在水分胁迫下棉花冠层叶片全氮含量的高光谱遥感估算模型研究

研究利用美国产ASD地物光谱仪,获取新疆北部地区棉花冠层关键生育时期的高光谱数据,采用红边积分面积变量估测棉花冠层叶片的全氮含量,对反射光谱进行一阶微分,应用一阶微分光谱数据,衍生出基于光谱位置变量的分析方法,以红边积分面积(SDr)为自变量,冠层全氮(TN)含量为因变量,做相关分析与处理,构建新陆早6号红边积分面积与冠层叶片TN含量的相关数学模型。研究在不同水处理条件下,对棉花冠层单叶叶绿素含量和单叶全氮含量做相关分析,结果表明:叶绿素含量与TN含量呈显著的正相关(R=0.8723,n=39),叶绿素含量能有效的估计棉花单叶TN含量;红边积分面积变量与冠层TN含量呈显著的相关性,相关系数是0.7394(n=40),利用构建的相关模型可以较为精确地估测棉花两个品种新陆早6号与8号冠层叶片的全氮含量,RMSE分别为0.3859和0.4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力,研究得出利用3边面积变量构造的数学模型对反演作物冠层TN含量有较高应用价值。研究认为,红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。研究结果证明:①随着棉花的生长发育,叶片的生理生化参数发生变化,冠层的生理生化参数随之发生变化;②.棉花叶片叶绿素含量与叶片的全氮含量相关性显著(R=0.8723,n=38),通过建立数学模型,可以估测叶片中全氮的含量;③由一阶微分光谱衍生出基于光谱“红边”位置变量的分析方法,使我们认识到“红边”的变幅、形状和面积包含了各个波段的信息,这些波段综合产生的变量所构造的模型,为棉花氮素营养参数的估计提供了预测能力;④如果棉花叶绿素含量高,说明水分充足、氮代谢旺盛,植株处于生长旺盛时期,红边向蓝光方向发生了位移。利用红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。     

在水分胁迫下棉花冠层叶片全氮含量的高光谱遥感估算模型研究

研究利用美国产ASD地物光谱仪,获取新疆北部地区棉花冠层关键生育时期的高光谱数据,采用红边积分面积变量估测棉花冠层叶片的全氮含量,对反射光谱进行一阶微分,应用一阶微分光谱数据,衍生出基于光谱位置变量的分析方法,以红边积分面积(SDr)为自变量,冠层全氮(TN)含量为因变量,做相关分析与处理,构建新陆早6号红边积分面积与冠层叶片TN含量的相关数学模型。研究在不同水处理条件下,对棉花冠层单叶叶绿素含量和单叶全氮含量做相关分析,结果表明:叶绿素含量与TN含量呈显著的正相关(R=0.8723,n=39),叶绿素含量能有效的估计棉花单叶TN含量;红边积分面积变量与冠层TN含量呈显著的相关性,相关系数是0.7394(n=40),利用构建的相关模型可以较为精确地估测棉花两个品种新陆早6号与8号冠层叶片的全氮含量,RMSE分别为0.3859和0.4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力,研究得出利用3边面积变量构造的数学模型对反演作物冠层TN含量有较高应用价值。研究认为,红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。研究结果证明:①随着棉花的生长发育,叶片的生理生化参数发生变化,冠层的生理生化参数随之发生变化;②.棉花叶片叶绿素含量与叶片的全氮含量相关性显著(R=0.8723,n=38),通过建立数学模型,可以估测叶片中全氮的含量;③由一阶微分光谱衍生出基于光谱“红边”位置变量的分析方法,使我们认识到“红边”的变幅、形状和面积包含了各个波段的信息,这些波段综合产生的变量所构造的模型,为棉花氮素营养参数的估计提供了预测能力;④如果棉花叶绿素含量高,说明水分充足、氮代谢旺盛,植株处于生长旺盛时期,红边向蓝光方向发生了位移。利用红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。     

基于行存储模型的模拟列存储策略研究

列存储模型在只读的数据仓库应用中表现出非常好的性能,很多研究表明对于典型的OLAP查询,列存储数据库的性能大大优于行存储数据库.根据列存储模型的特性及数据处理特点,在传统的行存储模型关系数据库中模拟列存储的存储模式及数据处理过程,并通过优化的基于聚类的列存储模型、全索引模型与典型的行存储方式进行类比性能测试.实验结果显示,采用传统行存储模型模拟的列存储模型针对OLAP类查询具有很高的数据访问速度及查询性能,整体性能介于行存储数据库与列存储数据库之间.对于实际应用系统来说,该方案减少了整体系统部署代价,而且无需为提高OLAP查询的性能增加额外系统(列存储)投入,从而为OLAP应用提供了良好的性能支持.     

