新安江流域降水、径流演变特征分析

为了掌握新安江流域降水、径流的演变特征,采用Mann-Kendall检验法、Morlet小波分析法对新安江流域近57年的降水、径流数据的月、年际变化,年序列的突变和周期特征进行了统计和分析。结果表明:春夏季的4—7月是新安江流域降雨和径流最为集中的时段,新安江流域年降雨、径流的年际变化均呈明显增多的趋势,新安江流域年径流、降雨的突变异常时间基本吻合,两组序列的第1主周期均为17 a,第2,3周期分别是7 a,3 a,目前正处于不同周期中的丰水年中。两组序列高度相关,且具有极其吻合的同步变化特征。可见新安江流域属于雨水补给型河流,降雨是影响该流域径流最主要的因子。新安江流域可利用径流和降雨两组序列建立了线性回归模型,其拟合和预报效果较好,在流域长期径流量预报业务中有一定的应用价值。     

权重约束AdaBoost鱼眼识别及改进Hough圆变换瞳孔智能测量

针对传统鱼眼瞳孔直径测量方法耗时、耗力,且数据主观性强的问题,该文提出基于权重约束AdaBoost和改进Hough圆变换的鱼眼瞳孔直径智能测量方法。首先,利用工业相机采集实验板上的鱼图像,从正负鱼眼图像样本中训练出基于权重约束AdaBoost算法的鱼眼分类器;然后,采用该分类器对试验图像进行检测,将检测到的鱼眼局部图从整体图中分离出来;最后,采用改进的Hough圆变换检测出鱼眼的瞳孔,并计算得到瞳孔直径。对100条金鲳鱼进行试验,鱼眼分类精度达97.1%,瞳孔正确检测率达94.2%,相比改进前分别提升了1.7个百分点和10.5个百分点,与人工测量瞳孔直径值的平均偏差为6.5%,比改进前低了5.9个百分点,总的平均测量时间为324.371 ms,比改进前减少了10.707 ms。试验证明:该文提出的方法能够精确、实时、自动地测量出鱼眼瞳孔的直径,有效避免了传统测量方式的复杂性和测量数据的主观性,可为鱼体生长状况评估、良种选育提供重要参考。     

基于离散小波分解与重构的多源土壤含水量数据融合方法与评估

为提高土壤含水量格点数据的区域适用性、准确性，该研究提出了基于离散小波多尺度分解与重构的多源土壤含水量数据融合方法，利用2016-2018年6-9月ESA-CCI、SMAP、ERA5-Land数据集以及地面站点观测的土壤含水量数据，在以黄河流域为主体的主要农业气候区开展了融合方法可行性和适用性研究。结果表明，融合方法能有效捕获融合数据源的多尺度特征信息，通过多源多尺度逐层特征信息权重融合与重构，能有效改进单一数据源在不同农业气候区域的适用性、时空结构和波动特征的准确性。融合结果总体评估的均方根误差、偏差(Bias)和相关系数(r)分别为0.053 m³/m³、0.001 m³/m³和0.721，时空分解评估的综合表现均优于单一融合数据源的评估指标，多尺度时空波动频谱结构特征与观测时空序列更吻合，特别在25 d时间尺度以内时空波动吻合度改进最为明显。该研究获得了较理想的区域土壤含水量改进预期，可为区域生态环境监测、农业可持续发展、水土保持、防灾减灾等科学研究和业务应用提供可行有效的方法参考。     

生物炭对黑土区土壤水分扩散与溶质弥散持续效应研究

为探究施用生物炭对黑土区坡耕地土壤水分扩散和溶质弥散的持续效应,于2016—2019年在1.5°、3°、5°的径流小区开展了生物炭持续效应试验,分析了单次施加生物炭对土壤容重、孔隙度、有机质含量、Boltzmann变换参数ξ、非饱和土壤水分扩散率D(θ)、非饱和土壤水动力弥散系数Dsh(θ)的持续作用。结果表明：土壤中单次添加生物炭后的4年内均可显著降低土壤容重、提高土壤孔隙度、增加土壤中有机质含量,且各指标变化率均随坡度增大、施炭年限延长而减小;坡度、年份、是否施用生物炭3个因素中,对土壤容重、孔隙度、有机质含量影响程度最大的均为是否施用生物炭;施用生物炭增大了ξ,且ξ随坡度增加、施炭后年限延长逐年减小。2016—2019年D(θ)与Dsh(θ)均随土壤含水率的增加而迅速增加。当土壤含水率小于等于042cm3/cm3时,生物炭抑制土壤水分扩散;当土壤含水率大于0.42cm3/cm3时,生物炭促进土壤水分扩散。当土壤含水率小于等于0.36cm3/cm3时,生物炭抑制土壤中NaCl溶液的弥散;当土壤含水率大于0.36cm3/cm3时,生物炭可以促进土壤中NaCl溶液的弥散。试验区θ处于0.20~0.35cm3/cm3,故施用生物炭对水分扩散、NaCl溶液弥散均具有抑制效果,且生物炭对水分扩散和溶液弥散抑制效果均随坡度增加、施炭后年限延长而减弱。     

