基于深度学习的地面苹果识别与计数

在农业保险中,苹果园受灾理赔需要通过快速准确的落果计数进行定损,然而自然场景的复杂性、落果的分布状态、采集员的身高、拍照习惯等环境因素和人为因素影响了基于影像的落果识别与计数的准确性和可靠性。通过获取不同落果背景、光照度、落果分布密集度、拍摄高度和拍摄距离等条件下地面的苹果影像,采用基于深度学习的更快速的区域卷积神经网络(faster region convolutional neural networks,Faster-RCNN)模型进行地面苹果检测的方法,与传统方法Hough变换和分水岭算法进行对比。结果表明,Faster-RCNN模型的平均识别精度达到95.53%,明显优于传统的地面苹果提取方法;在弱光、落果分布密集、拍摄距离较远等不理想的条件下,识别精度也达到90%以上,有较好的稳定性。基于深度学习的地面苹果识别与计数方法,有望为提高农业果品保险定损的精度与效率提供重要的技术参考。     

红外光谱指数反演大田冬小麦覆盖度及敏感性分析

植被的覆盖度能反映植被对光的截获、指示植物的生物产量等。常用的红光/近红外构成的植被指数能指示作物覆盖度，但它们易受到不确定因素的影响，估测结果往往偏差较大。该文以冬小麦为例，研究了利用近红外和短波红外光谱指数估测覆盖度的可行性，并评价了这些指数对品种、肥水处理和叶色的敏感性。试验中对冬小麦用数码相机垂直成像获取照片，利用分类算法自动提取覆盖度。根据同步获取的冬小麦光谱特征，构造了56个红外比值和28个红外归一化光谱指数，并选取了8个基于红光近红外的植被指数，利用通用线性模型(GLM)评价它们对覆盖度的预测能力及敏感性分析。结果表明，短波红外光谱指数R1690/R1450，R1450/R1690及(R1450-R1690)/(R1450+R1690)等不易受品种，肥水管理及叶色的影响，能很好地预测大田冬小麦覆盖度。     

基于GIS的海河流域农田氮磷肥施用环境风险评价

以海河流域为研究区,基于化肥施用环境安全阈值预测模型及环境风险指数评价模型,对流域35个地级市农田氮磷施用强度及氮磷风险指数进行定量估算,并结合GIS空间分析能力,分析各地级市氮磷肥施用对环境污染的风险等级。结果表明,近11 a来,海河流域平均化肥施用强度为366.16 kg/hm2,是我国生态县化肥施用强度安全标准的1.46倍,是发达国家化肥施用安全标准的1.63倍。2005—2015年,氮、磷肥低度施肥区主要分布在流域西部,中度以上施肥区主要分布在中南部。从风险程度看,50%以上的氮磷肥处于尚安全区及低度风险区,中度以上风险主要分布在北京、天津及河北、河南、山西的个别地级市,但氮、磷肥风险在空间分布上存在显著差异;综合风险空间分布结果显示,90%以上为尚安全区及低度风险区,中度风险分布在朝阳市、天津市和新乡市。整体来看,流域化肥施用环境风险程度逐年降低,这与我国政府制定的较少农田化肥施用量的相关政策有必然的联系。     

基于磷指数模型的海河流域农田磷流失环境风险评价

农田面源磷流失是导致水体富营养化的主要原因,识别农田磷流失的关键源区、影响因子是农田面源污染防治的重要环节。该研究以海河流域为研究区,采用磷指数模型,选取土壤有效磷含量、磷肥施用量作为源因子,以土壤侵蚀模数、年径流深、农田和水体间归一化距离指数作为迁移因子,结合GIS技术评估海河流域农田磷流失风险,并利用结构方程模型研究农田磷流失风险指数与各影响因子间关系。结果表明:1)海河流域农田土壤有效磷、磷肥施用量、土壤侵蚀模数、年径流深及归一化距离指数处于中-低、中-高、极低、中-高和高级别风险等级的区域面积占比最高,分别占农田总面积的66.5%、61.1%、99.0%、54.2%和64.8%;2)影响农田磷流失的关键因子为迁移因子,其中关键的迁移因子为年径流深及归一化距离指数;3)源因子与迁移因子间呈极显著负相关(P0.01),土壤性质(包括土壤质地及有机碳含量等)与源因子呈极显著负相关(P0.01),与迁移因子呈极显著正相关(P0.01);4)海河流域农田磷流失关键源区位于黄河北岸的山东省和河北省东南部的平原农耕区、海河流域西北部的山区地带。该研究结果对流域尺度上农田磷流失研究的方法创新有所裨益,可为海河流域农田面源污染防治提供科学参考。     

