基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数（LAI）时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

基于时间序列MODIS LST产品的重构研究

利用遥感数据可以对地球资源环境进行大面积连续监测,得到更为精确的研究结果,MODIS LST数据因其优化的时空分辨率成为较理想和常用的数据源。同时,遥感数据由于受到云、气溶胶以及传感器角度等影响均存在不同程度的噪声污染、数据缺失等问题。针对该现象,以河南省为研究区域,以MODIS LST数据为研究对象,利用谐波分析方法对河南省2011年全年每天四个时刻的MODIS LST 时间序列数据进行重构。结果表明,利用该方法重构的数据可对MODIS缺值70%以上的影像进行弥补,并且60%以上影像误差可控制在3℃以内,能得到较好的重构结果;同时重构LST数据与相应气温数据相关性大部分在0.8左右,能够较好拟合LST的变化趋势。     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

一种改进的粒子滤波算法

粒子滤波算法其重采样过程往往引起样本多样性丧失问题,影响算法精度。本文针对多样性问题,对重采样进行改进,首先划分粒子集为三个子集,然后利用高、低权值子集的组合产生下一代粒子。通过实验证明,本文算法能有效改善多样性问题,提高算法精度。     

基于动态时间规整算法的时间序列遥感影像树种分类

时间序列影像能够反映植被的物候信息,有助于大幅度提高植被聚类精度,尤其对于单时相影像上生长特性相似的树种效果尤其明显。动态时间规整算法(DTW)能够解决不等长时间序列的匹配问题,且能够抵抗噪声造成的时间序列中出现的异常值,从而取得更好的相似特征匹配效果。基于6时间序列GF-1影像数据,分别采用DTW和欧式距离(ED)进行时间序列的相似性度量,然后将DTW距离和ED距离运用到K-Means算法中,完成对图像树种的聚类。结果表明:基于DTW-K Means的时间序列遥感影像分类方法能够适用于树种分类,总精度为92.21%,Kappa系数为0.90,均高于ED-K Means方法。     

基于粒子滤波的短时正弦信号相位参数估计

针对传统的相位参数估计方法的精度和局部收敛问题,提出了一种基于粒子滤波算法估计短时正弦信号相位的方法,设计了算法流程,研究了粒子数和相似度对参数估计精度的影响,估计了不同信噪比的正弦信号的相位,并与遗传算法和最小二乘法的结果进行了比较分析。结果表明,在信噪比大于20dB时,粒子滤波算法可以更快速、准确地估计出正弦信号的相位。     

基于时间序列的黑龙江省粮食产量预测

应用时间序列分析方法,建立粮食生产动态模型,利用黑龙江省1980～2006年粮食总产量的数据进行了粮食产量的预测。将预测数据实际数据对比,结果表明：抛物线型趋势线平均百分误差为9.60,平均绝对误差为215.80,平均偏差平方和为70 281.90是准确度最高的。而指数型趋势线预测值在最近4年内最接近实际产量,其精度分别达到98.32%、97.31%、96.35%和94.02%。     

基于时间序列与模糊推理的成品油库出库预测算法

油品出库量精确高效预测是成品油库存科学管理的源头和基础。为提高成品油库库存效率,降低油品库存成本,以某公司西部地区166座成品油库为研究对象,在库存管理、销量预测等相关研究成果基础上,分析库存管理的影响因素,集成多模型的时间序列模型算法库和基于Mamdani的模糊推理系统,设计双时间颗粒度的多阶段预测算法,开展月度和日度油品出库量预测,并进行量化分析。结果表明：所建算法可根据出库量数据特征自动选择合适的模型,在短时间内高质量匹配并完成大批量油库出库量的预测,预测结果平均绝对百分误差的中位数大于85%,预测置信度接近95%,应用案例月度出库量预测平均准确率可达90%。研究成果可为成品油库存管理决策优化提供科学化建议,对建立科学高效的现代化油品供应物流体系具有现实意义。（图5,表3,参24）     

混沌特性时间序列线性变换理论方法及其应用

通过对时间序列的相空间的重构,用G-算法、Wolf算法证明了混沌时间序列经过线性变换后其关联维数、Lyapunov指数以及Kolmogorov熵大小不变,从而得出了线性变换后混沌时间序列的混沌特性保持不变的结论.同时将这一理论和热力学中的相似实验相结合,验证了实验模型系统进入混沌则实际系统必也能够在相应时刻进入混沌状态.该结论被成功应用到对汽包水位晃荡幅值的测量当中,验证了汽包水位的晃荡幅值具有混沌特性,并成功地对该时间序列进行了预测.     

基于不同算法的时间序列植被指数去噪效果分析

为了分析和比较不同去噪算法对时间序列植被指数的特点和去噪效果,并确定各自的适用条件和应用时需注意的问题,研究分析了目前常用的去噪算法的基本原理,以时间序列MODIS-NDVI为例,选取一个典型的有农作物覆盖的区域,在MATLAB编程环境下实现不同的去噪算法.结果表明,不同的去噪算法具有不同的去噪效果,在去噪时需要根据所要实现的目的,合理采用具体的算法.     

基于MODIS EVI时序数据的冬小麦种植面积提取

基于MODIS EVI构建的时间序列谱,结合冬小麦生育期形态变化特征,提取了河南省冬小麦种植面积.结果表明,冬小麦在EVI特征空间中具有独特的序列谱相特征,返青期后冬小麦整体EVI表现为逐渐升高,EVI在开花期后下降,灌浆后期快速降低;采用决策树分类方法实现冬小麦分离提取,整个河南省冬小麦识别面积与官方统计面积仅相差482.00×103 hm2,精度达到90.88％;EVI时间序列谱反映的作物生长过程的生理意义明确,采用MODIS EVI时间序列谱的遥感分类方法可以较好地实现冬小麦的遥感分类提取,满足冬小麦的长势监测和遥感估产的需要.     

