的影响。【方法】基于地表覆盖产品GlobeLand30分层随机选取不同数量的训练样本,采用最大似然法对研究区域的Landsat8遥感影像进行分类。通过谷歌地球高分影像选取一定数量的检验样本,对影像分类结果进行精度评价,并研究样本数量、均值和标准差对分类结果的影响。【结果】不同数量的训练样本得到的分类精度不同,分类精度随着样本数量的增加先增加后下降,然后渐趋于稳定;在样本质量特征方面,当训练样本的均值和标准差越接近检验样本的均值和标准差时,分类结果的精度越高,反之则分类精度较低。【结论】在最大似然分类过程中,训练样本数量的选取存在临界值,当达到临界值时即可获得较高分类精度,随后即使增加样本的数量也无法显著提高分类结果的精度。在样本质量方面,要尽量选取能够反映地物真实特征的训练样本进行分类。     

我国智慧耕地研究重点方向探讨

【目的】耕地作为土地科学研究中的重要部分,已成为土地科学研究的热点。随着社会经济的发展,科学技术的不断革新,传统耕地利用面临着诸多问题一直未能有效解决。本文将海量数据、互联通信、深度学习和人工智能等现代科技技术运用到传统耕地利用和管理中,解决当前耕地利用急需解决的问题。【方法】通过构建智慧耕地理论框架体系,耦合传统耕地利用与现代科技发展的新兴产物,将现代科学技术有机地融入到传统耕地利用中,解决了传统耕地面临的诸多问题。【结果】在现有土地利用研究基础上,构建了我国智慧耕地发展的框架结构,提出了我国智慧耕地重点研究方向和关键问题。【结论】该研究将有助于提高我国耕地的利用和管理水平,为应对全球变化和国际贸易的冲击,保障我国的粮食安全和解决"三农"提供了方向。     

农业绿色发展长期固定观测试验数据平台设计与开发

【目的】农业绿色发展已成为我国乃至全球可持续发展的重大战略方向,建立集长期观测、科学研究、试验示范和决策支撑为一体的农业绿色发展固定观测体系,有利于积累农业绿色发展的第一手资料、分析农业生产发展与生态环境变化间的规律、总结农业绿色发展模式、提高农产品全供应链绿色服务能力。【方法】文章针对农业绿色发展数据支撑体系中存在的问题,分析了平台的核心需求,构建了平台总体框架,构建了核心观测指标,设计了平台运行流程并实现了平台功能。【结果】以提升农业绿色技术观测试验数据管理水平为要求,构建了由数据中心、服务平台和业务模块组成的农业绿色技术观测试验数据平台总体架构;从土壤、水、空气、生长、投入品、产出、资源环境等方面分析了监测要素,并设计了不同监测要素下的详细指标及采集与监测方式;构建了由试验站采集人员、试验站操作人员、业务管理人员和平台管理人员等不同用户组成的平台运行流程;采用Java语言和微服务架构实现了试验站点、统计分析、绿色服务、数据管理等核心功能。【结论】平台对于支撑农业绿色发展体系建设、积累绿色发展数据资源、量化评价试验方案、推广应用绿色模式均具有重要作用;后期将利用人工智能方法增强绿色发展模式评价、基于区块链技术提升试验数据共享程度。     

台地区农村居民点空间布局与优化策略研究

【目的】研究台地区农村居民点空间布局与优化策略,为台地区农村居民点整治提供方法参考。【方法】文章在区分地貌类型的基础上,构建了基于发展基础、资源禀赋、生活便利和生态环境的居民点综合影响力评价模型,并以屯昌县为例提出了农村居民点的空间布局与优化策略。【结果】(1)屯昌县农村居民点综合影响力空间分布不均衡:高级别居民点多分布在台地平原区,生产生活条件良好,属重点发展区;而低级别居民点多零散分布于山地丘陵区,发展潜力较小;(2)综合考虑居民点影响力以及地形地貌与图斑面积,屯昌县1734个居民点被分为城镇化型、重点发展型、规模控制型和迁村并点型4种优化类型;(3)基于加权Voronoi图生成了77个重点发展型居民点的势力影响范围,确定了迁村并点型居民点的搬迁方向。【结论】基于台地区特殊的地貌类型,提出了农村居民点空间布局与优化策略,服务于区域农村居民点整治与规划。     

基于树冠面积与苹果数量的果树产量预估方法

【目的】 苹果产量的早期预测对于市场供需关系、果农、消费者都有重要的影响，准确预估苹果产量具有重要的理论和应用意义。【方法】 文章提出了一种利用卷积神经网络和长短期记忆网络进行苹果产量预测的方法。利用由果树图像数据中获得的果树苹果数量，和由果园无人机图像获取的果树树冠面积作为特征信息，再经过该文提出的卷积—长短期记忆网络，获得每棵果树的预估产量。【结果】 该文使用5种评价标准，分别是预测误差概率密度、预测绝对误差、均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE），经过实验验证，该文所述方法的均方根误差RMSE最优可以达到9.16。【结论】 该文所述方法依据果树的图像与果园的无人机图像，可以较好地预估苹果产量，为大规模果园产量预测提供技术支撑。     

农业绿色发展数据移动采集系统设计与开发

【目的】 为农业绿色发展提供时空大数据、环境监测数据、作物生长数据等数据支撑。【方法】 文章利用遥感解译技术、地理信息技术、空间数据可视化技术，开发了一套农业绿色发展数据移动采集系统。系统支持在手机移动端搭建绿色农业试验基地实场景，实时采集各类实验和环境数据，并查看数据曲线；运用模型对实验采集的各类数据运算后进行评价、分析和排名。 【结果/【结论】 系统使用方便，传输稳定，可靠性高，有效提高研究人员的工作效率，系统可应用于绿色农业多场景多类型数据的采集，包括试验基地和实验方案等基础数据，大气、土壤、水质等物联网环境数据，作物长势、叶面积指数、植株高度等作物生长数据等。