利用无人机航拍视频结合YOLOv3模型和SORT算法统计云杉数量

准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3（You Only Look Once v3,YOLOv3）和SORT（Simple Online and Realtime Tracking,SORT）的云杉数量统计方法。主要内容包括数据采集、YOLOv3检测模型构建、SORT跟踪算法和越线计数算法设计。以平均计数准确率（Mean Counting Accuracy,MCA）、平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）和帧率（Frame Rate,FR）为评价指标,该方法对测试集中对应6个不同试验地块的视频内云杉进行数量统计的平均计数准确率MCA为92.30%,平均绝对误差MAE为72,均方根误差RMSE为98.85,帧率FR 11.5 帧/s。试验结果表明该方法能够快速准确统计完整地块的云杉数量。相比SSD+SORT算法,该方法在4项评价指标优势显著,平均计数准确率MCA高12.36%,帧率FR高7.8 帧/s,平均绝对误差MAE和均方根误差RMSE分别降低125.83和173.78。对比Faster R-CNN+SORT算法,该方法在保证准确率的基础上更加快速,平均计数准确率MCA仅降低1.33%,但帧率FR提高了10.1 帧/s。该研究从无人机航拍视频的角度为解决完整地块的苗木数量统计问题做出了有效探索。     

基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测

冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发，结合卷积神经网络（Convolutional Neural Networks，CNN）和反向传播神经网络（Back Propagation Neural Networks，BP）技术提出了冬小麦县级产量预测方法，使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取，将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合，利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）和样本决定系数（Coefficient of Determination，R2）作为精度指标对试验结果进行分析和评价。结果表明，基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014－2016年冬小麦县级产量验证集中R2达到0.87以上，MAE低于269.48 kg/hm2，RMSE低于346.56 kg/hm2，93%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.2%；在河南省2015－2019年冬小麦县级产量验证集中R2达到0.96以上，MAE低于304.84 kg/hm2，RMSE低于418.14 kg/hm2，91%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质(Soil Organic Matter,SOM)空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法(Two-pointMachineLearning,TPML)提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格(Ordinary Kriging,OK)方法作为对比,以平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、预测值与真实值相关系数(r)和决定系数(R²)作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1)研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布...     

基于高光谱遥感土壤有机质含量预测研究

高光谱遥感技术是土壤养分含量监测的一种先进手段,能及时、准确地监测滨海滩涂土壤养分的动态变化,对滨海湿地生态环境保护具有重要意义。以辽河三角洲滨海湿地滩涂为研究对象,在对地面高光谱数据与实验室样本理化性质分析的基础上,经过微分以及连续统去除法相关分析,分别建立了多元线性回归模型和偏最小二乘法(PLSR)模型,并对模型结果进行分析、比较。结果显示,连续统去除法能有效的提高有机质含量与光谱反射率之间相关性,基于此变换所建立的多元线性回归模型R2达到了0.7545,RMSE为1.2216;偏最小二乘模型R2达到了0.8792,RMSE为1.2299。所建模型具有预测土壤有机质含量的潜力,其中偏最小二乘法优于多元线性回归法。     

基于无人机图像的多尺度感知麦穗计数方法

小麦是世界上重要的粮食作物,其产量的及时、准确预估对世界粮食安全至关重要,小麦穗数是估产的重要数据,因此该研究通过构建普适麦穗计数网络（Wheat Ear Counting Network,WECnet）对灌浆期小麦进行精准的计数与密度预估。选用多个国家不同品种的麦穗图像进行训练,并且对数据集进行增强,以保证麦穗多样性。在原始人群计数网络CSRnet基础上,针对小麦图像特点构建WECnet网络。在网络前端,通过使用VGG19的前12层进行特征提取,同时与上下文语义特征进行融合,充分提取麦穗的特征信息。后端网络使用不同空洞率的卷积加大感受野,输出高质量的密度图。为了验证模型的可迁移性与普适性,该研究通过基于全球小麦数据集训练好的模型对无人机实拍的麦田图像进行计数。试验结果表明：在全球小麦数据集上,WECnet训练模型的决定系数、均方根误差（Root Mean Square Error,RMSE）与平均绝对误差（Mean Absolute Error,MAE）分别达到了0.95、6.1、4.78。在无人机拍摄图像计数中,决定系数达到0.886,整体错误率仅为0.23%,平均单幅小麦图像计数时间为32 ms,计数速度与精度均表现优异。结果表明,普适田间小麦计数模型WECnet可以对无人机获取图像中小麦的准确计数及密度预估提供数据参考。     

