匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法

无人机通常搭载可见光波段传感器获取红-绿-蓝（Red-Green-Blue,RGB）影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度。该研究提出了一种匹配点云结合色调-饱和度-亮度（Hue-Saturation-Intensity,HSI）空间色彩分量的无人机RGB影像信息提取方法。首先以饱和度分量和红光波段构造了饱和度与红光比值指数,再结合可见光波段差异植被指数以及由匹配点云获得的地形特征对研究区正射影像进行分类。试验结果表明,本文方法的总体分类精度达到了91.11%,Kappa系数为0.895,证明匹配点云结合HSI空间色彩分量的方法提取无人机RGB影像信息是可行的,提取结果具有较高精度。相较于基于光谱特征的传统方法,本文方法引入匹配点云可以简单高效地提取影像中高程差异明显的地物,同时,结合HSI色彩分量能够有效弥补无人机RGB影像光谱特征较少的不足。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

基于DTW距离的拖拉机传动轴载荷样本长度计算方法

针对工程领域载荷样本长度确定方法对农业机械载荷适用性较差的问题,提出了一种基于动态时间扭曲(DTW,Dynamic Time Warping)距离计算载荷样本长度的方法。首先,运用无线扭矩传感器获取犁耕作业下拖拉机传动轴的动态载荷,结合传动轴犁耕作业下的载荷特点,划分作业工况;再将作业循环叠加并经过归一化处理后进行DTW距离计算,确定传动轴载荷样本长度;最后,计算参数外推中均值混合正态分布函数的拟合参数相对误差。结果表明,运用DTW距离方法确定的载荷样本长度,能够使均值双正态分布函数拟合得到的参数相对误差保证在10%以内。近似均值精度估计法和均值曲线拟合法的拟合参数相对误差最大值分别为126.06%和80.62%,而基于DTW距离计算方法的拟合参数相对误差最大值为5.43%,验证了基于DTW距离的载荷样本长度计算方法的适用性。研究结果可为拖拉机传动轴田间试验载荷样本长度确定提供参考。     

电动多旋翼植保无人机升力特性综合测评方法

升力特性是电动多旋翼植保无人机性能测试的重要参数之一。为了实现对电动多旋翼植保无人机升力特性的性能检测,针对不同型号、不同规格的电动多旋翼植保无人机在评价过程中存在无统一的评价指标问题,该文提出了一种半系留式电动多旋翼植保无人机升力特性的测试与评价方法,包括性能检测平台、升力特性测试方法及指标、升力特性的评价方法。为了验证方法的可行性,对3种不同机型(分别为四旋翼机型Ⅰ、六旋翼机型Ⅱ、八旋翼机型Ⅲ)进行了升力特性指标的性能测试试验。试验结果表明:3种机型在功率载荷、重量效率、热效比等方面有较大差异,功率载荷最好的机型Ⅲ比最差的机型Ⅰ大7.6 m N/W,重量效率最好的机型Ⅰ比最差的机型Ⅱ大0.33,热效比最好的机型Ⅲ比最差的机型Ⅱ大10.5 N/℃,反映出3种机型在设计过程中整个动力系统效率、机型整体结构和材料选择上的差异,从而在整机作业性能上表现出差异。在上述指标测试的基础上,结合无人机动力系统数学模型,提出了运用功率载荷、重量效率和热效比进行电动多旋翼植保无人机升力特性综合评价的评分方法,对上述3种机型进行综合评分的结果为:机型Ⅲ机型Ⅰ机型Ⅱ,该结果表明所提出的评价方法能有效对不同类型电动多旋翼植保无人机的升力特性进行综合评判。该文所给出的测试与评价方法,不仅能用于电动多旋翼植保无人机性能的评测,还能为机型性能的进一步改进提供参考。     

蒋家沟泥石流入汇时小江悬移质输沙特征分析

以2009年8月4日蒋家沟的一场泥石流入汇小江后泥沙观测资料为基础,分析了蒋家沟泥石流入汇小江后的泥沙输移特征。泥石流为小江直接提供了大量的悬移质泥沙,导致入汇时小江输移的泥沙量剧增,输沙率达到了平时的5倍以上;部分堆积于入汇口的泥石流固体物质也在泥石流结束后受小江水流冲刷再次起动,使小江悬移质输沙率在泥石流结束后呈平稳下降,与蒋家沟呈幂曲线下降形成明显的区别。由于泥石流输入的泥沙中细颗粒更容易被小江水流输移,因此尽管入汇的泥石流泥沙中粗颗粒含量较高,但在小江泥沙中含量增加的却是较细的粉沙、黏土颗粒,小江悬移质的中值粒径与含沙量、输沙率和流量的关系曲线都呈上凸形。     

