冬小麦遥感估产回归尺度分析

将统计业务和遥感估产结合起来,以北京市统计局提供的实割实测产量数据作为野外样方,利用抽样村和地块两种尺度的实测数据,用抽样村整体回归、地块整体回归和地块分层回归3种方法进行遥感估产,将所得结果与北京市统计局发布的统计单产从不同级别进行比较分析。结果表明,利用抽样村和地块两种尺度的实测数据进行回归估产都可以得到高精度的市级单产;在区县级别上利用地块尺度的实测数据进行估产得到的区县级单产精度高于抽样村尺度;在村级上利用地块实测数据进行单产预测能够较抽样村尺度更好的反映实际单产,模型更加稳定。因此,利用地块尺度的实测产量数据建立整体回归和分层回归模型都是可行,有效的,可以得到小区域尺度高精度的单产结果。     

区域总量控制下的冬小麦种植面积空间分布优化

【目的】利用传统遥感与抽样相结合的方法进行农作物种植面积测量,只能获得区域总量,无法有效获取农作物种植面积空间分布信息。针对以上不足,开展区域总量控制下的冬小麦种植面积空间分布优化研究,从而提高冬小麦种植面积测量的空间分布精度。【方法】将整个遥感影像像元划分为3部分:"纯净冬小麦像元"、"混合冬小麦像元"和"典型非冬小麦像元"。综合软、硬分类方法各自的优势,在区域冬小麦总量面积一定的前提下,设定阈值确定混合冬小麦像元的空间分布范围。【结果】传统遥感与抽样相结合的方法提取出的冬小麦结果RMSE为0.13,优于硬分类方法(RMSE为0.16)和软分类方法(RMSE为0.20)。【结论】区域总量控制下的软、硬分类方法能够有效地对冬小麦种植面积空间分布进行优化,既保证了区域测量精度,又提高了空间分布的准确性。     

松阳县营林现状及发展对策

在对浙江省松阳县营林工作调查研究的基础上,揭示了抓住机遇发展营林工作的迫切性和重要性,初步阐明松阳县营林发展对策。     

秸秆捡拾切碎机设计与捡拾器的仿真分析

为了解决农作物秸秆的收集处理问题,设计了一种秸秆捡拾切碎机,介绍了该装置的总体设计以及工作原理。对弹齿滚筒捡拾器的工作原理进行了详细的设计分析,运用adams软件对弹齿滚筒捡拾器进行运动学仿真分析,来实现对其设计的优化。     

适应新工科特色的三维建模与机械创新设计教学模式探索

三维建模与机械创新设计课程是一门理论与实践结合紧密的课程.在新冠肺炎疫情下,基于本课程的特点和教学问题,通过更新教学方式、丰富教学内容、引入课程思政等手段,探索教学模式,以不断提升教学效果,达到更加符合新工科建设要求的目的.     

夫妻双双把虾养

正"我们养殖的龙虾2019年已经出售了1000多公斤,青蛙和泥鳅到8月就可以上市。"隆回县山界回族乡红旗村7组村民肖祥瑞高兴地说。他与妻子返乡创业,被村民笑称为水产夫妻。肖祥瑞出生于1970年,初中毕业后,回家学做木工,1988年到广东佛山一家鞋厂做事,认识了妻子陈翠云。一心想干出一番事业的他,     

冬小麦种植面积空间抽样效率影响因子分析

基于遥感与抽样的农作物种植面积测量方法结合了遥感和抽样理论的优势,已经成为农作物种植面积测量中有着广泛应用前景的测量方法。以格网为单元,进行分层空间抽样,分析在二值图像的情况下,抽样格网大小、分层层数对抽样精度、抽样精度方差、抽样比的影响;将二值图像分类结果定义为作物区,随机混入不同丰度10%,20%,……,100%的冬小麦,在不同冬小麦丰度（即不同的分类误差）的前提下,分析抽样格网大小、分层层数、分类误差对抽样精度、抽样比的影响,确定最优分层定义为6层,在分类误差小于40%（即冬小麦丰度大于60%）的前提下,可以有效地进行空间抽样推算区域冬小麦种植面积,为农作物种植面积测量空间抽样方案的优化提供理论基础。     

现代机械设计制造工艺之浅见

近些年来,随着科学技术日益发展,社会经济不断进步,对于现代机械产品设计,在保证质量基础上,还需重视机械产品创新.针对现代机械设计,就是为提升机械产品设计质量,提高设计效率,缩短设计实践,确保产品设计的可靠性和经济性.和传统机械设计工艺比较,现代机械设计工艺耗费耕地,设计周期更短,绿色环保性更强,在产品设计结构、外观设计和功能设计上,均取得了显著性进步.本文主要分析现代机械设计的制造工艺.     

基于信息扩散和关键期遥感数据的冬小麦估产模型

农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。