Exploration of Implementation Strategieson Housing Building Technology

Due to the sharp contradiction between rapidly developing housing construction in small-size town and quite low technological level, in this paper, the significance of setting up integrally technological system is emphasized and the suggestion that the technology should be integrated with the sustainable development, regional context and industrialization is put forward.     

A novel approach to estimating the competitive ability of Cirsium arvense in cereals using unmanned aerial vehicle imagery

Eight experiments were carried out in Denmark to determine the yield loss of spring barley due to Cirsium arvense in farmers' fields and to suggest and evaluate a novel approach for quantifying C. arvense infestation in large plots. Literature about the competitive ability of C. arvense is old, scattered and inconclusive, and existing models for estimating crop yield loss are based on data from North America. This study showed that C. arvense coverage could be quantified from unmanned aerial vehicle imagery using a manual image analysis procedure. This gave similar results as scoring the coverage. Yield loss of spring barley due to C. arvense infestation assessed at harvest was given by Y = 100·(1−exp(−0.00170·X)) where Y is the percentage of crop yield loss and X is the percentage of C. arvense coverage. The yield loss was much lower than estimates from models that have been developed in North America. It is speculated that the main reason for this is the later emergence of C. arvense than the crop due to lower soil temperatures in spring. Grain moisture increased linearly with C. arvense coverage: M = 0.0310·X where M is the proportional (%) increase in grain moisture and X is the proportion (%) of C. arvense coverage. Automated image analysis procedures are needed to estimate C. arvense coverage on field scales, and further experiments are needed to reveal whether the low competitive ability of C. arvense found in this study is representative for Northern Europe.     

基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测

旨在实现冬小麦各生育期叶绿素含量的准确估测,探究其时空变化规律。利用无人机获取冬小麦越冬期、返青期、拔节期、孕穗期和灌浆期的高分辨率多光谱图像,同时采集地面SPAD数据。选取三类光谱参数建立反演模型,优选出各生育期的最佳预测模型,并定量监测试验区冬小麦叶绿素含量时间变化和空间分布。结果表明：原始波段模型和波段倒数对数模型分别为越冬期及其他生育期叶绿素含量预测的最佳模型,拟合精度R²>0.59;时空分布上,灌浆期前试验区冬小麦叶绿素含量呈南北高、中部低特点,灌浆期则呈北高南低的趋势,叶绿素含量从越冬期到拔节期逐步增加,拔节期到孕穗期开始降低,孕穗期到灌浆期则大幅度降低。本研究建立的倒数对数预测模型,精度较高,且适用于返青到灌浆的4个生育期,对于试验区冬小麦叶绿素含量有较好的时空监测效果。     

大载荷无人直升机静电喷雾沉积特性试验研究

为探索在大载荷植保无人直升机下洗气流作用下各因素对静电喷雾沉积特性的影响规律,将正交试验与Box-Behnken响应面试验相结合,在定性分析的基础上,建立起沉积特性参数与荷电电压、飞行参数等影响因素之间的数学预测模型,定量地分析了各因素对沉积特性的影响.结果表明:大载荷无人直升机静电喷雾沉积特性受施药过程中荷电电压和飞行参数的影响显著.雾滴单位面积沉积量与荷电电压成正相关,与飞行速度、飞行高度成负相关.相同飞行参数下(飞行速度5m/s、飞行高度4m),荷电电压8kV的静电喷雾单位面积沉积量为0.3180μL/cm²,比非静电喷雾单位面积沉积量提高了1.17倍.与此同时,沉积量变异系数与飞行速度成正相关,与荷电电压、飞行高度成负相关,即增加荷电电压、降低飞行速度或者提高飞行高度能有效改善雾滴的沉积均匀性.     

基于无人机技术黄河沿岸沙丘移动速度监测及影响因素分析

为更便捷地监测乌兰布和沙漠黄河沿岸沙丘移动速度并解析其影响因素,该研究以乌兰布和沙漠沿黄段沙丘为研究对象,应用无人机航拍技术开展沿岸沙丘的季节性地貌过程和影响因素研究。结果表明:1)研究区沙丘年移动速率1.08～2.27 m/a,多年平均输沙势为78.82 VU,年合成输沙势为25.92 VU,处于低风能环境,8～12 m/s等级风输沙势是年输沙势的主要部分,约占73.24%。方向变率(合成输沙势(Resultant Drift Potential,RDP)与输沙势(Drift Potential,DP)的比值)RDP/DP保持在0.30～0.46之间,属于中等变率。合成输沙方向RDD为57.83°～107.39°,与沙丘移动方向较为一致,西风组占全年输沙势的52.09%,是沙丘年移动的主要驱动力。2)沙丘移动速率具有明显的季节特征,整体呈现春季移动速率快,冬末-春初次之,秋季与秋末-冬末相近,夏季移动速率最慢。其中,秋末-冬末、春季和秋季输沙势DP 8.48～20.49 VU,合成输沙势方向在90.02°～95.54°之间,RDP/DP值均在0.3～0.8之间,属于中等变率,西风组作用显著,这与年合成输沙方向及沙丘走向较为一致;冬末-春初和春末-夏季分别受东北风(NE)和南风组(SSE、S、SSW)作用,沙丘通过形态变化适应风向,移动速度降缓。季节输沙势主要集中在8～10m/s风速等级,约占整个季节输沙势的40.76%～56.93%。3)综合各季节和年际输沙势与沙丘移动距离呈线性正相关,拟合方程为y=1.02+0.006 62x(R~2=0.339,F=5.616,P=0.045),方程总体显著,输沙势可以表征该地区沙丘移动距离。基于无人机监测的沙丘运动研究综合显示,风况是该地区影响该地区沙丘移动的主要动力,其中西风组8 m/s以上风速是研究区沙丘移动的主要驱动力。风向变率和合成输沙势方向与沙丘移动方向一致时沙丘移动则快,不一致时则缓;无人机可在较大尺度上为沙丘移动提供更为便捷的监测服务,研究结果可为同类地区沙丘移动的无人机监测提供参考依据。     

