基于无人机多光谱影像的柑橘冠层叶绿素含量反演

叶绿素是一种反映植物生长水平和健康状况的重要生理生化指标,为快速、无损地大规模获取柑橘冠层的叶绿素含量以精确指导果园管理,利用多旋翼无人机搭载多光谱传感器获取多波段反射率数据,使用多光谱阴影指数对冠层阴影和土壤背景进行剔除,计算得到植被指数与纹理特征,将地面实测的叶绿素含量作为验证,综合对比了全子集回归、偏最小二乘回归和深层神经网络的反演精度以选取最优模型。结果表明,植被指数与叶绿素含量的相关性良好;将仅使用植被指数与仅使用纹理特征的建模结果进行对比,仅使用纹理特征的模型在全子集回归和偏最小二乘回归的反演精度均有明显提升;结合植被指数与纹理特征共同建模后,全子集回归和偏最小二乘回归的反演精度相比仅使用纹理特征的模型均能获得提升;深层神经网络因其良好的非线性拟合能力,获得了最高的反演精度,R²、MAE、RMSE分别为0.665、7.69 mg/m²、9.49 mg/m²,成为本文最优模型。本研究利用无人机多光谱影像反演得到柑橘冠层叶绿素含量,为实现柑橘生长监测提供指导作用。     

不同植被覆盖度下无人机多光谱遥感土壤含盐量反演

准确快速获取植被覆盖条件下农田土壤盐分信息,为土壤盐渍化治理提供依据。利用无人机遥感平台,获取2019年7、8、9月内蒙古河套灌区沙壕渠灌域试验地的多光谱遥感图像以及取样点0~10cm、10~20cm、20~40cm、40~60cm深度处土壤含盐量,通过多光谱遥感图像计算得到光谱指数,选择归一化植被指数（NDVI-2）代入像元二分模型计算植被覆盖度,并划分为T1（裸土）、T2（低植被覆盖度）、T3（中植被覆盖度）、T4（高植被覆盖度）4个覆盖度等级;同时,对光谱指数进行全子集变量筛选,并利用偏最小二乘回归算法和极限学习机算法,构建不同覆盖度下各深度土壤含盐量反演模型。研究结果表明,裸土和高植被覆盖度下的反演模型精度高于低植被覆盖度和中植被覆盖度下的反演模型精度;对比PLSR和ELM 2种SSC反演模型精度,ELM模型的反演精度比PLSR模型高;覆盖度T1、T2、T3和T4的最佳反演深度分别为0~10cm、10~20cm、20~40cm、20~40cm。研究结果为无人机多光谱遥感监测农田土壤盐渍化提供了思路。     

基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明：经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R2v/R2c为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。     

基于无人机多光谱影像的矮林芳樟叶片含水率与叶水势反演

叶片含水率和叶水势反映植物组织中水分的状态,是衡量植物水分供应和水分利用效率的重要指标。为探究基于不同高度下无人机多光谱影像反演叶片含水率和叶水势模型的差异,本研究在3个飞行高度处理F30、F60、F100 (30、60、100m)下采集多光谱影像数据,通过使用6种光谱反射率+经验植被指数的组合与地面实测数据进行相关性分析,获得不同飞行高度下的光谱反射率+经验植被指数组合与叶片含水率和叶水势的反演模型及其决定系数,以决定系数为依据分别构建支持向量机（SVM）、随机森林（RF）和径向基神经网络（RBFNN）模型,分析不同飞行高度无人机多光谱影像反演芳樟叶片含水率和叶水势的精度。结果发现：3个飞行高度下,基于RF模型的反演精度均高于SVM模型和RBFNN模型。F30处理对叶片含水率与叶水势反演效果均优于F60和F100处理。F30处理对叶片含水率反演的敏感光谱反射率+植被指数组合为红光波段反射率（R）、红边1波段反射率（RE1）、红边2波段反射率（RE2）、近红外波段反射率（NIR）、增强型植被指数（EVI）、土壤调节植被指数（SAVI）。RF模型训练集的R2、RMSE、MRE分别为0.845、0.548%、0.712%;测试集的R2、RMSE、MRE分别为0.832、0.683%、0897%。对叶水势反演的敏感光谱反射率+植被指数组合为R、RE2、NIR、EVI、SAVI、花青素反射指数（ARI）。RF模型训练集的R2、RMSE、MRE分别为0.814、0.073MPa、3.550%;测试集的R2、RMSE、MRE分别为0.806、0.095MPa、4.250%。研究结果表明飞行高度30m与RF方法分别为反演叶片含水率和叶水势的最优光谱获取高度与最优模型构建方法。本研究可为基于无人机平台的矮林芳樟水分监测提供技术支持,并可为筛选无人机多光谱波段与经验植被指数、实现植物长势参数快速估测提供应用参考。     

