一种分布式空间数据中心服务接入认证机制研究

根据兵团分布式空间数据中心现状,如何对数据服务进行有效接入和安全认证成为兵团空间信息平台急需解决的问题之一。将OGC规范及语义WEB技术相结合,提出语义描述的用户角色地理本体,采用基于语义的授权控制方法将属性访问控制以服务接口的形式提供接入认证,可方便跨域信息共享和简化策略管理,解决了分布式空间数据共享认证问题,并在兵团空间信息平台中投入使用,取得了理想效果。

基于采样的草地生物量估算空间插值方法比较研究

随着空间插值的广泛应用,不同的插值方法因不同的研究目的、对象和地区而产生不同的效果。为了监测、合理利用天然草地资源,利用研究区2016年4—6月野外采集的262条天然草地生物量数据,采用克里金法、反距离权重法、样条函数法和趋势面法分别对研究区草地生物量进行空间插值研究,对比分析不同插值方法对天然草地生物量的评估准确性。结果表明,反距离权重法误差相对较小,效果较好,比较适用于草地生物量空间分布的插值研究。与规则样条函数法的插值结果相比,反距离权重法的平均绝对误差降低48. 19%,平均相对误差降低40. 763 9百分点,平方根误差降低58. 41%。该结果可以为后续研究工作提供一定的参考,为相关部门对草地生物量分布信息的监测提供一定的计算方法。

基于GM（1，1）模型的新疆棉叶螨预测研究

影响棉叶螨发生发展的因子众多，有些影响因子的数据不易采集，给建立科学实用的螨害预测预报模型带来很大困难。为尝试解决这一问题，本文将灰色系统理论应用于新疆亚热带棉区棉叶螨预测预报研究，基于历史螨害发生数据，建立了GM（1，1）灾变预测模型。检验结果表明，该模型的平均相对精度为97．1％，小误差概率P值为1，均方差比值C为0．0627，各项指标均达到Ⅰ级预测精度。使用2014-2016年度螨害发生数据对模型进行验证，预测结果与螨害实际发生情况相吻合。研究结果表明：GM（1，1）灾变预测模型可用于棉叶螨的中长期预测，且具有建模所需数据量少、数据易于获取、预测精度高等优点，在实际农业生产中具有更好的实用性。同时由于农作物虫害具有相似的规律性，因此，本文的研究方法能够为其他类似的生物灾害预测提供参考和借鉴。

基于AHP法的石河子发电厂周边空气质量评价

空气质量是评判环境健康的重要指标,如何对空气质量进行客观、综合的评价是关键问题。针对石河子环境质量状况,以石河子市阳光双语学校、石河子南区热电厂为实验区域,采集二氧化碳、一氧化碳、PM2.5浓度数据,采用格拉布斯准则、皮尔逊积矩系数完成数据筛选与相关性分析,建立实测数据与官网数据数学转换模型,利用基于模糊学理论的层次分析法(AHP,Analytic Hierarchy?Process)完成空气质量等级评价模型的构建。实验结果表明:系统采集的数据与官网数据相关性大于0.97,产生的模型精度较高,达到了准确性为93.3%的环境等级评价结果,验证了评价模型的可靠性和有效性。

小麦籽粒蛋白质光谱特征变量筛选方法研究

【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012—2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD Field Spec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法(UVE)结合交叉验证偏最小二乘回归、连续投影算法(SPA)结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归(MLR)及UVE与SPA组合后结合逐步多元线性回归(SMLR)等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除(UVE)方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归(SMLR)、连续投影算法(SPA)、连续投影算法(SPA)+逐步多元线性回归(SMLR)及连续投影算法(SPA)+偏最小二乘回归(PLS)+交叉验证(CV)等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除(UVE)法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差(RMSEP)和R2分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。