基于无人机多光谱遥感的夏玉米冠层叶绿素含量估计

为探讨利用无人机多光谱遥感影像监测夏玉米冠层叶绿素含量的可行性,基于2019年不同施氮水平下(0,105,210,315 kg·N/hm²)夏玉米多光谱遥感影像和田间实测冠层叶绿素含量数据,分析了不同施氮水平下夏玉米冠层叶绿素含量的变化规律,同时选取10种常用光谱植被指数与实测冠层叶绿素含量进行相关性分析,采用与实测叶绿素含量极显著相关的9种植被指数,构建了基于遥感光谱指数的夏玉米冠层叶绿素含量遥感监测模型,并通过精度检验确定最优估测模型.结果表明,施用氮肥能够提高夏玉米冠层叶绿素含量,过量氮肥不能持续提高叶绿素含量,同一施氮水平下不同追肥处理之间叶绿素含量没有明显差异.绿色归一化植被指数与叶绿素含量的相关性系数最高,达到了0.892.采用逐步回归分析方法建立的模型表现最优,决定系数为0.87,均方根误差及相对误差分别为0.15和2.68%.因此,无人机多光谱遥感结合逐步回归模型可以实现田间尺度的夏玉米冠层叶绿素含量的实时监测.     

调整作业参数对小网目南极磷虾拖网水动力性能的影响

小网目南极磷虾拖网有规格小、操作方便、起放网省时的特点。针对规格为185.4 m×97.5 m(41.8 m)的小网目南极磷虾拖网的水平扩张、浮力、重锤重量、沉力、空纲长度5个作业参数,分别进行3~6次调整试验,测试阻力和网口高度,并比较能耗系数。结果表明:在下纲端部间距分别为16.65、18.75、20.85m 3种水平扩张下,扩大水平扩张可引起网口高度下降,但阻力上升的幅度不大,能耗系数变化不明显;随着浮力的增加,网具阻力、网口高度均呈上升趋势,低拖速下增加浮力对网口高度的提升效果更明显,浮力增加可使网具的能耗系数下降,但在浮力达到19.6 k N后,再增加浮力能耗系数反而有所升高;增加重锤重量和在下中纲处增加沉力对网具阻力的影响效果相近,均呈上升趋势,增加重锤重量对网口高度的提升表现在低拖速时,随着拖速的上升网口高度的提升作用下降;增加沉力可提升网口高度,但在沉力达到14.36 k N后,再增加沉力对网口高度的提升效果不明显,能耗系数反而上升;空纲长度从66 m增加到84 m可明显提高网口高度,而网具阻力上升不明显,能耗系数呈下降趋势。     

通过小型探鱼无人船探测大型围网养殖区大黄鱼的分布特性

为了明确大黄鱼在大型围网养殖区内的分布规律,实验通过集成、构建具备大黄鱼探测以及水温、盐度、光照、pH、溶解氧等海洋环境探测功能的小型探鱼无人船,并在浙江省舟山市桃花岛大黄鱼围网养殖基地内开展了6次现场监测。结果发现,(1)在水平范围,大黄鱼主要分布在大型围网养殖区内礁石丰富且水流相对较缓的区域;(2)在垂直范围,大黄鱼主要分布在加权相对深度0.6～0.9的养殖海区中下层;(3)围网养殖海区内温度、盐度、pH、溶解氧等海洋环境条件整体变化较小,大黄鱼往往分布在光照强度分别为(5 921±2 702)、(50 799±50 988)、(5 990±542)、(3 494±695)、(6 836±4 761)及(15 395±5 531)lx等相对较弱的区域。本实验首次通过小型探鱼无人船系统研究了围网养殖区内大黄鱼的分布特性及相应的海洋环境因子对其分布的影响,结果为大黄鱼围网养殖区的操作平台选址、投喂管理、起网设计等提供了依据。     

植保无人机喷施锌锰型水稻降Cd叶面阻控剂的飞行参数研究

应用植保无人机喷施叶面阻控剂有利于提高喷施均匀度、减少劳动力成本、提升作业效率。为规范植保无人机喷施叶面阻控剂田间作业,确保作业技术效果,本研究以大疆T16植保无人机为作业机,研究了喷施"美鑫隆"锌锰型叶面阻控剂以降低水稻Cd积累的最佳飞行高度、飞行速度和喷雾剂量等参数。结果表明,喷施锌锰型叶面阻控剂最佳降镉(Cd)效果的植保无人机作业参数分别为:喷施叶面阻控剂质量分数为12%,喷头总流量为3.6 L·min~(-1),飞行高度3 m,飞行速度5 m·s~(-1)。第二年在最佳参数下喷施叶面阻控剂,黄华占和湘晚籼13号的糙米Cd含量分别比对照下降了0.24 mg·kg~(-1)和0.12 mg·kg~(-1),降Cd率分别达到52.7%和62.1%(P0.01)。     

基于无人机遥感与随机森林的荒漠草原植被分类方法

荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机（SVM）、K-最近邻（KNN）和最大似然分类（MLC）法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。