科研产出
日光温室对流循环蓄热墙体构造对室内气流场的影响
《新疆农业科学 》 2016 北大核心 CSCD
摘要：【目的】适当空气流动对植物的生长非常重要,研究新型对流循环蓄热墙体构造对日光温室中所形成的气流影响。【方法】通过现场试验,在距离墙体0.3 m、0.6 m、0.9 m位置对上下两排通气孔高度处的气流速度和温度等进行了测试,并在测试的基础上,通过FLUENT软件,对包括作物在内空间的气流分布进行模拟分析。【结果】该墙体构造所形成的循环气流,可以在一定程度上扰动室内空气,进而在温室内走道和作物栽培行间等位置形成气流,其中温室跨中栽培行间的下部平均气流速度可达0.25 m/s。【结论】对流循环蓄热墙体自身的对流作用,可对日光温室冬季封闭栽培条件下的气流环境有一定的改善作用。
全文链接
请求原文
大田农业节水物联网技术应用现状与发展趋势
《农业工程学报 》 2016 EI 北大核心 CSCD
摘要：物联网技术与农业领域应用的结合是推动传统农业向现代农业转型升级的重要驱动力,农业节水是中国农业发展长期关注的重点。以物联网技术感知层、传输层、应用层架构为主线,针对大田主要粮食作物水分需求,总结物联网技术在大田农业节水关键环节中的应用发展现状以及存在的局限性,并在大数据、云计算等现代信息技术发展基础上,结合新时期互联网+战略,对物联网技术快速发展态势下农业节水技术、服务、模式的未来发展趋势进行探讨,提出技术向服务转变、决策向预测转变、微观向宏观转变的发展思路。
关键词： 互联网 信息技术 无线传感网络 物联网 农业节水 大数据 发展趋势
全文链接
请求原文
基于成像高光谱仪的大豆叶面积指数反演研究
《大豆科学 》 2016 北大核心 CSCD
摘要：高光谱遥感能连续获取地物光谱图像,这一技术能大大提高估算叶面积指数的水平。利用无人机搭载成像高光谱仪获取作物光谱信息反演叶面积指数对精准农业生产与管理意义重大。通过灰色关联度排序、赤池信息量准则和偏最小二乘法(GRA-PLS-AIC)选择了三角植被指数(TVI)、比值植被指数(RVI)、红边植被指数(NDVI705)、归一化植被指数(NDVI)和重归一化植被指数(RDVI)5种植被指数,结合田间实测的叶面积指数数据,采用经验模型构建多指数反演模型。通过无人机为平台同步搭载数码相机和成像高光谱仪,在山东省嘉祥县一带获取了大豆生殖生长期内的遥感影像,同时利用LAI-2200C植物冠层分析仪进行叶面积指数测定,将获取到的遥感影像和地面实测数据进行叶面积指数的反演。结果表明:在大豆生殖生长期内建多指数模型,建模结果的预测值和实测值的R~2和RMSE分别为0.701和0.672,验证结果的R~2和RMSE分别为0.695和0.534,预测模型有比较高的精度和可靠性,利用该模型来反演LAI是准确的,生成的大豆LAI分布图能反映当地当时大豆的真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和成像高光谱仪组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,构建的多指数模型适用于大豆生殖生长期。
关键词： 无人 遥感 数码 成像高光谱仪 植被指数 叶面积指数
全文链接
请求原文
基于统计分布的小麦农田多径衰落信道建模研究
《电子学报 》 2016 EI 北大核心 CSCD
摘要：为预测无线传感器网络通信质量并指导节点部署与拓扑控制,研究提出小麦农田信道多尺度建模方法.根据农田作物生长态势及其与信号传播路径的相对关系,提取环境关联参数.按作物遮挡程度不同,分别提出和采用对数模型与概率分布模型进行描述分析,结合实测样本数据对模型因子进行拟合,建立了小麦农田多径衰落信道下的经验模型并进行模型评价.结果表明,无遮挡条件下采用环境关联参数拟合的大尺度模型结果的相关系数在0.98以上;遮挡条件下,采用多尺度概率分布模型描述的平均偏差在0.04以下,达到了对小麦农田多径信道准确描述的预期研究目标.
