基于Sentinel-2影像的河套灌区作物种植结构提取

作物识别是提取作物种植结构的基础,利用遥感技术对作物进行监测识别,对优化生产布局、调整农业生产模式有着重要意义。文中选取河套灌区杭锦后旗为研究区域,基于2019年覆盖生长周期的Sentinel-2号卫星影像数据,构建NDVI时间序列数据集,利用Savitzky-Golay(S-G)滤波对NDVI时间序列数据集进行平滑,分析不同作物不同发育期的光谱曲线特征,计算各主要作物识别关键期的光谱阈值,构建基于决策树分层分类的农作物种植面积提取模型,并用验证样本对分类结果进行精度验证。结果表明:利用整个生育期内的NDVI最大合成影像确定植被地表覆盖,NDVI曲线变化区别林地与耕地,逐层提取地物,简便易行;采用S-G滤波重构高质量的NDVI时间序列曲线,研究证明重构后曲线更加平滑符合作物生长趋势;基于Sentinel-2号遥感数据和整个生育期NDVI时序数据,构建分层分类决策树模型,作物分类总体精度达92.1%,Kapppa系数精度达0.857。本研究采用的方法满足遥感观测应用化需求,也为县级区域农作物分类提供重要参考价值。     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型（简称VG模型）是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。     

一种基于agent随机扩散的图像分割方法

图像分割是图像处理的关键环节,直接影响以后的分析、识别和解译。根据进化agent具有自适应性、非线性映射和高度并行处理能力等优点,提出了一种基于agent随机扩散的图像分割方法。在该方法中,agent点随机地撒在网格单元上,并在满足一致性标准的区域用标签标定。agent点有复制和扩散两种行为扩散模式,当一个agent成功的找到一个像素满足一致性标准,它将在周围区域复制一系列后代,因此这些后代更容易找到那些满足一致性条件的像素,而对于那些超过生命周期的agent点将停止搜索,从环境中消失。利用医学胸部的CT图像和脑部的磁共振图像进行的实验结果表明,该方法能较好地从图像中提出感兴趣的区域。     

基于磁光图像的飞机铆钉缺陷识别

针对飞机铆钉磁光图像的识别问题,提出了一种基于模糊支持向量机的裂纹有无和裂纹方向自动识别的新方法。该方法首先对铆钉磁光图像进行预处理得到铆钉二值化图像;然后采用阈值法求取铆钉中心;最后将由铆钉中心发出的星形射线矢量作为特征,采用模糊支持向量机方法对铆钉有无裂纹和裂纹方向进行分类。其中,支持向量机的核宽及惩罚常数采用网格法进行选取,并结合模糊隶属度函数解决多类分类问题中存在的错分和拒分现象。实验结果表明,使用训练获得的支持向量机分类器识别裂纹缺陷取得了很好的效果,能够满足自动检测的高实时性要求。     

基于四元数旋转的开关型矢量中值滤波器

矢量中值滤波器是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的冲击噪声。然而VMF没有区分细线条和噪声的能力,它往往把细线条当成噪声而过滤掉。本文利用四元数旋转理论,模仿Laplacian算子,提出一种用于检测彩色图像中的冲击噪声的算法,并结合传统的VMF构造出一个新颖的开关型矢量中值滤波器。实验结果表明,新的滤波器不仅能有效地保护细线条和边界等细节信息,而且其滤波性能也明显胜过传统的VMF和一些经典的及最近开发的矢量滤波器。     

蓄水坑灌法单坑入渗模型及入渗规律研究

根据果树生理特性与土壤水动力学理论,建立了非恒定水位复杂边界条件下的蓄水单坑均质土入渗运动的数学模型,并采用交替方向隐式差分法进行求解。经试验验证,模拟结果与实测结果吻合较好,表明利用该方法模拟蓄水单坑的水分入渗问题是可行的。用本模型模拟了不同条件下的单坑入渗过程,根据模拟结果分析了不同因素对入渗规律的影响,为蓄水坑灌理论与灌水技术要素的深入研究奠定了基础。     

新疆土地利用总体规划中的区域资源环境承载力分析

在土地利用总体规划中,根据土地利用分区对各区域资源环境承载力进行研究,提出区域土地利用方向,是实行有差别的政策和管制措施的依据。本文通过对新疆各土地利用分区的人口-经济-资源相对承载力和土地综合承载力进行分析,结合各区域土地资源利用的区域特征和社会经济发展战略,确定各区域的功能定位,对不同区域区别对待、分区指导、体现统筹区域协调发展的要求。     

