基于遗传算法的土壤墒情传感器优化布局策略

针对用于节水灌溉的土壤墒情传感器布局问题,该文提出一种结合了基于全局优化遗传算法和改进的加权圆集布局理论的人机交互优化布局策略。该策略综合考虑了传感器覆盖精度、重叠限制等约束条件。通过在人机交互中引入专家知识和在遗传算法中采用十进制编码,策略易于与其它算法和附加参数协作以进行升级或移植于其它的应用场合。在给定传感器成本的仿真实验中,该文算法比四边形方案节约成本17.5%,比六边形方案节约成本34.0%。     

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。     

基于实时含水率数据的土壤墒情动态建模及预测

实时准确地预测墒情是进行灌溉预报,实现农田水分精准化管理,提高水分利用效率的重要措施。基于根区（0−60cm土层）水量平衡原理,利用泰勒级数对根区下界面水分通量和作物蒸腾量进行了线性化处理,并以实时根区平均土壤含水率为自变量构建了动态的土壤墒情预测模型。采用天津市武清区西吕村无线土壤墒情监测系统（包含3个监测点）实时监测数据（地表下30cm和60cm处的土壤含水率）,分别选取5d、10d、15d和20d作为建模系列长度进行回归分析,确定模型参数,对10d和15d两种预见期进行了土壤墒情预测精度分析。结果表明：（1）实时预测模型拟合程度较好,三种建模系列长度条件下的确定性系数均达到0.80以上（样本数均大于550）;（2）15d建模系列长度下相对误差最小;（3）15d建模系列长度、15d预见期、10%相对误差界限值条件下,3个监测点的墒情预测合格率分别达到98%、100%和89%。由此可见,研究提出的实时墒情预测模型预测精度较高,便于建模分析,为土壤墒情的预测提供了新方法。     

基于模拟退火算法的土壤样点布局和土壤景观模型优化

本研究利用多重线性回归方程,以地形因子为预测变量,构建关于土壤有机质的土壤景观模型,并以西南山地丘陵区的一块面积为2 km2的汇水盆地为研究区,对该区域的土壤有机质空间分布进行预测。在此基础之上,探讨最少可用多少个点来预测土壤有机质的空间分布,并使之预测精度不低于原始集合的精度;同时,找出最优土壤样点布局,确定不同地形部位的取样单元,使之预测精度最高。研究结果表明:在预测误差最小化的情况下,最少可用7个优化的样点就可以代替原始200个采样点,且优化的样点数为124时,模型预测土壤有机质空间分布的精度最高。优化后的土壤景观模型的拟合度比原始模型提高了3.28%,MAE降低了5.3%,RMSE降低了3.94%。     

基于空间特征谱聚类算法的含噪苹果图像优化分割

为了减少噪声对苹果采摘机器人的目标识别所带来的影响,对含噪苹果图像的分割方法进行了研究。该研究设计一种针对噪声具有鲁棒性的苹果图像分割方法,首先计算苹果图像的三维空间特征点的紧致性函数,用以构造邻近点的相似矩阵实现苹果图像的去噪效果;再利用离群点矩阵拆分并由其他剩余列向量线性表示,对相似矩阵进行离群点调优实现聚类优化,进而提出基于空间特征的谱聚类含噪苹果图像分割的优化算法,旨在提高分割算法的效率和识别准确率。通过对两幅苹果图像添加不同程度的高斯和椒盐噪声（方差分别为0.01、0.05和0.1的高斯噪声和概率为0.01、0.05和0.1的椒盐噪声）进行试验,分别求出谱聚类方法、基于空间特征的谱聚类方法和该文优化方法的苹果目标图像的分割图,并计算三类方法的分割准确率。该文优化方法对于单个苹果受不同噪声影响下的分割准确率均在99%以上,对于重叠苹果的分割准确率均在98%以上,对于所选取的30幅苹果图在方差为0.05的高斯噪声和概率为0.01的椒盐噪声影响下的平均分割准确率为99.014%。结果表明：谱聚类方法受噪声的影响较大;基于空间特征的谱聚类方法的分割效果受噪声的影响较小,但在边界区域仍然有很多错分的像素;优化方法在边界区域的分割要优于基于空间特征的谱聚类方法;在设定的试验条件下,其分割结果准确率相对于基于空间特征的谱聚类方法和传统的谱聚类方法可分别提高5%～6%和9%～25%。在分割效率方面,该文优化方法的分割时间低于传统的谱聚类算法,且与基于空间特征谱聚类方法接近。研究结果为苹果采摘机器人的快速目标识别提供参考。     

