水稻LAI参数的Hyperion反演研究

利用实验区32块小区水稻冠层的实测光谱数据求取红边斜率(DRE)后,与实测的叶面积指数(LAI)建立统计关系模型,其复相关系数(R2)可达0.6859。在对江苏姜堰大田的Hyperion高光谱数据做了预处理、大气校正、混合像元处理等基础上求得DRE图,结合上述统计模型完成LAI反演,并利用大田LAI的实测数据进行验证,验证结果表明实测LAI与反演LAI的线性相关系数为0.84784,因此通过此模型进行LAI反演是切实可靠的。     

不同辐射校正水平下水稻植被指数监测对比分析

归一化植被指数(NDVI)是反映植被长势特征的重要参数之一。获取准确的植被指数对揭示植被长势变化等定量遥感分析至关重要。基于不同辐射校正水平(辐射定标与大气校正),分别利用Landsat ETM+影像的灰度值(DN)、表观(TOA)反射率与地表(Surface)反射率计算相应NDVI,并根据鄱阳湖区野外定点观测数据,从农田、景观尺度揭示不同辐射校正水平下水稻生育期内NDVI动态变化特征。结果表明,根据DN、TOA反射率与Surface反射率提取的NDVI基本上可以反映出年内水稻不同熟制种植信息变化特征,即移栽期NDVI处于谷值,孕穗抽穗期NDVI达到峰值。但相应NDVI逐渐增加,且波动范围逐渐增大。就不同熟制水稻生育期而言,根据DN值计算并构建的NDVI曲线差异较小,而根据TOA反射率与Surface反射率反演的NDVI曲线差异明显。在植被定量遥感研究中,通过大气校正反演地表反射率计算植被指数相对客观准确。     

面向隶属度修正模糊聚类的参数选择方法

隶属度修正是模糊C-均值聚类算法改进的一个重要方向,该类改进算法引入模糊阈值修正隶属度,极大的加快了算法的收敛.然而其模糊阈值的自适应取值一直是一个较难解决的问题.针对这个问题,从数据对聚类中心的物理吸引和相似关系等角度提出了一种针对隶属度修正类FCM算法的模糊阈值参数选择方法,并从该参数选择公式的单调性、收敛性和鲁棒性等角度理论验证了该方法的有效性.仿真实验表明,该参数选择方法有效并具有较好的自适应效果,在加入离群点时也有着较强的鲁棒性,对于隶属度修正类FCM算法的参数选择有着较高的应用价值.     

地形调节植被指数的抗地形效果验证

分别选取位于福建省、吉林省、云南省和西藏自治区的4个地形地貌差异较大的研究区域,利用TM、ALOS AVNIR、IRS P6和HJ-1ACCD1等不同传感器的多光谱遥感数据,开展地形调节植被指数(TAVI)抗地形影响性能的实验与验证。根据目视效果和统计指标的对比分析发现:TAVI在各种地形条件下都有明显的抗地形影响的效果,但在地形起伏达到1km以上的高山区域效果有所减弱。     

基于NDVI与LAI的水稻生长状况研究

在水稻反射光谱特性与水稻生物参数关系的支持下,以吉林省德惠市夏家店镇为研究区,探讨了一条基于TM遥感影像反演得到的归一化植被指数(NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径,并利用NDVI和LAI对该区2000年和2001年的水稻生长状况进行了分析研究。     

归一化植被指数的土壤背景影响去除

植被冠层归一化植被指数(normalized difference vegetation index,NDVI)由于不同土壤背景的混入干扰,导致利用NDVI信息对作物长势监测等应用的有效性降低。以安徽省来安县小麦农田为研究区,以2种土壤类型(水稻土和黄褐土)背景下拔节期冬小麦为研究对象,采用实测小麦冠层光谱及叶面积指数(leaf area index,LAI)数据,利用传统的照相法求算植被覆盖度,基于混合光谱理论,提出2种NDVI土壤背景影响去除模型(NDVIT),对模型进行对比验证。研究结果表明:2种模型均可去除一定的土壤背景影响;采用信噪比的分析方法定量研究2种模型抵抗土壤噪声影响的能力,分析发现NDVI1T提取植被信息抗土壤噪声能力更佳;2种土壤背景影响去除模型和NDVI的拟合关系良好,相关关系R~2均达到0.9以上。     

