科研产出
应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。
关键词： 高光谱遥感 冬小麦 生物量 波段深度分析 偏最小二乘回归
全文链接
请求原文
基于新型植被指数对冬小麦蛋白质含量的估算研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：小麦蛋白质含量是衡量小麦价格的一项重要指标。本文使用三年冬小麦蛋白质含量和光谱指数数据,用2008/2009和2009/2010年数据构建新的比率指数和乘积指数,并将灰色关联算法-偏最小二乘法(GRA-PLS)进行整合,尝试提高对冬小麦蛋白质含量估算的精度,用2011年/2012年数据进行验证。研究结果表明:比率指数与冬小麦蛋白质含量的相关系数要优于单一指数,单一指数和比率指数最高相关系数(r)分别为0.726和0.751,乘积指数也可改善部分单一指数的相关系数。通过GRA-PLS方法可以提高对冬小麦蛋白质含量的估算精度,单一指数、比率指数和乘积指数的决定系数(R2)分别为0.537,0.631和0.521,对应的均方根误差(RMSE)分别为0.665%,0.564%和0.574%。结果说明用新构建的比率指数和乘积指数,并使用GRA-PLS方法对冬小麦蛋白质含量估算是可行的。
关键词： 新型植被指数 蛋白质含量 灰色关联算法 偏最小二乘法
全文链接
请求原文
基于高光谱成像的苹果轻微损伤检测有效波长选取
《农业工程学报 》 2013 EI 北大核心 CSCD
摘要：为了确定可用于苹果早期轻微损伤检测的有效波长,以具有代表性的阿克苏苹果为研究对象,采用高光谱成像技术和分段主成分分析方法对损伤发生仅为半小时之内的苹果进行损伤检测研究,对比分析不同光谱区域主成分分析对识别结果的影响,优选出识别光谱区域(780～1000nm)。基于此光谱区域结合主成分图像权重系数获取2个有效波长(820和970nm),并利用这2个波长和全局阈值理论开发了多光谱轻微损伤提取算法。利用独立测试集中25个正常苹果和25个损伤苹果对算法的性能进行评估,结果表明,正常果的识别率为100%,损伤果的识别率为96%,整体检测精度为98%。该研究所获得的有效波长可为开发基于多光谱成像技术的苹果损伤检测系统提供参考。
关键词： 损伤检测 图像处理 主成分分析 高光谱成像 有效波长 苹果
全文链接
请求原文
基于线结构光视觉的穴盘苗外形参数在线测量系统研制及试验
《农业工程学报 》 2013 EI 北大核心 CSCD
摘要：为了满足穴盘苗自动化分选的实际需求,该文设计了基于线结构光视觉的穴盘苗外形参数测量系统,实时获取穴盘苗图像信息,实现对其叶片面积和高度的在线测量。为充分突显目标与背景色彩差异,针对穴盘苗叶片和背景基质图像特征,利用最大类间方差动态阈值对2G-R-B色差图像进行分割;以穴孔为单位进行区域标记和特征提取,分别计算幼苗叶片图像面积,排除明亮蛭石颗粒造成的椒盐噪声和劣苗叶片区域;根据Cb、Cr色彩分量特征提取在健康幼苗叶片区域的红色激光条像素坐标,拟合其分布中心线;基于线结构光视觉三维定位原理,根据幼苗叶片区域激光条中心线图像坐标,实现对穴盘苗高度的测量。试验结果表明,系统对直立姿态的穴盘苗高度测量精度为5 mm,在叶片面积测量评估方面可以满足穴盘苗筛选精度要求。
关键词： 机器人 视觉 三维 测量系统 穴盘苗 线结构光 特征提取
全文链接
请求原文
融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：考虑到短波红外特征与叶面积指数(LAI)有很好的关联,将短波红外特征的典型水分指数与基于可见光-近红外特征的植被指数相融合,尝试构建新的植被指数估算作物LAI。通过PROSAIL辐射传输模型分析新植被指数对LAI饱和响应的特征;利用2009年和2008年北京地区冬小麦实测光谱数据进行LAI估算建模与验证。结果表明:所选择的10个典型可见光-近红外植被指数分别与5个水分植被指数相结合构建的新指数,都能够有效提高与LAI的相关性,特别是在融合了含有短波红外特征的sLAIDI*指数后,新指数显著提高了对LAI响应的饱和点,而对植被水分变化不敏感,LAI估算精度得到改善。研究表明:将短波红外特征引入到可见光-近红外植被指数中,构建的新植被指数对冬小麦LAI估算具有明显的优势。
关键词： LAI 高光谱遥感 植被指数 短波红外 sLAIDI*
全文链接
请求原文
考虑自然风的气辅式喷雾雾滴飘失特性建模与补偿
《农业工程学报 》 2013 EI 北大核心 CSCD
