基于毫米波雷达的果园单木冠层信息提取

为解决当前果园探测技术难以在恶劣的果园环境中提取果树冠层信息的问题。该研究将毫米波雷达应用于果园冠层探测,搭建了基于毫米波雷达的果园冠层探测系统,利用该系统扫描得到了果园点云,检测和估算得到每棵果树的株高、冠幅和体积参数。针对毫米波雷达在不同距离下产生点云密度不同的问题,该研究提出了一种基于可变轴的椭球模型自适应密度聚类算法,用以提高果树点云识别效果,进而使用Alpha-shape算法和随机抽样一致算法（Random Sample Consensus）对果树进行了表面重建和结构参数的提取。通过与人工测量数据比较,该研究提出的聚类算法可以有效的识别和提取单木冠层点云,代表果树识别精度的 F1 分数为 93.7%;检测到的果树的株高和冠幅的平均相对误差分别为8.7%和8.1%,决定系数分别为0.84和0.92,均方根误差分别为16.39和7.82 cm;使用Alpha-shape算法计算得到平均果树体积为5.6 m3,相比传统几何法测量体积,体积计算准确度提高了59.4%。该研究表明毫米波雷达可以用于果园冠层信息的准确提取,为采集果园冠层信息提供了技术,对农业信息采集和自动化作业技术的发展具有重要意义。     

基于立体视觉的玉米雄穗三维信息提取

玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunays三角网方法计算其外包络体积信息,并基于点云信息对雄穗主轴和最大穗冠的结构参数进行计算,同时定义了相关表型参数。用实测结果验证计算结果:分枝数统计结果的最大绝对误差为2,RMSE(root mean square error)为1.03,n RMSE(normalized root mean square error)为0.05;主轴长度,主轴最大/最小直径,最大穗冠高度和最大穗冠直径的R~2分别为0.99,0.82,0.83,0.97和0.93,均达到极显著相关水平。研究提出的相关表型参数和其提取方法在育种研究中具有应用潜力,为田间高通量雄穗信息的快速提取提供了参考。     

农作物冠层结构参数自动测量系统设计与试验

农作物冠层的结构参数,如叶面积指数与平均叶倾角,是影响太阳辐射在农田内进行重新分配的重要参数。在农业工程中,以玉米与小麦为例,这些参数的测量以传统的手持仪器为主,需要消耗较大的人力和时间,难以被应用于大区域尺度、长时间序列结构参数获取。该文设计并实现了一种基于无线传感器网络技术的农作物结构参数自动测量系统。系统由冠层上、下部光强测量节点、数据汇聚节点以及数据无线传输的路由节点组成,通过测量不同太阳高度角下冠层透过率来求解冠层的结构参数。数值模拟结果与野外实测结果表明,该文所用的结构参数反演算法稳定,测量系统可以较好的探测一天之中不同太阳高度角下的植被冠层太阳辐射透过率,基于方向透过率计算得到的叶面积指数与LAI2000仪器测量结果有较好的相关性,平均叶倾角和理论分布模式计算结果基本一致。该系统可以应用于对大区域尺度上的农作物长时间序列连续观测,提高农作物结构参数测量的自动化程度。     

基于三维点云数据的苹果树冠层几何参数获取

针对果园环境下苹果树冠层参数获取精度较低的问题,提出了基于地面三维激光扫描仪高精度获取苹果树冠层参数的方法.选用Trimble TX8地面三维激光扫描仪作为苹果树冠层三维点云数据采集设备,提出了基于标靶球的KD-trees-ICP算法,用于高精度配准苹果树冠层三维点云数据.研究了平均风速小于4.5 m/s时,距离地面三维激光扫描仪不同远近条件下的标靶球配准残差和拟合误差的变化规律,分析结果表明,标靶球平均配准残差为1.3mm,平均拟合误差为0.95 mm,低于大场景测量配准误差要求(5mm).为了提高有风环境下提取苹果树冠层参数的精度,研究了0.9～4.5 m/s区间平均风速影响下的苹果树冠层枝干、果实、叶片的三维点云质量,建立了风速与叶片侧面厚度的曲线拟合模型,分析结果表明,在果园平均风速小于1.6 m/s时可以从苹果树冠层三维点云数据中提取高精度冠层参数.利用地面激光三维扫描仪获取距离苹果树12 000 mm以内冠层参数,测量精度高于人工测量,相对误差小于4％,为果树高通量信息获取提供了技术支持.     