基于输出系数模型的北京地区农业面源污染负荷估算

农业生产活动产生的面源污染物是环境污染负荷的主要来源之一。利用输出系数模型对北京市农业面源污染负荷进行了估算。结果表明,2006年北京市农业面源污染物总氮和总磷负荷量分别是19 565.7×106和2 413.1×106 g/a。土地利用方式显著影响氮和磷负荷,不同污染源类型对污染负荷贡献的差异较大。不同污染源类型对总氮污染负荷贡献率的大小顺序为农村生活污水及废弃物＞耕地＞林地＞畜禽养殖＞园地＞牧草地,对总磷负荷贡献率的大小顺序为农村生活污水及废弃物＞畜禽养殖＞耕地＞林地＞园地＞牧草地。各区县总氮和总磷负荷量和负荷强度的差异较大,其中大兴、顺义、房山、密云和通州的总氮和总磷负荷量较大,而朝阳、丰台、通州、顺义和大兴的总氮和总磷负荷强度较大。农业面源污染物氮和磷分布状况和负荷强度的研究,为北京地区区域规划和农业结构调整提供了科学依据。     

Gram-Schmidt算法与GRNN融合的加工番茄早疫病高光谱预测

加工番茄早疫病的准确预测,有助于及时采取防治措施,降低产量损失.测定加工番茄早疫病冠层光谱,对380～760 nm进行连续统去除变换,提取波段深度、波段位置、波段宽度、斜率、面积等特征参数,并对原始光谱提取红谷、绿峰、红边及相应波段位置等特征参数.利用Gram-Schmidt算法对特征参数进行成分提取,作为广义回归神经网络(GRNN)的输入变量,对加工番茄早疫病病情严重度进行预测.研究结果表明,与多元线性回归和偏最小二乘法预测模型比较,Gram-Schmidt算法与GRNN融合模型的预测精度相对较高,R2为0.843,RMSE为0.136,该方法能够对加工番茄早疫病病情严重度进行快速、准确的预测.     

施用蛋鸡粪的龙眼园土壤质量现状评价

本文调查了蛋鸡养殖场粪便产生量及处理利用现状等基本资料,选点采集养殖场配套龙眼园的土壤样品,通过分析测定有机质、全氮、全磷、铜、锌等指标,探讨了施用蛋鸡粪对龙眼园土壤质量的影响,并对龙眼园土壤环境现状进行评价。结果表明,该养殖场龙眼园土壤粪便当量负荷为19.14t·hm-2,未超过以氮计的土壤粪便当量负荷警戒值。四个季节施用蛋鸡粪的龙眼园土壤中有机质、全氮、全磷、铜、锌等指标均高于未施用蛋鸡粪的橡胶园土壤,但无显著差异;施用过蛋鸡粪的龙眼园土壤有机质、全氮、全磷、铜、锌全年平均含量分别为18.71g·kg-1、0.97g·kg-1、0.79g·kg-1、19.65mg·kg-1和43.05mg·kg-1,均显著高于未施用过蛋鸡粪的橡胶园土壤。四个季节龙眼园土壤和橡胶园土壤铜、锌单项污染指数均小于1,属于安全级别。由于龙眼园施用的蛋鸡粪仅占养殖场蛋鸡粪产生总量的2%,而且采用直接施用鲜鸡粪的方式,因此仍存在环境污染的隐患。本文所得结果可为评估蛋鸡养殖场环境污染风险及与果园结合的蛋鸡养殖模式的合理性提供依据。     

钙镁磷肥的活化机理及其肥效研究

本文采用四种不同的活化剂(WZ、SMS、MSN、FM)对钙镁磷肥进行活化处理,通过红外光谱和菜心盆栽试验,分别探讨了活化钙镁磷肥的活化机理及其肥效。红外光谱分析表明,四种活化钙镁磷肥中的HPO42-特征吸收峰的透过率明显降低,说明它们的HPO42-含量均有不同程度的增加,而且由活化剂SMS和FM分别制得的活化钙镁磷肥(SMSCMP、FMCMP)出现了新的HPO42-特征吸收谱,使其中的磷向有效态转变。菜心盆栽试验表明,与钙镁磷肥相比,活化钙镁磷肥的生物量均提高,最高增幅达20.0%,植株的磷、镁含量均显著提高,吸磷量的增幅为4.8%～24.3%,减少了磷的流失;同时活化钙镁磷肥增加了土壤有效磷含量,后效足。     

基于高光谱特征的土壤有机质含量估测研究

在室内条件下,利用ASD2500高光谱仪测定了潮土和水稻土自然风干土壤样品的光谱。通过系统分析两种不同类型土壤的高光谱特征差异及其有机质含量的敏感波段区位,建立了土壤有机质含量的光谱估测模型。结果表明,具有相同有机质含量的两种类型土壤整体光谱变化趋势无明显差别,但反射率表现出明显差异,一阶导数变换能较好地显现谱图中的肩峰。潮土和水稻土有机质的敏感波段集中在相同区域,原始反射率在685 nm处相关性最高,而一阶导数光谱在554 nm处相关性最高。通过对整体样本的多元逐步回归分析,筛选出两种土壤有机质相同的敏感波段为800 nm、1 398 nm和546 nm。进一步以一阶导数为自变量,基于1 400nm和554 nm两个波段构建了土壤有机质差值指数SOMDI及估测模型,即Y=4.19 12.85×(R_FD554 R_FD1 400)。利用独立的样本对建立的光谱模型进行了检验,预测决定系数均达0.79以上。上述结果表明,利用高光谱技术可实现土壤有机质的快速监测与诊断。