基于注意力机制神经网络的荒漠区蒸散量模拟

该研究对基于注意力机制的长短期记忆（Attention-Based Long Short Term Memory，AT-LSTM）模型对蒸散量（Evapotranspiration，ET）模拟的可行性和有效性进行验证，以提高环境数据缺失情况下的蒸散量模拟精度。基于盐池县2012-2017年的每30 min环境数据，利用不同环境因子组合构建基于注意力机制的LSTM模型，并将其与极限学习机（Extreme Learning Machine，ELM）模型、支持向量机（Support Vector Machine，SVM）模型、长短期记忆（Long Short Term Memory，LSTM）模型在日尺度、月尺度和季节尺度上进行对比分析。结果表明：与其他3种模型相比，当输入环境因子变化时，AT-LSTM模型模拟精度变化很小，模拟效果均较好。当输入空气温度、净辐射、相对湿度、土壤温度、土壤含水率所有环境因子时，基于AT-LSTM模型的模拟效果最好，均方根误差（Root Mean Square Error，RMSE）为0.013 mm/30 min，平均绝对误差（Mean Absolute Error，MAE）为0.006 mm/30 min，相关系数（Correlation Coefficient，R）值为0.905。且无论是从小时尺度、日尺度和月尺度来看，AT-LSTM模型的模拟效果均优于其他3种模型。在环境因子缺失的情况下，净辐射对盐池县ET的模拟贡献程度最大，仅输入净辐射时，AT-LSTM模型模拟得到的RMSE和MAE分别为0.014、0.007 mm/30 min，R为0.892，模型模拟精度较高，AT-LSTM模型模拟精度高，模型稳定性强，对蒸散量模拟预测具有一定的适用性，仅输入净辐射的AT-LSTM模型可以作为环境数据缺失条件下的蒸散量预测模型。     

Sentinel-2 MSI和Landsat 8 OLI数据在玉米秸秆覆盖度遥感估算应用中的比较研究

秸秆覆盖度（Crop residue cover, CRC）的遥感估算可以在短时间内获取大范围耕地秸秆覆盖度数据,对于政府部门监测保护性耕作的实施情况有重要的现实意义。本研究基于Sentinel-2 MSI和Landsat 8 OLI数据,分别计算了多种光谱指数,并与野外实测的秸秆覆盖度数据进行相关性分析,挑选出极显著性相关的光谱指数。在此基础上,构建其与秸秆覆盖度之间的相关模型,并通过决定系数（R2）和均方根误差（RMSE）所表征模型的精度比较Sentinel-2 MSI和Landsat 8OLI数据由于光谱和空间尺度的差异对秸秆覆盖度反演模型的影响。结果表明：6种光谱指数与CRC的相关性系数均大于0.4,相关性较高的是Sentinel-2 MSI 20 m分辨率数据获取的NDTI和STI,相关系数分别为0.878、0.894,相关性最低的为Sentinel-2 MSI 10 m分辨率数据获取的NDSVI,相关系数为0.476;利用一元线性回归法构建模型时,Sentinel-2 MSI 20 m分辨率数据构建的光谱指数STI和NDTI,模型精度最高,R2分别为0.810和0.800,...     

基于多生育期光谱变量的水稻直链淀粉含量监测

直链淀粉含量是评价稻米品质的重要指标之一,其累积生长过程是多生育期、多因素综合作用的结果。为了探究多生育期信息引入对水稻籽粒直链淀粉含量监测模型的影响,实现水稻品质信息的大规模准确监测。该研究选取水稻孕穗期、抽穗期、灌浆期和成熟期这4个有关水稻籽粒形成发育的生育期的冠层光谱,分析原光谱、植被指数、高光谱特征参数,及其变换形式与水稻籽粒直链淀粉含量的相关性,筛选得到相关性较好的光谱变量,并利用逐步回归的方法进行建模,建立基于多生育期光谱变量的直链淀粉含量预测模型。结果表明:一阶导数、差值植被指数(Difference Vegetation Index,DVI)、比值植被指数(Ratio Vegetation Index, RVI)及成熟期特征参数表现出较高敏感性,最适用于直链淀粉含量预测的生育期为成熟期,而多生育期信息的综合利用能显著提高模型预测精度,最佳多生育期预测模型为孕穗-抽穗-成熟期组合模型,建模决定系数(Coefficient of Determination, R^2)为0.708,均方根误差(Root Mean Square Error, RMSE)为0.711%,平均绝对百分比误差(Mean Absolute Percent Error, MAPE)为3.22%,验证R2为0.631,RMSE为0.768%,MAPE为3.99%,证明该模型能较为精确地预测籽粒直链淀粉含量,为稻米品质指标大尺度统计监测提供一定的技术支撑和应用基础。     