基于机载激光雷达校正的ICESat/GLAS数据森林冠层高度估测

针对星载激光雷达(geoscience laser altimeter system,GLAS)大光斑属性,该文提出了一种改进后的光斑尺度森林冠层高度估测方法,并分析了复杂地表对其估测精度的影响.首先,对机载lidar点云分类出地面点,并利用地面点对点云数据进行高度归一化处理,提取点云局部最大值得到光斑范围内机载lidar最大冠层高度;以机载lidar最大冠层高度作为模型参数拟合因变量,同时以坡度作为模型的输入变量,结合光斑大小和地表粗糙度,进行参数拟合,得到改进后光斑尺度森林冠层高度估测模型;最后,利用实测样地数据对冠层高度估测模型进行验证.结果表明:机载点云数据可以准确地反映光斑范围内森林冠层的分布,受到树种类型和点云密度的影响,不同森林类型的点云冠层分布存在明显差异.坡度等级直接影响GLAS光斑尺度森林冠层高度的估测精度,改进后的估测模型可以减小坡度对GLAS光斑森林冠层高度估测的影响,模型估测均方根误差(root mean square error,RMSE)稳定在3.26～3.88 m.样地Lorey's高与估测结果拟合度较好,相关系数r=0.66,不同森林类型光斑尺度冠层高度估测精度存在差异,混交林估测精度最高,r和RMSE分别为0.84和1.06 m.该方法可以有效减少地形条件对光斑尺度森林冠层高度估测的影响,并为更大尺度的冠层高度制图提供了有效的参考.     

基于RGB-D相机的玉米茎粗测量方法

为实现田间玉米茎粗的快速测量,提出了一种基于RGB-D(RGB-Depth)相机的玉米茎粗参数提取方法。以小喇叭口期玉米为观测对象,利用RGB-D相机获取田间玉米的彩色图像和深度图像。首先,根据玉米与背景的颜色差异,对图像进行自动阈值分割,提取图像中感兴趣区域内的信息;利用形态学"开"操作剔除图像中的噪声,得到玉米茎杆的主干。其次,对茎杆主干进行骨架化操作,检测骨架的交叉点和末端点,确定茎杆的待测量部位。然后,对该部位的点云数据进行去噪、聚类、椭圆拟合操作,得到椭圆的长轴和短轴,获得玉米的茎粗。对20株玉米进行测试,结果表明:茎粗长轴的平均测量误差为3.31 mm,标准差为3.01 mm,平均测量相对误差为10.27%,茎粗短轴的平均测量误差为3.33 mm,标准差为2.39 mm,平均测量相对误差为12.71%。该研究可为作物表型参数的快速获取提供参考。     

田间作物群体三维点云柱体空间分割方法

农田作物群体表型信息对于研究作物内部基因改变和培育优良品种具有重要意义。为实现田间作物群体点云数据中单个植株对象的完整提取与分割,以便于更高效地完成作物个体表型参数的自动测量,该研究提出一种田间作物柱体空间聚类分割方法。利用三维激光扫描仪获取田间油菜、玉米和棉花的三维点云数据,基于HSI(Hue-Saturation-Intensity,色调、饱和度、亮度)颜色模型进行作物群体目标提取,采用直通滤波方法获取作物茎秆点云,基于茎秆点云数据使用欧氏距离聚类分割算法提取每个植株的聚类中心点,并以聚类中心点建立柱体空间模型,使用该模型分割得到田间作物每个单体植株的点云数据。试验结果表明,该研究的方法对油菜、玉米和棉花3种作物的分割准确率分别为90.12%、96.63%和100%,与欧氏距离聚类分割结果相比,准确率分别提高了36.42,61.80和82.69个百分点,算法耗时分别缩短为后者的9.98%,16.40%和9.04%,与区域增长算法分割结果相比,该研究的方法可用于不同类型农作物,适用性更强,能够实现农田中较稠密作物植株的分割。该研究的方法能够实现农田尺度下单个植株的完整提取与分割,具有较高的适用性,可为精确测量作物个体表型信息提供参考。     

