科研产出
基于NIR-Red光谱特征空间的作物水分指数
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：水分含量是表征作物水分胁迫生理状况的重要指标,及时有效地监测作物水分含量对于评估作物水分亏缺平衡,指导农业生产灌溉具有重要意义。基于NIR-Red二维光谱特征空间,尝试构建一种新的作物水分监测指数PWI来估算作物水分含量。以冬小麦作物植被水分含量估算为尝试对象。首先,利用地面实测小麦冠层高光谱数据,结合对应卫星光谱响应函数,模拟当前常用卫星HJ-CCD和ZY-3多光谱数据;然后,对基于NIR-Red二维光谱特征空间的现有植被指数PDI(垂直干旱指数)和PVI(垂直植被指数)进行改进,通过比值变换的方法构建新的指数PWI来估算冬小麦植株含水量(VWC)。结果显示:基于模拟的HJ-CCD和ZY-3卫星宽波段多光谱数据生成的PWI估算小麦VWC具有良好的效果,R2分别达到0.684和0.683,均达到了极显著水平。利用检验样本得到冬小麦VWC估算的R2和RMSE分别为0.764和0.764,3.837%和3.840%,这表明应用提出的新指数PWI估测作物含水量具有一定可行性。同时,也为当前利用主要国产卫星遥感数据HJ-CCD和ZY-3开展作物水分遥感监测应用提供了一种新方法。
关键词： NIR-Red光谱特征空间 光谱响应函数 植株含水量 冬小麦 PWI
全文链接
请求原文
最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：冬小麦叶面积指数(leaf area index,LAI)是进行作物长势判断和产量估测的重要农学指标之一,高光谱遥感技术为大面积、快速监测植被LAI提供了有效途径。在探讨利用最小二乘支持向量机(least squares support vector machines,LS-SVM)方法和高光谱数据对不同条件下冬小麦LAI的估算能力。在用主成分分析法(principal component analysis,PCA)对PHI航空数据降维的基础上,利用实测LAI数据和高光谱反射率数据,构建LS-SVM模型,采用独立变量法,分别估算不同株型品种、不同生育时期、不同氮素和水分处理条件下的冬小麦LAI,并与传统NDVI模型反演结果对比。结果显示,每种条件下的LS-SVM模型都具有比NDVI模型更高的决定系数和更低的均方根误差值,即反演精度高于相应的NDVI模型。NDVI模型对不同株型品种、不同氮素和水分条件下冬小麦LAI估算精度不稳定,LS-SVM则表现出较好的稳定性。表明LS-SVM方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。
关键词： 最小二乘支持向量机 叶面积指数 高光谱 普适性 冬小麦
全文链接
请求原文
基于沟式栽培的全封闭温室降温方法与作物生长研究
《农业机械学报 》 2014 EI 北大核心 CSCD
摘要：利用地温相对恒定、受外界环境影响较小的特点,在全封闭温室内采用沟式栽培法,根据蒸腾量进行补充灌溉,营造适宜作物生长的条件,研究不同沟深栽培条件下温室内环境因子的差异及其对小白菜蒸腾速率、产量和水分生产率的影响。结果表明:高温环境下,0.7 m和0.9 m深度处理的温度较温室内对照CKi有明显的降低,最大温差大于20℃;光照强度随着沟深的增加而减弱,但0.9 m深度处理的光照强度仍能满足光合作用的需求;空气相对湿度基本保持在25%~75%之间,适宜植株生长;水分生产率的大小在各处理中表现为0.9 m>0.7 m>0.5 m>0.25 m>CKi>CKo。高温季节0.7 m和0.9 m的深度更适宜小白菜的生长。沟式栽培法可解决全封闭温室的高温、高湿问题,同时可提高作物水分生产率。
全文链接
请求原文
冬小麦叶面积指数遥感反演方法比较研究
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：叶面积指数(leaf area index,LAI)是反映作物生长状况和进行产量预测预报的主要指标之一,对诊断作物生长状况具有重要意义。遥感技术为大面积、快速监测植被LAI提供了有效途径。利用高光谱遥感影像,结合田间同步实验数据,探讨不同方法对冬小麦叶面积指数遥感反演的能力。介绍了支持向量机、离散小波变换、连续小波变换和主成分分析四种LAI反演方法。分别利用上述四种方法构建冬小麦LAI反演模型,并对不同算法反演的LAI模型进行了真实性检验。结果显示,支持向量机非线性回归模型精度最高,对冬小麦LAI估算能力最强,反演值与实测值拟合的决定系数为0.823 4、均方根误差为0.419 5。离散小波变换法和主成分分析法都是基于特征提取和数据降维,其多元变量回归分析对LAI估算能力相近,决定系数分别为0.697 1和0.692 4,均方根误差分别为0.605 8和0.554 1。连续小波变换法回归模型精度最低,不适宜直接用其小波系数来反演LAI。结果表明,非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。
关键词： 叶面积指数 高光谱 支持向量机 小波变换 主成分分析
全文链接
请求原文
基于机器视觉的作物多姿态害虫特征提取与分类方法
《农业工程学报 》 2014 EI 北大核心 CSCD