基于Web AppBuilder的棉田病虫害信息服务平台构建

为及时获取和共享棉田病虫害信息,以便农技人员采取防治措施,使用移动终端进行病虫害信息采集,在数据分析的基础上,基于Arc GIS Server服务发布、Arc GIS Javascript API等关键技术,利用Web App Builder框架构建团场棉田病虫害信息服务平台,设计病虫害信息服务产品的生成与表现方式,建立病虫害发布流程,实现了棉花病虫害信息及时分析统计、发布与大面积共享。测试表明,该平台具有交互性好,响应速度快,用户界面丰富、体验性强等特点,可为棉花病虫害防治提供信息服务和决策支持。

基于机器视觉的无人机油菜长势调查研究

精准农业以实时准确地获得作物生长信息为前提,可精确调控各种环境因素,促进农业物资合理利用和实现高产。在各种生长信息中,作物长势相关的参数是研究的重点。基于无人机的作物长势调查能够适应农田的复杂环境,在作业效率和降低成本上也有明显的优势。为此,开发了基于机器视觉的油菜长势调查方法,利用无人机搭载数码相机拍摄油菜图像,经过机器视觉分析处理后区分不同生育时期的油菜。以H分量值作为与生物量相关的特征参数,用于反映油菜的长势。在实际的应用中,建模样本的H值与实测生物量之间存在极显著的相关性,建立的模型准确计算出检验样本的生物量,为油菜的长势调查和产量预测提供了依据。

近地机载激光雷达棉花LAI提取方法研究

棉花叶面积指数(LAI)是描述其长势的重要指标,准确获取冠层结构参数是叶面积指数反演的必要条件。以Scout B-100油动单旋翼无人机为飞行平台,搭载RIEGL VUX-1激光雷达,精确获取棉花高密度点云数据,得到研究区棉田数字表面模型(DSM)和数字高程模型(DEM),通过差值运算获得其冠层高度模型(CHM),进而提取有效的冠层结构参数。利用相关性分析法选取相关系数大于0.2的激光穿透力指数(LPI)、回波点云密度(D)、孔隙率(f_(gap))、归一化高程值(V_(nDSM))构建棉花LAI反演模型,并与实测叶面积指数进行精度验证与评价。实验结果表明:模型估算的LAI与实测LAI之间的决定系数为0.824,均方根误差为0.072,验证了模型的可靠性。

天山北坡土壤盐渍化光谱响应特征与动态监测的研究

土壤盐渍化是我国干旱区常见的生态环境问题。在分析不同地物和不同等级土壤盐渍化光谱特征的基础上,运用机器学习支持向量机(support vector machine,SVM)模型,以Landsat-TM和Landsat-ETM^+多光谱遥感影像和野外调查数据为数据源,分析天山北坡典型区域土壤盐渍化的变化规律和转移特征。结果表明:盐渍土壤区别于水体、沙漠和植被的最佳波段是710~900 nm;重度盐渍土壤的光谱反射率在波长为400~900 nm范围内普遍高于其他盐渍化土壤;SVM模型对1990年、2000年/2014年3期天山北坡典型区域遥感影像的分类精度达到84%以上,Kappa系数均在0.86以上,土壤盐渍化面积在1990-2000年间增加了1 032.86 hm^2,在2000-2014年间减少了1 581.84 hm^2;1990-2000年间,裸土转移为盐渍地的面积比较大,2000-2014年间,盐渍地转化为耕地和裸土的面积比较大,土壤盐渍化面积先增后减的变化波动,表明随着土地利用和农田灌溉方式的改良,新疆北疆地区土壤盐渍化程度得到了明显抑制。

基于机载LiDAR属性信息检测离群点云

无人机载LiDAR是一种新型遥感技术,可快速获取高密度、高精度的地物点云数据,随着获取精度越高,点云数据量越大。为减少参与点云滤波处理的数据量,提高滤波速度,本文结合点云回波次数、高度和点云回波强度三种属性信息,采用箱形图检验方法获取非地面点云,并使用反复建立三角网方法分别对处理前后的点云数据进行对比分析。结果表明:针对截取的试验区点云数据,可去除多次回波对应的噪声点云363个,得到第1次和第2次回波分别占点云总数的98.49%和1.49%;高度和强度离群的点云共占点云总数的1.46%。通过对点云进行滤波前期的处理,可降低滤波时间32.2 s,且保留地面点云2551个。本文研究利用箱形图检测点云属性获取离群值,可提高点云处理速度和降低地面点云漏分的现象,为后期直接利用统计方法对点云属性信息分析和实现快速处理海量点云提供参考。

