基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵.室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2 mm和22.8 mm,可以满足除草剂精确喷施的要求.     

改进的变尺度优化算法在节水灌溉制度优化设计中的应用

应用改进的变尺度混沌优化算法对水分生产函数模型进行求解,求解程序用Visual Basic编写.以河西武威绿洲春小麦数据为例,将混沌算法应用于小麦灌溉制度优化设计中,并与动态规划法进行对比,证明改进的混沌优化算法可以提高灌溉制度优化设计的精度与速度.     

全站仪中间法高程测量及其精度探讨

通过对全站仪中间法高程测量方法的研究,推导了全站仪中间法高程测量的公式,并运用误差传播定律得出高程测量精度公式,分析并计算了各因素对高程测量精度的影响．通过实验验证,认为在一定范围内全站仪代替水准仪进行高程测量可达到三、四等水准测量的要求,并提出提高高程测量精度的几点建议．     

城镇用地扩张的遥感监测研究进展

快速的城镇化进程使得城镇用地不断扩大,这已成为我国耕地锐减的主要原因之一。加强城镇用地的动态监测,协调城镇发展与耕地占用之间的矛盾,正日益受到重视,其中运用遥感技术对城镇用地扩张进行监测研究,已成为该领域研究的核心内容。     

基于公共天气预报的三江平原ET0预报模型比较及敏感性分析

为了提出适合我国三江平原的高精度ET0预报方法,基于该区6个气象站点的天气预报数据和实测气象数据,以FAO56-Penman-Monteith(FAO56-PM)公式计算值为基准,比较Hargreaves-Samani(HS)、Thornthwaite(TH)和Blaney-Criddle(BC)3个ET₀预报模型的效果,对最优模型进行敏感性分析。结果表明:3个模型1~7 d预见期平均绝对误差均值分别为0.66、0.65、0.65 mm/d,均方根误差分别为0.93、0.96、0.95 mm/d,相关系数分别为0.857、0.828、0.840。1~5 d预见期最优预报模型为HS模型,6~7 d为TH模型。总体上预报精度由高到低为HS、TH、BC模型,建议采用HS模型在三江平原开展ET₀预报,HS模型预报对最高温预报的敏感性大于最低温。其预报值在夏季受温度预报误差影响最大,冬季最小,4季整体误差较小。研究可为灌溉预报提供较准确的数据基础。     

利用GIS进行流域类别和等级的划分

在发展中国家,如何确定流域分级,合理支配治理资金,解决流域治理实际问题,至关重要。而流域等级的划分,通常需要大量的外业调查、内业计算的时间及技术投入、资金投入。但多因受资料来源、信息应用的限制,影响分级各类的精度。地理信息系统ＧＩＳ可以精确地分析流域等级的各种参数,进行准确地分级,可减少大量的内业时间和资金的投入。流域的类别分级划分可分为流域类别规划的发展,实地勘测、调查及对数据资料的评估,流域优先配给三步骤。分级标准主要包括环境标准、区域优势、社经条件、农业优势等４个条件８项条款。收集资料包括自然资料、土地利用资料及社经资料,利用ＧＩＳ进行评估、设计流域分级程序,收集立体图象,对现存地图进行数字化处理,判定流域整体的稳定性,最后得出指导性结论。     

立木生物量方程的优度评价和精度分析

以建立东北落叶松和南方马尾松立木生物量模型为例,对模型的优度评价和精度分析进行专题研究。首先,在综合分析各种常用模型评价指标的基础上,提出6项基本评价指标,并通过对2个树种的生物量模型进行评价,证明是可行和有效的;然后,基于线性回归估计的基本假设及其置信区间计算公式,提出适合立木生物量模型预估的条件均值和单一预估值置信区间的估计方法,并确定2个树种生物量模型的置信区间;最后,通过蒙特卡罗模拟进行随机再抽样试验,结果表明采用检验样本进行适用性检验的做法不可取,应该利用全部样本(不分建模样本和检验样本)来建立模型,它能充分利用样本信息,使模型的预估误差最小。     

基于TM遥感影像的森林类型分类方法比较

以吉林省汪清林业局为例,基于Landsat5-TM影像,充分利用遥感影像光谱信息,分别采用动态聚类法和组合监督分类法对该林区的森林类型进行分类,并对分类结果的精度进行比较分析.研究结果表明,利用组合监督分类的精度比动态聚类法分类的精度要高,总体分类精度高11％,其中针叶林、阔叶林、混交林和其他用地的分类精度分别高8％、11％、17％和10％.     

基于随机森林的大姚县TM遥感影像分类研究

随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。     

基于3DSOM的植株三维重建方法研究

三维重建技术在智慧农业研究领域有着广阔的应用前景。本研究以抽穗期小麦和树木枝干为研究对象,在搭建了植株序列图像获取平台的基础上,探究了3DSOM软件在不同数量序列图像下的植株三维重建效率和精度。对于小麦植株,分别对比了32、48、64幅序列图像下重建模型的效果和精度;试验表明:3DSOM对于小麦的重建效果一般。对于树木枝干,分别对比了40、60、80幅序列图像下的重建模型,试验表明重建效果较好。为了验证3DSOM软件对植株的重建精度,对小麦3个截段的测量进行了对比。对比结果表明:其重建误差不高于3.18%,最低为0.39%,平均精度为2.16%。对枝干的8个截段的测量对比结果表明:其重建误差不高于2.66%,最低为0.4 3%,平均精度为1.4 0%。因此,将3DSOM应用于植株的三维重建可以取得高精度的效果。