基于多阶散射模型的玉米后向散射特性分析

合成孔径雷达(Synthetic Aperture Radar,SAR)由于其特有的全天时、全天候成像及对农作物的穿透探测能力,已成为农作物信息获取的重要手段。该文建立基于Matrix Doubling 算法的玉米多阶散射模型,以全极化雷达遥感数据Radarsat-2为数据源进行模型验证,在模型基础上,根据玉米关键生长期的几何参数,分析了玉米的时域散射特征;玉米不同生长期由于结构上的差异,散射特征差别很大:在玉米出苗期,小角度情况下C波段VV-HV适用于土壤湿度的提取;在玉米成熟期,大角度情况下C波段HH-HV较适合玉米叶片含水量的分析。     

组播蠕虫的传播模型研究

蠕虫利用多种技术来实现快速传播。近年来得到广泛应用的组播技术可能被蠕虫用来加速蠕虫传播过程。论文通过分析组播蠕虫的传播模式,建立了组播蠕虫传播模型并用数值分析方法对影响蠕虫攻击性能的因素进行了研究。根据数值结果得出组播蠕虫的攻击性能与几个因素密切相关。     

机制砂空隙率软测量模型构建及试验研究

机制砂的空隙率是衡量混凝土性能的重要指标。空隙率的在线检测能够提升混凝土性能。现有的测量方法无法对机制砂空隙率进行在线检测。因此,提出一种通过动态图像法建立软测量模型,进而实现空隙率在线检测的方法。首先,采用基于动态图像法原理构建的机制砂形态测量平台来采集机制砂图像。然后,计算机制砂的关键形态参数,选择合适的软测量模型算法。最后,构建并比较不同软测量模型的预测性能。对比结果显示,随机森林模型的准确率最高,预测值和试验值最大误差为0.6%。相较于传统方法,该方法可在机制砂生产线中在线检测空隙率,有效提升混凝土性能。     

基于XML的B/S模型研究应用

XML(可扩展标志语言)在实现信息标准化、信息的交流与共享上有其独特的技术优势,因此它受到了广泛的重视。本文首先提出了基于XML的三层B/S模型;然后对其从数据获取、传输至显示以及外部处理的应用进行分析:最后对基于XML的三层B/S模型在信息标准化、数据处理等方面的应用优势进行了总结。     

基于POV-ray的行播作物方向亮温仿真研究

利用POV-ray光线追踪方法,对植被真实结构模型（CLAMP）生成的复杂行播场景下的方向亮温（DBT）进行快速演算,并针对CLAMP模型中集聚指数,平均叶倾角和叶面积指数,对冠层方向亮温的影响做敏感性分析,得到在不同参数输入条件下DBT的一些规律。结果表明,集聚指数可以有效地控制叶片在空间的分布情况,对于DBT的结果有较大影响;平均叶倾角对DBT的各向异性特征影响明显;叶面积指数是表征作物生长阶段的关键参数,对DBT的影响很大。     

用高光谱数据反演健康与病害落叶松冠层光合色素含量的模型研究——基于2005年吉林省敦化、和龙两市落叶松冠层采样测量数据

健康落叶松与遭受病害落叶松的冠层光谱反射率曲线具有明显差异,利用反映这种差异的光谱特征参数建立回归模型,可为反演落叶松冠层光合色素含量进而诊断落叶松健康状况提供方法和途径。以吉林省延边州敦化、和龙两市林场中健康的和遭受落叶松早落病侵害的人工落叶松林为调查对象,在对野外采集的14个落叶松冠层样本进行光谱测量及光合色素含量测量的基础上,选取8个对落叶松冠层光合色素含量变化反映敏感的光谱参数参与建立其光合色素含量的一元线性回归和多元逐步回归模型。研究结果表明,不同健康程度的落叶松冠层光谱曲线在其可见光及近红外波段有3个比较明显的特征差异处,分别位于光谱曲线的“绿峰”、“红谷”和“红边”位置。利用反映这些差异的8个光谱特征参数建立落叶松冠层光合色素含量的回归模型,除 “红边”这一参数回归效果不令人满意外,其余7个参数均得到了较好的回归效果,其中利用峰谷波长差Dgr建立的关于总叶绿素和叶绿素b含量的一元回归模型R²值分别达到0.842 8和0.749 8,利用NDGI建立的关于叶绿素a和类胡萝卜素含量的一元回归模型R²值分别达到0.875 8和0.789 7;多元逐步回归模型的回归效果与一元回归模型相比,各判定系数R²值均有所提高,总叶绿素、叶绿素a、b和类胡萝卜素含量的回归模型R²值分别达到0.885、0.910、0.839和0.862。     

