森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

噪声环境下木材纹理分类的研究

为了实现木材分类识别的自动化,应用灰度共生矩阵建立了木材纹理的参数体系,并进行了分类研究。首先在无噪声的环境下提取了木材的共生矩阵纹理原始特征参数,并对其进行特征选择,进而建立了木材纹理参数体系。对该参数体系进行噪声适应性测试的实验结果表明,无噪声情况下样本识别率为87.50%;0.2%￣1.0%椒盐噪声环境下样本识别率范围为87.00%￣88.00%。表明该参数体系具有良好的抗击噪声能力和一定的工程实用价值。     

基于随机森林的大姚县TM遥感影像分类研究

随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。     

南方山地森林小班蓄积量调查方法的对比分析

以南方山地森林为研究对象,选取有代表性的4个小班,分别采用角规抽样调查法、中心样圆法、样圆群法、六株木法、垂直样带法、标准地法共6种方法对小班蓄积量进行测定,并从6种方法的调查精度、误差大小、工作量及工具和仪器的难易程度等方面对小班蓄积量进行了对比分析,认为角规抽样调查法是最适合南方山地森林小班蓄积量的调查方法。     

小作物用农药登记管理研究

本文研究了小作物概念及重要性,国外小作物分类及小作物用农药登记管理现状,指出了我国在此领域的现状与存在差距,并提出了建议。     

基于非线性降维时序遥感影像的作物分类

当前基于时序遥感数据的作物分类方法大都需要较多专家知识及人工干预,难以自动化,也难以移植到其他地区。将光谱降维技术用于时序遥感影像分析可以很好地解决这一问题。其中,非线性降维方法已经成功应用于高光谱数据,并且获得了比线性降维方法更好的结果。但是,直接将非线性降维方法用于时序遥感影像无法充分利用其时相维度的信息。该文改进了一种非线性降维算法——Laplacian Eigenmaps(LE)用于时序遥感影像的作物分类,该方法更加关注相同时相下不同作物生长季的物候特征差异,而不再仅依赖于整个生长季的物候曲线轮廓。改进的LE算法被应用于美国伊利诺伊州覆盖作物全生长季的Landsat 8时间序列影像。降维后保留的波段结合随机森林分类器基于美国农业部Cropland Data Layer(CDL)提供的训练数据完成了一系列的分类试验,并与传统插值未降维的方法进行对比。试验结果表明,改进的LE降维方法完成了更高的整体及各个类别的分类精度,其中整体分类精度达到85.37%,该方法作为一种自动化的方法,不需要人工干预,可直接移植到其他研究区,并且只需要较少的训练样本就可以完成一个较高的分类精度,为日后不同尺度的作物识别和提取研究提供了有效的方法。     

苹果组培芽露地嫁接技术研究

提高苹果组培芽露地嫁接成活率的关键技术措施,主要有三个方面:培育壮芽,嫁接前对组培芽进行3至5天通风锻炼,增强其对外部环境条件的适应性;正确选择砧木及嫁接部位和方法,尽可能缩小砧穗间形态结构及木质化程度的差异,人为创造适宜的环境条件,搭棚遮荫避免阳光直射,适时灌水增加土壤及空气湿度,滴注激素促进接口愈合.本试验组培芽露地嫁接成活率达到93.3%,枝条最大月生长量为38厘米.     

Origin,classification, variation and distribution of lima bean (Phaseolus lunatus L.) in the light of Cuban material

Summary Recent collecting activities have shown that Cuba is rich in plant genetic resources of lima beans. Seed characters of 173 Cuban accessions were measured. Principal component analysis and discriminant factor analysis were used to compare the accessions, which could be classified into seven groups: wild, weed, Potato, Potato-Sieva, Sieva, Sieva-Big Lima, Big Lima. The Sieva type is the principal group of Cuba. It has arrived to Cuba in pre-Columbian times via the Antilles arc. After the Conquest the Potato type was introduced from Central America. Introgressive hybridization with the Sieva group led to the intermediate Potato-Sieva type, whereas the Sieva-Big Lima type resulted from selection toward larger seeds within the Sieva group. The Big Lima type was introduced relatively late. Cuba occupies a key position in the distribution of Lima beans within the Americas and also to the Old World.