基于地形特征的无人机遥感梯田影像边缘提取方法

梯田具有蓄水固沙的作用,是旱作农业区重点建设的高产稳产农田设施,为粮食增产、农民增收提供了有力保障。因仅基于影像数据采用边缘提取方法进行梯田区域分割效果不理想,及时准确地掌握梯田信息较为困难。无人机遥感技术的不断发展为高精度梯田地形信息的获取提供了新方法。本研究以甘肃省榆中县为例,首先从数字高程模型DEM数据中提取坡度,将正射影像与坡度数据融合,并通过基于Canny算子的粗边缘提取方法和基于多尺度分割的精细边缘提取方法,对比分析坡度对无人机遥感梯田影像边缘提取的影响。试验结果表明,正射影像和坡度融合的提取效果均优于单一的正射影像数据提取效果,粗边缘提取方法中正射影像和坡度融合的数据源精度平均提高了23.97%,精细边缘提取方法中正射影像和坡度融合的数据源精度平均提高了17.84%。研究表明,在无人机遥感梯田影像边缘提取中加入一定的地形特征,可以取得更好的边缘提取效果。     

基于“3S”技术的小尺度玉米种植分布提取

农业面积的调查需要投入大量的人力、物力和很长的时间,随着科技的发展很长的以遥感、地理信息系统和全球定位系统等为代表的“3S”空间信息技术,为农作物种植面积提取提供了一个很好的技术手段.及时准确的获取农作物的种植面积对于粮食生产和食品安全是十分重要的.本研究利用环境小卫星（HJ-1）数据来提取德惠市的玉米种植面积.采用支持向量机（SVM）的分类算法提取特定时期的影像信息,本文是利用SVM的分类算法提取2010年5月21日HJ-1数据的裸地信息,2010年8月1日和2010年8月7日的植被信息.将这三者空间取交集得到研究区玉米种植的空间分布信息,目视解译精度达到90％,与野外调查数据比较,符合实际玉米种植分布状况.     

基于RS和GIS的松辽平原黑土信息提取

为保护黑土资源并使其可持续利用,基于ASTER数据采用多元逐步回归方法估算了黑土有机质含量,利用决策二叉树方法和DEM数据等提取了黑土信息。结果表明：基于ASTER数据可快速有效地提取黑土信息;当土壤有机质质量分数低于2%时,估算有机质的模型精度受到土壤反射特性的制约而误差较大;在GIS支持下充分利用辅助信息可提高黑土的提取精度,使提取的黑土信息更准确可靠;根据研究得到松辽平原黑土带北起黑河市,南至昌图县,现有黑土总面积51 360.15 km2,其中黑龙江、吉林、辽宁省的黑土面积依次递减,分别是35 3     

基于DEM的西天山中部河流提取研究

基于SRTM v4 DEM数据和ArcGIS10.5平台水文分析扩展模块提取西天山中部河流信息。首先利用"盆域分析"工具提取研究区边界,通过河网密度、集水面积数据拟合河网密度-集水面积曲线,然后应用河网密度变化率等于集水值变化率的数值方法确定研究区域的最佳集水面积为0.544 9 km~2。最后利用最优集水阈值提取河网,将河网与Google影像叠加和导入Google Earth Pro,对比提取的河网与真实河网差异。结果表明该河网与研究区实际河网吻合度很高,提取的河网可以作为输入数据开展后续研究。     

黄土丘陵沟壑区遥感影像信息面向对象分类方法提取

探索了基于面向对象分类方法提取黄土丘陵沟壑区高分辨率遥感影像土地信息的途径。以燕沟典型小流域为例,基于ALOS的多光谱、全色立体影像并辅以数字高程模型DEM和NDVI数据,进行面向对象的多尺度分割,利用阈值逐次提取与该区生态系统恢复、农业生产和生活实际密切相关的灌丛、林地、草地、耕地、果园、居住地和水体共7种土地利用类型,得到的分类精度为77.73%。     