基于小波变换和BP神经网络的水稻冠层重金属含量反演

自然农田生态系统中,农作物的各种生化参数受重金属污染胁迫后虽表现异常,但其特征往往极为微弱,极不稳定。利用处理非稳定信号方法中常用的信号处理方法——小波分析法(Db-5),对水稻的光谱反射率数据进行处理,有效提取光谱信号中受重金属污染胁迫而潜藏的一些"突变"弱信息。利用Db-5小波基进行小波变换,从中选取具有异常光谱特征的奇异点,利用奇异点对应波段(716、745、766 nm)的光谱反射率构建反向传播(BP)神经网络模型,对水稻冠层4种重金属含量进行反演。将利用模型得到的预测值与实测值进行相关性分析,结果表明,基于BP神经网络的水稻冠层重金属含量反演模型对于实验区镉、铅、汞、砷4种重金属胁迫,具有良好的反演效果。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。     

红外光谱技术在淀粉粒有序结构分析中的应用

傅里叶变换红外光谱技术(FTIR)可用于研究淀粉粒的有序结构,包括透射模式和衰减全反射模式2种。本文探讨不同去卷积设置条件对FTIR波谱的影响,并分析FTIR在淀粉粒有序结构分析中的应用。研究结果表明,不同去卷积设置对FTIR波谱和相关峰强度影响较大,以半峰宽19 cm^-1和增强因子1.9的设置对FTIR原始波谱去卷积,获得的结果较好。天然淀粉晶体类型不同,其FTIR波谱有差异,表现在马铃薯和山药淀粉的衰减全反射FTIR波谱相似,与水稻淀粉明显不同;水稻和马铃薯淀粉透射FTIR波谱相似,与山药淀粉明显不同。淀粉中的水分含量影响衰减全反射FTIR波谱,当水分含量超过60%时,对波谱分析结果基本没有影响。酸水解优先降解淀粉粒无定形区的结构成分,提高淀粉粒的有序度。淀粉葡糖苷酶水解淀粉对淀粉粒外部区域的有序度影响不大,但明显提高整个淀粉粒的有序度。不同品质稻米淀粉的衰减全反射FTIR波谱相似。上述研究结果为应用FTIR分析淀粉粒有序结构提供重要的参考作用。     

基于LBV变换与小波变换的OLI图像融合方法

以陕西省榆阳区2013年6月9日的Landsat 8 OLI图像为基础数据源,对比分析LBV-Wavelet RF等5种图像融合算法的使用效果。对图像预处理后,分别采用HIS变换、Brovey变换、HPF变换、PCA变换和LBV-Wavelet RF方法进行融合和SVM监督分类,然后从目视评价和定量评价两方面对比分析各种融合算法的使用效果。在目视评价方面,判读融合前、后9种地类光谱特征的一致性;融合后图像是否具有全色波段图像的空间结构特征,是否存在细节模糊。在定量评价方面,采用灰度均值差、灰度均方根差评价融合后图像对多光谱信息的保持性能;采用相关系数均值、相关系数均方根差评价融合后图像对高空间分辨率信息的融入度;采用总体分类精度、Kappa系数评价融合前、后SVM监督分类精度差异。结果表明LBV-Wavelet RF方法能够使融合后图像在保持原多光谱图像光谱信息的同时,增强纹理结构特征,提高对细小地物的辨识能力;融合后图像SVM监督分类的总体分类精度和Kappa系数分别为84.01%和0.787,较原多光谱图像分别提高13.45%和15.91%。     

温室农用机器人的路径检测

为实现温室中基于单目视觉的机器人自适应导航,运用Susan算子点检测的方法,融合Hough变换,提出了温室环境中的路径导航线的生成算法,并将标准Susan算子改造成适应与Hough变换的二值化形式.通过对温室中113幅图像进行实验检测可知,采用此方法可有效地检测机器人导航路径,且路径检测的识别率为94%,平均导航角为0.192 2°.     

基于平稳小波变换的冬小麦覆盖度高光谱监测

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。