基于无人机高光谱遥感影像的防护林树种分类

树种信息对林业资源监测和管理具有重要意义,及时准确地掌握树种及长势状况是防护林工程建设与效益评价的基础。为研究利用无人机高光谱数据进行防护林树种分类的效果,选取典型区域使用Matrice600型六旋翼无人机搭载Rikola高光谱成像仪获取高光谱影像,基于支持向量机-递归特征消除算法（SVM-RFE）选取原始波段最佳组合,再结合纹理特征、植被指数和数理统计特征,使用随机森林算法对所有特征进行重要性评估并与分类精度相结合进行特征优化,进而构建高光谱影像全波段、原始波段最佳组合、全部特征变量、基于随机森林（RF）特征优化后特征变量4种分类方案,分别采用最大似然法（MLC）、支持向量机（SVM）、随机森林对防护林优势树种进行分类。结果表明：所提出的基于交叉验证的SVM-RFE算法选出的原始波段组合能更好地还原原始光谱特征;通过RF算法的特征重要性分析与分类精度相结合的方法可以有效选出重要特征,当使用全部特征的85%（包括17个光谱特征、3个纹理特征、5个植被指数和3个数理统计特征）进行分类时,总体精度最高为9593%（Kappa系数为0.9475）;所有特征中植被指数特征最重要,3种分类方法中RF算法分类总体精度（OA）最高。     

渭-库绿洲土壤剖面盐分分布特征及驱动因子分析

[目的]监测渭-库绿洲土壤盐渍化的空间分布特征,探究驱动因子作用机理,对当地因地制宜进行土壤盐渍化调控。[方法]采用决策树、克里金插值和灰色关联度分析研究了渭-库绿洲土壤盐渍化的剖面分布特征,着重分析了样本点海拔、植被覆盖度、地下水位、TW( I 地形湿度指数)、地下水矿化度5个驱动因子对土壤盐渍化的影响。[结果]①研究区表层土壤(0~10 cm)属于重度盐渍化土壤,10~20、20~40、40~60 cm各深度剖面土壤属于中度盐渍化土壤。土壤EC1:5有强的空间变异性,其分布格局受灌溉等人为驱动因素的影响较大。②绿洲内部(即耕作区)表层土壤属于非盐渍化区域,绿洲东部10~20、20~40、40~60cm土层有轻、中度的盐渍化现象。绿洲内部表层以下土壤盐分高于表层,绿洲存在潜在的盐渍化风险。耕作区外围绿洲-荒漠交错带区域各剖面层均属于盐渍化区域,随着剖面深度的增加,盐渍化程度在不断减弱。③样本点海拔、植被覆盖度、地下水位、TWI、地下水矿化度与土壤EC1:5的灰色关联度大小次序为:0~10 cm土层:地下水矿化度>TWI>样本点的海拔>植被覆盖度>地下水位;10~20、20~40 cm土层:地下水矿化度>样本点的海拔>TWI>植被覆盖度>地下水位。[结论]渭-库绿洲土壤盐渍化主要分布在绿洲-荒漠交错带区域,土壤盐分表聚强烈,地下水矿化度是造成该研究区土壤盐渍化问题的首要原因。     

基于视觉里程计的森林样地调查系统研究

以视觉里程计技术恢复连续摄影序列图像位姿,并以恢复位姿的图像为基础构建样地调查系统。该系统通过对图像位姿尺度恢复、定义样地坐标系、标记立木等过程估计样地中立木位置及胸径。用相机对12块半径为7. 5 m的圆形样地进行连续摄影,获取有序图像序列,并使用构建的样地调查系统对图像序列进行处理,以获取样地中立木位置及胸径。实验结果表明,所有样地立木位置估计值x轴与y轴方向的偏差(BIAS)分别为0. 04、-0. 03 m,均方根误差(RMSE)分别为0. 21、0. 17 m;样地中立木胸径估计值的BIAS及RMSE分别为0. 09 cm(0. 51%)和0. 88 cm(5. 03%)。     