基于Sentinel-1双极化雷达影像的土壤含盐量反演

该文以松嫩平原土地盐碱化区域-大庆市为研究区,Sentinel-1双极化雷达影像为数据源,结合研究区土壤采样的全盐含量测量值,反演研究区表层土壤含盐量。首先,在研究区进行土壤采样,并在实验室化验土壤样品的全盐含量,利用S1TBX软件对雷达影像进行噪声处理、辐射校正、几何校正;然后通过分析雷达影像不同极化组合的后向散射系数与土壤含盐量之间的关系,确定最优的极化组合方式;最后,利用回归分析的方法建立土壤含盐量的反演模型并进行精度评价。研究结果显示:(VV~2+VH~2)/(VV~2-VH~2)极化组合的后向散射系数可以较好的分离不同含盐量的土壤,建立起来的反演模型,决定系数R~2达到0.872,均方根误差RMSE为0.988。该研究可以满足大区域土地盐碱化监测的需要,并为Sentinel-1雷达数据在土壤成分提取等方面研究提供了参考。     

冀西山前冲积扇区土壤机械组成模型制图对比研究

探索适合地形平缓的山前冲积扇地区土壤机械组成的空间预测方法。以河北省灵寿、行唐、曲阳县400 m高程以下区域为研究区,结合地形因子、土壤类型、归一化植被指数、地表温度等环境变量,选择基于对称对数比（SLR）转换的普通克里格法（SLR-OK）、回归克里格法（SLR-RK）、随机森林法（SLR-RF）3种方法,对训练集114个样点表层土壤机械组成的空间分布进行预测,并通过验证集50个样点比较了3种方法的预测精度。（1）从空间预测图来看,砂粒呈现出西北低、东南高的空间分布趋势;粉粒和黏粒与砂粒相反。与SLR-OK法相比,SLRRK法和SLR-RF法能够更好地反映局部变异并减小平滑效应。（2）对于砂粒和粉粒,SLR-RF法对验证集含量预测的平均绝对误差（MAE）和均方根误差（RMSE）均低于其他两种方法,且决定系数最高,表明SLR-RF的预测精度最高;对于黏粒,SLR-OK法对验证集含量预测的MAE和RMSE均低于其他两种方法,且决定系数最高,表明SLR-OK法的预测精度最高。（3）线性回归预测模型的辅助变量包括高程、土壤类型和风力作用指数;随机森林法模型的辅助变量包括高程、土壤类型、归一化植...     

生态保护目标体系下海河流域湿地需水研究——以河北省衡水湖湿地自然保护区为例

随着当前海河流域水资源短缺状况不断加剧,流域内湿地面积迅速减小,生态环境日趋恶化,科学分析湿地生态环境需水量对该流域生态的保护和恢复具有重要意义.以海河流域衡水湖湿地自然保护区为例,根据研究区现状及存在的问题建立了3层次生态保护目标体系,结合湿地分类分级计算,选取植被需水量等8项指标,分析计算了不同层次生态保护目标下衡水湖湿地生态环境需水量,在此基础上,对研究区最小、最优以及最大几个典型状态下生态环境需水量进行了分析评估.分析结果表明,目前衡水湖湿地供水仅能满足生态环境最小需水量,与湿地现况基本吻合.该研究结果可为海河流域洪水资源利用与湿地生态保护和恢复提供科学依据,研究方法可为干旱半干旱地区湿地生态环境需水量的计算提供借鉴.     

基于数字高程模型的复杂地形下的黑龙江平均气温空间插值

空间化的气象资源被广泛应用于生态系统模拟与农业区划中,但常规插值模型对地形复杂、气象站点稀少的地区气象要素空间分布模拟的精度不高。本文在定量分析海拔高度、经纬度等因子对气温空间分布影响的基础上,选取黑龙江1957-2004年1月、4月、7月和10月的平均气温数据,利用DEM模型和相关辅助信息进行复杂地形条件下的气象资源空间分布模拟。精度交叉验证的结果表明,基于DEM辅助相关信息的插值精度明显高于常规的逆距离权重法、样条函数法、普通克里格法,插值精度提高了0.5-0.9℃。气温的空间分布趋势也更加合理,更好的体现出气温分布的空间异质性。     

小浪底水库对黄河三角洲湿地水分条件和景观格局的影响

研究了小浪底水库对黄河河口湿地水分条件的影响,并利用遥感方法分析了黄河三角洲湿地景观格局在小浪底运行前后的的变化情况。研究表明:(1)降雨是补给湿地水分的重要因素,由于其时间分布不均,使得黄河三角洲具有生态缺水时段;黄河的侧渗补给与降雨补给时段相同,5—7月的来水量大,补给量大,是第二大淡水补给来源。河流侧向补给的增加水量对河道沿岸附近2.5km范围内湿地的水位具有较大的影响,但对整个湿地水分改善没有明显作用。(2)小浪底水库运行后湿地总面积略有增加,其中天然湿地面积减少90.29km2,人工湿地(主要是盐田)面积增加150.11km2;沿海湿地总体上仍以海水侵蚀为主,但与小浪底运行前相比,黄河现代三角洲的河流湿地面积明显增加,同时盐碱化过程受到遏制。     