基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。     

基于无人机可见光影像的玉米冠层SPAD反演模型研究

叶绿素是植物进行光合作用的重要色素,利用作物光谱、纹理信息对叶绿素进行反演,为作物的实时监测和健康状况诊断提供重要依据。以大田环境下5个不同品种四叶期、拔节期的玉米为研究对象,利用无人机获取试验区可见光影像,对土壤背景进行掩膜处理,提取25种可见光植被指数、24种纹理特征,综合分析植被指数、纹理特征与玉米冠层叶绿素相对含量（SPAD）的相关性,分别建立基于植被指数、纹理特征和植被指数+纹理特征的逐步回归（SR）、偏最小二乘回归（PLSR）和支持向量回归（SVR）模型,定量估算叶绿素相对含量。在SR模型中,植被指数+纹理特征模型与植被指数模型相同,R2为0.7316,RMSE为2.9580,RPD为1.926,优于纹理特征模型;在PLSR模型中,植被指数+纹理特征模型较优,R2为0.8025,RMSE为2.4952,RPD为2.284,纹理特征模型次之,植被指数模型最差;在SVR模型中,植被指数+纹理特征模型较优,R2为0.8055,RMSE为2.6408,RPD为2.158,植被指数模型次之,纹理特征模型最差。综合分析采用基于PLSR植被指数+纹理特征模型可以实现玉米冠层SPAD快速、准确提取,为叶绿素反演提供一种新的方法,可为无人机遥感作物长势监测提供参考。     

基于雷达遥感的不同深度土壤含盐量反演模型

为及时、有效地监测盐渍化土壤含盐量,以内蒙古河套灌区沙壕渠灌域为研究区,将Sentinel-1雷达影像作为数据源,同步采集不同深度土壤含盐量数据,通过组合两组雷达后向散射系数构建多种指数,并用灰度关联（Gray correlation degree,GCD）排除共线性强的指数,采用偏最小二乘回归（Partial least squares regression,PLSR）、分位数回归（Quantile regression,QR）和支持向量机（Support vector machine regression,SVM）3种方法,构建0~10cm、10~20cm不同深度下的土壤含盐量反演模型。结果表明,在3种回归方法中,SVM回归模型的精度最高,模型建模集决定系数R2c、验证集决定系数R2p均在04以上,建模集均方根误差RMSEc、验证集均方根误差RMSEp均小于03%,分位数回归模型次之,偏最小二乘回归模型最差;在各反演深度下,0~10cm深度的反演精度均高于10~20cm深度的反演精度,其中在0~10cm深度下SVM反演模型效果优于其他模型,R2c、R2p分别为0568和0686,RMSEc、RMSEp分别为0.201%和0.151%。本研究可为雷达遥感监测裸土期土壤盐渍化提供参考。     

大田葵花土壤含盐量无人机遥感反演研究

以内蒙古河套灌区沙壕渠灌域内大田葵花为研究对象,划分4块不同盐分梯度的试验地,利用无人机搭载六波段多光谱相机和热红外成像仪获取遥感数据,并同步采集区域内不同土壤深度处的盐分数据。利用灰色关联法对构建的光谱指数进行筛选,同时结合冠层温度数据,采用偏最小二乘回归(PLSR)、支持向量机(SVM)、反向传播神经网络(BPNN)和极限学习机(ELM) 4种建模方法构建大田葵花不同生育期、不同土壤深度的盐分反演模型。结果表明,基于葵花现蕾期数据构建的盐分反演模型整体效果优于开花期,以优选盐分指数和光谱指数作为变量组构建的模型效果优于植被指数变量组,盐分反演效果较好的土壤深度为0～20 cm和20～40 cm。不同建模方法对比结果表明,机器学习盐分反演模型的效果优于偏最小二乘回归模型,其中在葵花现蕾期0～20 cm土壤深度处,以光谱指数作为变量组构建的BPNN盐分模型反演效果最好,建模集和验证集R2分别达到0.773和0.718,验证集RMSE、CC分别达到0.062%和0.813。本研究成果可为无人机遥感在大田葵花土壤盐分监测方面的应用及相关研究提供参考。     