基于Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在6～17 mm之间,平均点位误差在13～30 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。     

考虑作物生长状态的农田表面温度数据精量甄别与区分

农田表面温度是土壤、作物和大气之间进行水/热交换传输的重要参数,也是灌区遥感反演模型的重要参量。在利用热红外传感器连续获取农田表面温度数据时,由于作物的生长发育处于动态变化中,农田表面温度数据往往混合了作物冠层温度和土壤表面温度。为精准甄别和区分田间海量监测数据,该研究结合Logistic作物生长模型,通过考虑作物生长状态指标叶面积指数（Leaf Area Index,LAI）和作物冠层高度及其关键节点,构建了农田表面温度监测数据的甄别算法。以内蒙古永济试验站玉米和向日葵实测数据对算法进行验证,并利用解放闸灌域和吉林省长春试验站的玉米和向日葵田间观测数据进行校核。结果表明：考虑LAI和作物冠层高度并利用Logistic模型模拟的关键节点来建立甄别算法,能够为农田稀疏植被表面温度数据甄别提供高效判定。与人工测量值对比,冠层温度优化幅度在10%左右（相对误差）,土壤表面温度优化幅度超过5%;甄别方法可以明显提升冠层和土壤表面温度的获取精度。甄别算法中校正因子数值需根据作物种植密度及LAI确定,其中玉米校正因子选择作物冠层温度校正因子0.9,土壤表面温度校正因子1.1;向日葵校正因子以叶面积指数最大值4为基础,选取冠层温度校正因子0.7,土壤表面温度校正因子1.2;在不同地区应用时,向日葵叶面积指数最大值每增加1,推荐冠层温度校正因子调高0.35,土壤表面温度校正因子调低0.18。研究结果为精量灌溉提供技术支撑,提高了农田监测数据的性能,为无人机遥感和卫星遥感数据的精量甄别提供算法和验证。     

考虑滑移滑转的双电机履带底盘路径跟踪算法

针对履带底盘田间作业时由于土壤松软、田面不平整导致履带滑移滑转、自动导航路径跟踪精度低的问题,该研究提出了考虑滑移滑转的履带底盘路径跟踪算法,基于履带底盘运动学模型推导出表征滑移滑转特性的转向半径修正系数,并设计了一种基于预瞄模型的模糊控制路径跟踪算法。该方法在纯模糊控制基础上通过预瞄模型确定预瞄点,进而得到横向偏差与航向偏差,同时在常规模糊控制器中引入转向半径修正系数,建立横向偏差、航向偏差、转向半径修正系数三输入模糊控制器。以双电机履带底盘为控制对象,采用高精度RTK-GNSS和MTi-30惯性传感器获取底盘实时位姿信息与角速度信息,进行组合导航。开展了三输入模糊控制器田间U型路径跟踪试验,结果表明,三输入模糊控制器的直线跟踪最大绝对偏差、平均绝对偏差和标准差分别为12.0、3.6和4.4 cm;三输入模糊控制的曲线跟踪最大绝对偏差、平均绝对偏差和标准差分别为21.3、8.6和8.4 cm;为进一步确定本研究算法在履带出现滑移滑转时对路径跟踪精度的提升效果,开展了常规模糊控制器与三输入模糊控制器曲线路径跟踪对比试验,结果表明：当作业速度为0.6 m/s时,常规模糊控制器的最大绝对偏差、平均绝对偏差和标准差分别为31.1、8.3和10.2 cm,三输入模糊控制器的最大绝对偏差、平均绝对偏差和标准差分别为22.4、7.4和9.1 cm,相较于常规模糊控制器,路径跟踪精度分别提高了27.95%、10.84%和10.78%,所设计的三输入模糊控制器可有效降低履带滑移滑转的影响,增强导航系统的控制性能,可为履带底盘在田间松软土壤环境下高精度导航作业提供参考。     

