基于无人机高光谱影像的马铃薯株高和地上生物量估算

为实现快速无损获取马铃薯株高和地上生物量信息,分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期的高光谱影像,实测马铃薯株高H、地上生物量（AGB）和地面控制点（GCP）的三维空间坐标,基于无人机高光谱影像结合GCP生成试验田的数字表面模型（DSM）,利用DSM提取马铃薯的株高Hdsm ;然后,对马铃薯AGB与原始无人机冠层光谱和高光谱指数分别进行相关性分析,筛选出最优光谱指数和前10个光谱指数,利用指数回归（Exponential regression,ER）构建单变量模型;最后,采用多元线性回归（Multiple linear regression, MLR）、偏最小二乘回归（Partial least square regression, PLSR）和随机森林（Random forest, RF）3种方法构建不同生育期的估算模型,并进行对比,挑选出马铃薯AGB估算的最优模型。结果表明：将提取的马铃薯株高与实测值进行线性拟合,R 2 为0.84;在单变量模型中,每个生育期以ER估算AGB得到的验证精度高于相应的建模精度,其中构建模型效果优劣次序依次为最优光谱指数、Hdsm 、H,块茎增长期以CIrededge指数估测精度最高（R 2 =0.45）;在多变量模型中,每个生育期采用3种方法构建AGB估算模型,每种方法以光谱指数加入Hdsm 的模型精度更高、稳定性更强;每个生育期利用MLR以光谱指数和Hdsm 为变量的AGB模型（R 2 为0.64、0.70、0.79、0.68、0.63）效果优于PLSR（R 2 为0.62、0.68、0.75、0.67、0.60）和RF（R 2 为0.56、0.61、0.67、0.63、0.53）模型。利用MLR模型进行马铃薯AGB填图,5个生育期的AGB空间分布与实际生长情况一致。利用融入Hdsm 的MLR模型可估测大面积马铃薯AGB,为精准农业定量化研究提供技术支持。     

基于采样点光谱信息窗口尺度优化的土壤含水率无人机多光谱遥感反演

针对空间异质性导致的土壤含水率反演误差较大的问题,分别以玉米灌浆期和小麦苗期的土壤含水率反演为例,利用无人机多光谱遥感技术获取喷灌和畦灌灌溉方式下的正射影像。将34组光谱特征变量按照滑动窗口法提取不同空间尺度的光谱信息平均值,通过极端梯度提升（Extreme gradient boosting,XGBoost）、支持向量机回归（Support vector machine regression,SVR）以及偏最小二乘回归（Partial least squares regression,PLSR）3种机器学习模型确定采样点光谱信息最优窗口尺度;然后,采用皮尔逊相关系数特征变量筛选法（Pearson correlation coefficient feature variable screening method,R）结合XGBoost和SVR模型对提取的34组光谱特征变量进行筛选,选取与土壤含水率敏感的特征变量;最后,估算土壤含水率。结果表明：喷灌方式下所选择的采样点最优光谱信息窗口尺度比畦灌小,其最优窗口尺度范围分别为11×11~21×21和15×15~29×29;采用皮尔逊相关系数特征变量筛选方法结合机器学习模型可有效提高土壤含水率反演精度;5种机器学习模型（R_XGBoost、R_SVR、XGBoost、SVR、PLSR）中R_XGBoost模型估算土壤含水率精度最优,在喷灌和畦灌方式下玉米灌浆期R_XGBoost模型的测试集决定系数R2分别为0.80、0.83,均方根误差（Root mean square error,RMSE）分别为1.27%和0.98%,小麦苗期R2分别为0.76、0.79,RMSE分别为1.68%和0.85%;土壤含水率反演模型在畦灌条件下的精度优于喷灌条件下。该研究可为基于无人机多光谱影像分析的信息挖掘和土壤水分监测提供参考。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