基于宽波段和窄波段植被指数的草地LAI反演对比研究

叶面积指数是一个重要的植被生理生态参数,为探讨不同植被指数反演叶面积指数的可行性,基于同空间分辨率不同光谱分辨率的HJ\|1B CCD1和Hyperion遥感影像数据,以内蒙古自治区赤峰市克斯克腾旗贡格尔草原为研究对象,选取几种常见宽波段植被指数和高光谱窄波段植被指数并结合4种常用回归模型,比较分析了不同植被指数反演叶面积指数的精度。结果表明:对于全部植被指数而言,PVI、MSAVI等综合考虑了土壤、环境等因素的植被指数较传统植被指数NDVI、RVI反演草地LAI精度更高。通过对比发现,在反演草地LAI方面,窄波段植被指数比宽波段植被指数表现出明显的优势。其中,窄波段垂直植被指数PVI验证模型的确定性系数R²为0.65,均方根误差RMSE为0.15,说明实测LAI和模拟LAI值之间具有较好的变化一致性。最后基于Hyperion影像和窄波段垂直植被指数PVI的估算模型生成研究区叶面积指数空间分布图。     

水稻冠层光谱特征及其与LAI的关系研究

氮素营养是影响作物生长与产量的最主要限制因子之一。准确及时地监测或诊断出作物氮素营养状况,对提高氮素利用效率和作物管理水平、减少过度施氮造成的环境污染具有重要意义。本研究在不同施氮水平处理的水稻试验小区,对水稻整个生长期内冠层反射光谱进行了较系统、密集的测定,同时测定了几个重要生育期水稻的叶面积指数。研究结果表明:随着施氮量的增加,水稻冠层光谱在各生育期间呈现出一定的规律性,在近红外部分(710～1 220 nm),冠层光谱反射率随着施氮水平的提高而升高,而在可见光部分(460～680 nm),水稻冠层的光谱反射率反而逐渐降低。经冠层光谱差异显著性检验发现:水稻灌浆期以前,对施氮水平最为敏感的波段是绿光(560～610 nm)和近红外(710～760 nm)部分;转换为归一化植被指数(NDVI)以后,差异最显著的是(R760-R560)/(R760+R560)。不同氮肥处理的水稻LAI随时间变化曲线大致都呈抛物线型,中低水平施氮肥水稻LAI随时间的变化曲线比较平缓,而高水平施氮肥LAI曲线则变化比较剧烈。冠层光谱反射与叶面积的相关分析结果表明:在水稻抽穗前,叶面积与冠层光谱反射率相关性较差;而抽穗后,叶面积与冠层光谱有较高的相关性。     

基于不同植被指数的重庆地区物候参数提取对比研究

基于不同植被指数提取物候参数是分析长时间物候变化的重要基础。以多云雾的重庆地区为例,使用2010～2019年MODIS NDVI/EVI/EVI2共3种长时序的植被指数数据,通过D-L滤波方法分析了不同植被指数特征;并使用动态阈值法和趋势分析法,对比研究了基于3种植被指数提取的物候参数结果及其随不同地形因子的分异规律,结果如下：(1)EVI和EVI2的时间序列拟合曲线比NDVI的拟合曲线更加平滑,3种植被指数原始值与拟合值的差值主要分布为NDVI(0.05～0.18)、EVI(0.03～0.11)、EVI2(0.03～0.1)。(2)基于3种植被指数提取的物候参数在空间分布和变化趋势上呈现一致性,其中EVI和EVI2提取的植被指数参数皆相近,相差5d之内占比79%以上,SOSEVI2变化显著性区域所占比面积最高（16.36%）,SOSNDVI最低为12.37%。(3)SOS随海拔升高而推迟,EOS随海拔升高先延后再提前,LOS随海拔升高先延长后缩短,且EOSNDVI、LOSNDVI随着海拔增加分别与EOSEVI/EOSEVI2、LOSEVI/LOSEVI2差异增大,不同植被类型上,EV...     

