深松土壤扰动行为的离散元仿真与试验

分析深松土壤的扰动行为是深入研究深松铲-土壤互作用规律的基础。采用离散元方法建立深松工作模型,结合高速摄影技术及室内土槽试验,对比分析了不同位置深松土壤的微观运动及宏观扰动行为。结果表明,土壤的扰动范围随土壤与深松铲之间距离的增大而减小;不同位置土壤的扰动范围由大到小依次为:浅层、中层、深层;在深松范围内,土壤的运动速度随土壤与深松铲之间距离的增大而逐渐减小,等速度土壤颗粒的分布曲线与深松铲的铲柄弧线基本吻合;不同深度土层土壤颗粒在不同方向上的平均运动速度为:在x方向上由大到小依次为浅层、中层、深层,在y方向上由大到小依次为中层、浅层、深层,在z方向上由大到小依次为深层、中层、浅层;离散元仿真能够较准确模拟深松土壤的扰动行为,仿真与试验获取的土壤扰动截面轮廓形状基本吻合,土壤膨松度、土壤扰动系数的仿真值与试验值的相对误差分别为13.21%、17.38%;地表土壤纵向堆积角的仿真值与试验值的相对误差为9.42%。     

基于无人机遥感与面向对象法的田间渠系分布信息提取

针对目前农田灌排系统识别研究中遥感影像分辨率不足,难以提取田间毛渠且对无水或少水灌排沟渠识别不足等问题,以内蒙古河套灌区磴口县坝塄村为研究区域,利用固定翼无人机搭载520~920 nm多光谱相机进行航拍试验,采用基于面向对象法的特征组合分层分类的提取方法对获取的高分辨率单幅多光谱影像数据进行解译,采用分割阈值为65、合并阈值为90的遥感影像最佳分割参数。利用含水田间毛渠和无水、少水田间毛渠在光谱、几何、空间关系等特征参量中表现出的与其它地物的特异性,建立不同分类层次的规则提取田间毛渠分布信息。提取结果表明,由于水体对近红外波段光谱的强烈吸收,含水毛渠提取效果很好,精度达到97.8%;无水、少水田间毛渠提取精度为75.7%。无人机遥感技术和面向对象法的特征组合分层分类方法为灌区田间渠系识别提供了一种新途径。     

基于无人机遥感技术的玉米种植信息提取方法研究

使用无人机遥感试验获取的可见光图像研究拔节期玉米种植信息提取方法。首先确定感兴趣区地物种类,包括:玉米、小麦、向日葵、树苗和裸地;然后分别统计计算5类地物的27项纹理特征,比较各类地物特征的种内变异系数和与玉米的相对差异系数,选出适宜提取玉米种植信息的特征。经过分析发现,仅用一个特征参数难以准确提取玉米种植信息,需要各特征组合分层分类提取玉米信息。最后确定绿色均值、蓝色协同性和纹理低通植被指数TLVI为玉米种植信息提取特征。经过对初步提取结果的分析,发现分类后的小麦地和树苗地中仍残留有与玉米区特征相同的斑块,玉米地中有与非玉米区特征相同的斑块,结合两种斑块各自形状面积分布的独特性,分别实现残留斑块去除和玉米地错分斑块保留,完成玉米种植信息提取。选取与感兴趣区影像同时期不同区域的两幅影像进行方法验证,结果表明:该方法对玉米种植信息提取有较好效果,面积提取误差在20%以内,对用无人机可见光遥感影像进行玉米种植信息提取具有一定的适用性。