基于Shapley值组合预测的玉米单产估测

为进一步促进机器学习技术在玉米单产估测中的应用,以河北中部平原为研究区域,选取与玉米长势和产量密切相关的条件植被温度指数（Vegetation temperature condition index,VTCI）和叶面积指数（Leaf area index,LAI）为特征变量,通过极限梯度提升（Extreme gradient boosting,XGBoost）算法和随机森林（Random forest,RF）算法分别对玉米单产进行估测。基于组合预测思想与Shapley值理论,分别确定组合预测模型中XGBoost与RF模型权重,进而得到组合预测模型,结果表明,基于Shapley值确定的组合估产模型精度较高（R2=0.32）,达极显著水平（P<0.001）。同时将组合预测模型应用于河北中部平原2012年各县（区）玉米的单产估测,结果表明,模型精度较高（R2=0.52）,玉米估测单产与实际单产的平均相对误差和均方根误差分别为9.86%、831.14kg/km2,达到极显著水平（P<0.001）,且组合预测模型的精度均优于单一估测模型。研究发现,河北中部平原玉米估测单产随年份发生波动变化,呈先降低后升高的趋势。玉米估测单产以西部地区最高,其次是北部和南部地区,东部地区最低。     

基于PLS-BPNN算法的土壤速效磷高光谱回归预测方法

土壤速效磷是影响作物生长发育的重要养分指标。光谱分析技术对速效磷的定量预测具有较好的应用前景,高光谱带宽窄、分辨率高,但存在数据冗余和共线性等问题。本文针对皖北砂姜黑土145个样本开展研究,提出了利用偏最小二乘回归算法(PLS-R)对土壤可见近红外高光谱数据(400~1 000 nm)进行数据降维和特征提取,根据交叉验证和变量投影重要性分别得到潜在变量和特征波长;再分别输入BP神经网络(BPNN)进行训练,得到回归分析模型对速效磷进行定量预测。结果表明:与利用全部波长数据建模的预测结果(校正集和验证集的相对分析误差M_(RPD)分别为10.27和2.09)相比,利用9个特征波长建立的回归模型校正集M_(RPD)为2.66,预测精度明显降低,而验证集M_(RPD)为2.05,近似达到利用全部波长数据建模的预测效果;利用5个潜在变量建立回归模型,校正集和验证集的M_(RPD)分别为3.10和2.29,其中验证集相对于全部波长建模的预测精度提高了9.6%。因此,基于PLS-BPNN算法进行回归建模可以有效降低高光谱数据冗余和共线性的影响,提高模型的泛化能力,且利用潜在变量进行回归建模能提高模型预测精度。     

基于无人机高光谱分数阶微分的马铃薯地上生物量估算

以马铃薯为研究对象,利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据,实测了地上生物量（Above ground biomass,AGB）数据。首先,利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据;然后,利用分数阶微分计算高光谱0~2阶微分（间隔0.2）,将各阶微分下的光谱数据与地上生物量进行相关性分析,挑选出相关系数绝对值较大的前9个微分波段;最后,利用多元线性回归（Multiple linear regression,MLR）、随机森林（Random forest,RF）和人工神经网络（Artificial neural network,ANN）3种方法构建基于分数阶微分光谱的整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,并进行了对比。结果表明：各生育期相关系数绝对值最大值出现的阶数不同,现蕾期为0.8阶微分（470nm）;块茎形成期为1.8阶微分（710nm）;块茎增长期和淀粉积累期为1.6阶微分（718、722、766nm）;成熟期为1.0阶微分（622nm）。相较于整数阶微分,高光谱分数阶微分与AGB的相关性更高,分数阶微分可以提高马铃薯AGB的估算精度。分析了不同生育期整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型,3种方法中以9个微分波段为因变量的AGB估算在块茎增长期表现效果最好,利用MLR方法得到的模型精度最高、稳定性最强,其次为RF模型,ANN模型表现效果最差。不同生育期利用3种方法构建的AGB估算模型精度由大到小依次为块茎增长期、块茎形成期、淀粉积累期、现蕾期、成熟期。     

基于PSO-LSSVM的森林地上生物量估测模型

为提高森林地上生物量估测精度,从建模因子和建模方法出发,提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法。以松山自然保护区为研究区域,以资源三号遥感卫星数据为数据源,配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据,通过分析46个特征变量与森林地上生物量间的Pearson相关性,进行特征变量优化提取,建立PSO-LSSVM模型并在Matlab 2014a上编程实现。以决定系数R2和均方根误差RMSE为指标,对比分析了PSO-LSSVM和多元线性回归地上生物量模型精度。研究结果表明:PSO-LSSVM模型在针叶林、阔叶林、灌木林3种类型中预测决定系数分别为0.867、0.853、0.842,比多元线性回归模型分别提高了23.15%、19.13%、14.40%。PSO-LSSVM地上生物量模型具有良好的自学能力和自适应能力,它取代了传统的遍历优化方法,在全局优化及收敛速度方面具有较大优势,预测精度较高。     