基于高分一号WFV影像的随机森林算法反演水稻LAI

叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用随机森林算法构建研究区水稻LAI反演模型。研究结果表明:随机森林算法反演的研究区水稻LAI与实测验证值相关性较好,R2达到0.88,RMSE仅为1.03,能准确反映研究区水稻LAI生长季的变化趋势,不同时段LAI测量值与反演值相对误差均值为15%,且GF-1WFV影像对研究区水、路网的分辨能力较高,总体上适用于农田LAI的反演。     

面向无线传感网的社区远程医疗实时生理参数监测系统

本文设计了一种新的面向无线传感网的社区远程医疗实时生理参数监测系统．该系统基于社区无线传感网中的生理参数采集节点和汇聚节点运行工作特点,设计了系统界面、业务逻辑层、数据交互层、数据库、系统前置接入服务、无线传感网络六层系统架构,采用C／C＋＋、Qt编程技术、QWT图表开发技术实现,能够将社区人员多种乍理参数实时传送到社区医疗数据处理中心,进行数据处理、分析、整合,准确给出人体生理参数变化状况,解决了以往数据处理功能单一等不足,为社区医护人员准确监测社区人员健康状况提供可靠依据．     

带参数修正的精密液体压力计

精密液体压力计以其精密可靠、价格低廉的特点广泛应用于压力传感器、压力计及差压变送器等计量器具的检测本文介绍了一种新型的、带工T、g、H修正的精密液体压力计的制作与使用。     

基于数据挖掘的仿真模型参数修正

针对工业仿真数学模型参数估计实践中的难点,提出了通过数据挖掘来修正模型参数的新方法。从实际生产的大量数据中挖掘样本,通过数学方法计算模型参数,针对包含噪声的工业生产数据主要采用改进了最小二乘方法来修正参数;根据工业生产数据不完全及常见分布特点,采用分段组合修正参数的方法;通过实际生产的动态过程的历史数据挖掘来估计动态特性的相关参数,模型参数修正与数据挖掘过程交互引导,来缩小海量工业数据中的挖掘范围及提高参数修正所需样本数据的充分性,并建立两者之间互相协调的网络模型。实际案例验证了方法在工程项目中的有效性和实用性,表明这种方法能大幅提高仿真精度     

基于高光谱植被指数的加工番茄生长状况监测研究

利用ASD地物非成像高光谱仪,获取2个加工番茄品种4水平施氮量和3种配置种植方式6个关键生育时期冠层的反射光谱数据,通过计算得到归一化植被指数(NDVI)、比值植被指数(RVI)、修改型二次土壤调节植被指数(MSAVI2)和红边归一化植被指数(RENDVI),并分别与其冠层叶绿素密度(CH.D)、叶面积指数(LAI)、地上鲜生物量(AFBM)和地上干生物量(ADBM)进行相关分析,经检验,相关系数均达到1%的极显著水平。其中RENDVI与CH.D的线性相关模型,RVI与LAI的幂指数函数模型的相关性最好(RRENDVI-CH.D=0.8034**,RRVI-LAI=0.8703**,n=54,α=1%),用上述2个相关模型方程分别估算加工番茄CH.D和LAI,实测值与估测值之间均呈极显著的线性相关关系(R实测CH.D-估测CH.D=0.8113**,R实测LAI-估测LAI=0.8546**,n=54,α=1%),估算精度分别为85.5%和86.3%。试验结果表明,用高光谱植被指数,可以对加工番茄冠层CH.D、LAI、AFBM和ADBM进行遥感估算,实现对加工番茄生长状况的实时、无损、非接触和定量的高光谱监测研究。     

植被指数与退耕还林( 草) 初期的遥感监测应用

探讨了植被指数的几种主要形式( IDV 、NDVI、Tasseled Cap Greenness) 及其在退耕还林( 草) 初期( 2000～2002 年) 效能监测中的应用。运用遥感数据处理、GIS( ARC/ INFO) AML 编程统计出青藏-黄土高原结合部复杂地形条件下退耕还林( 草) 各类型地块的3 期平均植被指数, 及两年间相应的植被指数变化, 对比分析了各类型植被指数与其它属性数据间的关系, 发现7～9 月份积温和湿润度条件对植被指数的影响主要表现为累积效应。研究认为, 通过更详实的地表植被状态的适时调查, 建立并应用遥感成像前期地表水热因子与各类型的植被指数向量之间的映照关系, 上述方法将有更实际的意义。     