YOLO-K模型多目标检测算法研究

针对图像中目标过多、相似以及有遮挡的情况,提出了一种改进传统YOLO v3算法的新算法.首先,为了使改进的算法可以更准确的检测小尺度目标,在原算法的网络中增加浅层特征提取层,然后,为了提高大尺度目标的检测精度,在大尺度特征提取层上增加输出层,得到改进的YOLO-K模型,并通过数据集进行测试验证.实验结果表明,YOLO-...     

2014年灵丘春玉米生育期气象条件分析

根据灵丘县2014年4月下旬到9月下旬的气象观测资料和玉米获得高产所需的农业气象条件,对灵丘县春玉米生育期的气象条件进行了综合分析,得出2014-04—09的综合气象条件能满足春玉米生长发育的需求。其中,有3个时段的气象条件与春玉米生育阶段的需求不吻合,即5月上旬出现冷害、7月中下旬降水偏少、9月出现阶段性低温和阴雨寡照天气,这些不利气象条件都会对春玉米的发育造成不同程度的影响。     

软件可靠性增长模型研究综述

软件可靠性增长模型SRGM（Software Reliability and Growth Model）是目前建模可靠性及其过程提高的重要数学工具,对可靠性的评测、保证以及测试资源管控和最优发布研究具有重要作用,文中对SRGM研究进行阐述和分析.对SRGM的核心研究内容与建模流程进行分析,给出了SRGM基本功用.同时,梳理了SRGM的发展演变历程,进而对当前研究现状进行深入剖析,给出当前研究特征.从软件中总的故障个数、故障检测率FDR（Fault Detection Rate）和测试工作量TE（Testing-Effort）三个方面对影响SRGM的因素进行了分析.文中基于作者前期研究中提出的统一性框架模型,对当前典型的解析模型进行了分类比较和分析;对基于有限与无限服务队列模型的SRGM进行分析与讨论;对以率驱动事件过程RDEP（Rate-Driven Event Processes）为重点的仿真方法进行剖析.进一步,为了验证与分析不同模型的差异,对26个典型的模型在公开发表的16个数据集上进行了实验.结果表明,SRGM的性能差异取决于失效数据集的客观性以及研究人员对测试过程进行不同假设下所建立的数学模型的主观性.最后,指出了SRGM面临的挑战、发展趋势和亟待解决的问题.     

基于模型完全动态延时逆的内模控制方法

针对常规内模控制中存在的缺点,提出了一种基于模型完全动态延时逆的内模控制方法,采用神经网络自适应滤波器对内部模型和完全动态延时逆进行在线学习和控制,取消低通滤波器的设计,以逆的延时时间的调整来提高系统的鲁棒稳定性,并把内模控制器的动态响应和扰动消除控制分开进行。理论分析和仿真实验表明,此方法对系统输入信号的跟踪响应具有很高的稳态精度和动态控制品质,对对象的扰动消除具有很好的效果,是一种新型、具有鲁棒稳定性的内模控制方法。     

整车电磁仿真模型精度评估

整车模型是车辆电磁性能仿真分析的基本平台,其精度直接决定仿真结果的准确性和可信度。为实现整车电磁仿真模型的量化评估,提出一种整车电磁仿真模型量化精度评估方法。以模型误差反向表征模型精度指标,用整体误差与局部误差的加权求和表征模型总误差,将整体尺寸与曲面面积的加权求和表征整体误差,采用部件偏差的最大值、平均值和变异系数加权求和表征局部误差。根据模型针对的不同分析问题,各加权系数可做适当调整,适用于各种车辆电磁性能分析任务的整车模型精度评价,具有较好的灵活性。仿真结果显示,该方法可准确预估整车模型分析时结果的可信度。     