基于无人机多光谱影像的春玉米田管理分区研究

为了提高大尺度农田管理的针对性,探寻低成本高效的分区方法,以黑龙江省典型黑土区30.8 hm²春玉米田为对象进行分区研究。基于吐丝期无人机多光谱影像,使用多尺度分割与模糊聚类相结合的方法进行分区,同时基于播种前的土壤养分（土壤有机质、速效氮磷钾）、土壤体积含水率、电导率、pH进行模糊聚类分区并作为对照,对分区间春玉米产量和土壤养分进行方差分析,并对分区内变异系数进行比较以评价分区效果。结果表明,基于无人机影像得到4个较优管理分区为M1、M2、M3、M4,各分区产量分别为7 597.53、8 236.35、8 686.98、9 119.93 kg·hm^-2,各分区间产量差异显著,其中M1、M2、M3间土壤养分差异显著（P<0.05）,分区内作物产量和土壤养分的变异系数降低;基于土壤数据确定4个分区,即S1、S2、S3、S4,春玉米产量分别为7 754.81、8 173.44、8 860.05、9 153.23 kg·hm^-2,分区间土壤养分、土壤水分差异显著（P<0.05）,分区内部土壤均一性提高。综合来看,2种方法的划分结果在空间分布上具有一定的相似性,同级分区的空间重合度分别为40.00%、46.51%、57.45%、59.38%,整体重合度为51.32%。当缺乏土壤数据时,无人机多光谱影像可为农田管理分区提供参考依据。     

夏玉米-冬小麦轮作期土壤呼吸的温度敏感性分析

研究土壤呼吸和温度敏感性(Q₁₀)的季节变化对丰富农田土壤的碳循环理论具有重要理论和现实意义。采用动态密闭气室法于2018年6月-2019年6月连续监测北京夏玉米-冬小麦轮作期间农田土壤呼吸速率,研究不同作物生育期Q₁₀值和土壤呼吸变化特征,综合分析土壤温度和土壤含水率对土壤呼吸的影响。结果表明:日内尺度上不同作物生育期土壤呼吸变化均呈单峰型,对土壤温度昼夜变化的响应关系呈顺时针近椭圆曲线;Q₁₀具有明显的季节变化特征,夏玉米苗期、拔节-抽雄、开花-成熟3个时期Q₁₀分别为2.27、6.13、1.28,在整个夏玉米季,土壤体积含水率在19.52%～45.43%变化,水分解释了50%的土壤呼吸变化(P<0.05),临界值土壤体积含水率为27.84%(田间持水量的83.83%),土壤温度只能解释夏玉米季土壤呼吸速率变化的3%(P>0.05),Q₁₀为1.29。冬小麦出苗-分蘖期、越冬期、返青-拔节期、孕穗-抽穗期、开花-成熟期Q₁₀分别为4.17、...     

基于Faster R-CNN的松材线虫病受害木识别与定位

松材线虫病是一种毁灭性松树传染病,其传播速度快、发病时间短、致病力强,及时发现、确定受害木的位置,并采取安全处理措施是目前控制松材线虫病蔓延的有效手段。本文通过小型无人机搭载可见光RGB数码相机获取超高空间分辨率影像,采用Faster R-CNN目标检测算法实现对染病变色松树的自动识别,与传统受害木识别方法不同,本文考虑了其他枯死树和红色阔叶树对受害木识别的影响。实验结果表明,根据受害木的冠幅大小修改区域生成网络中的锚框(anchor)尺寸,并考虑其他枯死树和红色阔叶树的影响,有利于提高受害木识别效果和检测精度。改进后受害木识别总体精度从75.64%提高到82.42%,提高了6.78个百分点,能够满足森林防护人员对受害木定位处理的需求。通过坐标转换的方式得到受害木的精确位置信息与空间分布情况,结合点位合并过程,最终正确定位出494棵受害木。本文通过无人机遥感结合目标检测算法能监测松材线虫病的发生和获取受害木的分布情况,可为松材线虫病的防控提供技术支持。     

