小麦倒伏信息无人机多时相遥感提取方法

采用两期无人机可见光遥感图像,对灌浆期冬小麦倒伏图像特征及倒伏信息提取方法进行研究。从增强图像空间域方面,对图像进行二次低通滤波,获取地物散点图,以散点存在明显分界线为判定标准,选出小麦倒伏信息提取的单特征,对两单特征线性拟合构建倒伏小麦两时期提取特征参数F_1和F_2,再以两特征参数相似性构建综合特征参数F_3。将特征参数结合K-means算法提取冬小麦倒伏信息,整体精度(OA)达86. 44%以上,Kappa系数达0. 73以上,倒伏信息提取精度(F)为81. 07%以上,因此综合特征参数可作为两个时期冬小麦倒伏信息提取特征参数。分别用本文方法、支持向量机、神经网络法和最大似然法提取验证区域倒伏小麦信息,经验证,本文方法提取小麦倒伏信息整体精度(OA)达86. 29%以上,Kappa系数达0. 71以上,倒伏信息提取精度(F)达80. 60%以上;其他3种常用方法提取的整体精度(OA)为69. 68%～87. 44%,Kappa系数为0. 49～0. 72,倒伏信息提取精度(F)为65. 33%～79. 76%。结果表明,本文方法整体精度和倒伏信息提取精度均高于目前常用分类方法。因此,综合特征参数与K-means算法对冬小麦在灌浆期倒伏信息提取具有一定的准确性和适用性。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

基于无人机多光谱的耐旱苎麻品种筛选方法

高温干旱是影响作物生长及最终生产力的主要胁迫源。当前,无人机遥感技术已在作物倒伏和病虫害的分级监测研究中取得重大进展,但有关利用无人机遥感进行作物抗旱等级监测的研究却鲜有报道。因此,以苎麻种质资源为研究对象,提出了苎麻抗旱性量化标准,并提供了一种利用无人机多光谱遥感鉴定苎麻种质资源抗旱性的方法。首先,由专家对36份苎麻种质资源进行抗旱性分级;然后,结合无人机多光谱遥感获取的植被指数,采用随机森林(Random forest, RF)、支持向量机(Support vector machine, SVM)、决策树(Decision tree, DT)3种机器学习方法分别构建苎麻抗旱性鉴定模型,并通过苎麻在高温干旱胁迫下的表型响应检验鉴定结果;最后,基于无人机获取的遥感表型,筛选高温干旱胁迫下优质苎麻种质资源。结果表明,利用SVM构建的苎麻抗旱性鉴定模型正确率达到0.74,不同抗旱级分类F1得分范围为0.69～0.79,说明该方法能用于苎麻种质资源抗旱性评估。利用无人机遥感数据反演得到的3项苎麻表型性状(叶绿素相对含量、叶面积指数、株高)均与人工测量值具有较强的相关性,在此基础上,研究从高温...     

Impact of land‐use intensity on the relationships between vegetation indices,photosynthesis and biomass of intensively and extensively managed grassland fens

Vegetation indices are widely used as model inputs and for non‐destructive estimation of biomass and photosynthesis, but there have been few validation studies of the underlying relationships. To test their applicability on temperate fens and the impact of management intensity, we investigated the relationships between normalized difference vegetation index (NDVI), leaf area index (LAI), brown and green above‐ground biomass and photosynthesis potential (PP). Only the linear relationship between NDVI and PP was management independent (R² = 0·53). LAI to PP was described by a site‐specific and negative logarithmic function (R² = 0·07–0·68). The hyperbolic relationship of LAI versus NDVI showed a high residual standard error (s.e.) of 1·71–1·84 and differed between extensive and intensive meadows. Biomass and LAI correlated poorly (R² = 0·30), with high species‐specific variability. Intensive meadows had a higher ratio of LAI to biomass than extensive grasslands. The fraction of green to total biomass versus NDVI showed considerable noise (s.e. = 0·13). These relationships were relatively weak compared with results from other ecosystems. A likely explanation could be the high amount of standing litter, which was unevenly distributed within the vegetation canopy depending on the season and on the timing of cutting events. Our results show there is high uncertainty in the application of the relationships on temperate fen meadows. For reliable estimations, management intensity needs to be taken into account and several direct measurements throughout the year are required for site‐specific correction of the relationships, especially under extensive management. Using NDVI instead of LAI could reduce uncertainty in photosynthesis models.     