摘要：气流辅助喷雾在雾滴减飘方面确有效果,然而大田作业时,其减飘效果受到自然风、喷雾流量、风筒出口风速、喷雾角等多种工况的严重影响。该文采用多相流计算流体动力学软件,建立三维流场几何模型,依据不同工况参数对雾滴漂移特性的影响,利用均匀设计安排试验方案,研究雾滴在自然风、辅助气流综合作用下在连续相和雾滴粒子离散相的耦合规律,通过流体动力学仿真完成训练样本采集,采用多元相关向量机回归方法建立不同自然风速下减飘模型,并通过模糊决策支持系统对作物茂密程度和喷嘴与冠层间垂直距离进行控制参数修正。试验结果表明:多元相关向量机回归模型预测飘失率的平均绝对百分比误差为2.56%,自然风扰动中实测和预测飘失率平均误差为8.92%,其飘失规律与所建飘失模型基本吻合。研究结果可为面向雾滴沉积效果的喷雾主动控制系统设计提供参考。
全文链接
请求原文
基于Geo-WebServices的农田环境动态监测与评价分析系统
《农业工程学报 》 2013 EI 北大核心 CSCD
摘要：为实现农田环境质量数据的在线共享、查询统计与评价分析服务,该文结合地统计学及农田环境质量监测相关专业知识建立采样点布设优选评价模型,并基于GIS、GNSS、角色访问控制等技术,设计开发了农田环境动态监测与评价分析系统。应用证明,系统采用Geo-WebServices技术能够实现分布式存储的极高分辨率遥感影像和大比例尺基础地理数据等数据服务的实时在线集成与共享,提高了数据分析精度,也解决了高精度基础空间数据的共享安全性及数据版权的问题;能依据角色分配用户权限,使得系统安全可靠;能灵活定制与管理农田环境监测评价与预警分析等模型,并实现从采样布设优选评价、采样点数据预处理、环境质量评价与预警分析及结果多方式直观的可视化等全流程的动态监测分析功能,系统能有效应用于农田环境质量监测与管理。
关键词： 农田 监测 环境评价系统 Geo-WebServices
全文链接
请求原文
利用多时相HJ-CCD遥感影像监测玉米粘虫灾情空间分布
《农业工程学报 》 2013 EI 北大核心 CSCD
摘要：为了探索运用遥感技术监测玉米粘虫灾情的方法,该文通过分析粘虫发生前期、中期和后期的多时相环境减灾卫星CCD影像和野外定位观测的叶片生物量数据,计算并比较了多种植被指数与叶片生物量的相关关系,最终构建了基于重归一化植被指数(renormalized difference vegetation index,RDVI)多时相的叶片生物量定量模型,并采用野外另一组样本对监测结果进行精度验证。结果表明,玉米叶片生物量遥感监测模型的决定系数为0.7376,均方根误差为43.26g/m2。根据叶片生物量与粘虫灾害严重度的关系,进行玉米粘虫灾情严重度及空间分布监测,结果与当地农业部门实际调查结果基本一致。因此,运用多时相HJ-CCD遥感影像可以实现玉米粘虫灾情程度及空间分布的有效监测,为农业部门客观评价玉米粘虫灾害损失提供了方法支持。
全文链接
请求原文
基于时间序列环境卫星影像的作物分类识别
《农业工程学报 》 2013 EI 北大核心 CSCD
摘要：环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。
关键词： 遥感 作物 分类 时间序列分析 决策树 HJ-CCD
全文链接
请求原文
基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：小麦条锈病和白粉病作为我国麦区两种重要病害,在田间常同时发生,为病害防治管理带来困难。基于实验测试获得白粉病、条锈病叶片光谱数据,探讨采用光谱分析对两种病害进行区分识别及严重度监测的可行性。通过相关分析和独立T检验,筛选出对白粉病和条锈病敏感度差异较显著的波段及光谱特征,包括665～684,718～726nm等6个波段范围,以及DEP550-770,SIWSI等11个光谱特征。基于这些波段和特征,采用FLDA构建病害判别模型;借助PLSR分析构建病情严重度反演模型。研究结果表明,筛选得到的反射率波段和光谱特征能够较好地区分两种病害,判别模型总体精度达到80%以上,准确度较高。其中,染病比率超过20%的病叶区分和识别精度可达95%。同时,分别基于两种病害敏感光谱特征构建的病情严重度反演模型能够较好地估测病情严重度,两种病害估测均方根误差均低于15%。上述叶片尺度小麦白粉病和条锈病区分和严重度反演模型为进一步研究两种病害冠层尺度的区分和监测提供基础。
关键词： 高光谱 条锈病 白粉病 费氏线性判别分析 偏最小二乘回归分析
全文链接
请求原文
