用Nested-PCR检测广西黄皮与九里香黄龙病病原

摘要：运用nested-PCR技术对广西黄皮和九里香进行柑桔黄龙病（Citrus Huanglongbing, HLB）检测,结果表明：从部分黄皮和九里香样品抽提的DNA中,可扩增出一条特异性的400 bp条带,说明广西种植的黄皮和九里香均可感染黄龙病;在柑桔黄龙病疫区,黄皮和九里香黄龙病感染率分别为35.0%和40.0%。     

运用数量化方法估测普洱县森林蓄积量

根据普洱县森林遥感调查资料 ,利用卫星影像特征判读数据与地面实测数据建立数学类型 ,估测森林蓄积量。首先将 2 0 0块有、疏林地数据输入数据本中 ,然后分析其与优势树种、龄组、郁闭度、海拔、坡向、坡度的关系 ,结果把样地分为针叶林、阔叶林、针阔混交林三个类型分别建立数学模型 ,以估测每公顷蓄积量。数学模型的建立是根据数量化模型的原理来编程 ,并通过计算机的不断调试 ,直到可行为止。蓄积量比较精度达到 90 3%。     

新疆三屯河灌区水利信息化应用研究

以新疆维吾尔自治区（简称新疆）昌吉回族自治州（以下简称昌吉州）三屯河灌区为研究区域,利用ArcGIS的水文分析模块对GDEMV3 30 m分辨率数字高程模型（digital elevation model,DEM）进行河网水系的提取,从而得出水流方向、汇流累计量、分级河网和子流域边界等河网信息,利用AI Earth深度学习算法对Sentinel-1 SAR GRD遥感影像进行水体分类提取。不同于用遥感影像处理软件（environment for visualizing images,ENVI）对研究区影像进行地物识别分类的传统操作,该研究更倾向于通过AI Earth使用监督分类算法对Sentinel-2 L2A影像数据进行地物分类,进而绘制出渠系一张图,清晰生动地展现研究区域复杂的水系结构,对GDEMV3 30 m分辨率数字高程数据、野外采样点数据、天地图所选区域0.862 m/像素与672瓦片数量的17级Tiff数据进行处理制作采样点的渠系地形三维图,从立体的角度深入探索了水系地貌的特征,为研究提供更全面的视角,并探讨在试验过程中遇到的难点及解决办法。     

基于机器学习的辽东山区落叶松林蓄积量估算研究

作为森林资源信息的采集工具,遥感技术能及时有效的获取准确信息,是了解森林资源现状和获取森林结构参数的理想手段。以三类设计的作业小班为基础,小班中心为质点做25 m×25 m样方,取其公顷蓄积量作为因变量,提取影像各波段像元亮度值(digital number, DN)、植被指数、地形因子作为自变量指标,利用多元线性回归算法和人工神经网络建立了模型估算森林蓄积量。并利用实地调查的蓄积数据反演精度,对其算法的优劣进行了评价。经检验得知：多元线性回归平均绝对误差为35.68,相对均方根误差为39.32%;神经网络平均绝对误差为30.45,相对均方根误差为34.87%。典型地区精度可以达到80%。由评价表明：该模型使用良好,且误差在可接受范围内,利用人工神经网络方法获得的模型更优。     

面向对象多层次多尺度分割的农用大棚类型信息提取

为对不同农用大棚类型信息进行识别分类和精细化提取,以内蒙古河套灌区不同大棚类型为研究对象,基于Sentinel-2A卫星数据,采用面向对象结合多层多尺度分割技术和阈值分类方法,对大棚类型信息进行提取并对最终提取结果展开精度评价和分析研究。首先利用尺度参数估计（Estimation of Scale Parameter2, ESP2）方法进行了分层分割并优选出最佳分割尺度,在各层最优分割尺度上进行光谱、指数、几何、纹理等特征的提取与优化,获取最优特征组合;然后运用多层多尺度分割阈值分类方法提取不同大棚类型信息。结果表明不同大棚类型信息总体精度达94.8%,kappa系数达0.93。其中：塑料大棚的制图精度和用户精度分别为95.3%和96.6%;单屋面温室大棚制图精度和用户精度分别为88.5%和92.6%。基于多层多尺度分割分类的信息提取方法分别考虑了不同地物最优分割尺度,在不同地物各自的最优分割尺度上提取其信息,以抑制过度分割或亚分割现象,从而降低错分或漏分。因此,高分辨率卫星数据与面向对象多层多尺度分割分类的信息提取方法能够有效提高大棚类型信息提取精度,且能为地物信息精细提取技术体系提供一定参考思路。     

3S技术在精准农业中应用的研究

阐述了3S技术的原理及其在精准农业中的应用,采用差分GPS大大提高定位精度,应用归一化植被指数NDVI值对叶面积指数和植株含氮量进行监测,依GPS定位导航将田块按网格取样,经分析后生产施肥处方图已指导变量施肥。     

基于自然光照反射光谱的温室黄瓜叶片含氮量预测

利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。反射率光谱以及一次微分光谱与叶片含氮量的相关分析表明,温室内光谱特性与叶片含氮量相关性最大的敏感波段分别是505～664 nm和685～722 nm。当利用原始光谱进行分析时,通过变量筛选得到了4个敏感波长,分别是568、596、640和664 nm。偏最小二乘回归分析(PLSR)以及归一化颜色指数(NDCI)分析都表明,建模时的相关系数R_C>0.800,模型验证时的相关系数R_V>0.700。对微分光谱进行的相关分析结果表明,利用单一敏感波长520 nm就可获得理想模型,建模时的相关系数为0.880,模型验证时的相关系数为0.787。对比原始光谱的PLSR模型与一阶微分光谱的一元线性回归模型可以得知,原始光谱以及一阶微分光谱都可用于温室内叶片含氮量的预测,而且一阶微分光谱在一些特殊的波长处具有更高的预测能力,这些模型将成为开发便携式作物长势诊断仪器的技术基础。