基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOMLiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。     

基于机器视觉的半干枣病害和裂纹识别研究

研究提出了一种基于机器视觉的病害和裂纹的识别方法。在H分量图中,依据半干枣在病害和非病害区域色调值差异提取病害区域,以提取的病害区域与枣表面积的比作为阈值确定较高的病害面积识别精度,可正确识别的感兴趣病害面积为16.87mm2,占枣投影面积的3.3%。为进一步提高在该病害面积识别精度的正确率,依据已确定的病害面积比阈值,将病害面积比值二值化,结合红枣区域颜色特征值H的均值和均方差,用SVM方法建立枣病害的识别模型,训练集和测试集的识别正确率分别为9 5.7 7%和9 5.7 9%。在I分量图中,对红枣区域进行Otsu’s阈值分割、图像局部属性统计和形态学处理,提取裂纹二值图像,依据裂纹图像不变距方法建立裂纹识别模型,训练集和测试集的识别正确率分别为94.90%和94.55%。     

基于SVR逆向模型的拖拉机导航纯追踪控制方法

针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题,提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression,GSVR)方法建立了拖拉机前进航向的逆向模型,实时获得实际转弯曲率与运动学理论转弯曲率的函数关系,逆向模型对纯追踪导航模型输出进行,校正提高了纯追踪导航控制方法的适应性和动态性能。拖拉机导航系统的路径追踪路面试验结果表明:当行驶距离大于125 m、行驶速度为1.2 m/s时,直线追踪最大横向偏差小于0.061 4 m,较常规纯追踪模型导航方法具有更好的直线追踪性能;田间试验结果表明:该导航控制方法适用于2BFQ-6型油菜精量联合直播机自动对行作业。     

苹果霉心病可见/近红外透射能量光谱识别方法

针对苹果霉心病从外表无法识别的难题,提出基于可见/近红外透射能量光谱进行快速无损识别的模型和方法。在200~1 100 nm波段内采集了200个苹果的透射能量光谱数据,随机选取140个样品作为训练集,剩余60个样品作为测试集。用平滑法和多元散射校正对光谱数据进行预处理。基于全光谱、连续投影算法(SPA)提取的12个特征波长、主成分分析(PCA)提取的9个主成分,分别建立了偏最小二乘判别法、误差反向传播人工神经网络和支持向量机(SVM)识别模型。实验结果说明,应用PCA-SVM建立的模型识别性能最优,该模型对测试集和训练集中霉心病果和健康果的识别正确率分别为99.3%和96.7%。基于SPA和PCA所建模型的输入变量数仅相当于基于全光谱所建模型输入变量数的0.99%和0.74%,极大降低了模型的复杂度。研究结果表明,该方法是可行的且具有较高识别准确度,为苹果在线内部品质分级和便携式苹果霉心病检测仪的研究提供了技术依据。     

基于常规气象资料估算南方地区日辐射总量方法比较

日地表总辐射量(Rs)是作物生长模型和参考作物蒸发蒸腾量估算的重要基础数据,但我国只有约1/20的气象站能够直接观测Rs。由于气温资料很容易获得,使用基于基本气象资料的经验模型是估算Rs的常用方法。以1982—2014年南方20个气象站的气象资料为基础,对Bristow-Campbell(B-C)方法和Hargreaves(Harg)方法各6种不同形式重新进行了参数率定,并对以上方法和支持向量机15种参数输入形式进行了适用性评价,结果表明:支持向量机模型整体好于B-C方法和Harg方法。其中,以最高温度(Tmax)、最低温度(Tmin)、相对湿度(RH)和降水量(P)为输入变量的支持向量机模型精度最高,其20站平均R2达到0.80、RMSE平均为3.20 MJ/(m2·d),且在包含降雨量资料后,不存在Rs为负或大于地外总辐射量(Ra)的问题。仅有温度资料时,支持向量机模型的20站平均R2为0.74,RMSE为3.72 MJ/(m2·d)。不同输入变量对支持向量机模型预报Rs的精度影响不同,输入变量为Tmax和Tmin优于输入变量为ΔT;而除温度资料外,当拥有相对湿度和降水量资料时,模型优劣依次表现为RH+P、RH、P。经验模型中B-C方法的M1和M3以及Harg方法的M10和M12模型精度较好,其R2为0.69~0.70、RMSE在4.00 MJ/(m2·d)左右,但M10和M12模型对气象资料要求更高,除日温度差外,需要降水量资料,同时还存在有降水时日Rs严重高估或负值问题。     