结合影像纹理、光谱与地形特征的森林结构参数反演

以黑龙江省SPOT5遥感影像和森林资源清查数据为数据源,获得对应样地的影像纹理特征、光谱波段值、光谱组合值以及地形信息,提取样地调查数据的林分信息,采用多元逐步回归分析,建立以SPOT5遥感影像纹理、光谱和地形特征为自变量,多个森林结构参数(林分平均直径、断面积、蓄积量和树种多样性指数)为因变量的估测模型,筛选最优纹理特征生成窗口及最优森林结构参数反演模型。结果表明,SPOT5影像的纹理光谱特征与森林结构参数具有较强的相关性,9×9窗口为最优纹理特征生成窗口;在引入地形因子后模型精度有了较大提高,树种多样性指数估测模型R2adj都在0.72以上,蓄积量模型估测精度最优(R2adj为0.864、RMSE为21.260 m~3/hm~2)。研究表明利用高分辨率遥感影像纹理、光谱和地形特征进行多个森林结构参数估测具有很好的应用效果。     

基于Stacking集成学习的夏玉米覆盖度估测模型研究

以基于无人机多光谱影像提取的夏玉米植被指数作为特征变量,利用皮尔森相关系数结合随机森林反向验证权重的方法进行特征选择,去除冗余特征。以随机森林、梯度提升树、支持向量机和岭回归作为初级学习器,以岭回归作为次级学习器,建立基于Stacking集成学习的夏玉米覆盖度估测模型,并通过5折交叉验证进一步提升模型泛化能力,采用随机搜索和网格搜索结合的方法对模型超参数进行优化,使用4种回归指标进行模型精度评价,并利用次年数据验证其鲁棒性。结果表明,与单一模型以及决策树、Xgboost、Adaboost、Bagging集成框架相比,Stacking集成学习模型具有更高的精度和更强的鲁棒性,R2为0.9509,比单一模型平均提升0.0369,比其他集成模型平均提升0.0417;Stacking集成学习模型RMSE、MAE和MAPE分别为0.0432、0.0330和5.01%,各指标分别比单一模型平均降低0.0138、0.0130和2.14个百分点,分别比其他集成模型平均降低0.0185、0.0126和2.15个百分点。本研究为夏玉米覆盖度估测提供了新的方法。     

基于高光谱遥感的苹果树冠层叶片全氮量估测

【目的】快速准确获取大面积果园冠层叶片全氮含量（LNC ,Leaf Nitrogen Content）是实现现代精准农业的基本要求。【方法】本试验通过无人机高光谱成像仪（391.9nm ~ 1006.2nm）采集了甘肃省静宁县两个典型果园的果树冠层光谱图像,包括人工灌溉的苹果示范园与自然降雨的苹果园,综合比较两区共160份冠层叶片样本的原始光谱反射率（OD）、倒数光谱（RT）、对数光谱（LF)、一阶微分光谱（FD）,构建任意两个光谱波段集组合的差值植被指数（Difference spectral index,DSI ）、土壤调节植被指数（Soil Adjusted Vegetation Index ,SAVI）、归一化光谱指数（Normalized Different Spectral Index, NDSI）,分析三种光谱指数与叶片氮含量的相关性,利用一元线性回归模型与光谱指数构建两区最佳苹果冠层LNC估测模型。【结果】研究表明：人工灌溉区的FD-SAVI(825,536）、自然降雨区的LF-SAVI(854,392)与LNC的相关性最强,并基于FD-SAVI、LF-SAVI构建一元线性回归模型。人工灌溉区构建的FD-SAVI-ULRM估测模型精度最高,验证集R2和RMSE为0.6601和0.0678;自然降雨区构建的LF-SAVI-ULRM估测模型精度最高,验证集R2和RMSE为0.6746和0.0665。本试验采用LNC模型绘制出两个试验区的苹果树冠层叶片LNC估测图,实现对果园叶片全氮含量的精准掌握及精细化管理。     

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.