基于无人机影像匹配点云的苗圃单木冠层三维分割

近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。     

福建罗源湾互花米草的遥感动态监测

为了对福建罗源湾互花米草进行监测研究,以2000年和2006年的Landsat TM/ETM+影像为数据源,在对不同地物进行光谱分析的基础上,结合进行了影像归一化植被指数和缨帽变换处理,建立了利用决策树分类法提取罗源湾互花米草的遥感解译技术。结果表明基于决策树分类法能准确快速地对研究区互花米草的生长和分布状况进行动态监测。互花米草主要分布在环绕罗源湾的滩涂上,在2000年～2006年的6年中互花米草的面积增加了17.657 km2,年增长率为10.74%。特别值得关注的是,罗源湾的米草正处于迅速扩张的阶段,严重影响了当地的渔业和生态资源,有关部门需要引起重视。     

RFID技术在橡胶苗品种识别与信息追溯中的应用

海南是我国最重要的天然橡胶生产基地,然而部分地区的天然橡胶由于品种选育不当,直接影响了橡胶的抗寒、抗风和抗病能力,从而使天然橡胶的产量下降。为此,提出将RFID技术应用到海南橡胶苗品种识别与信息追溯中,结合Visual Basic.NET程序设计和Access数据库技术等,实现对优质橡胶苗的品种信息与育苗生长数据的追踪,以达到监督、指导海南橡胶的种植与管理的目的,从而扩大优质品种的种植面积,保障海南天然橡胶的产量和品质。     

间接地下滴灌灌溉深度对枣树根系和水分的影响

为探讨间接地下滴灌及导水装置埋深(灌溉深度)对南疆极端干旱区矮化密植红枣根系生长分布特征及产量、水分利用率的影响,试验设间接地下滴灌(ISDI)3个导水装置埋深水平,分别为20、27、35 cm,以地表滴灌(DI)为对照,共4个处理,经过2~4 a的田间试验后,采用环状壕沟分层挖掘法对以枣树树干为中心,半径为1 m的90°扇形区域内0~100 cm土层进行根系取样。结果表明,相对于DI,ISDI下各根系分布较均匀,生长方向基本向下延伸;ISDI显著增加了根径小于5 mm根系根长密度,细根(根径小于2 mm)是DI的3倍,但减少了根径大于5 mm根系根长密度,相对增加了20~40 cm土层根系根长占总根长的比率;垂直方向上随着灌溉深度的增加表层根系根长密度相对减少,深层相对增加;水平方向上各处理根系根长密度基本呈现随着与树干水平距离的增加而减小的趋势,但在0~20 cm土层减小的幅度较大,在20~40 cm土层其减小的幅度较小;随着灌溉技术由DI到ISDI及灌溉深度的增加,细根分布基本呈现出由"宽浅型"向"深根型"发展的趋势。相对DI,ISDI具有较好的节水增产效果,提高产量及灌溉水生产率最大达20%。建议幼龄期南疆密植枣树的导水装置埋深为27~35 cm。研究为极端干旱区枣树适宜灌溉技术的选择及其技术要素的制定提供依据。     

蓄流分离式果树节能微灌新技术应用研究

针对特色林果业种植面积快速发展中,现有节水灌溉技术应用于果树灌溉存在一些局限和不完善问题,创新提出基于果树类作物的蓄流分离式灌溉技术模式。以技术理论结合试验示范应用研究范例,分析这一灌溉模式节水增产、节能降耗、提升灌溉水温、定额用水机制,以及取得的技术经济效果。蓄流灌溉新模式对研究拓展不同灌溉作物多元化节水新技术、新方法、新产品,具有重要的现实应用意义。     

基于图像处理的温室黄瓜霜霉病诊断系统

为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。     

面向立木识别的有效K 均值聚类算法研究

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。