基于反射光谱的开放环境下小麦籽粒蛋白质含量定量分析方法研究

为了实现田间快速、无损测定整粒小麦籽粒蛋白质含量，于2011-2015年，以收集的176个蛋白质含量有明显差异的冬小麦品种为研究对象，在开放环境下测定了不同品种小麦籽粒反射光谱和蛋白质含量。将预处理后的小麦籽粒光谱，在400-2400nm和780—2400nm波段范围内经过剔除无信息变量（UVE）与连续投影算法（SPA）获得蛋白质的特征波段，与小麦籽粒蛋白质含量进行交叉验证偏最小二乘回归分析，构建并优选小麦籽粒蛋白质含量的光谱最佳定量估测模型；比较不同预处理与不同特征波段筛选方法组合所得预测模型后发现，利用51点一阶导数处理后的近红外光谱经过UVE与SPA组合筛选的特征波段构建的模型对整粒小麦籽粒的蛋白质含量预测精度最高，可靠性好，该方法经济有效，预测均方根误差（RMSEP）和R2分别为0．4856和0．9653。可以实现田间无损、快速测定整粒小麦籽粒蛋白质含量。

基于深度学习的寒旱区多时序影像土地利用及变化监测——以新疆莫索湾垦区为例

针对生态环境脆弱的寒旱区开展地物要素提取以及土地覆盖变化监测研究,对农业规划、城乡建设、生态环境监测与保护等具有重要意义。借助2015-2019年新疆莫索湾垦区Landsat-8影像构建数据集,对比3种传统方法:最大似然分类(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)和随机森林(Random forest,RF)及5种语义分割模型:Deep⁃Labv3+(Xception)、DeepLabv3+(MobileNet)、SegNet(ResNet50)、U-Net(MobileNet)和PSPNet(Mo⁃bileNet),选取最优自动化地物提取模型对研究区1998-2020年农用地、建筑用地、水体和荒漠4种地物要素进行分类,并运用土地利用转移矩阵和动态度进行定量动态变化分析。结果表明:Deep⁃Labv3+(Xception)模型可以实现更准确、更高效的地物提取,总体精确度(OA)、Kappa系数和F1值分别为96.06%、0.96和0.86,其中所选模型的平均交并比(MIoU)较其他模型提升0.03~0.39。近23 a,莫索湾垦区的荒漠、农用地和建筑用地三者的土地结构转化较为明显,荒漠总面积减少15.00%,农用地总面积增加12.68%,建筑用地总面积增加2.53%,水体面积变化较为平稳。地物类型总体转变方向为荒漠向农用地转化、农用地向建筑用地转化。该研究可为深度学习技术应用于中分辨率遥感卫星影像领域中实现土地利用及变化动态监测提供参考。

U-Net模型对不同空间分辨率防护林提取精度的影响

针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过U-Net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m(空间分辨率0.15 m)、400 m(空间分辨率0.20 m)、500 m(空间分辨率0.25 m)3种不同高度的遥感影像为例,试验结果证明,3种不同高度的影像提取精度误差在1.3%以内;MIoU误差在3.7%以内。空间分辨率对防护林提取精度的影响较小,高空间分辨率的影像数据并不能显著提升防护林的提取精度。本文为大规模农林业遥感监测的数据源获取提供了理论依据。

