基于HJ星高光谱数据红边参数的冬小麦叶面积指数反演

针对我国HJ-1A星搭载的高光谱成像仪(HSI)数据,探索基于HJ星高光谱影像的LAI反演研究,本文利用inverted Gaussian模型提取红谷位置、红边位置、红边振幅以及红边斜率4个红边参数,结合2009年4月、5月两期同步地面观测LAI数据,经过回归分析构建了反演叶面积指数的最优红边参数模型.结果表明红边位置、红边斜率和红边振幅与叶面积指数都达到了极显著相关,R2分别为0.5592,0.7796和0.8107说明HJ星高光谱影像数据在叶面积指数反演方面有很大的应用潜力.     

冬小麦冠层光谱红边参数的变化及其与氮素含量的相关分析

通过对不同氮肥条件下的小麦植株由上而下进行器官疏剪,分析了不同处理下冠层光谱反射率及其红边参数的变化。结果表明,冠层光谱反射率因不同肥力、不同疏剪处理而有较大的差异,表现出不同程度的红边的“红移”和“蓝移”现象。各处理的红边曲线形状均出现双峰现象,表现为第二个峰值高于第一个峰值,并且均为N1>N2>N0。相关分析表明,随着由上而下的疏剪处理,不同叶位叶片光谱反射率对冠层光谱的贡献增加,并且其红边参数与相应的叶片全氮含量的相关系数也增加,部分达到显著或极显著相关水平。该结果为利用下部缺素敏感叶片的光谱特征进行小麦养分的及时补充提供了可靠的理论依据。     

冬小麦品质的影响因素及高光谱遥感监测方法

研究了小麦品质的分类及其构成因素与环境条件之间的关系，各品质因素之间的关系。运用相同栽培条件下不同品种品质指标间的关系和变化规律，研究了品种因素对小麦品质的影响程度以及品种因素与品质指标之间的相关性，得出相同环境条件下籽粒的蛋白质含量与湿面筋含量、沉降值、吸水率、形成时间和稳定时间之间存在极显著的相关性。并利用不同品种、不同肥水条件下的作物关键生育时期的生化参量与光谱指数进行分析，得出开花期冬小麦叶片的类胡萝卜素与叶绿素a的比值与结构不敏感植被指数(SIPI)之间存在极显著的正相关，决定系数达到0．7207，冬小麦体内的全氮含量与类胡萝卜紊与叶绿素口的比值之间存在极显著的负相关，决定系数为0．7245，并通过分析开花期冠层生化组分与籽粒品质指标间的相关性，得出开花期叶片全氮与籽粒蛋白质、湿面筋、干面筋和沉降值之间存在极显著的正相关，表面运用开花期光谱指数来反演叶片全氮含量，进而用来预测预报籽粒品质是切实可行的。     

作物氮素营养诊断方法研究进展

改进氮素管理对农业生产和生态环境保护具有重要的意义。本文综述了几种氮素营养诊断方法的优缺点,重点介绍了主动遥感光谱仪G reenSeeker的特点,及其进行氮素诊断的机理、研究进展和其在国内的应用前景。     

不同氮素营养条件下的冬小麦生理及光谱特性

通过对氮胁迫下冬小麦叶绿素含量、叶面积指数等参数的分析，得出养份胁迫下冬小麦生理反应的特点，并且分析了其光谱特征及与叶绿素含量等的相关关系。     

冬小麦单位面积产量的光谱数据估产模型研究

冬小麦单位面积产量的光谱数据估产模型研究池宏康（中国科学院植物研究所）七十年代中期，美国农业部等单位联合进行了对小麦的大面积作物估产试验（ＬＡＣＩＥ），八十年代又开始进行“空间遥感监测农业资源（ＡｇＲＩＳＴＡＲＳ）计划，它们使美国获得了很大的经济效益...     

