基于深度学习的苹果树侧视图果实识别

【目的】传统果树侧面果实识别方法精度难以满足实际果实识别的需求,研究深度学习方法对提高苹果树侧面果实识别精度、增强模型对苹果复杂生长环境的适应性和泛化性具有重要意义。【方法】文章提出基于深度卷积神经网络对广域复杂背景环境下的侧面苹果特征进行学习的方法,完成苹果树侧面果实多目标识别任务。【结果】在广域复杂场景下,基于VGG16为特征提取网络的Faster-RCNN多目标检测模型在果实多目标检测任务中,识别精度达到91%,单幅影像识别时间约为1.4 s,相较于ResNet50作为特征提取层的目标检测模型识别精度提高4%;在相同影像数据下,模型识别精度的主要影响因素是遮挡,导致模型漏判果实数量较多,VGG16在不同程度遮挡区域的漏判率比ResNet低6%。【结论】基于VGG16卷积神经网络果树侧视图果实识别算法对广域复杂场景下的果实提取效果较好,特别是在具有遮挡情况下的识别结果更优,能够为果园产量估算提供一定的借鉴。     

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。     

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。     

基于模拟光谱数据的冬小麦播期遥感监测最佳时相研究

为利用高时空分辨率的航天数据对区域冬小麦播期实现尽早监测,对冬小麦播期的不同遥感监测时相精度进行了分析。首先利用耦合作物模型和辐射传输模型模拟不同播期冬小麦从播种至返青的冠层光谱反射率,分析不同播期的冠层光谱响应差异,选取对不同播种日期敏感的波段。然后,根据敏感波段的冠层光谱,选择训练样本并计算不同播期之间的J-M距离,初步判断出光谱可分性较好的时相。最后,对不同的播期进一步进行判别分析,判定未知类别样本的所属类别。根据正确分类的精度,在华北平原北部选择播期监测的最佳时相为12月中旬,精度达到89.5%。     

精准农业技术对生态环境的影响评价研究进展

精准农业是保证作物产量和农业环境质量双赢的重要途径。综述了水肥精准管理和病虫草害精准管理的生态环境效益,精准农业通过节省资源投入、减少资源损失、提高利用效率,降低农业生产对土壤和水体环境的污染。但目前的评价内容主要集中在资源投入、残留损失、利用效率以及水土质量方面;其次,由于田间变量信息的获取途径不一致、模型预测和田间应用效果的差异、土壤质地以及作物种类的不同等原因,导致精准农业的环境效益评价结果不确定性较大。未来研究应建立精准农业技术田间定位试验,进行长期的生态环境效益评价研究,为精准农业技术的推广和应用提供数据支持。     

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。     

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。     

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。