基于X12-HP 模型的水产品价格波动分解研究

运用X12季节分解和H-P滤波法,将我国4大类28种水产品批发价格分解成趋势波动、周期波动、季节波动、随机波动4种波动类型,分析总结了不同类型水产品价格的波动特征及其变化规律。研究发现:不同类型水产品价格趋势波动差别较大,同一类型内各品种也存在明显差别;淡水鱼、海水鱼、虾蟹类价格季节波动大体呈倒"V"型波动,贝类价格季节波动年初至年末大体呈直线下降形态;几类水产品中,淡水鱼、海水鱼、贝类价格波动周期在2年以上,虾蟹类价格周期较短,约为10多个月;从各种波动对价格影响看,淡水鱼、海水鱼价格受随机波动、季节波动、周期波动影响相对较小,所考察期间变化不大;贝类价格受随机波动、季节波动和周期波动影响均较大,但几种波动对价格波动贡献趋于减弱。基于分析结果,提出了调整水产品生产结构、加强市场监测预警和构建产业风险防范体系等对策建议。     

农业机器人自主导航改进自适应滤波控制器研究

为提高导航精度与控制精度,对农业机器人的自主导航控制进行研究。结合Sage-Husa自适应滤波与强跟踪卡尔曼滤波两种算法优点,利用严格收敛判据,设计了改进的自适应卡尔曼滤波算法。新算法保证了系统的实时性和稳定性,且具有更好的滤波精度。利用变结构切换方法来阻止PID控制器积分饱和现象,有效解决了控制器过饱和问题。将改进的自适应滤波算法与变结构PID控制器相结合,可提高导航系统的稳定性和精度。对所提理论进行仿真与试验,结果表明该方法大幅度提高了滤波器抑制发散的能力和导航的控制精度。     

无人机RGB影像在高寒草地狼毒入侵监测及盖度估算中的应用

有毒植物入侵对草地生态系统和生物多样性的影响日益严重,无人机遥感为毒草防治提供了快速高效的监测方法。以青藏高原危害最严重的有毒植物狼毒为研究对象,探讨基于无人机影像的高精度狼毒遥感识别及盖度估算方法。在盛花期获取典型狼毒入侵草甸的无人机RGB正射影像,结合植被指数、色彩变换和纹理滤波方法提取狼毒识别特征,通过ReliefF-VIF/Pearson二次降维筛选出6项最优特征,基于RF、SVM和ANN三种机器学习算法构建狼毒识别模型。结果表明,与原始RGB波段相比,优选特征使狼毒识别精度有效提高4%～7%。三种分类方法的分类总精度和狼毒分类精度均大于81%,基于优选特征的RF和SVM模型的分类总精度和狼毒分类精度达到91%以上,狼毒识别效果最佳。随着统计单元的增大,利用无人机RGB影像分类结果估算狼毒盖度的精度明显下降但稳定性逐渐增加,斑块尺度50～60 cm是狼毒盖度估算的最优尺度。     

基于DOM航空影像单木树冠提取

准确提取单木树冠边界是获取森林数量参数的重要基础,是高分辨率遥感图像林业应用的技术难题。基于DOM航空影像数据源,采用面向对象的方法对研究区内的2个树种的林分进行了单木树冠边界提取研究。首先利用桉树和杉木的空间分布矢量数据对DOM航空影像进行掩膜处理,在掩膜区域内进行多层次多尺度图像分割得到初步树冠分割结果,并剔除非树冠信息;再以树冠信息种子对象为基础,使用区域增长算法对树冠信息种子对象增长得到单木树冠范围;最后使用形态学滤波的方法优化单木树冠边界,完成林区内桉树和杉木两类树种的单木树冠边界提取。结果表明,由于不同树种的树冠存在尺度和形态差异,进行单木树冠分割时需要设置不同的参数才能到达较好的分割效果。本研究中桉树和杉木的单木树冠提取总体精度分别为86.75%与89.21%,可满足林业部门获取森林单木树冠的精度需求。     

应用滤波方法提高高山松地上生物量遥感估测精度的研究

基于1987年、1992年、1997年、2002年、2007年、2012年分布在香格里拉市的34个高山松固定样地数据,以及Landsat时间序列数据集,利用谷歌地球引擎和Python,通过3种滤波算法对时间序列数据进行重构,应用随机森林算法对森林地上生物量进行估测,根据模型评价指标对重构前后时间序列数据的估测效果进行分析。结果表明：采用3种不同滤波方法重构的时间序列数据训练的非参数模型,其拟合精度和预测精度均高于滤波前时间序列的预测精度,整体均方根误差和相对均方根误差指标均优于滤波前数据,其中ARMIA方法最佳。应用滤波方法在一定程度消除了影像自身所携带的大量噪声和不确定性,有效地提高了数据质量,提高了高山松地上生物量遥感估测的精度。     

基于Kalman滤波农用车辆导航定位方法

因RTD-GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度的方法.建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型,融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD-GPS.将RTD-GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较.实验证明,直线跟踪中,平均偏差由1.6019m减小到0.597m;曲线跟踪中,平均偏差由1.2085m减小到0.4861m.     