氮,磷交互作用下小麦氮素营养丰缺的光谱诊断与估测

一、引言长期以来,人们致力于作物营养状况的诊断,形成众多的诊断技术,其依据主要借助于化学分析或叶面缺素症状。前者手续繁琐,又须破坏植株,后者须凭经验目视观察,大面积推广应用受到限制。遥感技术问世以后,人们开始探索利用遥感技术估测作物的营养状况以指导施肥。斋滕等人发现,由彩红外航片获得的G(绿波段)和R(红波段)光谱反射率与甜菜     

不同株型夏玉米群体冠层反射光谱特征及其应用研究

比较不同株型夏玉米在不同时期的反射光谱差异性,研究分析了红边位置(λred)、红边振幅(Dλred)、最小振幅(Dλmin)及Dλred/Dλmin与叶片全氮含量(LTN),叶绿素含量(Chl)及叶面积指数(LAI)间的相关性,并建立预测模型。结果表明,光谱差异随生育进程呈不同程度的规律性变化。在全生育期,用Dλred/Dλmin能更好地推算LTN,尤其在吐丝期,在开花前用Dλred也佳,在拔节期和喇叭口期用λred也有较高的精度。估算Chl时,在开花前用Dλred较可靠,在喇叭口期和抽雄期用λred也可考虑。估算LAI时,抽雄期后用Dλred推算有较高的可信度,在抽雄期用λred较好,在开花期和吐丝期用Dλred/Dλmin推算更为可靠。     

磷营养胁迫对冬小麦冠层光谱的影响

因为磷素重要的营养作用,其胁迫的存在影响冬小麦的正常生长。借助地面遥感仪器获取冬小麦在磷营养胁迫下的多个生育期里的冠层光谱数据并对其影响特征进行了分析。利用因子分析方法提取主因子与含有丰富信息的光谱变量,并结合极显著水平(0.01)的均值比较与检验过程考察了冬小麦冠层光谱,确定了对磷营养胁迫敏感的光谱波段:760nm,810nm和870nm与950nm,并在此基础上结合冬小麦对磷素的吸收利用特征选定了运用冠层光谱敏感波段反射率探测和区分磷营养胁迫的关键生育期:拔节期。结果同时表明,对冬小麦磷营养胁迫而言,近红外区间(760nm~1100nm)光谱反射特征的区分能力要强于可见光区。本文同时指出了研究与发展利用遥感技术进行营养胁迫监测的方法和着重点。     

不同株型夏玉米群体冠层反射光谱特征及其应用研究

比较不同株型夏玉米在不同时期的反射光谱差异性,研究分析了红边位置(λred)、红边振幅(Dλred)、最小振幅(Dλmin)及Dλred/Dλmin与叶片全氮含量(LTN),叶绿素含量(Chl)及叶面积指数(LAI)间的相关性,并建立预测模型。结果表明,光谱差异随生育进程呈不同程度的规律性变化。在全生育期,用Dλred/Dλmin能更好地推算LTN,尤其在吐丝期,在开花前用Dλred也佳,在拔节期和喇叭口期用λred也有较高的精度。估算Chl时,在开花前用Dλred较可靠,在喇叭口期和抽雄期用λred也可考虑。估算LAI时,抽雄期后用Dλred推算有较高的可信度,在抽雄期用λred较好,在开花期和吐丝期用Dλred/Dλmin推算更为可靠。     

The Red Edge Parameters Diversification Disciplinarian and Their Application in Winter Wheat

Some red edge parameters( λ red, Min λ 6oo-72o, d λ,red, d λ min, d λ red / d λ min, ∑ d λ 680-750, and λ nir) and the relationship between these parameters and the parameters of biochemistry and biophysics of winter wheat were studied by regression analysis. The results indicated that there existed some changes in these red edge parameters in the whole growth stages,and there were strong correlations between red edge parameters and pramters of biochemistry and biophysics. Thus, the red edge parameters were found valuable for assessment of wheat parameters of biochemistry and biophysics. The λ red can be used to estimate the soluble sugar content and the chlorophyll content. The d λ red was the best estimator of total nitrogen content. LAI can be estimated by Min λ 600-720 satisfactorily.     