基于长时间序列NDVI的陕西省耕地复种指数遥感监测分析

复种指数反映了耕地的利用强度,利用遥感方法提取耕地复种指数可为农业产业结构调整和粮食安全保障提供科学依据。采用SPOT/VGT NDVI时序数据（2001—2007年）和MOD13Q1 NDVI时序数据（2001—2011年）作为遥感数据源,利用HANTS滤波和SG滤波方法分别对两种数据源进行数据重构,进而提取出陕西省10个地(市)的耕地复种指数;根据提取结果,分析各地市复种指数的变化规律,进而对比两种方法在耕地复种指数提取过程中的效果。结果表明：两种方法均能较好地反映复种指数的变化趋势;SG滤波后提取结果普遍高于HANTS滤波后提取结果;2001—2011年,延安市和榆林市复种指数增长较快,西安市复种指数出现负增长;2007年之后,铜川、宝鸡、咸阳、渭南复种指数开始出现负增长。     

马铃薯甲虫的识别与防控

为了能够准确识别马铃薯甲虫,对该疫情进行及时防控,本文将马铃薯甲虫与同期发生的马铃薯二十八星瓢虫形态特征进行对比,同时阐述了马铃薯甲虫的生物学特性、寄主范围、传播方式,并根据实践经验,提出了科学有效的防控方法。     

基于人工神经网络的多支流河流汇流计算研究--以塔里木河流域为例

针对多支流河流汇流计算问题,提出了一种灰色-人工神经网络组合汇流计算方法(简称 GACC),即先运用灰色系统理论中灰色关联分析法识别出各支流的汇流时间,然后根据汇流时间组合人工神经网络样本,建立BP网络,用BP网络进行训练,最后用得到的BP网络模型进行汇流计算.以塔里木河3源流汇流计算为应用实例,结果表明,这种汇流计算方法合理、有效,值得推广.     

基于多时相影像的棉花种植信息提取方法研究

为实现区域棉花种植面积信息的快速监测,利用2014年新疆奎屯市农七7师125团棉花不同生育期内2期关键期HJ-CCD数据影像,分别运用支持向量机(SVM)的分层监督分类法和专家知识决策树(CART)分类法,基于研究区棉花与其他作物物候和光谱差异提取棉花种植面积和位置,并对两种方法的分类结果进行分析。结果发现:1监督分类法与专家决策树分类法都能有效的提取棉花的面积,棉花总面积精度达96%以上,位置精度达82%以上,专家决策树分类更优一些。2相对而言,基于专家决策树法相对简单,分类精度高,分类位置精度较好。采用环境小卫星影像结合野外调查,在提取棉花种植面积方面有着覆盖面积大、观测周期短的综合优势,而决策树分类法提取棉花面积简单有效。由此可建立一种适用于棉花信息监测系统平台,方便快捷的提取作物种植面积,为棉花长势的研究和病虫害发生区域的确定提供了技术支持。     

基于TM影像的半干旱区土地利用信息提取——以山西省定襄县为例

为了更准确提取半干旱区的土地利用信息,以山西省定襄县为研究区,利用Landsat TM影像,在主成分分析(PCA)的基础上,结合归一化植被指数(NDVI)和纹理信息,构建支持向量机(SVM)分类模型,提取研究区的土地利用信息。结果表明:与最大似然法和单纯依靠纹理特征SVM分类方法相比较,基于NDVI和纹理特征的SVM分类法的分类精度有了显著提高,分类总精度达到了84.50%,Kappa系数为0.8113。研究表明,该方法对半干旱区的土地利用信息提取较为理想。     

多特征辅助下的GF-6WFV影像准噶尔山楂识别研究

针对高分六号WFV数据应用研究基础相对薄弱,准噶尔山楂遥感识别在算法、数据源等方面存在不足的问题,联合GF-6 WFV和ZY-3号影像数据提取多种分类特征,基于面向对象分割、特征选择、特征重要性评价与组合以及多分类器联合等方法对准噶尔山楂的遥感识别开展研究,提出优选特征辅助下的面向对象多分类器组合的准噶尔山楂识别算法....     