天津地区湿地退化特征与驱动因素的多变量相关分析

[目的]以天津市为例,分析缺水型特大城市湿地退化的各种因素与湿地退化指标之间的相关关系,筛选出导致湿地退化的关键因素,为制定湿地保护和恢复提供科学依据。[方法]采用单因子相关分析、多元线性逐步回归模型和典型相关分析方法。[结果]人口的增加和城市经济的快速发展是导致湿地减少的主要驱动因素;水资源量的减少导致湿地补水不足是直接的自然因素。农业人口比例和人均水资源量是近海及海岸湿地面积的主要影响因素。污水排放量和降雨量是湿地水质的主要影响因素。人口密度是湿地生物多样性的主要影响因素。[结论]水资源短缺、围垦和建设占用是造成天津地区湿地退化的主要原因,水产养殖、水稻种植和人工硬质护岸改造是自然湿地向人工湿地转变的主要原因,污水排放和农业化肥的使用是造成湿地功能退化的主要原因。     

基于机器学习的遮荫设施内参考作物蒸散量估算

为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。     

基于稠密自编码器的无监督番茄植株图像深度估计模型

深度信息获取是温室移动机器人实现自主作业的关键。该研究提出一种基于稠密卷积自编码器的无监督植株图像深度估计模型。针对因视角差异和遮挡而产生的像素消失问题,引入视差置信度预测,抑制图像重构损失产生的问题梯度,设计了基于可分卷积的稠密自编码器作为模型的深度神经网络。以深度估计误差、阈值精度等为判据,在番茄植株双目图像上开展训练和测试试验,结果表明,抑制问题梯度回传可显著提高深度估计精度,与问题梯度抑制前相比,估计深度的平均绝对误差和均方根误差分别降低了55.2%和33.0%,将网络预测的多尺度视差图接入编码器并将其上采样到输入图像尺寸后参与图像重构和损失计算的处理方式对提高预测精度是有效的,2种误差进一步降低了23.7%和27.5%;深度估计误差随空间点深度的减小而显著降低,当深度在9 m以内时,估计深度的平均绝对误差14.1 cm,在3 m以内时,则7 cm。与已有研究相比,该研究估计深度的平均相对误差和平均绝对误差分别降低了46.0%和26.0%。该研究可为温室移动机器人视觉系统设计提供参考。     

用DRAINMOD模型预测不同气候条件下排水及来水量对湿地水文的影响

水量减少是目前威胁湿地生存的一个重要原因.本文采用原美国农业部水土保持局(现美 国自然资源保护局,US-NRCS)所推荐的水管理模型DRAINMOD,根据该局1991年所 建议的湿地水文识别准则,利用不同气候条件下的降水资料,对湿润地区由于排水而引起湿 地水文情势的变化,以及干旱地区湿地形成过程中所需要的基本水量进行了预测分析.模拟结果表明对于年降水量大于1 000 mm的温暖湿润地区,在没有人工排水的情况下,湿地特征十分明显;当排水间距大于150 m时,仍可在50%的年份内满足湿地判别准则的湿润条件.而 对于年降水量小于250 mm的干旱模拟区,形成满足生长期内湿润时段的最小来水量在初春( 3月)时为173 mm,在生长期末(11月)为155 mm,分别是同期月平均降雨量的22倍和16倍 .     

基于改进MSVR的鲜食葡萄运输过程中环境因子与感官品质建模

挖掘运输过程中环境因子和生鲜果蔬感官品质之间的关系,实现基于环境因子的感官品质评估和预测,对于保持生鲜果蔬物流品质具有重要意义。该研究以鲜食葡萄为研究对象,通过对实际运输过程的跟踪监测,在实验室开展了鲜食葡萄运输模拟试验和感官试验,构建了鲜食葡萄运输感官品质数据集。在建模方法层面,该研究提出了一种基于多输出支持向量回归（Multiple Output Support Vector Regression,MSVR）模型的运输环境因子（温度、相对湿度）与感官品质（外观、香气、质地和风味品质）的预测模型,并利用粒子群（Particle Swarm Optimization,PSO）算法和遗传算法（Genetic Algorithm,GA）对模型进行优化（PSOGA-MSVR）。结果表明,PSOGA联合优化算法有效提高了MSVR模型的调参效率,且在常温运输、保冷运输和冷链运输3种不同的运输模式下,PSOGA-MSVR模型的预测效果均更优,决定系数R2高于0.98且各项误差指标低于其他模型;研究结果为运输过程中合理调控环境因子减缓生鲜水果感官品质的下降提供参考。