基于BP神经网络的夏玉米多生育期叶面积指数反演研究

叶面积指数（Leaf Area Index,LAI）是生物地球化学循环中重要的植被结构参数。针对目前基于我国GF-1 WFV卫星影像的夏玉米多生育期LAI反演研究较少的问题,基于不同隐含层构建BP神经网络模型（BP1模型和BP2模型）,对比分析BP1模型、BP2模型和6种统计模型（NDVI、RVI、DVI、EVI、SAVI、ARVI）反演之间的精度差异,并根据实测数据绘制BP1模型和BP2模型的夏玉米多生育期LAI动态变化图。结果表明:LAI与6种常用的统计模型均有良好相关性,其中NDVI指数方程式回归模型拟合度最优;BP神经网络模型整体R ²略小于统计模型,而RMSE则小于统计模型,取得了与实测值差异更小的结果,统计模型与BP神经网络模型各有优劣之处;BP2模型在R ²和RMSE均优于BP1模型,能获得更为精确的反演值,BP2整体预测精度更高;基于BP神经网络模拟夏玉米生育期反演,LAI值呈现缓慢升高—快速增长—逐渐减小的S型变化过程,基本符合作物生长规律。该研究结合不同隐含层建立的BP神经网络模型,为GF-1卫星在作物叶面积指数多生育期反演的应用推广提供了方法支撑。     

Leaf Area Index Inversion of Summer Maize at Multiple Growth Stages based on BP Neural Network

Leaf Area Index (LAI) is an important vegetation structure parameter in biogeochemical cycling. In view of the lack of LAI inversion in the multiple growth period of summer maize based on GF-1 WFV satellite images in China, this study constructs a BP neural network model (BP1 model and BP2 model) based on different hidden layers, and compares and analyzes the accuracy of the inversion between the BP1 model, BP2 model and 6 statistical models (NDVI、RVI、DVI、EVI、SAVI、ARVI). Based on the measured data, BP1 model and BP2 model are used to map the LAI dynamic changes of summer maize. The results show that LAI has good correlation with 6 common statistical models, and the fitting degree of the NDVI exponential equation regression model is the best. The overallR ² of BP neural network model is slightly smaller than the statistical model, while RMSE is less than the statistical model, and the errors with the measured value is smaller than the statistical model. So both the statistical model and the BP neural network model have advantages and disadvantages. The BP2 model is superior to the BP1 model inR ² and RMSE, and can obtain more accurate inversion values, and the overall prediction accuracy of BP2 is higher. Based on the BP neural network simulation of summer maize growth period inversion, the LAI value presents a slow increase to the gradual decrease of S type change process, which is basically in line with the crop growth rules. The study combines with the BP neural network model established by different hidden layers to provide a method for the application of GF-1 satellite in the application of crop leaf area index multiple growth period inversion.     

基于区域生长的网格模型分割技术

针对三角形网格模型简化中保持细节特征的要求,提出了以顶点和三角形作为种子的区域生长策略,并采用可变阈值的生长方法.首先将与顶点相关的三角形面积的均值作为顶点的属性值,在区域生长过程中重复选择具有极大属性值的图元作为种子;在预分割后,区域要进行合并和平滑处理.实验表明,该方法快速有效,能够满足网格模型简化中保持局部区域特征的需要.     

植物冠层光辐射分布的快速深度缓存算法

针对植物冠层内光分布计算过程中存在的计算复杂度大、耗时长等问题,提出一种快速深度缓存算法。采用动态选取光照投影平面和确定光照分布密度等方法,设计一套快速计算植物冠层光分布的模拟系统。应用该系统模拟水稻孕穗期冠层内的光分布情况,结果表明,该方法在保持原有算法精度的同时,能缩短计算时间。     

基于AⅧAA模型的弹上电子设备可靠性增长试验研究

采用工程界普遍使用的AMSAA模型,对某型弹上电子设备进行了可靠性增长试验,达到了预期的可靠性增长目标,验证了AMSAA模型方法的合理性,并简述了一种在AMSAA模型基础上采用牛顿迭代法来预测特定MTBF下的试验时间的方法,该方法合理可行,对开展可靠性增长与可靠性增长试验工作具有重要的实际意义。     

基于MOST模型的移动对象全轨迹建模

针对以往建模方法的不足,在移动对象时空(MOST)模型基础上结合离散建模的思想提出支持过去、现在、未来信息处理的全轨迹模型。MOST模型不能处理历史信息,可以在基于点的建模方法之上采用线性插值的思想来解决。它可以处理当前、短暂的未来信息,可采用速度预测方法处理较长未来信息。给出全轨迹模型上3种速度预测方法及2种位置更新策略的比较结果。