坡垒相对叶绿素含量与图像特征的非线性分析及估测

为探讨濒危树种坡垒叶绿素含量与图像特征之间的非线性关系,研究用图像颜色和纹理特征估测坡垒叶绿素含量的可行性,从而为坡垒叶绿素含量的图像无损监测提供参考。以2年生坡垒为研究对象,获取坡垒冠层相对叶绿素含量(SPAD值)和可见光红-绿-蓝图像,采用广义可加模型(GAM)探究图像颜色和纹理特征与坡垒SPAD值的非线性相关性,并用基于Lasso算法筛选后的无多重共线性多图像特征构建多元线性回归模型、GAM、随机森林模型和XGBoost回归模型以估测SPAD值。结果表明:22个图像颜色纹理特征中与坡垒SPAD值线性相关最强的特征为相关标准差,呈正相关,非线性相关最强的特征为熵均值,呈反“J”形负相关;Lasso算法能够有效去除多图像特征之间存在的严重共线性,筛选后保留的15个图像特征方差膨胀因子值均低于10;利用多图像颜色和纹理特征估测SPAD值,经过交叉验证表明,XGBoost回归模型检验精度最高,决定系数、平均绝对误差和均方根误差分别为0.757、2.682和3.242。因此,坡垒图像颜色和纹理特征与SPAD值具有一定的非线性相关性,基于具有非线性解释能力的XGBoost回归模型的图像估测法可作为坡垒叶绿素含量估测的优选方法。

天线最佳吻合轴向误差的精确计算方法

针对现有的吻合计算,存在以轴向RMS最小为设计目标的吻合,对目前计算轴向误差的方法进行了讨论,指出了某些稍不合理的地方,提出了一个较为准确的计算轴向误差的计算公式,并给出了推导过程。对某两个40米天线和64米天线的有限元模型进行了仿真分析,验证了该公式的合理性。实验结果说明,该方法应用范围更广,在工程中应用此方法可以得到更加精确的误差信息,并在此基础上做吻合工作,以便更准确地指导下一步天线的安装和调整,获得更好的天线性能。