摘要：由于野外诱捕害虫的姿态存在多样性和不确定性,使得利用机器视觉进行害虫的自动识别与计数仍然是一个难题。该文提出一种基于颜色和纹理等与形态无关的特征相结合和利用多类支持向量机分类器的多姿态害虫分类方法。通过对目标害虫图像进行不同颜色空间特征、基于统计方法的纹理特征和基于小波的纹理特征的提取,构建了6组不同组合的特征向量。将10阶交叉验证的识别率作为适应度函数值,利用遗传算法对各组特征向量进行降维筛选。最后利用基于有向无环图多类支持向量机分类器对多姿态害虫进行识别和特征组选择。结果表明,遗传算法最多可以使特征向量维数降到原来的38.89%,基于HSV三通道颜色图像的小波纹理特征组在建模时间和平均准确率方面都表现最优,可以作为一种有效的多姿态害虫分类特征选择。
关键词： 机器视觉 图像处理 特征提取 害虫分类 多类支持向量机
全文链接
请求原文
高光谱成像技术在果蔬品质与安全无损检测中的原理及应用
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：水果和蔬菜的品质与安全是消费者最为关心的问题。传统的化学检测方法是一种费时费力的破坏性检测技术。随着成像和光谱技术的快速发展,高光谱成像技术已经广泛应用于农产品品质与安全的快速无损检测中。高光谱成像技术融合了传统的成像和光谱技术的优点,可以同时获取被检测物体的空间信息和光谱信息,因此该技术既可以像检测物体的外部品质,又可以像光谱技术一样检测物体的内部品质和品质安全。目前,已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全的研究性论文发表,为了深入了解高光谱成像技术的检测原理并跟踪国内外最新的研究进展,综述了高光谱成像技术在水果和蔬菜外部品质、内部品质和品质安全检测中的原理、发展和应用。另外,还简要介绍和讨论了高光谱成像系统的构成、常用的数据分析方法、发展趋势及面临的挑战。
全文链接
请求原文
高标准基本农田建设评价模型的构建及建设时序的确定
《农业工程学报 》 2014 EI 北大核心 CSCD
摘要：高标准基本农田建设时序既要考虑建设的可行性,也要考虑建成后的稳定性。该文以黑龙江省富锦市为研究区,分别从自然质量条件、工程建设条件、经济社会条件和区位条件、生态条件、建设用地扩张动力等方面构建建设可行性和空间稳定性评价模型,运用理想解逼近法测算各评价单元的建设可行性和空间稳定性,最后用四象限法确定高标准基本农田建设时序。结果表明:富锦市高标准基本农田建设高度可行区域面积为13.18万hm2,中度可行区域面积22.72万hm2,低度可行区域面积22.18万hm2;高度稳定区域面积为7.58万hm2,中度稳定面积为27.73万hm2,低度稳定区域面积为22.77万hm2。基于空间稳定性优先的目标导向,分别确定国营农场辖区和地方政府辖区的建设时序。其中,国营农场辖区优先建设区域面积为6.75万hm2,主要分布在七星农场、创业农场、红卫农场、前进农场和青龙山农场;地方政府辖区优先建设区域面积为4.41万hm2,主要分布在二龙山镇、锦山镇、头林镇和宏胜镇。该研究结果可为高标准基本农田建设规划编制提供科学依据。
关键词： 土地利用 稳定性 区划 高标准基本农田 建设可行性 建设时序 富锦市
全文链接
请求原文
基于MODISNDVI多年时序数据的农作物种植识别
《农业工程学报 》 2014 EI 北大核心 CSCD
摘要：为了获取陕西省农作物种植模式和类型分布信息,实现对于多年农作物长势分析及精确的估产和耕地生产力的估算,该文以2003-2012年的MOD09Q1时间序列遥感数据集为数据源,以陕西省主要农作物冬小麦、夏玉米、春玉米、水稻和油菜为研究对象,利用Savitzky-Golay滤波方法重建NDVI长时间序列数据集,充分利用农作物的物候信息,构建农作物年际间动态阈值方法,实现了农作物种植模式和类型的识别。通过对混合像元进行分解,更精确地提取农作物种植面积信息。利用空间和定量2种方式对农作物类型识别结果进行分析验证,空间对比分析得到分类的总体精度和Kappa系数为88.18%和59.64%,定量对比分析得到分类的总体一致性为87.56%。研究结果表明,结合物候信息与时间序列数据利用该文的分类方法可以有效的识别大尺度农作物信息。
关键词： 遥感 农作物 识别 MODIS NDVI 种植模式 种植类型 陕西省
全文链接
请求原文
基于热点效应的不同株型小麦LAI反演
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：针对小麦株型对LAI反演精度的制约,利用地面实测的多角度数据,提出采用热点指数反演高精度的不同株型小麦LAI。通过分析京411紧凑型和中优9507披散型两种株型小麦在红光(670nm)和近红外波段(800和860nm)的二向反射光谱特征,借鉴热暗点指数HDS和归一化热暗点信息指数NDHD,构建了改进的归一化热暗点指数MNDHD和热暗点比值指数HDRI两个新热点指数。将HDS,NDHD,MNDHD和HDRI与NDVI,SR和EVI相乘得到的热点组合指数用于不同株型小麦LAI的反演。分析得出对紧凑型小麦京411,由860nm近红外波段的NDVI与MNDHD和HDRI的组合指数反演的LAI精度分别为0.9431和0.909 2;对披散型小麦中优9507,由800nm近红外波段的SR与HDRI和MNDHD的组合指数获得的LAI反演精度分别为0.964 8和0.895 6。表明基于冠层的热点效应反演不同株型小麦LAI的方法可行,多角度遥感数据在作物结构参数提取方面比常规观测数据更具优势。
全文链接
请求原文
