排序方式: 共有31条查询结果,搜索用时 15 毫秒
1.
水盐交互作用对河套灌区土壤光谱特征的影响 总被引:1,自引:1,他引:1
为探究土壤水盐交互作用对Sentinel-2卫星光谱特征的影响,该研究以内蒙古河套灌区沙壕渠灌域为研究区域,分别在2018年和2019年的4—5月共采集280个裸土期表层土壤样本,测定其土壤含水率和含盐量,并获取同步的Sentinel-2卫星遥感数据,构建基于土壤水盐-反射率原理的土壤光谱特征理论模型,在此基础上结合土壤水盐交互作用构建水盐交互模型,并比较2种模型对土壤光谱的模拟效果,分析土壤水盐交互作用对土壤光谱估算的影响。结果表明:1)土壤水盐交互作用对光谱的影响因波段类型和水盐含量的不同而有所不同。在可见光范围上影响相对较弱,其作用范围为-0.11~0.29;在近红外和短波红外范围上影响相对较强,其作用范围为-0.35~0.61;当水分或盐分中某个含量较高时对光谱影响较弱,在水盐含量程度相似时影响较强。2)与土壤光谱特征理论模型相比,水盐交互模型能明显地改善土壤光谱的模拟效果,能将模拟相关系数由0.14~0.44提升到0.29~0.59,均方根误差由0.032~0.082降低到0.029~0.068。该研究结果揭示了盐分和水分对光谱特征的干扰过程,为土壤盐分的估算提供策略与方法,... 相似文献
2.
智能车辆横向混合切换控制器设计 总被引:1,自引:0,他引:1
考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。 相似文献
3.
基于全子集-分位数回归的土壤含盐量反演研究 总被引:2,自引:0,他引:2
为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0~20 cm、20~40 cm、0~40 cm、40~60 cm、0~60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0~20 cm、0~40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20~40 cm、40~60 cm、0~60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20~40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。 相似文献
4.
汽车电子控制系统的基本设定又叫设置、匹配、同步、编程、初始化、自适应和编码,通常在节气门、防盗等装置维修后进行.本文以最常用的大众车系节气门的基本设定为例,阐述汽车电子控制系统基本设定的本质及其方法. 相似文献
5.
6.
7.
自动变速器在汽车上应用越来越广泛,自动变速器在维修实践中也遇到了诸多问题,本文就自动变速器维修常用的换挡实验作以介绍. 相似文献
8.
基于无人机多光谱遥感的土壤含盐量反演模型研究 总被引:7,自引:0,他引:7
为探究无人机多光谱遥感技术快速监测植被覆盖下的土壤含盐量问题,以内蒙古河套灌区沙壕渠灌域内4块不同盐分梯度的耕地为研究区域,利用无人机搭载多光谱传感器获取2018年8月遥感影像数据,并对0~40cm〖JP〗的土壤进行盐分测定。分别引入敏感波段组、光谱指数组、全变量组作为模型输入变量,采用支持向量机(Support vector machine,SVM)、BP神经网络(Back propagation neural network,BPNN)、随机森林(Random forest,RF)、多元线性回归(Multiple linear regression, MLR)4种回归方法,建立基于3组输入变量下的土壤盐分反演模型,并进行精度评价,比较不同输入变量、不同回归方法对模型精度的影响,评价并优选出最佳盐分反演模型。结果表明,通过分析3个变量组的R2和RMSE,光谱指数组在4种回归方法中均取得了最佳的反演效果,敏感波段组和全变量组在不同的回归方法中反演效果不同。4种回归方法中,3种机器学习算法反演精度明显高于MLR模型,且MLR模型中的敏感波段组和全变量组均出现了“过拟合”现象,RF算法在3种机器学习算法中表现最优,SVM算法和BPNN算法在基于不同变量组的模型中表现也不相同。基于光谱指数组的RF的盐分反演模型在12个模型中取得了最佳的反演效果,R2c和R2v分别达到了0.72和0.67,RMSEv仅为0.112%。 相似文献
9.
一、选地整地选择地势平坦、土层深厚、土质疏松、肥力中上,土壤理化性状良好、保水保肥能力强的旱地、缓坡地或一水地块。覆膜前浅耕,平整地表,耕层深25—30cm,有条件的地区可采用旋耕机旋耕,做到“上虚下实无根茬、地面平整无坷垃”,为覆膜、播种创造良好的土壤条件。 相似文献
10.