检索结果-内蒙古大学图书馆

麦类作物学报 2020年第3期40卷 373-380页

作者：赵春奇李振海杨贵军段丹丹赵钰杨武德山西农业大学农学院山西太谷030801 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097

为优化冬小麦籽粒蛋白含量(GPC)的遥感预测模型,基于2012-2013、2014-2015和2017-2018年冬小麦生长季的田间试验,以植株氮代谢过程及GPC形成规律为依据,构建“植被指数(VI)-农学参数-GPC”的半机理模型,并在此基础上通过引入筋型修正系... 详细信息

为优化冬小麦籽粒蛋白含量(GPC)的遥感预测模型,基于2012-2013、2014-2015和2017-2018年冬小麦生长季的田间试验,以植株氮代谢过程及GPC形成规律为依据,构建“植被指数(VI)-农学参数-GPC”的半机理模型,并在此基础上通过引入筋型修正系数λ优化“PNC-GPC”模型,修正小麦筋型对模型的影响,进一步提高“VI-PNC-GPC”模型的精度。结果表明,选取的VI与植株氮浓度(PNC)均极显著相关,其中比值光谱植被指数(RSI)与PNC的相关性最高,相关系数达到0.777,建立的PNC估算模型的决定系数(r^2)达到0.604,验证nRMSE为9.93%;构建的PNC-GPC模型为GPC=(5.843×PNC+4.847)×λ,r^2=0.792,验证nRMSE为7.43%;对比不考虑冬小麦筋型的“RSI-PNC-GPC”模型,其r^2提高了0.145,验证的nRMSE降低了0.86%。综合来看,以PNC为中间变量,通过考虑不同筋型的差异构建的筋型修正系数可以更加准确地预测GPC。

关键词：冬小麦筋型植被指数植株氮浓度籽粒蛋白质含量

来源：评论

学校读者我要写书评

暂无评论

面向多区域的生鲜乳储藏监测管理技术

引用

北京工业大学学报 2018年第8期44卷 1082-1089页

作者：马为红范晋伟吴华瑞唐宇航北京工业大学先进制造技术北京市重点实验室北京100124 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097

刚挤出的生鲜乳必须严格控制在合适的温度储藏才能保证不会变质,然而在储藏过程中有很多原因会使冷却罐温度升高导致奶质变质.为了解决以上问题,采用传感器技术、物联网技术、数据库技术和网络平台技术实现了生鲜乳储藏过程生鲜乳温度... 详细信息

刚挤出的生鲜乳必须严格控制在合适的温度储藏才能保证不会变质,然而在储藏过程中有很多原因会使冷却罐温度升高导致奶质变质.为了解决以上问题,采用传感器技术、物联网技术、数据库技术和网络平台技术实现了生鲜乳储藏过程生鲜乳温度的监测预警,并实现了多区域生鲜乳冷却罐的智能监测和管理.采用高精度NTC温度传感器非接触探测生鲜乳保证了测量的精度和生鲜乳的卫生;通过设计的生鲜乳冷藏罐监测终端提取了生鲜乳冷藏阶段的温度,形成生鲜乳温度管理数据档案.对设计的智能监测预警终端和搭建的网络服务平台进行测试.异常出现时冷却罐智能监测预警终端能够在本地和远程实时智能预警从而避免奶质变坏.经连续测试表明:异常出现时,2 s内可以接到远程预警短信提醒.管理者通过网络服务平台能够实时掌握多区域采奶站生鲜乳储藏温度的变化进而能够有效了解各个采奶站由于温度过高导致的奶质变质情况.

