基于特征降维和机器学习的覆膜冬小麦LAI遥感反演

为进一步提升无人机遥感快速监测覆膜条件下冬小麦叶面积指数(Leaf area index, LAI)的能力,以垄沟覆膜冬小麦为研究对象,利用无人机搭载五通道多光谱传感器获取2021—2022年冬小麦出苗期、越冬期、返青期、拔节期、抽穗期和灌浆期的遥感影像数据,使用监督分类剔除背景并计算50种可见光和近红外植被指数,采用主成分分析、相关系数法、决策树排序和遗传算法进行特征降维,结合偏最小二乘、岭回归、支持向量机、随机森林、梯度上升和人工神经网络6种机器学习算法建立不同输入特征变量下的覆膜冬小麦LAI反演模型,并进行精度评价。结果表明,剔除覆膜背景使冬小麦冠层反射率更接近真实值,提高反演精度。采用适宜的特征降维方法结合机器学习算法能够提高覆膜冬小麦LAI的反演精度和稳定性,对比特征降维前的反演精度,主成分分析和相关系数法无法优化反演效果,决策树排序只适用于基于树模型的随机森林和梯度上升算法,遗传算法优化效果明显,遗传算法-人工神经网络模型反演效果达到最优(决定系数为0.80,均方根误差为1.10,平均绝对值误差为0.69,偏差为1.25%)。研究结果可为无人机遥感监测覆膜冬小麦生长状况提供...     

适宜种植密度和施氮量对提高冬小麦产量和水氮利用效率的影响

针对西北地区干旱以及不合理的施氮和种植密度导致的冬小麦产量和水氮利用效率偏低的问题，探究垄膜沟播模式下冬小麦高产和水氮高效利用的最优氮肥密度管理措施。试验设置150 kg/hm²（D1）、187.5 kg/hm²（D2）、225 kg/hm²（D3）3个密度梯度和180 kg/hm²（N1）、270 kg/hm²（N2）、360 kg/hm²（N3）3个施氮水平（以N计），通过2 a（2021—2022年和2022—2023年）田间试验，研究氮密互作对冬小麦生理生长、干物质累积、产量、水分利用效率（water use efficiency，WUE）和氮利用效率（nitrogen partial factor productivity，NPFP）的影响。结果表明：与当地常规氮密处理（D1N3）相比，合理增大种植密度和减少施氮量可使抽穗期LAI提高13.93%～67.19%，最大干物质累积量和累积速率增大147.25%和65.29%。2 a产量均在D2N2处理达到最大，平均值11911.93 kg·/hm²，但2 a WUE分别在D2N2和D2N3达到最高，NPFP分别在D2N2和D3N1处理最高。通过拟合分析，2021—2022年冬小麦产量、WUE和NPFP达到最大值时所对应的种植密度与施氮量分别为195.92和260.82 kg/hm²、200.51和249.80 kg/hm²、195.92和187.35 kg/hm²，2022—2023年分别为195.92和257.14 kg/hm²、194.39和286.53 kg/hm²、197.45和183.67 kg/hm²。基于回归模型对产量、WUE和NPFP进行综合评价，最终确定种植密度180.45～190.04 kg/hm²、施氮量201.66～256.67 kg/hm²的组合模式为垄膜沟播冬小麦高产和水氮高效利用的氮密管理措施。研究结果可为西北地区冬小麦的高产高效栽培提供理论依据。     

基于计算机视觉的3种金枪鱼属鱼类表型纹理特征分析

金枪鱼属(Thunnus)鱼类是我国远洋渔业极为重要的渔获资源, 其表型纹理信息不仅具有鱼种的特异性, 而且可作为分类的科学依据。传统鱼类纹理特征分析主要是定性描述分析, 而计算机视觉技术可为鱼类纹理特征提供定量分析数据。因此, 本研究通过计算机视觉对 3 种金枪鱼图像进行预先定位基准点, 通过移动基准点确定纹理特征区域并自动截取。对纹理图像进行灰度转换和灰度量化处理, 量化的灰度图像进行灰度共生矩阵计算, 并对灰度共生矩阵进行归一化处理。通过归一化的灰度共生矩阵计算出 6 个纹理指标, 并分析纹理指标的距离和方向的变化趋势, 通过因子分析研究金枪鱼纹理指标。研究结果表明, 通过计算机视觉的纹理分析, 3 种金枪鱼纹理指标提取效果较好, 其纹理指标在距离值为 4 时, 变化趋势趋于稳定, 而 3 种金枪鱼的纹理指标方向变化, 其均值方向具有代表性。3 种金枪鱼的因子分析, 第 1 主成分贡献率为 81.10%, 表明提取的 6 个纹理指标意义较大且效果较好。 以期为金枪鱼智能识别奠定前期基础, 也为其他鱼类表型纹理研究提供借鉴和参考。