物联网工程专业C++程序设计教学改革探索

针对传统C++程序设计与学科专业特点脱节的现象,重点讨论C++程序设计在遥感影像处理中的教学特点,提出从教学方法、教学内容和实践环节3个方面革新现有物联网工程专业C++课程教学体系,对提高课程的教学效果具有重要的指导和借鉴意义。     

欧盟自然资源GIS系统的设计和开发研究

对欧盟自然资源特点进行了分析,建立了欧盟自然资源地理信息系统--EU-GIS,实现了EU-GIS的空间查询功能和空间分析功能,为了解欧盟国家的自然资源状况提供了辅助决策支持.     

多源卫星遥感数据监测巢湖蓝藻水华爆发研究

湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VⅡRS三种不同空间分辨率的影像数据,通过归一化水体指数（Normalized Difference Water Index,NDWI）实现巢湖水域范围提取,利用归一化植被指数（Normalized Difference Vegetation Index,NDVI）和浮游藻类指数（Floating Algae Index,FAI）提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VⅡRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:（1）相比NDVI指数,FAI指数（Landsat和HJ-1B数据为主,VⅡRS数据辅助）能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;（2）气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VⅡRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省河长制和湖长制中发挥重要作用。     

基于小波变换与支持向量机回归的冬小麦叶面积指数估算

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI 建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI 的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9 和8,对应小波系数的LAI 回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI 建立的SVR 模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI 反演精度最低(R2 0.76,RMSE0.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI 回归方法比较结果表明,SVR 比PLS 更适合于LAI 的估测,通过将CWT 与SVR 结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。     

用于高光谱图像分类的归一化光谱指数的构建与应用

成像高光谱的近地田间应用为农业定量遥感的发展提供了新的契机。如何发挥其图谱合一的数据优势,尤其在解析土壤、阴影等背景地物对作物养分反演模型的影响需要关注。该研究借助可见/近红外成像高光仪,在近地田间采集小麦群体的成像立方体,根据影像中光照裸土、阴影裸土、光照叶片和阴影叶片的反射光谱特征建立了归一化光谱分类指数,并应用该指数提取大豆影像中不同类型地物的光谱,分析了背景土壤剔除前后的大豆植被归一化光谱与叶绿素密度的决定系数变化情况。结果表明:土壤和阴影叶片光谱去除后,反演叶绿素密度的敏感波段由红-近红外区间（727 nm,922 nm）向蓝、绿,尤其是红波段（710 nm,711 nm）移动。对叶绿素密度敏感的波段区间表现为可见光增加,近红外减少,且红边波段决定系数最高。由此说明,基于归一化光谱指数的植被光谱提纯对定量遥感反演研究具有重要意义。     

冻害胁迫小麦的图谱特征解析研究

冻害是造成中国农业生产重大损失的气象灾害之一, 对国内粮食安全生产造成严重威胁。利用图像处理技术提取冻害前后小麦的覆盖度特征, 用高光谱技术研究冻害前后小麦的光谱变化特征并确定遥感诊断的敏感波段。研究结果表明: 可见光波段的绿、红光可用于诊断冻害胁迫, 尤其在绿峰与红谷位置表现明显;近红外波段是判断冻害胁迫的敏感区间。综上, 光谱分析结合图像处理技术用于田间小麦冻害特征区间提取是可行的。     

Relief-F筛选波段的小麦白粉病早期诊断研究

为了准确监测小麦白粉病染病早期病情,给喷药防治提供技术指导,论文将染病初期的小麦叶片作为研究对象。首先,利用高光谱图像数据,通过图像特征分割出叶片区域和病斑区域,定量计算病情严重度;其次引入Relief-F算法提取染病早期最敏感波段和波段差,计算出白粉病病害指数PMDI （Powdery mildew disease index）;并通过分析病情指数DI （Disease index）与11种植被指数（含PMDI指数）的相关性及线性模型,得出PMDI模型有最高的决定系数（R2=0.839 9）和最低的均方根误差（RMSE=4.522 0）,效果优于其他病害植被指数的结果（其中,Normalized Difference Vegetation Index,NDVI的模型决定系数最高,R2=0.777 1,RMSE=5.336 4）;最后,选择PMDI和NDVI植被指数分别构建小麦白粉病染病早期病情严重度的支持向量回归模型。结果表明:经敏感波段筛选构建的PMDI指数的预测结果更好,预测模型的R2=0.886 3,RMSE=3.553 2,可以实现小麦白粉病早期无损诊断,这为指导作物病害喷药防治提供重要的技术支撑。     

多角度成像解析大豆冠层的二向反射特征

植被冠层二向性反射特征是定量遥感必须关注的一个问题。论文借助自主研发的多角度成像系统,在不同观测时间对不同种植密度下的大豆冠层进行多角度成像数据采集,通过对图谱合一的高光谱影像中大豆植株、土壤背景和阴影叶片进行逐步分离,对比分析纯大豆植被与植被-土壤混合冠层的二向反射（Bidirectional Reflectance, BR）变化特征,研究发现:在主平面观测时,土壤光谱去除后,即纯植被冠层反射率在前向观测时,随着天顶角的减小而增大,这不同于植被和土壤同时存在时的研究结果（BR 随着天顶角的增加而增大）;当观测方向由主平面的前向朝后向变动时,可见光和近红外波段的纯植被冠层反射率表现为逐步增大的趋势,这和土壤光谱去除前的变化趋势也不同;在垂直主平面观测时,去除土壤背景后的纯植被冠层反射率与混合植被反射率特征有相同的趋势,但在垂直主平面方向的对称性更强。上述结果在不同密度、不同观测时间的大豆冠层BR 特征有相近的趋势,这为多角度遥感的发展提供了必要的基础研究。     

利用成像高光谱区分冬小麦白粉病与条锈病

病害胁迫是造成小麦减产及危及世界粮食安全的主要因素之一。如何准确区分相似病害并科学诊断病害严重度,成为国内外研究热点。文中针对中国冬小麦种植区常见的两种真菌疾病白粉病和条锈病,采用高光谱成像系统获取两种病害侵染的小麦叶片图谱合一数据,通过主成分分析法对影像数据进行降维、密度分割法对病害面积进行分割后,得到识别病斑准确率达到97%;进一步分析侵染白粉病和条锈病的叶片病斑区域的光谱特征差异,选择第二主成分图像筛选两种病害的敏感波段,得到识别白粉病的敏感波段为519、643、696、764、795、813 nm,条锈病的敏感波段为494、630、637、698、755、805 nm。最后对筛选出的敏感波段建立白粉病和条锈病支持向量机（SVM）判别模型并验证,得到两种病害的区分精度为92%。综上,利用高光谱图像协同解析可在叶片尺度实现小麦白粉病和条锈病的有效判别,这为开发病害区分仪器提供了重要的理论基础。     

基于无人机遥感影像芨芨草盖度的图像分割方法

根据像素比计算芨芨草面积占区域总面积的百分比,由此整体估算呼伦贝尔草原芨芨草的盖度.图像分割采用了最大类间方差法,得到类间最大方差值,即最佳阈值.利用阈值对灰度化图像进行分割得到芨芨草和非芨芨草两类物的二值化图像.采用中值滤波和数学形态学相结合的边缘检测法,提取芨芨草图像,将其与非芨芨草图像分割.基于无人机影像,采用图像分割方法,能够有效提取芨芨草图像,与实测芨芨草盖度相比,估算结果准确度高达97.3%.