基于数据融合算法的灌区蒸散发空间降尺度研究

采用Landsat和MODIS数据,通过增强自适应融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)对蒸散发进行空间降尺度,构建田块尺度蒸散发数据集;利用2015年田间水量平衡方法计算的蒸散发数据对融合结果进行评价。在融合蒸散发基础上,结合解放闸灌域2000—2015年间种植结构信息,提取不同作物各自生育期和非生育期内年际蒸散发量,并分析了大型灌区节水改造以来,作物蒸散发占比的年际变化。研究结果表明:融合蒸散发与水量平衡蒸散发变化过程较吻合,小麦耗水峰值出现在6月中下旬—7月初,玉米和向日葵峰值出现在7月份。在相关性分析中,玉米、小麦和向日葵的决定系数R2分别达到了0.85、0.79和0.82;生育期内玉米(5—10月份)、小麦(4—7月份)和向日葵(6—10月份)的均方根误差均不高于0.70 mm/d;平均绝对误差均不高于0.75 mm/d;相对误差均不高于16%。在农田蒸散发总量验证中,融合蒸散发与水量平衡蒸散发相关性较好,两者决定系数达到了0.64。基于ESTARFM融合算法生成的高分辨率蒸散发(ET)结果可靠,具有较好的融合精度。融合结果与Landsat蒸散发的空间分布和差异性一致,7月23日、8月24日和9月1日相关系数分别达到0.85、0.81和0.77;差值均值分别为0.24 mm、0.19 mm和0.22 mm;标准偏差分别为0.81 mm、0.72 mm和0.61 mm。ESTARFM融合算法在农田蒸散发空间降尺度得到较好的应用,可有效区分不同作物蒸散发之间的差异。不同作物在生育期和非生育期内耗水量差别较大;生育期内套种(4—10月份)耗水量最大,达到637 mm,玉米(5—10月份)和向日葵(6—10月份)次之,分别为598 mm和502 mm,小麦(4—7月份)最低为412 mm;非生育期内,小麦(8—10月份)耗水量最大,年均达到214 mm,玉米(4月份)和向日葵(4—5月份)分别为42 mm和128 mm。不同作物多年平均耗水量(4—10月份)差异较小,其年际耗水总量主要随作物种植面积的变化而变化。     

基于无人机遥感的棉花主要生育时期地上生物量估算及验证

利用棉花主要生育时期的无人机近红外影像数据,提取4种不同的植被指数,通过与棉花地上生物量的实测值建立拟合关系,分析了不同植被指数在棉花各生育时期的估算效果并对其进行了验证。结果表明,随棉花生长,归一化植被指数（NDVI）、宽动态植被指数（WDRVI）、比值植被指数（RVI）和差值植被指数（DVI）均从苗期开始显著增加,其后则表现为基本稳定的“饱和”现象,但棉花实测生物量在不同生育期均有显著差异。植被指数与棉花实测生物量的拟合结果显示：NDVI和DVI的二元线性拟合模型对苗期生物量拟合效果最佳（R²=0.84,RMSE=0.13 kg·m^-2）;WDRVI和DVI的二元线性拟合模型对花蕾期生物量拟合效果最佳（R²=0.87,RMSE=0.52 kg·m^-2）;RVI的非线性拟合模型对花铃期生物量拟合效果最佳（R²=0.79,RMSE=0.95 kg·m^-2）;WDRVI和RVI的二元线性拟合模型对盛铃期生物量的拟合效果最佳（R²=0.86,RMSE=0.96 kg·m^-2）。     