面向车联网的交通流参数检测

将RFID技术应用到交通流检测中是交通检测的新趋势。基于RFID的车联网进行讨论,分析及解决其设计参数选取、系统结构设计和邻道干扰等问题。对如何检测交通流的空间密集度（Density）、交通量（Traffic volume）、空间平均速度（Space mean speed）、选择概率（Selection Probability）、道路通行时间（Road Travel Time）和道路延误时间（Road Delay Time）等参数进行分析,指出因引入RFID技术,使得以往不可准确检测的道路通行时间和道路延误时间及新提出的选择概率成为可测参数,并给出具体计算方式。通过仿真实验验证了检测方式的正确性和可行性,为进一步研究车联网提供了充分的理论基础。     

面向主干网的DNS流量监测

面对ISP主干网,为了检测威胁其管理域内用户安全的僵尸网络、钓鱼网站以及垃圾邮件等恶意活动.本文实时监测流经主干网边界的DNS交互报文,并从域名的“依赖性”和“使用位置”两个方面刻画DNS活动行为模式,而后基于有监督的多分类器模型,提出一个面向ISP主干网的上层DNS活动监测算法DAOS（BinaryClassifier For DNS Activity Observation System）.其中“依赖性”从用户角度观察域名的外在使用情况,而“使用位置”则关注区域文件中记录的域名内部资源配置.实验结果表明,该算法在不依赖先验知识的前提下,经过两小时的DNS活动观测,可以达到90.5%的检测准确率,以及2.9%的假阳性和6.6%的假阴性.若持续观察一周,准确率可以上升到93.9%,假阳性和假阴性也可以下降到1.3%和4.8%.     

森林火灾后生态变化监测中植被指数提取方法的研究

一、前言动态监测是遥感的一大特长。尤其是TM数据，具有较高的辐射测量灵敏度、几何精度和空间分辨率，较航空遥感资料成本低，易获取。多时相的TM数据，既包含着森林植被的空间分布信息，又反映了火灾后森林生态变化和迹地更新的动态信息，故在“八五”的《森林火灾后生态变化遥感监测评价技术》研究课题中，选用TM图像数据作为遥感信息源，从TM数据中提取各迹地的生态变化信息，与各生态因子的模糊综合评判结果和火烧年限一起构建成动态监测数学模型，经过5个迹地的监测试验和验证，其功能达到了预期的攻关目标。应用TM数据监测火灾…     

面向情绪调节的多模态人机交互技术

目的 现代社会存在心理问题的人日趋增多,及时调节其负面情绪对社会和谐稳定具有重要现实意义。传统的情绪调节方法需要花费大量人力,为此提出一种面向情绪调节的多模态人机交互方法,识别用户情绪,采用文本对话和体感交互实现对用户情绪的调节。方法 综合运用了表情识别、文本对话和手势来实现对用户情绪的识别,构建了具有情绪表现力的智能体。用户的表情识别采用支持向量机方法,文本对话采用基于规则和融入情绪因素的Seq2Seq模型实现。设计了聊天、过生日和互动游戏（打篮球）等交互剧情,采用手势和肢体动作来辅助交互。为了更好地体现情绪调节的作用,在互动游戏中设计了强化学习算法,可根据用户的情绪反馈来自动调整游戏难度,最终让用户情绪调整到积极状态。结果 通过实验发现,采用单模态交互很难感知到用户的背景信息,因此对用户的情绪识别可能出现误判。而采用多模态的人机交互方式,可以通过文本对话了解用户的背景信息,从而对用户情绪的识别更为合理。在多模态的人机交互剧情中,用户能以更自然的方式实现情景互动,智能体在多模态交互中更能发挥情绪调节作用。结论 本文提出一种基于多模态人机交互的情绪调节方法,该方法不需要昂贵的硬件设备,便于推广普及,为消极情绪的调节提供了一种可计算方案。