农业害虫自动识别与监测技术

随着计算机和互联网技术的发展,信息技术已被广泛地应用于植物保护领域,推动农业害虫的监测走向信息化、智能化和精准化。我们综述了农业害虫自动识别与监测技术的最新研究进展,分析了各种技术的特点与优势。这些技术均需要特定的设备获取农业害虫及其生境的信息,提取昆虫信息特征,并利用这些特征进行昆虫种类的识别与计数,达到害虫监测的目的。图像识别技术适合于自动识别与监测栖息于作物表面的害虫,昆虫雷达(厘达或激光雷达)技术特别适合于自动识别与监测高空中飞行的害虫,而声音识别技术在自动识别与监测隐蔽害虫方面具有优势。最近发展起来的基于深度学习的害虫识别方法避免了传统的手工设计特征方法,提高了害虫识别的鲁棒性,展示了一旦建立完整的昆虫信息库就可以实现害虫自动识别与监测的可能;这给昆虫学家提出了一个艰巨的任务,即鉴定和正确标识机器学习所需的大量的昆虫信息。     

多种遥感分类方法提取冰川边界探讨

综合目视解译和计算机自动解译的方法,将冰川解译的传统方法及面向对象图像特征提取方法应用于喀纳斯河源的冰川边界提取中,并对提取出的单条冰川逐一分析。研究发现：面向对象的图像特征提取方法能较好的提取具有特征类型的地物;目视解译的方法虽然费时费力,但适用于任何类型冰川的提取;传统比值阈值、雪盖指数法、监督分类与非监督分类在无表碛覆盖,积雪覆盖较少的纯冰区效果明显。对阿尔泰山喀纳斯河源区的40条冰川进行解译,对多种方法进行比较,得到喀纳斯河源地区精确的冰川边界。结果表明：喀纳斯河源区冰川总体上呈退缩趋势,1959-2011年冰川面积共减少了23.43 km²。     

一种基于镜头聚类的视频场景分割方法

为了更好地进行视频信息检索和浏览,提出了一种利用视觉和运动特征来进行场景分割的方法,该方法在把镜头聚类到场景中时,不仅考虑同一场景内镜头的视觉特征相似性,而且还考虑了镜头的运动特征的一致性。此外,为避免过度分割,还提出了一种方法用来合并过度分割出的场景。实验结果表明,这种方法是有效的。     

黄花刺茄浸提液对番茄种子萌发及幼苗生长的影响

为明确入侵植物黄花刺茄对当地主栽经济作物番茄种子萌发和幼苗生长的影响,本文采用培养皿滤纸法,在智能光照培养箱的变温控制条件下,分别研究了黄花刺茄根、茎、叶浸提液对番茄种子发芽率、发芽指数及幼苗根长和苗高的影响。结果表明:(1)黄花刺茄不同器官的浸提液对番茄种子发芽率、发芽指数、幼苗根长和苗高的影响不同,其茎、叶浸提液的化感作用较为显著(P<0.01)。(2)黄花刺茄同部位浸提液对番茄种子发芽率、发芽指数、幼苗根长和苗高不同指标的影响也不同。根浸提液对种子发芽率、幼苗根长影响不显著(P>0.05),但对种子发芽指数的影响极显著(P<0.01)。茎和叶浸提液各浓度对种子发芽指数的影响比种子发芽率、幼苗根长和苗高的影响显著(P<0.01)。     

Automated identification of sugar beet diseases using smartphones

Cercospora leaf spot (CLS) poses a high economic risk to sugar beet production due to its potential to greatly reduce yield and quality. For successful integrated management of CLS, rapid and accurate identification of the disease is essential. Diagnosis on the basis of typical visual symptoms is often compromised by the inability to differentiate CLS symptoms from similar symptoms caused by other foliar pathogens of varying significance, or from abiotic stress. An automated detection and classification of CLS and other leaf diseases, enabling a reliable basis for decisions in disease control, would be an alternative to visual as well as molecular and serological methods. This paper presents an algorithm based on a RGB‐image database captured with smartphone cameras for the identification of sugar beet leaf diseases. This tool combines image acquisition and segmentation on the smartphone and advanced image data processing on a server, based on texture features using colour, intensity and gradient values. The diseases are classified using a support vector machine with radial basis function kernel. The algorithm is suitable for binary‐class and multi‐class classification approaches, i.e. the separation between diseased and non‐diseased, and the differentiation among leaf diseases and non‐infected tissue. The classification accuracy for the differentiation of CLS, ramularia leaf spot, phoma leaf spot, beet rust and bacterial blight was 82%, better than that of sugar beet experts classifying diseases from images. However, the technology has not been tested by practitioners. This tool can be adapted to other crops and their diseases and may contribute to improved decision‐making in integrated disease control.