基于连续小波变换的潮土有机质含量高光谱估算

土壤有机质含量快速估算对于土壤肥力评价、土壤信息化管理和精准施肥具有重要意义。该文通过对北京顺义地区64个土壤样品高光谱曲线进行连续小波变换,估算了该地区潮土有机质质量分数,并与4种常用光谱变换方法进行了比较。结果表明,潮土具有与其他类型土壤类似的光谱曲线,经过去包络线处理后,在可见与近红波段都出现了明显吸收峰;采用连续小波变换方法所确定的潮土有机质估算的敏感波段为1194、486和866nm,对应小波分解尺度为2,3和4;利用小波能量系数与有机质质量分数所构建的多元线性回归模型的决定系数R2为0.67,模型实测值与预测值的检验精度R2为0.75,RMSE为0.21;而采用4种常用光谱变换方法建立的潮土有机质估测模型的R2最高只有0.09,说明连续小波变换方法更适合于潮土有机质质量分数估测。Kringing插值分析表明,应在顺义地区东南部增加取样点,以提高模型估算精度。该研究可为潮土土壤肥力的快速测定提供参考。     

基于多时相遥感数据和HSV 变换的越冬前冬小麦面积提取

【目的】冬小麦种植面积的提取对保障粮食安全和估产工作具有重要意义,已有冬小麦面积监测方法存在的所需数据量多、时间滞后等问题亟待解决。【方法】基于入冬前的2017年11月21日(分蘖期)和2017年12月24日Landsat8 OLI影像,将MIR、NIR和RED波段进行HSV变换,并计算地物的NDVI;利用全国土地利用图提取耕地与非耕地两类地物,统计分析两类地物NDVI值、H波段值的关系并设置阈值,初步提取疑似小麦种植区;利用小麦两个时相S值增大的特点准确提取小麦种植区域。【结果】利用多时相遥感数据中NDVI、H和S差别提取的试验区冬小麦种植面积,与地面调查、县区统计年鉴数据有较高的一致性。【结论】HSV阈值划分方法适用于冬小麦种植面积提取,能够提高小麦面积估算的时效性。     

精准农业对华北平原冬小麦温室气体排放和产量的短期影响

本试验以京郊冬小麦田为研究对象,采用大田试验设置4个处理:CTF(常规整地+常规施肥)、PF(精准施肥)、LL(激光平地)、PF+LL(精准施肥+激光平地),采用静态箱-气相色谱法分析了不同农业措施下的土壤温室气体(CO_2、N_2O、CH_4)排放特征。结果表明:和CTF相比,LL冬小麦产量显著提高7.10%;降雨、灌溉后表层土壤含水率显著提高,冬小麦季土壤CH_4吸收量显著增加22%,土壤CO_2、N_2O累计排放量分别显著增加27.20%、8.81%。PF产量与CTF无显著差异;土壤N_2O排放峰出现在追肥后,PF排放峰值显著较CTF低15.41%,精准施肥至收获期间PF土壤N_2O显著减排15.05%,但整个冬小麦生长季PF土壤CO_2、N_2O累计排放量和CH_4累计吸收量与CTF均无显著差异。和CTF相比,PF+LL小麦产量显著提高8.2%,同时PF+LL土壤具备较好的持水性,雨季及灌溉后表层土壤含水率分别显著提高8.81%、7.63%,冬小麦生长季土壤CO_2累计排放量显著增加33.53%,CH_4吸收量显著增加31.5%,N_2O累计排放量无显著差异,但在精准施肥至收获期间土壤N_2O显著减排10.22%。综上,激光平地技术可显著增产但综合增温潜势较强,精准施肥技术对产量无显著影响,但降低了N_2O排放峰值,减少了精准施肥后的N_2O累计排放量,表现出一定的N_2O减排潜力。