基于高光谱的苹果树冠层磷素状况估测模型研究

利用高光谱技术估测了苹果树冠层的磷素含量。先用ASD Field Spec3型地物光谱仪测定了春梢停止生长期苹果树冠层的高光谱反射率,并对光谱数据进行了多种变换处理。然后对其与磷素含量进行了相关分析,找出了与磷素相关性较显著的光谱参量,并通过逐步回归分析建立了磷素估测模型。结果表明,近红外波段是苹果树冠层磷素的敏感波段;808 nm、921 nm、1195 nm、1272 nm及其组合的归一化红外光谱指数与苹果树冠层磷素高度相关。在构建的估测模型中,以808 nm、921 nm、1195nm、1272 nm及其组合的归一化红外光谱指数为自变量构建的高光谱估测模型的估测效果最佳。该研究实现了苹果树冠层磷素含量的快速估测,同时也为苹果的实时营养诊断提供了理论依据。     

基于机器学习的深圳市坝光湿地园树种高光谱分类

高光谱遥感数据为树种的精细识别提供了可能。为探索高光谱数据在树种识别中的能力,本研究基于深圳市坝光古银叶树群落的8种主要树种叶片高光谱数据,比较了6种光谱预处理方式和2种分类方法对树种分类识别精度的影响,并基于随机森林算法对不同树种识别的特征波段进行了识别。研究结果表明,一阶导数预处理方法在分类识别中性能最好,平均分类精度为76.65%;随机森林回归方法较支持向量回归算法的性能好,模型平均分类识别精度为73.07%。从混淆矩阵可以看出,多毛茜草、银柴、阴香易错分为假萍婆,鸭脚木与银柴易错分,银叶树和细叶榕易错分。400 nm、495 nm、615～675 nm、835 nm、915～975 nm、1035～1065 nm、1085～1135 nm、1265～1275 nm、1425～1535 nm、2040 nm、2100～2270 nm、2430 nm附近的光谱数据与8个树种分类识别有密切关系。     

基于神经网络的输电线路覆冰模型辨识

本文介绍了覆冰的产生机理、危害、防除冰方法,其次介绍了输电线路覆冰在线监测系统,接着深入研究了神经网络的模型建立问题,并给出了较为适用的建模方法和应遵循的原则。在研究了大量文献资料的基础上,通过分析影响覆冰量的气象因素,构建了一个三层的BP神经网络,建立了神原I回线109杆塔处输电线路的覆冰辨识模型。辨识结果满足设计要求。     

高光谱与机载LiDAR结合的树种分类研究

高光谱遥感图像虽然具有较高的光谱分辨率,但只能提供二维光谱信息,而激光雷达(Light Detection and Ranging,LiDAR)可以提供可靠的三维数据和森林的冠层特征,二者结合能够优势互补,协同提高地物分类能力。基于此,本文提出了一种利用高光谱和机载激光雷达数据进行树种识别的方法,探讨了二者协同对树种精细分类的影响,最后通过公开数据的实验来验证方法的有效性。结果表明,高光谱和激光雷达数据结合后,树种分类精度得到了显著提高。通过本文提出的方法,即使使用少量特征也能大大提高分类精度。整体分类准确率最高达到9321,比单个高光谱数据的分类准确率提高931。     

基于高光谱数据的叶面积指数遥感反演

文中耦合叶片辐射传输模型（PROSPECT）和冠层辐射传输模型（SAILH）,基于高光谱载荷通道设置,模拟高光谱冠层反射率数据;利用模拟数据深入分析了不同植被指数与叶面积指数之间的敏感性;通过敏感性分析发现改进型叶绿素吸收植被指数（MCARI2）具备抗土壤背景因素的影响能力,而且对叶面积指数较为敏感,因此该研究建立植被指数MCARI2 与叶面积指数之间的经验统计模型,并用于高光谱数据进行叶面积指数反演;最后利用飞行同步测量的叶面积指数对反演模型进行精度分析。结果表明:相比实测叶面积指数,文中建立的反演模型约低估0.42,该反演模型能够较好的反映出地物真实叶面积指数。     

基于高光谱激光雷达的滞尘叶片光谱特征分析

城市绿植为城市生态系统提供自净功能, 起到净化空气以及滞尘降尘等多种环境保护作用, 而滞尘等因素也 会对绿植产生影响。为了研究滞尘对城市绿植叶片光谱特征的影响, 采集了四种常绿绿植 (八角金盘、石楠、香樟和 玉兰) 叶片样本, 使用高光谱激光雷达系统获取高光谱点云数据, 分析了滞尘对叶片光谱特征的影响。分析结果表明: 对于不同种类叶片, 滞尘对可见光波段反射率均有较大影响; 对于同种类叶片, 滞尘对近红外波段的反射率差异影响 较大, 可见光波段的反射率差异为 1.21%∼3.41%, 近红外为 1.76%∼8.49%; 线性四点内插法计算和光谱导数分析表明 滞尘对四种叶片的红边位置无显著影响; 四种叶片的叶面水含量指数 (LWI) 对滞尘的响应程度最小 (均小于 3.7%), 而 比值植被指数 (RVI) 对滞尘的响应程度最大 (除香樟外, 均大于 20.0%), 红边指数 (SDr)、简单比值指数 (SR) 和叶面叶 绿素指数 (LCI) 的响应程度稳定性较差。进一步建立了滞尘植被指数和响应程度的线性相关性拟合模型并进行了检 验, 其中以 LCI 为自变量建立的模型为最稳定拟合模型, 可表示为 y = −1.527x + 0.6597, 决定系数约为 0.88。     

基于多种群遗传神经网络的非线性系统辨识

提高非线性系统的辨识精度,本文提出利用多种群遗传算法对BP神经网络权值进行优化,并将该算法用于非线性系统辨识中,取得了良好的效果。实验证明,与单纯采用BP神经网络辨识方法相比,本文方法对非线性系统有更强的辨识能力。     

苔藓结皮光谱的变异性研究

通过测定干、湿苔藓结皮光谱和不同季节的苔藓结皮光谱,研究了其水分变异性和季节变异性.研究得出,湿苔藓结皮光谱曲线与维管植物的光谱曲线相似,即苔藓在生命活动期的光谱曲线具有高等植物光谱曲线特征,干苔藓结皮光谱曲线特征与裸地土壤的光谱曲线相似;苔藓结皮光谱在苔藓营养发育期(7月)与生殖发育期(10月)存在较大差异,即苔藓结皮光谱也如维管植物一样存在季节变异.研究分析认为,苔藓结皮光谱与其所处环境的土壤水分有关,且苔藓结皮光谱象其他高等植物一样具有季节性变异,所以仅通过分析某一状态下的生物结皮的光谱与其他地物光谱的异同,构建的遥感解译方法很难具有普适性.由于湿苔藓结皮光谱与维管植物相似,苔藓结皮可能造成其盖度分布较大区域的植物指数的不稳定性和该区域植被生产力的过高估计.     

空调系统传感器故障诊断方法

针对空调系统中常见的传感器故障问题,提出了基于小波神经网络(WNN)故障诊断策略.在分析空调系统中传感器主要故障的基础上,建立了传感器故障诊断系统.通过传感器的真实测量值与预测值的残差比较,验证了基于WNN的故障诊断能力,分析了基于WNN与BP神经网络故障诊断的残差比结果.仿真实验表明,基于WNN的故障诊断系统具有结构...