GS环境下基于DEM的流域分析

随着流域数字化进程中空间基础数据库的建设，应用地理信息系统平台有效地分析流域和水库的基本水文信息成为可能。结合在长江一级支流黄柏河流域分布水文模型建立过程中对DEM数据的应用，重点论述了从栅格DEM数据中提取水文信息的基本方法、研究进展、河网提取过程中临界支撑面积的确定方法、DEM数据分辨率对于水文要素提取的影响及其最小分辨率的确定方法。     

基于SRTM_DEM的泾河流域特征信息提取研究

流域特征信息的提取对于水文地理信息分析、模拟技术和水文模型建立具有重要意义。基于STRM_DEM数据,在ArcGIS9．3环境下,提取泾河流域坡度、坡向等地形特征,以及河网、流域边界和面积等水文要素,并划分子流域。分析表明,当闽值取5000（40．5km^2）时,生成的流域河网能够较好地反映该地区水系。根据河网分级、低级集水区域生成结果和流域地形特征,可划分为32个子流域,为流域分布式水文模型的构建提供了基础地理信息。SRTM_DEM提取泾河和部分支流流域面积误差均较小,说明提取结果与实际非常接近。结果表明,SRTM_DEM数据和ArcGIS9．3提取流域特征信息方便快捷,具有较高的精度和准确性,应用前景广阔。     

纸面记录曲线的数字化方法

对以往试验的纸面记录曲线进行数字化处理,取出尚未提取的大量珍贵信息,具有实际意义。提出利用扫描仪把纸面记录曲线转化为数字图像,然后运用图像识别的方法对纸面记录曲线进行自动化处理,把数字图像中的曲线数据及标定信息识别出来,再对提取的数据进行分析计算并得出结果。提出了关键问题的解决方法。     

基于注意力机制和边缘感知的田梗提取模型

田埂精确提取是数字化农业管理的重要前提。针对由于遮挡、斑秃等因素干扰,给基于语义分割方法提取田埂带来困难问题,提出一种基于注意力机制和边缘感知模块的U-Net网络实现田埂提取。首先,将多信息注意力引入U型分割网络的下采样中,增强相邻层之间的上下文信息,提升对田埂区域语义特征的表示能力。其次,将边缘感知分割模块应用至U-Net解码部分的每一层,在不同语义特征层提取田埂边缘信息,提高田埂区域语义分割精度。最后,联合边缘感知损失与语义分割损失构建联合损失函数,用于整体网络优化。通过对安徽省淮北市濉溪县小麦基地采集的无人机麦田数据集进行训练和模型验证,实验结果表明,本文模型语义分割像素准确率高达95.57%,平均交并比达到77.48%。     

消毒方式一键查询系统

本设计是以方便人们可以快速准确地查询到对感染某种病菌的物体进行高效、低成本、低污染的消毒的难题,利用MATLAB和SPSS数学建模软件,通过主成分分析和聚类分析,得到有关数据,并存入数据库内方便检索;再利用lingo软件,通过数学建模中的优化求解,得到结果并将其存入数据库。用户在系统内输入信息后,数据库内有关于该问题的结果,系统将自动给出建议。如果没有,系统将从数据库内提取出有关该物品消毒的信息,通过lingo软件求得其最优解,并将结果反馈到数据库内,利用聚类分析将其归类,方便检索和修改。     

基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法

利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例,提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号,对比分析耕地和其他土地利用类型的分形特征,选取上分形信号的第3尺度作为特征尺度,提取商河县耕地空间分布特征;其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价;最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验,并基于点位匹配度和面积匹配度进行评价。结果表明：多季相数据更能反映农作物生长的复杂性,有助于提高耕地信息的提取精度;不同土地利用类型在不同分形尺度的信号值各不相同,分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性;基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高;综合考虑点位匹配度、面积匹配度和空间分布特征,研发方法能有效区分耕地和其他土地利用类型,提取结果更优,且与统计数据有更高的一致性。该方法可准确提取耕地信息,为耕地的动态监测和损害评估提供技术支撑。     