水稻土施用钢渣硅钙肥对土壤硅素形态和水稻生长的影响

钢渣是钢铁厂的副产品,富含硅、钙等养分,是优良的硅钙肥原料。但钢渣为强碱性物质,在稻田施用后对土壤p H值及硅素形态的影响需要阐明。2013年3―12月,通过早稻~晚稻连续2季钢渣硅钙肥温室盆栽试验,研究了钢渣施用对土壤p H值、土壤硅素形态以及水稻生长和植物硅素吸收的影响。结果表明,随着钢渣硅钙肥施用量的增加土壤p H值、土壤水溶性硅量、土壤有效硅量以及植株秸秆硅量均呈增加趋势,当土中施用钢渣有效Si O2用量高于1 600 mg/kg时(Si4和Si5处理),上述指标均显著高于CK。土壤无定形硅量随钢渣施用量的增加则表现出降低趋势,无定形硅量与有效硅量呈显著负相关关系。施入钢渣硅钙肥促进了水稻的生长发育,在2季水稻中,Si4和Si5处理秸秆+叶片干物质量较CK提高了11.9%~17.0%,籽粒干物质量较CK提高了9.52%~20.6%。     

基于多源遥感数据的淮河流域城镇扩张研究

城镇是人类社会发展过程在空间上的重要表现形式,其空间格局与演变是城镇研究的热点问题。淮河流域是中国城镇体系的南北过渡地区,研究这一自然地理单元内城镇扩张过程,视角独特。为客观、快速、准确地重建不同时间序列上淮河流域城镇扩张过程,在DMSP/OLS数据、SPOT-VGT数据、Landsat ETM+数据等多源遥感数据的基础上,提出"DMSP/OLS夜间灯光数据相互校正—NDVI数据重建—流域城镇信息提取—流域城镇扩张分析"的研究思路,并运用该思路分析淮河流域从1998年至2013年16年间的城镇扩张过程。从城市面积、扩张强度、扩张动态度、扩张形态4方面分析了城市扩张规律。研究发现:淮河流域整体与各省扩张基本属于低速扩张型与中速扩张型;淮河流域城镇分布仍较为分散,未形成完整的城市群或城镇体系;这一时期城市扩张时空发展不均衡。     

基于红外光声光谱的农作物秸秆导热系数定量分析

选用我国华北地区具有代表性的小麦、玉米、水稻秸秆样品,对比研究了偏最小二乘(PLSR)和高斯核支持向量机(RBF-SVR)分别构建单一和混合种类秸秆全波段定量分析模型的效果,探讨了红外光声光谱耦合化学计量学方法构建我国主要粮食作物秸秆导热系数定量分析模型的可行性。研究发现,小麦秸秆和水稻秸秆导热系数RBF-SVR非线性模型,以及玉米秸秆、混合种类秸秆的PLSR线性模型效果较优。进一步应用蚁群算法与上述最优建模方法相结合,构建了更加优化的小麦秸秆、玉米秸秆、水稻秸秆和混合秸秆导热系数模型,验证决定系数(R_p~2)分别为0.77、0.83、0.96和0.79,验证均方差(RMSEP)分别为0.007 8、0.015、0.005 9、0.014 W/(m·K),验证相对分析误差(RPD)分别为2.81、2.41、7.39和2.15。研究结果表明,红外光声光谱技术结合先进适用的化学计量学方法可实现我国主要粮食作物秸秆导热系数的快速定量分析,但混合秸秆模型预测精度仍需进一步提升。     

石灰性土壤无机磷的形态分布及其有效性

本文应用蒋柏藩和顾益初(1989)提出的石灰性土壤无机磷的分级方法,对我国北方主要的石灰性土类进行了无机磷形态分级的研究,并对其有效性作出了初步评价。供试的甘肃、陕西和河南的16种土壤的无机磷形态的分布情况为:Ca₂-P平均占无机磷总量的1.34%,Ca-P占9.91%,Al-P占4.27%,Fe-P占4.40%,O-P占10.9%,Ca₁₀-P占69.1%。生物试验的结果表明:Ca₂-P型的磷酸盐是最有效的,也是作物磷素营养的主要来源;Ca₈-P、Al-P和Fe-P可以作为缓效磷源;Ca₁₀-P和O-P只是一种潜在磷源。本研究为石灰性土壤无机磷的研究和磷肥的合理施用提供了理论依据。     

陡山灌区实时灌溉预报研究

介绍了参考作物腾发量和实际作物腾发量的实时预报及修正方法 ,结合陡山灌区实际资料 ,分别针对主要旱作物和水稻建立了实时灌溉预报模型 ,并对模型各参数进行了率定 ,特别针对参考作物腾发量预报模型中 A0 的确定进行了分析 ,给出了更合理的 A0 取值方法。基于可视化语言开发灌溉配水实时决策支持系统 ,该系统界面友好 ,操作简单 ,实用性强 ,利于推广。