基于气象因子的金华市土壤墒情预测模型

利用金华2007—2008年土壤墒情资料和相关气象资料,分析了土壤湿度的基本变化规律,对土壤湿度与相关气象因子进行了灰色关联度分析,找出关键气象影响因子,建立了基于关键气象影响因子的土壤墒情预测模型并进行了试报和验证。结果表明：金华市冬季、春季土壤较为湿润、变化较为平稳,夏季、秋季土壤相对较干、变幅较大;5mm降水与蒸发的差为影响土壤相对湿度变化的首要因子;基于关键因子的土壤墒情预测模型试报2008年夏季的10cm、10—20cm、20—30cm土层相对湿度的平均误差分别为15．75％、6．89％、8．21％,该模型预测的土壤湿度状况基本能反映旱情发展的动态趋势。模型可为准确预测土壤墒情的变化状况,为农业生产合理用水和防灾减灾提供参考。     

基于Elman动态神经网络的土壤墒情预测研究

土壤墒情是一个非线性、时空异质性和动态不确定过程,利用Elman动态神经网络对研究区临沂站和平邑站土壤水分含量进行了预测。结果表明,所建立的网络模型能够对土壤墒情进行成功模拟,预测的土壤水分值与观测值吻合得较好,模拟精度较高。临沂站和平邑站模拟土壤墒情的平均绝对误差分别为1.08%和1.07%,平均相对误差为10.2%和11.0%。Elman动态神经网络模型利用其独特的非线性、非凸性和适应时变特性的能力从时空变率复杂的土壤水分运移系统中找出一定的演变规律,为土壤水分预测提供了一种有效可靠的方法。为了更好地验证该方法的优越性,还需要更多的样本数据,更多的区域和更全面的敏感影响因素来验证,以及更深层次的理论研究和分析。     

基于地统计的土壤养分采样布局优化

传统的土壤养分采样布置方法都是基于采样区土壤特征状态空间随机变异的假设。而地统计学研究表明,土壤特征状态在空间上有关联性,因此利用传统方法来制定采样方案并不是最优的,因为它没有考虑土壤特性的空间相关性,不能反映其局部的变化特征。该文在分析土壤肥力空间变异的基础上,研究利用经典统计学方法确定合理的采样点数目,并基于地统计学的半方差函数拟合与Kriging方法确定合理的采样点布局的方法,选择典型地区的土壤肥力进行空间变异分析和采样点布置的优化设计。研究结果表明：在合理的位置布置14个采样点就可以满足典型基地种植区绘制施肥处方图进行变量施肥决策的要求;利用经典统计学与地统计分析相结合的方法进行农田尺度的土壤肥力采样布点优化分析具有良好的可行性。     

基于zigbee无线网络的土壤墒情监控系统

为了提高农业灌溉用水利用率,针对传统有线网络采集布线复杂和成本高的缺点,该文设计了一套基于Zigbee无线网络和CC2430 MCU的土壤墒情监测系统。该系统综合了Zigbee无线网络自行组网、自行愈合和超低功耗的优点,采用太阳能电池供电,能实时监测和记录土壤墒情信息,为进一步制定节水灌溉策略提供有力的数据支持。初步试验结果表明,该系统运行稳定,丢包率低,能及时准确的监控土壤墒情信息,并将土壤含水率维持在适合植物生长的最佳含水量的范围之内。研究结果可为进一步开发更精准的自动灌溉系统提供数据支持。     

基于神经网络的混沌时间序列土壤墒情预测预报

土壤墒情预测预报对农业生产、水分循环的研究具有重要的意义。应用混沌理论对具有混沌特性的土壤墒情时间序列进行相空间重构,利用神经网络对土壤墒情时间混沌序列重构相空间中相点的演化过程进行了学习、训练及预测。结果表明,该方法所需的参数较少,简单易行,即只需要土壤墒情时间序列数据。通过对预测预报值与实测数据进行比较,证实了该方法相对误差较小,预测精度高,有一定的可靠性和实用性。     