地基与无人机激光雷达结合提取单木参数

激光雷达（Light Detection And Ranging,LiDAR）在森林空间结构测量方面具有无可比拟的优势,但单独利用地基或无人机LiDAR难以完整描述森林垂直结构。为此,该研究提出了地基和无人机LiDAR点云相结合的单木参数提取方法,采用相对最短路径算法（Comparative Shortest-Path algorithm,CSP）和点云区域生长算法分别从地基和无人机LiDAR点云中识别单木,根据地基和无人机LiDAR的单木位置与地面实测单木位置进行点云粗匹配,然后采用迭代最近点（Iterative Closest Point,ICP）进行点云精匹配,采用最高值和基于密度的噪声应用空间聚类（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）提取单木树高和胸径,并通过地面实测样地数据对地基、无人机和融合点云的单木参数提取精度进行评价。结果表明：基于地基和融合点云的单木检出率一致,简单、中等、复杂样地的单木检出率分别为98%、94%、91%,基于无人机点云的单木检出率较低;基于地基与融合点云的胸径提取精度基本一致,三种样地胸径提取值的决定系数R2均在0.96以上,均方根误差（Root Mean Square Error,RMSE）在1.2～1.6 cm之间;基于融合点云的树高提取精度最优,简单、中等、复杂样地树高提取值的R2分别为0.98、0.94和0.73,RMSE在1.38～4.19 m之间;融合点云对中等样地树高提取精度提升较大,融合后RMSE相较地基点云降低了0.34 m,R2提高了3%,对简单、复杂样地提升较小;所研究的单木中,杉木的胸径和树高提取精度最高,R2最高分别为0.99、0.89,RMSE最低分别为1.35 cm、1.96 m。地基和无人机LiDAR融合点云可以更精细地测量森林空间结构,更好地满足森林资源调查业务应用。     

A boundary reconstruction method for circular fixed-area plots in environmental survey

In many ecological and forest surveys, some form of circular fixed-area sample plot is used on which numerous attributes are measured, some of which cannot be correctly estimated without knowledge of the conditions existing beyond the plot boundary. We refer to these as edge-affected attributes. An example from forest survey is crown cover, where a portion of the plot invariably is covered by the crowns of trees whose bases lie outside the plot boundary and would not be included in the sample under the standard survey design. Other examples include competition in dices, mean canopy height, canopy roughness, and photosynthetically active radiation. A number of correction techniques for edge-affected attributes have been proposed for rectangular plots, but when these have been adapted for use with circular plots, some plot information has had to be sacrificed. In this study, a technique, called morphing, is described and used to transform a circular plot into a square plot. This technique is then combined with the torus edge-correction procedure for rectangular plots to estimate, without a loss of any plot information, edge-affected attributes in circular plots. Simulation results for 1 real and 11 artificial populations are presented to illustrate the technique.     

UWB定位摄影测树仪设计与试验

为了实现森林样地高效、精准测定,该研究研制了一种具有实时定位功能和林分摄影测量功能的超宽带(Ultra Wide Band, UWB)定位摄影测树仪,该仪器主要由姿态传感器、UWB定位模块、CCD镜头和固定杆组成,以UWB定位技术和摄影测量理论为基础,结合到达时间差(Time Difference of Arrival, TDOA)定位算法、三边定位算法、运动恢复结构(StructureFromMotion,SFM)点云匹配算法实现摄影测树仪的林下精准定位、影像获取以及林木坐标测量、胸径测量功能。为了验证仪器的林分参数提取准确性,选择4种不同林种的人工林进行试验。根据摄影测量影像特征点的匹配特点,设计"环绕拍摄"样地观测方法,利用Pix4D软件对拍摄的影像和点位坐标进行三维点云构建,利用LiDAR360对重建后的三维点云进行去噪处理、胸径和立木位置提取。结果表明,所设计的仪器能够快速获取样地影像和影像坐标信息,胸径测量值的偏差为-0.04～0.42 cm,均方根误差为0.26～0.51 cm;立木位置测量值偏差为-0.16～0.27 cm,均方根误差为0.23～0.34 m。胸径测量精度能够满足森林资源调查的精度要求,可进一步推广应用于森林资源调查。     

