基于熵权-模糊综合评价法的无人机多光谱春玉米长势监测模型研究

为实现春玉米长势的快速监测,实时掌握田间作物的生长状况,本文以新疆维吾尔自治区克拉玛依地区种植的春玉米作为研究对象,利用无人机多光谱影像对春玉米进行长势监测。基于地面采集的春玉米叶片叶绿素含量、叶面积指数、地上部生物量和株高等数据,结合熵权法(EWM)和模糊综合评价法(FCE)建立综合长势指标CGMI_(EWM)和CGMI_(FCE)。通过无人机遥感影像数据构建光谱指数,并利用皮尔逊相关性分析法和方差膨胀因子确定模型最佳输入变量。采用偏最小二乘法(PLS)、随机森林回归(RF)及粒子群算法(PSO)优化RF模型建立春玉米长势反演模型,结合模型精度评价指标,最终确定春玉米空间影像长势分布图。结果表明,以CGMI_(EWM)和CGMI_(FCE)构建综合长势指标的相关性均高于单一长势指标的相关性;利用CGMI_(FCE)长势指标结合PSO-RF模型反演春玉米长势的效果最优,其决定系数(R^(2))为0.823,均方根误差(RMSE)为0.084%,相对分析误差(RPD)为2.345;研究区春玉米长势集中在生长正常(ZZ)等级,说明全区春玉米长势较为稳定。研究结果可为春玉米的田间管理提供科学依据。

基于BP神经网络与模糊控制的小麦灌溉系统

为了提高农业用水的利用效率,实现新疆灌区精准灌溉,在新疆阿勒泰地区福海县阔克阿尕什乡浑沃尔海,根据春小麦的生长环境和各生育时期需水量,设计了基于BP神经网络与模糊控制的小麦灌溉系统。该系统通过田间微型气象站监测、麦田传输数据,利用BP神经网络预测出小麦需水量;以需水量和土壤实际湿度的差值和差值变化率作为模糊系统的输入量,灌溉时间作为输出量。将2017年人工灌溉数据与灌溉控制系统相结合利用PYTHON做对比试验,检验灌溉系统优化的效果。结果表明,BP神经网络对春小麦需水量的预测效果较好,验证集决定系数R^(2)为0.854,相对分析误差RPD为2.014,预测结果满足春小麦实际需水标准。模糊控制系统相比于传统控制系统不会出现较大的超调量,有更好的稳定性。BP神经网络与模糊控制灌溉系统比人工灌溉节水约23.9%,说明该灌溉系统能够提高水资源的利用率,对实现精细化农业有着重要的参考意义。