基于PWM的远程控制新型变量喷雾系统设计

针对目前地面植保喷雾机械的局限性,开发了一种新型的变量喷雾系统。该系统在保持电动离心喷头压力和流量不变的前提下,采用离心雾化方式,雾化盘由三相无感无刷直流电机带动,利用ARM控制器输出频率固定占空比不同PWM信号作为无刷直流电机电子调速器的油门转速信号,改变雾化盘的转速,从而改变雾滴的粒径大小及覆盖率等参数。该系统采用了一个功率较大的无线收发模块SI4432,最大距离达到2km范围(这也是和其他远程喷雾系统相比根本的优势),用单片机和上位机远程实时地控制雾化盘的转速,同时在上位机和液晶屏幕上显示占空比。最后,利用设计的变量喷雾平台,在喷头压力为0.5MPa、流量为2L/min、雾化盘直径为5 8 mm的条件下,获得了离心雾化喷头在不同的占空比对应的雾滴中值直径和覆盖率大小,通过上位机就可以实现电动离心喷头转速的较大范围的调整,可以在不同喷雾环境下针对不同的农作物使用这套系统。     

农用植保旋翼无人机地面监控系统的设计与实现

植保无人机凭借其低成本、高效率、精准快速作业等优点,在农业植保领域得到快速发展,成为现代农业的一种重要装备。为了能够实时远程监控农用植保旋翼无人机的飞行状态信息,提高无人机飞行作业安全和作业质量,进行更好的飞行控制管理,设计并实现了植保旋翼无人机地面监控系统,可实现与植保无人机的远距离实时通信、监测飞行姿态、显示飞行作业轨迹和飞行控制等操作。地面监控系统采用嵌入式树莓派2作为硬件平台,2.4G无线模块实现数据收发,使用跨平台C++图形用户界面应用程序框架Qt对地面监控系统软件功能和交互界面进行开发,并制定了旋翼无人机与地面监控系统之间的数据通讯协议。该系统实际测试表明:监控系统可长时间连续稳定的工作,有效实现了对农用植保旋翼无人机实时监控与操作。     

基于landsat卫星影像的水库水体总磷质量浓度反演研究

以清河水库为研究区域,利用Landsat8卫星OLI数据及实地观测数据,建立了适于清河水库水体总磷质量浓度的最小二乘支持向量机(LS-SVM)遥感反演模型,并对清河水库总磷量进行了反演分析。结果表明,LS-SVM模型的平均相对误差为6.06%,相比于单波段线性回归反演模型及波段组合线性回归模型,平均误差分别降低了20.77%、12.53%,显著提高了清河水库水体总磷质量浓度反演的模型精度,达到遥感反演预测精度要求;利用LSSVM反演模型对清河水库总磷量反演显示,水体中总磷质量浓度主要集中在0.04~0.08 mg/L,水库水体总磷质量浓度总体偏高。     

基于MODIS-LAI数据的广西甘蔗物候期提取

广西是我国甘蔗最大的种植区和蔗糖产业基地,但多年来因自然灾害导致的产量损失严重。及时、准确获取甘蔗的物候动态,可为区域甘蔗种植结构优化、灾害风险管理等提供科学支撑。本文分别借助Savitzky-Golay滤波、Asymmetric Gauss拟合及Double Logistic拟合方法对广西2014—2018年的甘蔗MODIS-LAI数据进行时间序列重构,并采用动态阈值法识别甘蔗关键物候期的时空变化特征。结果表明:1)上述方法可有效消除广西甘蔗LAI序列的不稳定波动和奇异值,且Asymmetric Gauss和Double Logistic方法的拟合结果较好地弥补了S-G滤波处理中局部曲线值动荡变化的缺点,能更准确地识别甘蔗生长过程;2)三种方法对广西甘蔗的播种-萌芽期、茎伸期、成熟期开始时间识别的RMSE和平均误差均在±15 d内,其中Asymmetric Gauss方法对甘蔗物候期的提取结果最优。综上,时序曲线重构法的抗干扰性能较好,可一定程度上弥补因云雨、复杂地形地貌导致LAI序列的误差,保证广西甘蔗物候信息获取的准确性。