基于支持向量机的苹果叶部病害识别方法研究

为提高苹果叶部病害自动识别水平并实现快速有效地识别苹果叶部病害,本研究首先采用小波滤波算法对采集的苹果叶部锈病、斑点落叶病的图像进行去噪平滑,然后利用病斑颜色差异和边界跟踪算法对病斑进行分离,最后提取病斑颜色、形状和纹理等方面的特征,采用支持向量机(SVM)技术对病害进行自动识别。试验表明,该方法对苹果叶锈病和斑点落叶病样本进行处理识别的正确率较高,能够满足实际需求。该结果对苹果叶部病害的自动快速诊断和防治具有一定的指导意义。     

基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割

为了监测温室黄瓜叶片湿润情况以计算叶片湿润时间并用于病害预警,利用K-均值聚类算法实现黄瓜叶片的水滴荧光图像分割。选择人工气候室培育的健康且洁净的黄瓜叶片作为试验试材,采用移液枪向叶面、叶缘部位上滴水,模拟不同的叶片湿润情形,使用荧光成像仪蓝光镜头在白天（07：00）和夜晚（18：00）分别采集图像。应用 K-均值聚类算法在L*a*b颜色空间对水滴图像进行分割,首先要将原始图像由RGB颜色空间转换到L*a*b颜色空间,然后在在L*a*b颜色空间中利用a*b*二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,聚类得到的图像灰度化后进一步用数学形态学中的开闭交替滤波方法进行校正,最终完成图像分割。利用该方法对10幅含有不同水滴数量的黄瓜叶片荧光图像进行分割,为了验证该方法的有效性,分别采用基于H分量直方图分割算法、主动轮廓即C_V模型分割方法、融合K均值聚类和Ncut算法作对比试验。试验结果表明,该方法的平均匹配率、误分率相较于其他3种方法有明显的优势,平均匹配率为81.27%、平均误分率为9.57%,较之于其他3种方法,平均匹配率分别提高了44.11、11.50、10.90百分点,平均误分率分别降低了23.03、5.47和5.05百分点。该方法能够较为准确地将水滴从图像中分割出来,这为用计算机器视觉的方法监测黄瓜叶片的润湿时间提供了新的思路。     

基于NLM-CEEMDAN和样本熵的水电机组振动信号去噪

振动监测分析是水电机组故障诊断的重要手段,如何从振动信号中滤除噪声以便于故障特征有效提取是关键问题,为此提出了基于非局部均值滤波（NLM）和自适应噪声完备集合经验模态分解方法（CEEMDAN）结合的振动信号去噪新方法,并在水电机组摆度监测分析中进行了应用。该方法利用NLM-CEEMDAN对信号进行降噪处理,获得若干个固有模态分量（IMF）,并且计算各分量样本熵值来进行分量归类。最后通过将高频噪声分量和信噪混合分量中的噪声成分从原始信号中滤除来完成对振动信号的去噪。仿真和实例分析,该方法优于常用的分解分量重构法和小波去噪算法,具有更好的去噪效果,为水电机组故障特征提取提供了新思路。     

基于EnKF和PF的沙壕渠灌域土壤含盐量监测模型研究

为探究不同数据同化算法在时空尺度上监测土壤含盐量的可行性,以内蒙古河套灌区沙壕渠灌域为研究区域,采用高分一号卫星遥感图像作为数据源,通过EnKF算法和PF算法的同化观测算子和模型算子得到时空范围中的土壤含盐量变化情况。其中观测算子分为两步,首先通过PLS-VIP准则来筛选光谱指数作为自变量,再使用ELM模型建立基于不同时间不同深度的遥感监测土壤含盐量模型;模型算子为基于Hydrus-1D模型的数学模拟监测土壤含盐量模型。结果表明,基于ELM模型的土壤含盐量模型中,深度0～20 cm、20～40 cm和40～60 cm的平均IOA均在0.74以上,平均ME在0.14%以下,表明反演模型具有良好的精度;基于Hydrus-1D的数学模拟监测土壤含盐量模型中,3个深度平均IOA在0.79～0.89之间,平均ME在0.128%～0.137%之间,能够较好地反映土壤盐分在时间序列中的运移情况;EnKF算法3个深度IOA在0.820以上,ME在0.141%～0.157%之间,NMB在0.141～0.252之间,PF算法3个深度IOA在0.89以上,ME在0.090%～0.142%之间,NMB在0.0...