基于GF-1影像的渭-库绿洲外围土壤含盐量定量反演研究

为探讨国产GF-1卫星影像在干旱区土壤盐渍化监测中的适用性,以渭-库绿洲外围荒漠交错带为研究对象,利用BP神经网络和RBF神经网络2种建模算法,以GF-1影像的4个波段的反射率及影像提取的归一化差异植被指数(NDVI)、差值植被指数(DVI)、土壤调节植被指数(SAVI)、盐度指数(SI1、SI2、SI-T)共10个指标构建土壤含盐量反演模型。结果表明:在2种算法中,BP神经网络模型预测精度最高,R2为0.818,RMSE为0.194;发现利用植被指数更能提高模型的预测精度;利用BP神经网络预测模型反演研究区的土壤含盐量,发现预测情况与研究区实际情况相符,说明利用GF-1数据结合BP神经网络构建的反演模型适用于监测研究区土壤盐渍化问题。     

基于特征优选与机器学习的农田土壤含盐量估算研究

土壤盐渍化是影响农业可持续发展的重要制约因素,为准确及时地获取土壤中盐分含量,实现盐渍化精准监测,以内蒙古自治区巴彦淖尔市五原县境内的覆被农田为研究对象,探讨无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量的可行性。首先,利用无人机搭载五波段多光谱相机获取研究区域高时空分辨率遥感图像数据,并同步采集地面不同深度处土壤盐分数据,使用皮尔逊相关系数法(PCC)、极端梯度提升(XGBoost)和灰色关联分析法(GRA)对构建的光谱指数进行优选;然后,采用决策树(DT)、反向传播神经网络(BPNN)、支持向量机(SVM)和随机森林(RF)4种机器学习方法建立植被覆盖下不同深度的农田土壤含盐量反演模型。结果表明,使用方案3(XGBoost-GRA)变量优选方法可以有效地筛选出敏感光谱指数,且基于此方法优选后的光谱指数建立含盐量估算模型的精度高于仅使用PCC或XGBoost法构建的反演模型。对比不同建模方法在不同土壤深度处的反演精度,可知随机森林RF模型整体表现最优,同时另外3种反演模型也取得了较好的预测效果,0～20 cm土壤深度处的预测效果是3个土壤深度中最优的,其中精度最高模型的决...     

摊铺机压实机构动态特性仿真

在摊铺机中,由熨平压实机构和压实介质组成的系统,为两个自由度的非线性动力学系统,压实介质简化为粘弹塑性体.建立熨平压实机构动态特性力学模型,利用计算机仿真,研究了熨平压实机构的动力学问题,分析了熨平压实机构动力学参数变化对该系统动态特性的影响.     

灌溉水平及灌溉间隔对大豆植株干物质积累的影响

采用桶栽方法,选用黑农48为试验材料,设计4个灌溉水平及4种干旱胁迫历时进行交叉试验,研究了灌溉水平及干旱胁迫历时对大豆干物质积累的影响。结果表明,花荚期大豆植株叶、茎、根和荚果更易受干旱胁迫历时影响,干旱胁迫历时越短越有利于植株生长,灌溉水平对植株的生长影响相对弱于干旱胁迫历时。植株各器官干质量的等高线图表明高灌溉水平、短干旱胁迫历时比低灌溉水平、长干旱胁迫历时有绝对优势,同时也表现出高灌溉水平、长干旱胁迫历时处理与低灌溉水平、短干旱胁迫历时处理之间具有相似性。     

番茄果实热导率测试装置参数实

微热探针法测试热导率系统已被广泛应用于食品材料热导率的测试中.但是,由于实验条件或实验设备的限制,基于理想的线热源瞬态模型测量原理得到的结果会产生某些测试误差.针对测试误差,从探针输入电压、加热时间和样品的径向尺寸等装置操作参数的选择着手,通过实验,得到装置系统测定中输入电压的最佳值为2.5～6.5V、加热时间最佳值为20～50s.最后通过实际测试,得到了番茄果实在不同成熟阶段的热导率变化规律.     

影响感官检验棉花品级的因素探析

感官检验棉花的品级,这是农村常见的一种检测手段.它的一个主要特点就是存在不确定性.这是由于检验员的品级检验水平存在一定的差异,其中有很多因素制约着检验的结果.文章对影响感官检验结果的因素进行了系统的分析.     

