覆盖度对无人机热红外遥感反演玉米土壤含水率的影响

为提高基于冠层温度信息反演土壤含水率的精度,以不同水分处理的拔节期大田玉米为研究对象,采用无人机热红外和可见光相机获取试验区遥感图像,通过不同图像分类方法剔除土壤背景,提取玉米植被覆盖度(Corn vegetation coverage,Vc)及冠层温度(Canopy temperature,Tc),并计算冠-气温差(Tca)和冠-气温差与覆盖度的比值,分析这两种指数与土壤含水率(Soil moisture content,Smc)之间的关系。结果表明,不同分类方法提取的玉米覆盖度以及冠层温度均存在差异,由灰度分割法、RGRI指数法、GBRI指数法3种分类方法剔除土壤背景后计算的冠-气温差、冠-气温差与覆盖度之比与土壤含水率均呈线性关系,并且冠-气温差、冠-气温差与覆盖度之比两种指数反演0～30 cm玉米根域深度的土壤含水率效果较好;其中,未剔除土壤背景的冠-气温差反演土壤含水率效果较差,GBRI指数分类法剔除土壤背景的冠-气温差反演土壤含水率效果有所提高(0～10 cm、10～20 cm、20～30 cm深度的R2由0. 255、0. 360、0. 131提高至0. 425、0. 538、0. 258);而冠-气温差与覆盖度的比值反演土壤含水率相比于冠-气温差精度明显提高,0～10 cm、10～20 cm、20～30 cm深度建模集R2高达0. 488、0. 600、0. 290,P 0. 001,验证集R2达0. 714、0. 773、0. 446,表明冠-气温差与覆盖度之比是反演玉米根域深度土壤含水率效果更优的指标。     

基于RGB-D SLAM手机的森林样地调查系统研究

基于RGB-D SLAM手机构建了森林样地调查系统,该系统实现了样地构建、每木检尺及林分/样地参数的估计功能,并在测量过程中使用增强现实展示测量结果,且提供了重新测量的交互方式,使观测者在观测过程中能够检测结果的可靠性,并保证所获取样地信息的完整性。该系统在18块半径为7. 5 m的圆形样地中进行了测试。结果显示,平均胸径估计值的偏差(BIAS)及均方根误差(RMSE)分别为0. 36、0. 69 cm,平均树高估计值的BIAS及RMSE分别为0. 06、0. 63 m,蓄积量估计值的BIAS及RMSE分别为8. 595 9、25. 735 8 m3/hm2,横断面积估计值的BIAS及RMSE分别为0. 949 7、1. 987 3 m2/hm2,株树密度估计值的BIAS及RMSE分别为-3、13株/hm2,坡度估计值的BIAS及RMSE分别为0. 30°、0. 88°,坡向估计值的BIAS及RMSE分别为-0. 44°、7. 61°。其中,坡向估计具有较大的RMSE,是由于当坡度较小时,即使SLAM系统估计位姿有较小漂移,仍会导致该值产生较大偏差,但整体而言坡向仍是无偏的。     

火炭母的显微和光谱鉴别

[目的]研究火炭母的生药学特征。[方法]分别对火炭母药材进行性状鉴别和显微鉴别,然后采用紫外-可见分光光度法对火炭母进行生药鉴别研究。[结果]火炭母根横切面皮层狭窄,韧皮部成环;茎中柱鞘纤维波浪状排列成带状;叶主脉维管束2～6个排列成环,2侧均有木化纤维束;叶上表皮具类圆形分泌细胞与多细胞腺毛;下表皮具多细胞腺毛,不等式或不定式气孔多见;粉末中腺毛、分泌细胞、花粉粒、晶鞘纤维、棕色条块和淀粉粒各异;紫外-可见光谱在200～800 nm扫描,发现5种不同的提取液都有吸收峰。[结论]试验研究了火炭母生药学特征,为鉴定、开发利用和制定其质量标准提供参考依据。     

红外相机技术在高黎贡山国家级自然保护区南段西坡野生动物监测中的应用

2017年1—12月,通过布设红外自动触发相机对高黎贡山国家级自然保护区南段西坡腾冲段11个位点的野生动物进行监测研究,调查共计拍摄到兽类和鸟类的有效照片分别为739张和499张,共鉴定出鸟兽物种41种,其中兽类5目13科21种,鸟类5目10科20种。拍摄频次较高的兽类为赤腹松鼠(Callosciurus erythraeus)、树鼩(Tupaia belangeri)、短尾猴(Macaca arctoides)、中华鬣羚(Capricornis milneedwardsii)、赤麂(Muntiacus muntjak)、野猪(Sus scrofa)、豪猪(Hystrix hodgsoni)这7种;拍摄频次较高的鸟类为环颈山鹧鸪(Arborophila torqueola)、白鹇(Lophura nycthemera)、银耳相思鸟(Leiothrix argentauris)这3种。这表明红外相机技术可以作为野生动物多样性监测的主要方法,自然保护区应长期开展基于红外相机技术的野生动物多样性监测工作。     

一种基于航空可见光图像的烟草数量统计方法

传统烟草(Nicotiana tabacum L.)数量清点工作主要依靠人工现场抽样的方式,这种方法费时、费力且统计误差较大。针对这一缺点,提出一种基于航空可见光图像处理的烟草数量统计方法。利用无人机所获取的高分辨率影像,采用K-means聚类方法对烟田图像进行图像分割分类,提取图像中绿色植物部分,提取颜色、面积、长宽比等简单特征对杂草进行预剔除,通过构建烟株与杂草样本库,利用灰度梯度共生矩阵,提取其灰度平均、梯度均方差、相关、惯性等4种特征参量,并基于BP神经网络算法进一步对杂草进行识别,剔除杂草,统计烟株,提取连通域数量,即为烟株数量。     

老夫黄永玉

"博爱"一生 黄永玉一生爱的东西很多--爱雪茄,爱烟斗,爱狗,爱车,爱家庭,爱读书,爱艺术,爱吃湖南臭豆腐,爱喝茶,爱开玩笑,爱看电影,爱建房子尤其是老建筑,爱相机,爱吉他,爱特别老的木头,爱看电视上的摔跤比赛,爱聊天……爱好如此之广,近乎有些"不务正业",但这个世界也因为有了黄永玉,变得好玩.     

基于改进YOLO v4的群体棉种双面破损检测方法

针对研究人员难以利用计算机视觉对棉种这类尺寸较小的物体进行双面检测,导致检测效果不佳的问题,设计了一款新型棉种检测分选装置,利用亚克力板在强光和白色背景下透明的特点,将棉种通过上料装置滑入透明亚克力板的凹槽中,随着转盘的转动,同一批棉种的正反两面图像分别由2个不同位置的CCD相机采集得到.利用改进YOLO v4的目标检...     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾,对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段,如可见光波段或红外波段的视频信息进行分析,然而在实际应用过程中,由于森林环境复杂,基于单一波段视频信息检测火灾的结果欠佳。现阶段,基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征,提出了一种基于分数阶微分视频融合的森林烟火检测算法,将分数阶微分理论引入红外视频和可见光视频融合中,利用分数阶微分算子对两个波段视频进行融合,然后利用背景去除法检测融合视频中的异常帧,且对异常帧图像及其与背景帧的差分图像分别进行图像分割,最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明,本文算法的融合视频的融合效果最佳,并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法,说明本文提出的算法具有较好的有效性和准确性,为森林火灾检测提供了有利的新途径。      

基于CNN-BiLSTM的棉花产量预测方法

针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络（Convolutional Neural Network,CNN）和双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）的混合模型（CNN-BiLSTM）进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。