关键词：生鲜乳储藏物联网监测预警温度监测

来源：评论

学校读者我要写书评

暂无评论

北京市大兴区南部土壤有机质空间变异及其影响因素

引用

浙江农业学报 2016年第3期28卷 482-488页

作者：蒋威郜允兵刘玉潘瑜春邢世和福建农林大学资源与环境学院福建福州350002 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097

以北京市大兴区南部平原为研究区,基于2 272个农用地土壤样点,采用地统计方法揭示表层土壤有机质空间分布特征,并利用方差分析法和缓冲区分析法探讨其影响因素。结果表明:研究区土壤有机质含量为(11.25±3.68)g·kg^(-1),变异... 详细信息

以北京市大兴区南部平原为研究区,基于2 272个农用地土壤样点,采用地统计方法揭示表层土壤有机质空间分布特征,并利用方差分析法和缓冲区分析法探讨其影响因素。结果表明:研究区土壤有机质含量为(11.25±3.68)g·kg^(-1),变异系数为32.71%;基于指数模型的空间变异拟合效果最佳,变程为7.1 km,块金效应为7.02,存在中等强度的空间相关性,由结构因素引起的变异程度略强于随机因素。土壤有机质空间分布总体呈斑块状,高值区主要分布在中轻壤质上,低值区主要分布在砂质土。除居民点外,土壤质地、土壤类型、土地利用方式、设施农业用地和畜禽养殖等因子对研究区土壤有机质空间分布均具有显著影响,黏质、耕作强度大、蔬菜用地、距设施农业用地1 km以内和距畜禽养殖地1.4 km以内的土壤易于积累有机质。上述结果可为相似区域土壤有机质空间变异特征及其影响因子研究提供参考。

关键词：土壤有机质空间变异地统计学方差分析城郊区

来源：评论

学校读者我要写书评

暂无评论

基于三明治估计的全国土壤墒情估计方法

引用

中国农业资源与区划 2016年第10期37卷 1-8页

作者：李淑华郝星耀周清波高秉博潘瑜春中国农业科学院农业资源与农业区划研究所国家农业信息化工程技术研究中心农业部农业信息技术重点实验室北京市农业物联网工程技术研究中心北京农业信息技术研究中心

土壤墒情监测对于科学灌溉、抗旱资源调配均意义重大,文章针对全国范围墒情监测中由于监测点数据少、分布不均及数据点之间关系松散等导致的空间估计效果较差的问题,对全国范围的土壤墒情空间分布规律与空间估计方法展开研究。采用适用... 详细信息

土壤墒情监测对于科学灌溉、抗旱资源调配均意义重大,文章针对全国范围墒情监测中由于监测点数据少、分布不均及数据点之间关系松散等导致的空间估计效果较差的问题,对全国范围的土壤墒情空间分布规律与空间估计方法展开研究。采用适用于分层异质性表面进行空间估计的三明治估计方法,以全国县域土壤墒情监测数据为采样数据,以全国降水栅格数据与土壤分类数据作为分区数据,以县行政区作为报告单元,实现土壤墒情监测点数据到面数据的上推。采用交叉验证方法对三明治估计效果进行验证,并与距离反比、克吕金、自然临近点和样条4种常规插值方法进行对比。结果表明:三明治估计的误差均值为1.66%,误差标准差为25.16%,墒情等级估计准确率为60.7%;与其它对比方法相比,三明治估计的结果在误差均值与误差标准差上并没有表现更好,三明治估计的误差均值小于样条插值方法但大于其它方法,误差标准差与距离反比、克吕金及自然临近点方法接近。总体来看,三明治估计能够获得与一般插值方法类似的估计效果,但是由于其更符合土壤墒情空间分布以及采样数据情况,因此其结果更可靠和易于解释,能更好地满足全国土壤墒情监测的应用需要。

关键词：三明治估计土壤墒情空间插值异质性表面分区

来源：评论

学校读者我要写书评

暂无评论

不同生育期倒伏胁迫下玉米叶面积指数高光谱响应解析

引用

遥感技术与应用 2019年第4期34卷 766-774页

作者：周龙飞张云鹤成枢顾晓鹤杨贵军孙乾束美艳农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 山东科技大学测绘科学与工程学院山东青岛266590 北京农业智能装备技术研究中心北京100097