果园行间3D LiDAR导航方法

为克服二维激光扫描仪在果园导航中感知信息少、无法有效应对树冠茂密、树干被遮挡等复杂三维果园场景,该研究提出一种基于3D LiDAR的果园行间导航方法。以3D LiDAR为检测设备实时采集果园信息,使用挖空打断后的树墙体心等效树干位置,根据左右树行的最佳平行度对随机采样一致性算法与最小二乘法拟合的树行进行互补融合并求其中心线得到导航线;对纯跟踪算法进行改进,实现差速运动机器人对树行的跟踪。结果表明:系统在篱壁式仿真果园环境下以0.33 m/s的速度沿中心线行走时,绝对航向定位偏差在1.65°以内,绝对横向定位偏差在6.1 cm以内;以0.43 m/s的速度跟踪树行的绝对横向偏差在15 cm以内。在真实梨园下,系统分别以0.68与1.35 m/s的速度跟踪树行,绝对横向偏差分别不超过21.3与22.1 cm。本系统可广泛用于标准果园与复杂三维果园机械的自主导航,具有可靠的稳定性。     

小田块变量施肥系统优化设计与应用

针对苏南地区推广变量施肥存在的施肥策略过于精细化导致高密度土壤信息不易获取和普通的施肥机械难以达到播量精度等主要技术障碍,该文建立了一种简单实用的变量施肥方案,在现有机械式播种施肥机基础上进行了自动化改造,构建了一套基于简易电子处方图系统的变量施肥系统;变量施肥作业时,以单个自然田块为处理单元,依托所建立的简单实用的电子处方图系统,实现多种肥料按需配比、同一田块均匀施肥、不同田块变量施肥的功能。为提高播量精度和播量稳定性,对普通精度GPS模块的数据进行了差分和卡尔曼滤波处理,对外槽轮施肥播种器结构进行了优化设计。田间试验结果表明:电子处方图运行结果准确,施肥播种机工作稳定,种子和肥料的最大和平均播量误差分别为3.91%和2.09%,最大和平均动态误差分别为4.52%和1.48%。该研究可为苏南小田块地区推广变量施肥提供技术参考。     

Calibration and use of plate meter regressions for pasture mass estimation in an Appalachian silvopasture

A plate meter for measuring pasture mass was calibrated at Agroforestry Research Site in Blacksburg, Virginia, USA, using six ungrazed plots of established tall fescue overseeded with orchardgrass. Each plot was interplanted with bare root honey locust and black walnut seedlings spaced along a gradient ranging from 1.8 to 11.0 m. Plate height (PH) of forage between trees was measured by placing a 46 mm × 46 mm × 5.6-mm-thick acrylic plastic plate meter on pasture canopy at six locations four times a season. PH was measured between ground and plate as it rested on pasture canopy. To calibrate the plate meter against a known dry matter yield, 50 × 50-cm clip plots followed each PH measurement. The resulting regression slope was 421 kg ha^?1 cm^?1, with an r ² value of 0.86. Unique research investigating the response of forage mass to site elevation is presented using the developed equation. The field-calibrated regression slope of ruler height (RH) to PH was 1.71 cm cm^?1, with an r ² value of 0.87, showing good correlation between RH and PH. A comparable regional regression equation was found to adequately predict independent calibration clip plot data reported at this site. The results support the application of regression equations for estimating pasture mass in areas having similar climates and pasture composition.     