基于差分信号控制的土壤含水率传感器设计

研究土壤含水率的测定对于农作物生长,灌溉及农业自动化发展具有重要意义。该文针对传统含水率传感器电极输出信号谐波失真较大的问题,设计了一种差分信号控制的土壤含水率传感器。鉴于传感器电极输出的信号失真是由于土壤非线性因素引起的,该文利用集成时基计时器设计差分输入信号控制电路,减少输出信号的总谐波失真度。此外,建立相应的数学模型,得到土壤阻抗与信号周期变化关系。构建传感器硬件结构,通过微处理控制器测量信号周期得出土壤含水率变化数值。试验表明,传感器输出端的信号总谐波失真较传统结构减少12.56%。土壤质量含水率在5%~30%时,土壤含水率测试最大误差不超过4.89%,土壤阻抗测试误差不超过2%。     

基于RC网络相频特性的土壤含水率传感器设计

土壤中的水分影响土壤养分的溶解、转移和微生物的活动,是作物赖以生存的基本要素。土壤含水率的快速准确监测对于农业生产具有重要意义。该文设计了一种基于RC网络相频特性的土壤含水率传感器。不同含水率的土壤的介电常数的变化会导致RC电路网络的相频特性的变化。传感器通过感知这种变化进而确定土壤含水率。此外,针对RC网络电路元件参数和工作频率选择的问题,该文采用最优化方法求解从而使传感器在量程范围内具有最佳的灵敏度。其中最优的工作频率为f*=1.9412×108 Hz,最优的串联电阻R*=13.1 Ω。试验表明,该传感器对砖红壤土含水率的预测模型的决定系数R2为0.9889,实际预测误差≤4.58%。     

基于NDVI优化选择的土壤水分数据同化

时间序列上遥感观测数据的准确性会对同化结果有较大的影响.该文以宁夏回族自治区固原市为例,通过北方生产力生态模犁模拟2008年5-7月逐日的土壤湿度,按照不同日期的归一化植被指数(normalized difference vegetation index,NDVI)阈值,分别利用MODIS资料计算出基于红光和近红外波段的垂直含水量指数、改进的垂直干旱指数和基于近红外波段和短波红外波段的短波红外垂直水分胁迫指数,和宁夏中南部的气象站实测土壤水分建立关系,并用不同遥感指数反演的土壤水分作为观测值进行同化.结果表明,在作物的不同生长时期,垂直含水量指数、改进的垂直干旱指数和短波红外垂直水分胁迫指数的反演效果不同,基于NDVI优化遥感反演结果,选择准确性更高的反演结果作为同化观测值,能提高同化土壤水分的精度.该研究表明在不同时间段内使用更为准确的遥感监测结果作为观测值进行同化可以提高同化的精度.     

基于自适应密度峰值聚类的野外紫色土彩色图像分割

野外自然环境下采集的紫色土图像背景复杂,将紫色土区域从背景中分割出来是应用机器视觉对紫色土进一步分析处理的首要工作。该文提出基于自适应密度峰值聚类的野外紫色土彩色图像分割算法。该方法首先构造基于熵的相似度矩阵,从而建立基于类间方差最大化类内方差最小化准则的灰度变换优化模型,求解优化模型获得一个提升了紫色土与背景间分离特性的灰度图像。然后,构建无参的密度公式和一个中心决策度量来自动获取聚类中心,实现在密度峰值聚类算法框架下紫色土图像的自适应分割。最后,设计边界提取与区域填充的后处理算法获得完整的紫色土土壤区域图像。通过使用常规样本集、鲁棒样本集试验测试,结果显示:该文分割算法的初分割平均分割精度分别为93.45%和87.40%,比采用原始密度峰值聚类算法的平均分割精度分别提高3.16和12.47个百分点。经该文算法初分割、后处理,平均分割精度分别提高到96.30%和91.63%,平均耗时分别为0.36和0.35 s。研究结果为野外紫色土彩色图像的自适应分割提供参考。     