基于地基激光雷达的叶倾角分布升尺度方法研究

地基激光雷达因其具有穿透力强,能够提取植被冠层三维结构信息的优势,是提取植被叶倾角分布(Leaf angle distribution,LAD)的理想数据源,因此将地基激光雷达数据与遥感影像结合获取大尺度叶倾角分布结果颇具潜力。以河北省保定市北部4个县为研究区,利用10个玉米样地的地基激光雷达数据提取叶倾角分布结果,使用主成分正变换提取玉米实测叶倾角分布数据中信息量最大的前3个主成分,再利用神经网络模型对所提取的主成分与Landsat8反射率数据结合建立关系模型,然后将训练好的模型应用于整个研究区进行升尺度转换,最后通过主成分逆变换,得到升尺度后平均叶倾角(Mean tilt angle,MTA)结果。对升尺度后LAD与实测LAD及升尺度后MTA与实测MTA进行交叉验证,结果表明,升尺度MTA与实测MTA的验证精度(R2)为0.786 2,均方根误差(RMSE)为3.04°。该结果表明,使用提取主成分方法建立光谱数据与叶倾角分布的关系模型从而达到升尺度转换的目的具有可行性,模拟精度较高,且误差较小。     

大数据环境下企业管理模式创新研究

随着网络信息技术的不断发展和成熟,大数据时代已经来临,从我们日常的生活到企业的运作管理都能用到大数据,这给我国市场经济的发展带来了发展活力。在企业管理中,很多地方开始应用大数据技术,以创新管理模式。传统的管理模式由于信息的获取和整合存在一定的滞后性,导致在管理方面出现很多不完善,这也是大数据时代能够有效弥补的地方。本文将通过分析大数据环境下企业管理现状,并探索创新管理模式的对策。     

基于局部保留降维卷积神经网络的高光谱图像分类算法

为提高高光谱遥感图像的分类精度,通过局部保留判别式分析与深度卷积神经网络(DCNN)算法,提出了基于局部保留降维卷积神经网络的高光谱图像分类算法。首先,用局部保留判别式分析对高光谱数据降维,再用二维Gabor滤波器对降维后的高光谱数据进行滤波,生成空间隧道信息;其次,用卷积神经网络对原始高光谱数据进行特征提取,生成光谱隧道信息;再次,融合空间隧道信息与光谱隧道信息,形成空间-光谱特征信息,并将其输入到深度卷积神经网络,提取更加有效的特征;最后,采用双重优选分类器对最终提取的特征进行分类。将本文方法与CNN、PCA-SVM、CD-CNN和CNN-PPF等算法在Indian Pines、University of Pavia高光谱遥感数据库上进行性能比较。在Indian Pines、University of Pavia数据库上,本文算法识别的整体精度比传统CNN方法的整体精度分别高3. 81个百分点与6. 62个百分点。实验结果表明,本文算法无论在分类精度还是Kappa系数都优于另外4种算法。     

基于GIS的华南沿海小流域地区山洪灾害易发区识别

小流域地区是山洪灾害高发区,同时这些地区资料缺乏,给山洪灾害预警造成极大障碍。针对以上问题,选取松岗河小流域为研究区域,探索应用数字高程模型DEM进行山洪灾害空间影响范围的快速提取方法。首先,利用DEM提取小流域河流分级信息和各等级河流出水口的分布情况;然后,运用分布式水文模型,推演特定降雨量时各出水口山洪最大淹没水位;利用GIS技术,将离散的水位数据与数字高程数据叠加获取山洪最大淹没水深数据,并运用空间插值方法模拟山洪淹没信息的空间分布,计算不同降雨量条件下山洪最大淹没水深的空间分布状况,进而实现小流域地区山洪灾害易发区识别。.结果表明该方法能够快速有效模拟特定降雨量条件下小流域山洪淹没信息的空间范围,其直观的范围显示可快速为决策者提供预警信息,为山洪灾害预警提供数据基础。     