并联压电泵腔体初始容积设计

为探究腔体初始容积对压电泵性能的影响,设计了双腔体并联压电泵.通过理论分析,确定了双腔并联压电泵能够工作时泵腔初始容积的取值范围,根据理论公式设计制作了6种不同腔体初始容积的双腔并联有阀压电泵样机,对泵腔初始容积的变化与泵工作性能关系进行研究.在110 V工作电压下,工作频率小于400 Hz范围内,用压电双晶片进行驱动,分别以液体水和空气为介质,对不同压缩比（压电振子振动产生的泵腔容积变化量与泵腔初始容积的比值）下的并联泵进行了试验测试.结果表明,当泵送液体水时,压缩比为1/18时泵的整体输出流量最好,最大输出流量可达1 330 mL/min,压缩比越大,泵的输出压力和自吸能力越好,最大输出压力和自吸高度分别为58.5 kPa和69 cm;当泵送气体空气时,压缩比越大,泵的输出能力越好,最大输出流量和压力分别为850 mL/min和6.5 kPa,当压缩比小于1/32时,泵已经失去了输出气体能力.     

叶轮后密封环直径加大量对轴向力特性的影响

以300QJ230-40/2型潜水泵为研究对象,以清水为介质,采用标准k-ε湍流模型在多重参考系下对该泵全流道进行了定常不可压数值模拟,获得了外特性和轴向力预测值,并绘制了性能曲线和轴向力随扬程变化的关系曲线;采用机械法对该泵轴向力进行了试验测量,并将模拟值与试验值进行对比分析.结果表明:在0.8Q_sp~1.2Q_sp(对应扬程为46~36 m)的工作区域,泵性能和轴向力的数值计算结果与实测结果基本吻合.在叶轮前密封环直径、平衡孔直径及数量不变的条件下,在叶轮后密封环直径加大量Δr_m≠0时,对该潜水泵进行了全流道数值模拟和轴向力数值计算,绘制了不同后密封环直径下泵轴向力随扬程变化的关系曲线,结果表明了加大后密封环直径能有效地减小轴向力;绘制了轴向力系数与比面积关系的无因次曲线.     

迷宫流道转角对灌水器抗堵塞性能的影

以转角分别为45.0°、60.0°、67.5°和75.0°的齿形流道灌水器为研究对象,应用CFD流场速度数值分析、PIV颗粒运动轨迹线和速度观测对比以及浑水抗堵塞测试相结合的方法,研究了转角对灌水器水力性能和抗堵塞能力的影响.结果表明转角与流量系数及流态指数均呈负相关关系,而灌水器的抗堵塞能力随着转角的增加呈下降趋势.综合分析转角对水力性能和抗堵塞性能的影响,提出迷宫流道结构灌水器的合理转角为60.0°.     

PLC在泵站群计算机远动系统RTU终端中的应用

以某泵站群计算机运动系统为实例，分析由PLC构成的泵站远方终端RTU的特点及功能。     

迷宫流道转角对灌水器水力性能的影

为研究齿形、梯形以及矩形流道转角变化对水力性能的影响,采用Fluent软件对不同形状下不同转角的流道进行了数值模拟.研究结果表明:当其他条件相同时,转角的变化与流量系数、流态指数呈负相关,其变化对梯形流道灌水器的流量系数影响最大,最多下降了19.03%,齿形流道次之,下降了10.14%,矩形流道是梯形流道转角角度增加的延伸,具有相同的水力性能变化规律;随着角度的增加,梯形流道总的局部水头损失系数最多增加了32.5%,而齿形流道总的局部水头损失系数最多增加了23.4%,变化都很明显;压力较高时,摩阻系数基本保持不变,流体为紊流状态.     

基于流体体积模型的叶片数对水车性能的影响

为了研究一种利用微水头发电的水车装置,利用Fluent软件流体体积(VOF)模型模拟明渠无压流动,选用SST k-ω两方程湍流模型和滑移网格旋转模型对不同叶片数的水车在不同转速下进行非定常模拟.结果表明:3叶片水车效率区最为宽广,最优效率最高;3叶片水车上游局部湍流黏度较大,影响范围较小,而8叶片水车上、下游湍流黏度较为平均,影响范围较大;相同工况下,增加叶片数会增强水车的阻塞效应,使上、下游水位差平均增大,但可降低水位差的波动,水位差平均值增大将降低水车出力,水位差的波动对水车轴系的稳定性产生不利的影响;相同工况下,增加叶片数可以提高水车运行中转矩波动的稳定性,但会降低水车的出力,转矩波动使水车在运行中受到周期性不平衡力矩的作用,引起水车结构剧烈振动和叶片疲劳损伤.