为研究倒伏胁迫下不同生育期LAI高光谱响应模型,提高LAI高光谱响应模型精度,获取不同生育期倒伏玉米LAI与冠层光谱反射率,采用6种传统变换方式对高光谱反射率进行处理,构建不同生育期倒伏玉米LAI分期与统一响应模型。研究结果表明:LAI... 详细信息

为研究倒伏胁迫下不同生育期LAI高光谱响应模型,提高LAI高光谱响应模型精度,获取不同生育期倒伏玉米LAI与冠层光谱反射率,采用6种传统变换方式对高光谱反射率进行处理,构建不同生育期倒伏玉米LAI分期与统一响应模型。研究结果表明:LAI能够直接反映玉米受倒伏胁迫程度及自身恢复能力;传统光谱变换有利于提高光谱同LAI的敏感性及模型响应精度;不同生育期倒伏玉米LAI分期响应模型优于统一响应模型。该结果可有效诊断倒伏胁迫下的玉米叶面积指数,为实现不同生育期倒伏玉米长势精确监测提供理论依据和技术支撑,对玉米倒伏胁迫灾情监测可提供必要的先验知识。

关键词：玉米倒伏胁迫 LAI 高光谱不同生育期

来源：评论

学校读者我要写书评

暂无评论

地面高光谱和PROSAIL模型的冬小麦叶绿素反演

引用

测绘科学 2019年第11期44卷 96-102,136页

作者：于汧卉杨贵军王崇倡辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 农业部农业遥感机理与定量遥感重点实验室/北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行... 详细信息

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。

关键词： PROSAIL模型连续小波变换偏最小二乘回归支持向量机人工神经网络

来源：评论

学校读者我要写书评

暂无评论

基于序相关的作物育种评价性状特征选择方法

引用

农业机械学报 2015年第S1期46卷 283-289页

作者：刘忠强赵向宇王开义李民赞中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097

将育种家对作物性状表现的综合评价融入作物育种评价中,提出了一种基于序相关的作物育种评价性状特征选择方法。首先,从育种数据中筛选训练样本集及候选性状特征集合,计算候选性状特征集合中各性状与育种材料评价结果的相关性和作物在... 详细信息

将育种家对作物性状表现的综合评价融入作物育种评价中,提出了一种基于序相关的作物育种评价性状特征选择方法。首先,从育种数据中筛选训练样本集及候选性状特征集合,计算候选性状特征集合中各性状与育种材料评价结果的相关性和作物在性状特征间表现的相似性,然后,利用计算的相关系数同时综合考虑性状表现的相似性系数,以期望选择的性状特征的相关性最大、相似性最小为目标,建立基于序相关的作物育种评价性状特征选择模型。该模型可为不同育种目标提供重点关注的性状特征集合,为数据化育种提供支持及依据。利用该方法对2013年大豆品系鉴定试验中早熟、中熟、毛豆3类育种材料进行了性状特征选择试验,结果验证了方法的有效性。该方法可以作为育种评价方法的前置步骤,与现有的综合评价、模糊综合评价等方法结合作为性状特征权重的确定手段,提高权重确定的科学性。

关键词：信息化育种育种评价特征选择序相关

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱遥感数据的冬小麦生物量估算

引用

江苏农业学报 2020年第5期36卷 1154-1162页

作者：陶惠林冯海宽徐良骥杨贵军杨小冬苗梦珂刘明星农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 安徽理工大学测绘学院安徽淮南232001 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

以植被指数和红边参数为模型因子,利用多元线性回归(MLR),构建冬小麦不同生育期的生物量估算模型,从而有效和更好地监测冬小麦的长势情况,为精准农业中作物的快速监测提供技术手段。首先分析植被指数(VI)和红边参数(REPS)与冬小麦生物... 详细信息

