简单屋顶绿化的滞蓄特性

设计了模拟降雨与数据采集系统,研究了短时强降雨下简单屋顶绿化基质(配比：陶粒57.0%、草炭41.5%、保水剂1.5%)的降雨产流过程,基于37次模拟降雨实验,归纳了降雨产流的一般过程、规律和特性,分析了降雨强度、基质厚度和基质初始含水率对简单屋顶绿化滞流蓄水特性的影响。结果表明：基质厚度和基质初始含水率对简单屋顶绿化的蓄水特性有显著影响,基质初始含水率越低、基质厚度越厚时蓄水特性越佳。建立了产流时间数学模型,简单屋顶绿化降雨产流时间与降雨强度呈负相关,同时也受初始含水量和基质厚度影响。随着干湿循环次数增加,基质的厚度总体呈现下降趋势,储水性能逐渐下降,延迟产流时间逐渐缩短。     

黄土高原森林林隙特征及植物多样性

通过对马栏林区林隙的调查研究,发现其林隙大小以20～40 m2和40～60 m2居多,其中40～60 m2所占数量比例和面积比例均最大.林隙的年龄结构是中前期和中后期数量较多,分别占到林隙总数的42.31%和38.46%.林隙形成方式以砍伐树桩占的比重最大,说明该地区现有的林隙大多是人为干扰形成的.林隙形成木中辽东栎(Quercus liaotungensis)和油松(Pinus tabulaeformis)的株数相对较多,且主要是由中小径级的树木构成.不同大小林隙的植物多样性变化表现为:乔木层面积为40～60 m2时其多样性较高,灌木层和草本层面积均为20～40m2时其生物多样性较高.在不同发育阶段中,草本层的多样性指数在林隙发育的中前期最高,而乔木层和灌木层均在林隙发育到中后期时最高.     

文本分类技术中的特征选择算法研究

特征选择(Feature Selection)是基于向量空间模型的文本分类的首要任务和关键。本文对常用的七种特征选择算法进行了深入研究和比较,并提出今后特征选择研究的方向和目标。     

基于组合神经网络的农用车轮胎号识别方法

为了保证轮胎号识别系统具有较高的识别正确率和置信度,对轮胎号字符识别方法进行了研究。对大量的农用车轮胎号字符图像样本进行各类特征量提取,针对每类特征量建立各自的子BP网络进行训练,并将各训练好的子网络进行组合形成并行组合神经网络,按照等权平均或投票选举决策得出最终识别结果。并行组合神经网络的连接数较传统庞大单级神经网络少,训练和识别的速度要快,大量的轮胎号字符样本识别试验表明,并行组合神经网络的识别正确率和置信度都较传统BP网络得到提高。     

黄土高原降雨因素对土壤侵蚀的影响

根据调查和模拟降雨试验资料分析,黄土高原地区降雨是影响土壤侵蚀的最重要因素之一。水土流失主要是由少数几次大雨或暴雨所引起,大多数的降雨一般不产生地表径流;能够引起水土流失的土壤侵蚀暴雨标准随雨强和历时而异;ＥＩ３０是较适用的降雨侵蚀力指标,各种降雨特征值具有明显的空间分布规律。     

玉米冠层平行多目图像匹配方法

针对一种四通道矩形排列的多光谱相机,开发了一种平行多目成像匹配模型。利用相机拍摄了田间玉米冠层图像,相机的4个通道分别为R（红）、G（绿）、B（蓝）和NIR（近红外）,拍摄距离为0.5 m左右。分析了玉米冠层图像的特点,提出了一种图像匹配方法。该方法首先选择某一通道图像作为源图像,其他通道图像作为目标图像,源图像中叶片边缘作为源特征点,由该点18个方向的导数作分量构成特征向量。其次在目标图像中搜索相应的目标特征点,若在其中某一区域内的点与源特征点所在边缘方向夹角小于某阈值,将特征向量与源特征向量的距离为最     

玉米籽粒的特征选择算法——基于支持向量机与遗传算法

在基于数字图像的玉米品种自动识别的研究中,寻找对识别贡献大的新特征项,对玉米品种识别率的提高具有十分重大的意义.把遗传算法和支持向量机算法相结合,设计了具体的基于支持向量机和遗传算法的玉米籽粒特征选择算法,利用这种算法优选提取出的玉米籽粒特征,从玉米籽粒的胚部和冠部的颜色特征与形状特征中找出了对玉米品种识别贡献较大的新特征.     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

基于语义分割的非结构化田间道路场景识别

环境信息感知是智能农业装备系统自主导航作业的关键技术之一.农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据.该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模...     

中国古典园林对于意境的追求与创造

园林作为中国传统文化的一个组成部分,辉煌灿烂,绚丽多姿,在世界上独树一帜,影响深远.园林中蕴藏之意境更是耐人寻味,让人流连忘返.分析中国古典园林中意境形成的原因及表现方法,可以获得对其更深的认识,并用以指导当今的建筑和景观设计.