关键词： 无线传感器网络 多径信道 小麦农田 多尺度效应 分布模型
全文链接
请求原文
西瓜检测部位差异对近红外光谱可溶性固形物预测模型的影响
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对预测模型的影响,以"京秀"西瓜为研究对象,分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息,利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型,并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示,相比于单一检测部位的模型,混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时,利用CARS算法筛选的42个特征波长变量建模,对三种检测部位预测集样本的预测结果分别为赤道R_P=0.892和RMSEP=0.684°Brix,瓜脐R_P=0.905和RMSEP=0.629°Brix,瓜梗R_P=0.899和RMSEP=0.721°Brix。模型得到了很大的简化,且预测精度较高。比较发现,利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的PLS混合预测模型,结合CARS算法进行有效特征波长变量筛选,可提高西瓜可溶性固形物预测模型的精度,实现西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。
全文链接
请求原文
基于向前和向后间隔偏最小二乘的特征光谱选择方法（英文）
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：在近红外光谱分析中,向前间隔偏最小二乘法(FiPLS)和向后间隔偏最小二乘法(BiPLS)是常用的基于波长变量选择的建模方法,其模型精度较高,但贪婪搜索特性较强,导致选出的波段并不能较好地反映待测成分的信息。针对该问题,提出一种基于两者组合策略的光谱特征波段选择方法(FB-iPLS)。在光谱分段的基础上,既利用FiPLS选取有用波段,同时利用BiPLS删除无用波段,来交互执行特征变量的选择与删除,对目标特征波段进行双向选择,用于提高模型的稳健性。用该方法建立水中乙醇含量的定量预测模型,并与FiPLS和BiPLS算法对比。由于光谱分段大小会对模型的结果有影响,该实验还考查这三种方法在不同光谱分段处的结果。在光谱划分60段时,提出的FB-iPLS方法取得最佳预测性能,其校正集与验证集相关系数r分别为0.967 7,0.967 0,交互验证均方根误差RMSECV分别为0.088 8,0.057 1。与FiPLS和BiPLS相比,该方法无论在不同光谱分段区间还是在各自最优与最差分段处,模型的整体预测性能都有所提高。实验结果表明,提出的方法能改善BiPLS与FiPLS贪婪搜索的特性,对特征波段的选取更高效、更具代表性,能进一步提高模型的预测性能。
关键词： 近红外光谱 FiPLS BiPLS FB-iPLS 贪婪搜索 特征波段
全文链接
请求原文
基于多源遥感数据的大豆叶面积指数估测精度对比
《应用生态学报 》 2016 北大核心 CSCD
摘要：近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明:地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R~2均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R~2相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R~2<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.
关键词： 多源遥感数据 无人机 叶面积指数 植被指数 经验回归模型 反演
全文链接
请求原文
太赫兹技术用于精准农业污染检测探索研究（英文）
《红外与激光工程 》 2016 EI 北大核心 CSCD
摘要：利用太赫兹光谱技术进行了土壤中重金属铅含量检测研究,太赫兹光谱是一种拥有多种独特性质的新型安全检测技术,前期实验结果证明该研究具有一定可行性。制备了不同浓度的含铅污染土壤样品,研究并确定了压片法制备参数,然后在首都师范大学太赫兹实验室开展了样品测量实验,获取了有效数据。分别采用偏最小二乘和区间偏最小二乘法对太赫兹全谱数据进行了建模和预测,结果表明经优化的预测结果相关系数达到0.81,证实了该方法可行。借助于该检测手段,可以得到农田的重金属铅污染分布图,然后根据污染图进行污染治理和农田土壤有效管理,从而提高农田的生产能力。为精准农业中农田重金属污染快速检测、实现农业可持续发展提供参考。
全文链接
请求原文
基于无人机数码影像的冬小麦叶面积指数探测研究
《中国生态农业学报 》 2016 北大核心 CSCD
摘要：叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P<0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。
关键词： 无人机 遥感 数码影像 冬小麦 叶面积指数 数字图像特征参数
全文链接
请求原文