以植被指数和红边参数为模型因子,利用多元线性回归(MLR),构建冬小麦不同生育期的生物量估算模型,从而有效和更好地监测冬小麦的长势情况,为精准农业中作物的快速监测提供技术手段。首先分析植被指数(VI)和红边参数(REPS)与冬小麦生物量的相关性,然后运用MLR分别建立模型MLR+VI、MLR+REPS和MLR+VI+REPS,最后将优选的冬小麦生物量估算模型应用于无人机高光谱影像中,验证模型的可行性。结果表明,利用单个植被指数或红边参数构建的估算模型在孕穗期、开花期和灌浆期估算精度最高的植被指数分别是归一化植被指数(NDVI)、简单比值指数(SR)和增强型土壤调节植被指数(MSAVI),精度最高的红边参数分别为红边振幅/最小振幅、红边振幅和红边振幅;通过MLR分别以植被指数、红边参数和植被指数结合红边参数为因子构建的模型MLR+VI、MLR+REPS与MLR+VI+REPS效果优于单个植被指数或红边参数建立的模型,3种模型在不同生育期的验证结果也较好,其中MLR+VI+REPS模型精度最高,模型决定系数(R 2)、标准均方根误差(NRMSE)分别为0.7832与12.13%。

关键词：无人机高光谱冬小麦多元线性回归植被指数红边参数

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的冬小麦叶面积指数探测研究

引用

中国生态农业学报 2016年第9期24卷 1254-1264页

作者：高林杨贵军李红军李振海冯海宽王磊董锦绘贺鹏北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097 南京大学地理与海洋科学学院南京210023 中国科学院遗传与发育生物学研究所农业资源研究中心石家庄050022

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... 详细信息

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

来源：评论

学校读者我要写书评

暂无评论

先验终端像元库支持下的GF-4多光谱影像自动云检测

引用

遥感技术与应用 2020年第1期35卷 194-201页

作者：束美艳顾晓鹤孙林朱金山陈婷婷王凯王权杨贵军山东科技大学测绘科学与工程学院山东青岛266590 农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

高分四号卫星是我国第一颗地球同步轨道遥感卫星,以其高频、宽幅的特点,可为我国农业、林业、减灾、气象、环保和水利等应用提供快速、稳定的光学遥感影像.高效的影像自动云检测有助于进一步提高高分四号影像的利用效率。CDAG(Cloud Det... 详细信息

高分四号卫星是我国第一颗地球同步轨道遥感卫星,以其高频、宽幅的特点,可为我国农业、林业、减灾、气象、环保和水利等应用提供快速、稳定的光学遥感影像.高效的影像自动云检测有助于进一步提高高分四号影像的利用效率。CDAG(Cloud Detection Algorithm-Generating)是一种基于像元组分光谱分析的自动云检测算法,能有效降低混合像元、复杂表面结构和大气等因素的影响。为了探索CDAG算法对于高分4号多光谱影像(GF4-PMS)的云检测应用能力,首先,从高光谱影像(AVIRIS)上选取不同的云类型和各种地表覆盖类型,建立云像元库和地物像元库;其次,基于高光谱像元库和GF4-PMS传感器光谱响应函数模拟出多光谱影像像元库;然后,根据碎云、薄云、厚云及非云像元的光谱差异性分析,将GF4-PMS影像的待检测像元与终端像元进行相似概率分析,实现基于最佳阈值自动迭代的GF4-PMS影像云检测;最后,从云像元正确率、晴空像元正确率、误判率、漏判率等多个指标进行云检测精度验证。结果表明:AVIRIS影像可以有效提取适用于GF4-PMS影像云检测的终端像元库,基于CDAG算法能较好地识别GF4-PMS影像上各种类型的云,对于不同时相、不同下垫面的碎云、薄云、厚云的检测精度可达90%以上。因此,基于先验终端像元库的云检测法对于提升GF4-PMS影像的利用效率具有较好的应用价值。

关键词： CDAG算法 GF4-PMS 云检测像元库数据模拟

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：