A new technique for extracting the red edge position from hyperspectral data: The linear extrapolation method

The position of the inflexion point in the red edge region (680 to 780 nm) of the spectral reflectance signature, termed the red edge position (REP), is affected by biochemical and biophysical parameters and has been used as a means to estimate foliar chlorophyll or nitrogen content. In this paper, we report on a new technique for extracting the REP from hyperspectral data that aims to mitigate the discontinuity in the relationship between the REP and the nitrogen content caused by the existence of a double-peak feature on the derivative spectrum. It is based on a linear extrapolation of straight lines on the far-red (680 to 700 nm) and NIR (725 to 760 nm) flanks of the first derivative reflectance spectrum. The REP is then defined by the wavelength value at the intersection of the two lines. The output is a REP equation, REP = − (c₁ − c₂) / (m₁ − m₂), where c₁ and c₂, and m₁ and m₂ represent the intercepts and slopes of the far-red and NIR lines, respectively. Far-red wavebands at 679.65 and 694.30 nm in combination with NIR wavebands at 732.46 and 760.41 nm or at 723.64 and 760.41 nm were identified as the optimal combinations for calculating nitrogen-sensitive REPs for three spectral data sets (rye canopy, and maize leaf and mixed grass/herb leaf stack spectra). REPs extracted using this new technique (linear extrapolation method) showed high correlations with a wide range of foliar nitrogen concentrations for both narrow and wider bandwidth spectra, being comparable with results obtained using the traditional linear interpolation, polynomial and inverted Gaussian fitting techniques. In addition, the new technique is simple as is the case with the linear interpolation method, but performed better than the latter method in the case of maize leaves at different developmental stages and mixed grass/herb leaves with a low nitrogen concentration.     

集成范例推理及其在疾病诊断系统中的应用

根据疾病诊断的一般过程,研究集成范例推理技术和方法,提出一个基于集成范例推理的疾病诊断系统,介绍了系统的原理、架构及其组成部分,并对其中的关键技术和功能进行了设计。该系统设计符合疾病诊断的实际过程,有助于提高疾病诊断的自动化水平。     

基于电阻抗扫描成像的乳腺癌自动诊断及参数提取

电阻抗扫描成像作为一种无损功能成像方法, 在乳腺癌诊断方面已经成为X射线乳腺成像的辅助诊断工具. 基于电阻抗扫描成像(Electrical impedance scanning, EIS )的人工诊断方法主观性强、诊断性能差异性较大. 本文提出了一种新的乳腺癌参数提取算法—全参数提取算法(Complete parameters extraction algorithm, CPEA), 并在此基础上设计了一个乳腺癌诊断算子—异常能量指数(Abnormal energy indicator, AEI), 可将乳腺癌诊断及癌灶参数提取合二为一.临床实验表明, 新方法可用于乳腺癌的实时诊断,具有较高的灵敏度和特异度, 同时能够给出癌灶的完整参数信息.     

基于综合优化方法的风力发电机故障诊断

支持向量机(SVM)一种新型的统计学习方法。但是作为分类算法,它存在计算量大、运行时间长的缺点。针对LSSVM的参数选择问题,引入物理学中的黑洞概念,建立黑洞模型,结合模拟退火算法,提出了黑洞粒子群-模拟退火算法(BH-PSOSA)。该算法可以增加粒子的多样性,克服PSO算法优化过程中陷入局部极值的问题,提高了优化性能,改善了收敛特性。利用BHPSO-SA算法对LSSVM的参数进行优化选择,用UCI数据库的数据进行分类验证,相比CV参数优化的LSSVM,提高了分类速度和精度。最后把BHPSOSA-LSSVM算法应用到风机齿轮箱的故障诊断中,取得了良好的效果。     

