移动式机载提灌装置设计与试验

移动式机载提灌装置由提灌系统和监控系统组成,利用拖拉机驱动力为自吸泵提供动力,将水加压抽至灌区。监控系统以触摸屏为上位机、PLC为控制核心,传感器为信号输入端,通过编制可视化界面和监控程序,对输入信号进行处理。试验结果表明:水泵性能参数满足要求。     

激光雷达在森林垂直结构参数估算中的应用

激光雷达是近年来迅速发展的主动遥感技术, 激光脉冲对森林具有很强的穿透能力, 在森林垂直结构参数估测中具有巨大的潜力与优势。文中分别总结了小光斑和大光斑激光雷达在获取树高、生物量等森林参数中的应用及其优缺点, 同时分析比较了小光斑和大光斑激光雷达在估测森林参数上的不同; 最后重点介绍了目前唯一的星载大光斑激光雷达ICESat/GLAS系统, 总结分析了其在大面积森林空间结构参数估算中的应用现状, 并对激光雷达前景及其应用中存在的问题进行了探讨和展望。     

机载激光雷达和地基激光雷达林业应用现状

激光雷达技术可以直接获取地物的三维信息,在森林参数反演方面具有独特优势。近年来,机载激光雷达与地基激光雷达在林业上的应用取得很大进展,在森林调查中应用广泛。文中介绍了机载激光雷达与地基激光雷达在森林参数提取中的应用,并分析了两者的优缺点;概述了2种数据结合在森林参数反演中的应用,并对应用前景进行了展望。     

基于不同滤波方法的机载激光雷达数据处理及表面模型构建

利用几种不同的滤波算法对黑龙江省凉水国家级自然保护区的点云数据进行处理,对比分析评价了各滤波算法在东北地区的滤波分类效果及对构建数字高程模型和数字表面模型的影响。指出了各算法的适用范围,并生成了高质量的数字表面模型产品———精确反映地形起伏的DEM和准确反映地物高程及形状信息的DSM。     

植物三维建模研究现状

植物三维建模是农学、地学、生物学、植物学、生态学等领域的研究热点之一.近年来,伴随计算机图形学、数学、计算机软硬件技术和测量技术的快速发展,虚拟植物三维建模和真实植物三维建模技术得到快速发展.本研究回顾了基于L-系统的虚拟植物三维建模研究现状,并总结了该方法存在的问题;综述了基于激光雷达新技术的两类真实植物三维建模方法,介绍了国内外的新方法,总结了该领域今后的两点重要研究内容.     

无人机在林业灾害监测中的应用

近年来,随着无人机和图像处理等新兴技术的发展,新技术克服了传统林业灾害监测中存在的诸多缺点,具有显著优势。但这些新兴技术尚未出现经典解决方案,在设备选型、数据处理等许多环节仍存在较高的技术门槛。文中通过收集整理国内外相关研究成果,从无人机林业灾害监测技术发展历程、机载传感器选择、图像处理技术流程等方面总结该技术应用关键点,以期为相关研究提供参考。     

农业轮式机器人三维环境感知技术研究进展

[目的/意义]作为未来农机装备的研究重点,农业轮式机器人正向着智能化与多功能化的方向发展。三维环境感知技术因其获取的信息量丰富、复杂环境下的鲁棒性和适应性好,成为了农业轮式机器人智能化无人作业的基础与关键,其发展水平直接影响到包括农业轮式机器人在内的无人农机的作业质量与效率。[进展]本文首先总结了农业轮式机器人和农业环境感知技术的发展现状,分析了不同类型农业轮式机器人的使用特点和应用现状。其次分析了在农业轮式机器人上实现三维环境感知所主要使用的感知设备及其对应的关键技术,重点阐述了基于激光雷达、视觉传感器和多传感器融合的农业轮式机器人三维环境感知技术的研究进展。[结论/展望]结合农业作业特点与实际需求,指出了农业轮式机器人三维环境感知技术在适用性、环境信息处理和感知效果等方面存在的一些问题,并提出了提升传感器的农业适用性、发展基于深度学习的农业环境感知技术、发展智能化的高速在线多传感器信息融合技术三个方面的建议,以期为农业轮式机器人三维环境感知技术发展提供参考与借鉴。     

基于地基激光雷达监测不同地表覆盖条件的土壤侵蚀试验研究

土壤侵蚀量是土壤退化风险评估的重要指标,地基激光雷达(TLS)为土壤侵蚀量动态监测提供新技术手段,但野外不同地表覆盖条件对监测精度的影响尚不明确。基于2019年11月和2021年7月在鹰潭红壤生态实验站获取的地表裸露、石块、稀疏象草、马尾松、马尾松+石块,马尾松+稀疏象草等不同地表覆盖条件的6个径流小区两期TLS数据,运用移动曲面拟合滤波和反距离加权插值方法估算土壤侵蚀量,结合实测侵蚀量数据评价TLS精度,并探讨不同地表覆盖条件下TLS的最小变化识别度(minLOD)。研究表明,TLS监测精度与土壤侵蚀量呈正相关关系,更适用于中等强度以上或长时间发生明显侵蚀的土壤侵蚀区监测。不同地表覆盖条件下minLOD为4～60 mm,TLS监测相对误差(RE)依次为：地表裸露(RE=–9.4%)<马尾松+石块(RE=12.6%)<石块(RE=15.5%)<稀疏象草(RE=–18.9%)<马尾松(RE=23.4%)<马尾松+稀疏象草(RE=–25.2%);地表覆盖条件不仅影响土壤侵蚀强度、地表粗糙度,也产生点云滤波及空间插值误差,进而影响TLS识别minLOD准确度和土...     

基于变量优选的机载激光雷达对林分平均高的反演

森林高度是反映森林数量和质量的重要指标,是森林经营管理的重要基础数据,准确获取森林高度信息一直是林业遥感研究的目标。本研究以广西高峰林场的105块地面实测样地数据和机载激光雷达(Light detection and ranging, LiDAR)数据为基础,从点云数据中提取35个特征变量,分别采用支持向量机-递归特征消除法(SVM-RFE)、轻量级梯度提升机(LightGBM)和主成分分析(PCA)法进行特征筛选,并结合参数模型(LR)和非参数模型(RFR、KNN)对林分平均高进行反演。研究结果表明,不同特征选择方法和估测模型的组合精度差异较大。其中,利用LightGBM进行特征筛选结合KNN回归反演效果最佳,建模的R²和RMSE分别为0.83和1.64 m,验证的R²和RMSE分别为0.81和1.56 m。此外,在SVM-RFE、LightGBM和PCA这3种特征筛选方法中LightGBM的效果最好,无论在RFR模型还是在KNN模型中均能得到较高的R²,优于SVM-RFE和PCA。