基于移动终端的谷物产量实时监测平台设计

作物产量的空间变异性反映了农田环境和管理等因素对产量的影响,获取准确的产量空间分布信息是实施资源按需最优化投入的前提。为了获取谷物产量空间信息,设计了基于移动终端的农田谷物产量空间分布信息实时监测平台,可实现对联合收获机实时位置、作业状况和产量数据的远程监测,进而对产量数据的空间分布状况进行分析。平台主要由数据接收及存储、数据传输、数据显示和数据分析4个模块构成。其中,数据接收及存储模块接收由收获机传来的位置、谷物流量、升运器转速、谷仓温湿度和割幅宽度等作业状况信息数据包,将数据解析并存入数据库。数据传输模块为移动终端提供Web service服务,提取数据库中相应数据供前端调用。数据显示模块在移动终端上实时显示联合收获机作业位置和作业状况等信息。数据分析模块通过调用ArcGIS Server GP服务,将谷物产量信息的空间分布进行插值分析,分析结果以产量空间分布图的形式显示。经过测试,该监测平台运行稳定,能够实时显示和分析农田谷物产量信息,为农田精细管理提供技术支持。     

电力系统综合数据商业智能解决方案

随着管理信息系统的发展，电力行业积累了大量基础数据．越来越多的电力企业认识到只有靠充分利用、发掘其现有数据，才能做出正确及时的决策，从而实现更大的经济效益，商业智能也随即被引入电力行业参与企业决策。商业智能的过程是从不同的数据源收集的数据中提取有用的数据，对数据进行清理、转换、重构后存入数据仓库或数据场中，然后用合适的查询、分析、数据挖掘、OLAP工具对信息进行处理，最后将有用信息呈现于用户面前，转变为决策。     

基于Google图像的农作物地块信息仿真提取技术

高分辨率遥感影像是农作物地块提取的主要数据源。为此,以由Google图像得到的多尺度影像分割与面向对象影像分析方法为主要技术,利用样本多边形对象的成员函数建立训练区,自动提取农作物的覆盖信息,可以直接应用于农业调查和生长趋势预测等方面。该方法具有信息获取周期短、精度高和成本低的特点,能够实现农作物地块信息的精确获取与快速更新。     

大数据时代农业信息服务体系的研究

21世纪以来,我国农业经济的快速发展依赖着农业信息服务的推广,农业信息服务面向于所有农民,时时刻刻为人们提供一切有助于农业耕作的相关信息。如何做好农业服务,提高农业服务信息质量和准确性实用性,成为我国农业研究的主题。近年来,数据资源的庞大使得农业信息不具有准确性,选取信息的方向迷化,这也就造成了数据资源共享受困,同时也阻碍了农业科技水平的发展。农业信息的传递方式有很多,通过网站信息、视频教学、电话语音、手机信息等方法,能将有关农业的信息传达到农户中。如何储存大量的农业信息,这就需要一个网络大数据系统来实现。云计算是一种网络计算系统,它能将数据进行计算处理、储存,再通过多网链接,将这些处理数据发布到各大网络系统中,这就叫做云端服务,也就是我们所谓的农业信息服务。处于被服务的客户端,只需要了解一些网络知识便可以高效低成本获取想要得到的资源和服务。随着我国农业的发展,云计算将会得到快速推广,农业信息服务的发展将会成为必然趋势。     

基于改进半监督模型的空间异质性农田特征提取研究

提取农田信息对智慧农业、环境保护等有重要意义。监督学习模型对不同地貌、区域、种植类型等空间异质性农田的特征提取效果不佳。针对该问题,本文提出一种半监督学习模型,该模型使用基于加权损失函数的在线难例样本挖掘策略,在Vaihingen数据集中总体精度高达87.1%,相较于其他半监督学习模型的提取效果最好。在吉林一号农田影像数据集进行空间异质性农田特征提取中的对比试验和精度评估,结果表明：分别使用拟提取地区和训练集地区的无标注影像训练该模型,均可提高对空间异质性农田特征提取精度,若无标注影像与拟提取地区影像中农田特征相似度高,总体精度可提升2.1～6.1个百分点,总体精度最高可达84.0%。该模型使用更少量的标注信息获得媲美监督学习模型的提取效果;而使用相同量的标注信息,可以通过增加无标注影像以取得比监督学习模型更好的提取效果。本文构建河北献县地区的农田数据集,模型使用吉林一号农田影像数据集(部分1)作为有标注训练集,吉林一号农田影像数据集(部分2)和献县地区高分二号影像数据集作为无标注影像训练后的总体精度高达88.7%。验证了改进后的半监督学习模型可准确有效提取空间异质性农田特征。