Using LiDAR data to map gullies and headwater streams under forest canopy: South Carolina,USA

The southeastern Piedmont of the USA was severely gullied during the early 20th century. A thick canopy established by reforestation in many areas now inhibits the identification or mapping of gullies by aerial photography or other conventional remote sensing methods. An Airborne Laser-Scanning (ALS or LiDAR) mapping mission flown for the U.S. Forest Service in April, 2004 acquired bare-Earth topographic data. This paper tests the ability of the ALS topographic data to identify headwater channels and gullies for two branching gully systems in forested areas and to extract gully morphologic information. Comparisons are made with field traverses using differential GPS and reference cross sections measured by leveling surveys. At the gully network scale, LiDAR data provide accurate maps – the best available – with robust detection of small gullies except where they are narrow or parallel and closely spaced. Errors in mapping channel location and network topological connectivity under forest canopy increase with attempts to identify smaller features such as large rills. The ability of LiDAR data to map gullies and channels in a forested landscape should improve channel-network maps and topological models. At the gully reach scale, attempts to use LiDAR data to extract gully cross-section morphologic information under forest canopy were less successful due to systematic underestimation of gully depths and overestimation of gully top widths. Limited morphologic accuracy of the data set at this scale may be due to low bare-Earth point densities, shadowing of gully bottoms, and filtering of topographic discontinuities during post-processing. The ALS data used in this study are not suitable for detailed morphometric analysis or subtle change detection to monitor gullies or develop sediment budgets. Data collection may be improved by orienting flights over gullies and with increased point densities through improved scanner technology or better filtering and software capabilities to differentiate between vegetation and ground surfaces.     

Evaluating plant and canopy resistances of field-grown wheat from concurrent diurnal observations of leaf water potential,stomatal resistance,canopy temperature,and evapotranspiration flux

Concurrent observations of leaf water potential, stomatal diffusion resistance and canopy temperature were made on two plots of wheat (Triticum aestivum L. cv. Anza) growing at Phoenix, Arizona under two different soil water conditions. These data were further complemented by weather observations and lysimeter measurements of total evaporative water loss from the plots. Transpiration fluxes for each plot were estimated by an aerodynamic-energy balance approach and compared with the lysimeter data. Plant resistances were computed from the transpiration flux results and the leaf water potential measurements using van den Honert's equation, while canopy resistances were also computed from the transpiration flux using Monteith's equation. The calculated plant resistance decreased by a factor of almost two from morning to mid-afternoon whereas the ratio of canopy and stomatal resistances was constant during most of the day.     

基于主动光源的作物生长信息监测仪的设计与试验

为了实现大田作物生长信息全天候实时、快速无损监测,基于作物生长光谱分析技术原理,研发了一种基于主动光源的作物生长信息监测仪。该监测仪包括由730和810 nm 2个光学通道组成的作物生长信息传感系统、控制器系统及其他部件,能快速、准确地获得作物冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值等主要光谱植被指数信息,为大田作物生长指标的实时反演奠定了基础。试验结果表明,在不同光照条件下,监测仪的抗光照稳定性能良好,标准差为1.05%和0.47%;该监测仪与Field Spec3地物光谱仪测得小麦冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值具有显著相关性,其决定系数分别为0.7017、0.7071、0.8178、0.7804;均方根误差分别为0.05362、0.2118、0.03434、0.04182。该监测仪具有稳定性好、抗干扰能力强、操作简便等优点,能够满足大田作物生长信息监测的要求,该研究为实现作物精确管理调控提供了可行的参考方法。     

A mobile rain exclusion canopy system to determine dose-response relationships for crops and forest species

A fully automated rain exclusion canopy system has been designed and constructed to study the impact of simulated acid rain on the growth and yield of agricultural crops. The system consists of three, mobile greenhouse shelters which exclude ambient rainfall and apply simulated acid rain (SAR) treatments to crops established in field plots. All aspects of the field system are controlled by a microcomputer and data acquisition system. In addition, elevated ambient levels of gaseous pollutants (e.g. O₃, SO₂, NO_x) are reduced in field plots via an air exclusion system consisting of large blowers, potassium permanganate-treated alumina filters and perforated polyethylene tubes. Gaseous pollutants can be injected into the treatment plots via the blowers.