基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究

基于Google Earth Engine云平台和2014—2017年Landsat OLI影像序列,根据其在时间域上的光谱特征,结合植被指数特征、地形和温度特征,采用随机森林分类算法,开展香格里拉森林类型分类研究。结果表明：不同森林类型的生长轨迹有明显差异,4种森林类型在冬季的植被指数差异最明显;时间序列影像数据能够提供不同森林类型的物候差异特征,弥补单一日期影像难以区分不同森林类型的困难;研究区森林/非森林覆盖的总体精度为97.17%,Kappa系数为0.943,森林类型分类的总体精度87.78%,Kappa系数为0.80。基于Landsat时间序列的方法能够提供一个精度较高的森林分类产品,可为基于森林类型制图的应用提供帮助。     

棉花叶面积指数冠层反射率光谱响应及其反演

【目的】研究棉花冠层光谱对不同叶面积指数（LAI）的响应，建立棉花LAI光谱反演模型。【方法】利用2003～2004年采集的棉花光谱与LAI的246组数据，分析LAI与冠层反射率光谱和反射率一阶微分光谱间的定量关系。【结果】当LAI大于2.5后不同LAI棉花群体光谱反射率在可见光波段趋于饱和；LAI与可见光波段和短波红外波段（水分吸收带除外）光谱反射率呈显著负相关，与近红外波段高光谱反射率呈显著正相关；LAI与棉花反射率一阶微分光谱主要在蓝边（523～531 nm）、黄边（570～576 nm）、红边（700～755 nm）形成3个相关系数高台区，均达极显著水平，其中红边区的相关性最高。棉花红边位置固定，分别在718 nm和723 nm，且以 723 nm处对LAI更敏感。在反演棉花LAI的高光谱参数中VI (660、800)、VI (550、800)、VI (500、800)、VI (670、800)、Sdy (570～573 nm)、SDr (714～755 nm)、D723、Dr 估算LAI相对误差低于30%，RSME小于0.6，其中VI (600、800)、VI(550、800)两个参数估算水平最高，相对误差分别为21.7%与21.0%，RMSE分别为0.416与0.419；利用SDr与SDr/SDb分别对LAI大于1.0 与小于1.0 的棉花群体反演，能显著提高LAI的估算水平。【结论】应用高光谱分析方法能够提取棉花冠层特征光谱信息，构建LAI高光谱反演参数，建立估算模型，并且利用包含不同光谱参数的分段模型可以进一步提高LAI反演精度。     

Assimilation of Remote Sensing and Crop Model for LAI Estimation Based on Ensemble Kalman Filter

Data assimilation in agricultural remote sensing research is of great significance to integrate with remote sensing observations and model simulations for parameters estimation.The present investigation not only designed and realized the Ensemble Kaiman Filtering algorithm (EnKF) assimilation by combing the crop growth model (CERES-Wheat) with remote sensing data,but also optimized and updated the key parameters (LAI) of winter wheat by using remote sensing data.Results showed that the assimilation LAI and the observation ones agreed with each other,and the R2 reached 0.8315.So assimilation remote sensing and crop model could provide reference data for the agricultural production.     

一种新的双二阶滤波器的OTA实现

提出了一种新的双二阶滤波器的ＯＴＡ实现电路。该结构具有最少的元件，所有的电容妆地滤波器特性参数均可独立调节等特点。给出了二阶滤波器设计我并经计算机仿真所验证。     

融合无人机多光谱和纹理特征的马铃薯LAI估算

目的 研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。方法 利用大疆P4M无人机采集2021年2－4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R²_adj的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。结果 从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VI-MLR(Vegetation index multiple linear regression)模型,R²分别为0.73、0.59和0.66。结论 本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。     

分布式数据检索系统的设计与实现

提出了一套对非结构化数据进行分析和检索系统的设计方案.采用分布式技术在windows平台上建立了一套以任务分发服务器为中心,运算终端为任务处理单元,带有反馈和容错机制的分布式数据检索系统.在给出系统模型和设计思想基础上,对各个功能部件进行了模块化设计,并对各模块故障进行了测试.结果表明,系统能够在部分模块出错的情况下稳定运行,能够满足在实际工作中的需求.     

造粒法茶叶包埋颗粒在卷烟过滤器中的应用

采用黄原胶变性淀粉造粒法对茶叶粉末进行包埋固定化,将制成的茶叶包埋颗粒填装到卷烟过滤腔中制得茶叶包埋颗粒过滤器。使用该过滤器抽吸卷烟,进行感官质量评价,并对烟气总粒相物（TPM）、烟碱、焦油含量及烟气成分进行检测分析。结果表明,与空白对照样（不加茶叶的黄原胶淀粉颗粒）相比,卷烟烟气总粒相物和焦油量降低;烟气中主要致香成分明显增加,柔和烟气及增加烟气浓度的成分均有不同程度的增加。接装有茶叶含量为30％、50％、70％包埋颗粒过滤器的卷烟样品烟气中主要致香成分总量分别增加了31·15％、14·93％、33·99％,有害物质总量分别减少了5·28％、22·51％、14·87％。造粒法茶叶包埋颗粒的制作工艺简便易行,将其应用于卷烟可有效降低卷烟刺激性,增加香气量,显著改善卷烟的吸食品质,并赋予卷烟独特的茶香风格。