一种面向工业边缘计算应用的缓存替换算法

工业应用对数据传输的确定性有严格要求,有必要通过合理的缓存策略保障工业边缘网络的实时服务性能保障.首先面向工业边缘计算应用场景阐述了边缘缓存问题模型.然后分析了工业应用中用户请求的动态性特点,结合工业用户请求的特征属性,给出用户请求内容流行度变化的预测方法.在此基础上提出了基于属性特征流行度预测的缓存替换(combing periodic popularity prediction and size caching strategy, PPPS)算法,根据最近周期窗口内主导属性特征的热度预测值,和尺寸参数一起确定缓存内容价值.实验结果表明：与MPC(most-popular content)、贪婪双尺寸(greedy dual size, GDS)、最近最久未使用(least recently used, LRU)、最近最少访问频次(least frequently used, LFU)、先进先出(first in first out, FIFO)这5种经典算法相比,提出的PPPS算法在缓存命中率和平均延迟2种性能指标下,在不同的用户请求模型、内容大小分布、内容种类参数下均取得最优性能,有效提升了边缘缓存的命中率,提高了缓存利用效率,降低了用户请求内容的延迟.     

多目标支持向量机及其在少样本故障诊断中的应用

支持向量机理论简单, 实用性很强, 被大量应用于故障诊断问题中. 在分析支持向量机参数对分类结果影响的过程发现, 不恰当的参数选择往往带来较差的分类结果. 采用启发式优化方法可以避免人为选择的不足, 但单纯以等效间隔距离为寻优目标又会较大概率出现“过学习”现象. 为降低整体结构风险, 将等效间隔距离、支持向量数量和错分率等同时作为优化目标, 提出了一种基于粒子群的多目标支持向量机方法, 并采用定时重启、动态学习因子等策略提升算法全局寻优能力. 最后将其应用于多故障强关联耦合的复杂柴油机故障诊断问题中. 实验结果表明, 该方法可以有效解决少样本、不完备或不确定征兆的柴油机异响故障诊断问题, 筛选得到的综合最优解更符合人们的期望.     

基于结点优化的决策导向无环图支持向量机及其在故障诊断中的应用

支持向量机(Support vector machine, SVM)是利用离在线数据自动建立故障诊断模型的智能方法,它在多故障诊断时, 必须先进行多分类扩展. 决策导向无环图(Decision directed acyclic graph, DDAG)法是一种性能优秀的多分类扩展策略, 但该方法的决策结果与结点的排部密切相关, 而其结点的排部却是主观的, 影响了诊断的正确率. 本文提出一种根据故障数据的空间分布来优化结点排部的方法, 它能够提高支持向量机诊断的正确率. 采用该方法扩展的多分类支持向量机在变压器故障诊断中获得良好效果.     

一种自适应鲁棒最小体积高光谱解混算法

对高光谱图像解混的目的在于从低空间分辨率的高光谱图像中找到端元与对应的丰度.本文根据解混算法中的最小体积准则,提出了一种自适应鲁棒最小体积高光谱解混算法（Robust minimum volume based algorithm with automatically estimating regularization parameters for hyperspectral unmixing,RMVHU）.本算法通过引入负数惩罚正则项,替换了同类算法中的丰度非负性约束（Non-negativity constraint,ANC）,使算法对图像中的噪声与异常值具有更强的鲁棒性;采用循环最小化方法,将非凸优化问题分解为凸优化子问题,然后应用交替方向乘子法解决随着像素点个数增大带来的求解困难问题;对于正则项系数,本算法提出了一种自适应调整策略,提高了算法的收敛性,并且通过定性分析,说明了该调整方法的合理性.将算法应用于合成数据与实际数据,实验结果表明,与同类算法相比,本文提出的算法能够取得更为优秀的效果.     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。