小麦叶片线粒体的分离

用差速离心法分离绿色小麦叶片线粒体。结果表明,经两次低速离心和两次高速离心,分离所得线粒体具有较高的呼吸活性和ADP/O比值,线粒体完整率达70％左右。本文对影响线粒体分离效果的因素亦进行了讨论。     

基于遥感技术的耕地面积动态监测研究

对耕地面积实施监测,遥感技术是一种非常有效的方法。通过分析相应时相的TM和中巴遥感影像的波谱特征,采用波段比值法,结合野外调查,对北京地区30年来耕地的变更情况进行了监测。监测分析表明,北京市耕地面积从30年前的614941hm2减少到现在的388902hm2,呈较严重的递减趋势。本课题的研究成果为北京市土地管理和土地利用规划提供了重要的依据。     

不同坡向刺槐林对蜂蜜产量的影响

通过标准地调查,研究了不同坡向刺槐林对蜂蜜产量的影响。结果表明,阳坡最高日均产量为6.8 kg.箱-1,不同坡向刺槐林日均蜂蜜产量均符合正态分布。山区刺槐林物候时间晚于塬面刺槐林,塬面刺槐林开花最早,阴坡开花最晚。在不同蜂子比值水平上,不同坡向刺槐林对蜂蜜收获影响不同,阳坡影响较大。     

基于模糊聚类的农田对象分类

利用图像分析技术对农田对象进行分类,识别农田中不同植物和不同湿度土壤,为定点变量作业提供依据。首先,针对农田各类对象包含颜色信息的不同,采用不同因子实现农田图像的灰度化;然后,利用3种灰度图像对绿色植物、蓝色天空和褐色土壤的识别优势,分析比较阈值法和K均值聚类方法并实现了图像分割;最后,利用模糊聚类法对绿色植物和不同湿度的土壤进一步实现分类。实验结果表明,利用K均值聚类法对绿色植物的平均识别率可达92.5%,对不同湿度的3类土壤的平均识别率达95.6%。因此,本研究能够准确分割和识别不同类型的植物与土壤,为农田对象的识别提供了基础。     

玉米冠层叶片氮素营养估测研究——基于近地多光谱图像

运用图像处理技术对不同氮营养成分下玉米冠层叶片的近地CCD多光谱图像进行分析,建立玉米叶片氮素营养含量的快速、非破坏性估测模型。实验基于红通道和近红外通道的CCD图像,通过图像切割提取两个通道的主叶片区域的平均灰度值和叶片周围的土壤平均灰度值,根据土壤平均灰度值比值来调整叶片的近红外平均灰度值,计算玉米叶片的基于灰度的植被指数,建立了氮素营养含量和两个通道的图像灰度以及灰度植被指数间的经验线性模型。经过多元线性回归分析后,两者间的相关系数R可以达到0.704。由此实现了对玉米冠层氮营养含量的快速估测。     

基于激光扫描的果树树形重构系统研究

为了实现果园机械自动对靶喷药中树形的识别,采用激光测距传感器进行果树二维图像的绘制,通过对车载激光传感器采集的果树点云信息的筛选和变换,完成果树点距离信息的选取;利用MATLAB的绘图功能,将筛选后的距离信息与二维图像的灰度值进行融合,实现扫描距离到图像灰度值的转变.实验表明,该系统可以很好地将扫描距离信息融人到二维灰度图像的绘制当中,使图像中所包含的信息量更大、更全面.     

基于灰度带比例的优质西瓜子识别算法研究与实现

为了分拣出正常西瓜子,根据西瓜子的特点,提出了针对西瓜子的基于灰度带比例的特征值提取算法,并在CCD色选机上进行了试验验证。在瓜子图像预处理中,先对瓜子图像进行对比度自适应的直方图均衡化,而后对瓜子的二值化图像进行中值滤波。在瓜子分类方面,采用灰度带比例作为分类特征量,并在CCD色选机上进行特征量分类训练,最终分检出正常瓜子,识别率达到95%。该算法为该西瓜子的分类识别提供了理论支持和技术实现。     

依据彩色共生矩阵对木质板材的识别

为了实现对木质板材种类识别智能化,提出一种基于彩色灰度共生矩阵的识别方法。将原彩色图像色调、饱和度、明度颜色空间3个通道的图像作为伪灰度图像,分别获取其灰度共生矩阵纹理特征参数,组成一个42维特征向量。使用遗传算法进行特征选择后,得到优化后的22维特征向量,在此特征向量形成的特征空间中,概率神经网络(PNN)分类器的识别率为96.0%。试验结果表明,此方法用于解决木质板材分类识别的问题是可行的。     

基于纹理特征和SVM的QuickBird影像苹果园提取

为提高高空间分辨率遥感影像(高分影像)中苹果园提取精度,基于Quick Bird遥感数据,研究综合光谱特征和纹理特征的苹果园自动提取方法。该方法首先采用最佳指数因子(OIF)获取多光谱波段最佳组合,然后采用不同大小滑动窗口(从3像素×3像素到13像素×13像素)提取全色波段的灰度共生矩阵(GLCM)、分形和空间自相关3种纹理特征并分别与光谱特征组合,最后通过支持向量机(SVM)分类进行苹果园分类识别。研究表明:在分类特征上,与单一光谱或纹理特征相比,光谱特征结合纹理特征能有效提高苹果园提取精度(Fa)和总体分类精度(OA),其中光谱+GLCM纹理(9像素×9像素)分类精度最高,Fa和OA分别为96.99%和96.16%,比光谱+分形纹理分别提高0.63个百分点和1.56个百分点,比光谱+空间自相关纹理显著提高11.92个百分点和9.20个百分点。在分类方法上,通过对比分析SVM、最大似然和神经网络3种方法的分类结果,探明SVM分类识别苹果园精度最高。最后对苹果园提取结果进行面积统计,结果表明GLCM纹理结合SVM分类的苹果园面积估算与目视解译结果的一致性超过98%。     

花铃期受涝棉花的高光谱-光合特征及关系模型

为探索高光谱监测涝害棉花叶片光合参数的可行性,利用灌排可控的试验田模拟花铃期受不同程度涝害情形,分析了涝害对棉花倒四叶光合参数及高光谱参数的影响规律,评价了利用叶片光化学反射指数(photochemical reflectance index, PRI)和荧光比值指数(fluorescence ratio indices, FRI)拟合光合参数的效果。结果表明:花铃期受涝倒四叶净光合速率下降的主导限制因素随涝害持续时间而变化,涝害<3 d是叶片固定碳的能力下降,涝害3~6 d以气孔限制为主,涝害≥6 d由叶片气孔限制和非气孔限制共同造成。花铃期受涝1 d时实际光化学效率、表观光合电子传递速率(apparent photosynthetic electron transfer rate, ETR)和光化学淬灭系数就显著降低,非光化学淬灭系数(photochemical quenching coefficient, NPQ)显著升高,受涝3 d时初始荧光显著升高,最大光化学效率到受涝6 d时才显著降低。天线热耗能和非光化学耗能增加率、光化学耗能降低率分别与受涝天数呈显著对数、一元二次、幂函数关系。涝害3 d左右时倒四叶PRI显著下降、而FRI=R600/R690、FRI=R740/R800显著提高。综合考虑决定系数、归一化均方根误差和光谱参数对涝害的敏感性,建立的基于PRI的用于拟合净光合速率、气孔导度、初始荧光、最大光化学效率动态的模型可用于监测花铃期涝害棉花倒四叶光合参数动态。