黄土区刺槐林地土壤水分剖面的垂直分层

 为从蒸散耗水角度对黄土区刺槐林地土壤水分剖面进行垂直分层,在山西吉县蔡家川流域刺槐林地布设频域反射仪对0～150cm土层分层连续测定土壤水分,综合利用灰关联分析法和有序聚类法对各土层、不同时间蒸散耗水特性进行研究。结果表明:从蒸散耗水角度,黄土区刺槐林地土壤水分可垂直划分为地表植物蒸散耗水层(0～10cm)、林下灌木蒸散耗水层(10～40 cm)、刺槐蒸散耗水层(40～150cm);灰关联分析法和有序聚类法可以综合应用于土壤水分剖面垂直分层研究。分层方法数学理论基础较严密,取得的分层结果与现有相关研究结果基本一致,因此,有较高可信度,可为黄土区刺槐林地土壤水分研究提供参考。     

基于太阳能的无线土壤水分传感器的研制

为实现土壤水分的自动检测与无线传输,采用电场法检测土壤质量含水率,利用Zigbee技术构建无线传感网络实现数据传送。利用太阳能电池收集太阳能并存储于锂电池中,实现对系统供电。通过合理的充放电管理,能有效地延长锂电池寿命。试验结果表明,该传感器能够实现0～30%间的土壤质量含水率的测量,相对误差小于10%。利用Zigbee模块及MiWi(TM)协议栈构建星形网络能实现数据无线传输。当节点发射功率为1 mW时,在无阻挡条件下可靠传输距离为30 m,在有农作物遮挡时,可靠传输距离为10 m左右。在1 h采集发送     

高光谱技术结合CARS算法预测土壤水分含量

高光谱技术已成为预测土壤含水量(soil moisture content,SMC)的重要方法,但因土壤高光谱中包含了大量冗余信息和无效信息,不仅导致SMC的高光谱估算模型复杂度高,而且影响了模型的预测精度。因此,该研究在室内设计SMC梯度试验,测定土壤高光谱反射率,经Savitzky-Golay平滑(Savitzky-Golay smoothing,SG)和连续统去除(continuum removal,CR)预处理后,基于竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)方法分别优选出土壤在全部SMC的水分敏感波长变量,确定适用于土壤在全部SMC的共性波长变量,以其为优选变量集,采用偏最小二乘(partial least squares regression,PLSR)回归方法建立模型并进行验证。结果表明,SG和CR预处理后的光谱曲线在450、1 400、1 900、2 200 nm附近吸收峰的形状特征凸显;基于CARS方法对土壤在不同SMC的光谱曲线进行变量优选后,得出优选变量集为443~449、1 408~1 456、1 916~1 943、2 209~2 225 nm;CARS-PLSR模型性能优于全波段PLSR模型,模型预测R2、均方根误差、相对分析误差分别为0.983、0.0144、8.36,不仅提升了预测精度和预测能力,而且降低了变量维度和模型复杂度。该文通过优选土壤水分的敏感波段,有效提高了SMC预测模型的鲁棒性,为快速准确评估农田墒情提供了新途径,为开发田间SMC测定传感器提供了理论依据。     

L波段主被动微波协同反演裸土土壤水分

土壤水分是进行干旱监测、土壤侵蚀、农作物产量预测以及地表温度研究的重要参量,利用主被动微波协同的方法提高土壤水分的反演精度是定量遥感发展所面临的重要任务。本文基于土壤L波段微波散射辐射模拟数据集,通过对比分析主被动微波数据对土壤水分含量和粗糙度2个参数的敏感性,提出了基于L波段主被动协同的裸土土壤水分反演算法,算法充分利用了被动微波地表发射率对土壤水分较为敏感,而主动微波后向散射系数对地表粗糙度较为敏感的特点。首先由地表垂直极化发射率和 VV 极化后向散射系数协同提取地表粗糙度信息,再由被动微波双极化数据结合地表粗糙度信息来估算土壤水分信息。利用SMAPVEX12实验数据集中部分稀疏植被采样点的观测数据对算法进行验证,验证结果显示,土壤水分反演结果与地面实测数据相关性为0.6637,RMSE为0.0607 cm3/cm3。该文反演算法模型系数直接由模拟数据集计算得到,克服了常规经验算法的发展对地表实测数据的依赖性,减小了算法在实际应用中的局限性。