基于多源数据的棉叶螨预测研究

在新疆地区特殊的气候环境和耕作方式下探索大尺度区域的棉叶螨预测预报方法,分别采用气象数据、遥感数据、气象与遥感数据相结合等3种方法建立螨害预测模型,并对新疆生产建设兵团第八师2017年7月的棉叶螨发生情况进行预测。结果表明,2017年5—6月累积降水量、5月温湿系数、4—6月累积降水量、6月上旬降水量、6月27日绿波段归一化植被指数(green normalised difference vegetation index,简称GNDVI)和改进的简单比值指数(modified simple ratio index,简称MSR)、7月13日比值植被指数(ratio vegetation index,简称RVI)共7种特征是建模的最佳因子。基于气象数据模型预测效果最差,分类准确率为71.4%,F1值为68.8%;气象和遥感数据相结合的模型预测效果最好,分类准确率为82.9%,F1值为83.3%;遥感数据模型预测效果介于两者之间,分类准确率为77.1%,F1值为78.9%。气象数据模型在大尺度区域整体趋势预测上有优势,遥感数据模型对于局部变化比较敏感,气象与遥感数据相结合的模型兼备了二者的优点,预测效果最好。研究成果可为新疆地区棉叶螨的提前预防和统防统治提供理论依据。

基于深度学习的玛纳斯土地利用时空格局变化与预测

土地利用时空格局变化与预测对土地资源管理与优化至关重要。本文基于遥感时空序列数据,协同景观指数与深度学习的长短时记忆网络(Long-Short Term Memory,LSTM)模型,对玛纳斯进行长时间序列土地利用时空格局演变特征分析和预测。结果表明:(1)1992—2020年耕地、草地和建设用地增加,林地、水域和未利用地减少。(2)耕地破碎化程度降低,林地和水域的景观指数轻微波动;草地破碎化程度降低,形状趋于规则化;建设用地处于持续扩张状态,破碎化程度加深,形状趋于复杂;未利用地破碎化程度增加,但形状趋于规则化。(3)比较了LSTM模型、多层感知人工神经网络(Multi-Layer Perception Artifical Neural Network,MLP-ANN)模型、逻辑回归(Logistic Regression,LR)模型和CA-Markov模型的预测精度。LSTM模型的Kappa系数为95.31%,较其他模型准确度高,符合实际土地利用格局分布。LSTM模型表明2025年土地利用类型可能仍以耕地、草地和未利用地为主。

棉花全生长周期机载高光谱正射影像数据集构建

棉花作为我国的主要经济作物,对其开展低空遥感精细监测的研究目前尚缺乏高质量的监测样本数据集。高光谱影像具有丰富的光谱特征和空间特征,被广泛用于生化参量反演、病虫害监测、长势评估与产量预测。为此,本文构建了面向棉花全生长周期的机载高光谱成像数据集(Airborne hyperspectral imaging dataset for the full growth cycle of cotton,AHS-FGCC)。基于大疆M600 Pro无人机搭载Rikola高光谱成像仪,以100 m航高获取同一区域同一棉花品种苗期、苗后期、蕾期、花期、铃期、盛铃期以及吐絮期共7期无人机高光谱数据。该数据经过标准预处理,参考《地理信息元数据》规范,补充无人机载高光谱棉花数据元数据信息,从而构建全生长周期棉花高光谱正射影像数据集。通过与采样点ASD(SR-3500)地物光谱仪棉花冠层光谱曲线对比,分析棉花数据集的光谱精度以及对应的棉花生长期光谱变化规律。结果表明Rikola成像光谱仪和ASD地物光谱仪波长在503~850 nm区间,反射率曲线趋势具有良好的一致性,“绿峰特征”,“红谷特征”,“红边特征”3种典型光谱特征表现也基本吻合。本数据集可以较好地反应棉花不同生长周期的光谱特征变化规律,可为棉花的低空遥感精细监测提供样本数据,并为农作物高光谱或多光谱数据集构建的相关研究提供参考和借鉴。(数据集发布于科学数据银行,访问地址:https://www.scidb.cn/detail?dataSetId=a07c3451e3cf4ff090b1cbb72edc08c3。)

基于最小二乘支持向量机的无人机遥感影像分类

针对SVM容易出现过学习、泛化能力下降的问题,利用LSSVM在求解线性方程组时的自身优势,对高分辨率无人机多光谱影像进行地物分类识别。采用固定翼无人机搭载Micro MCA12 Snap多光谱相机,获取研究区域玛纳斯河畔的多光谱影像,首先利用最佳波段指数法与光谱信息、纹理信息结合得到最佳特征波段组合,从而降低数据维度,进而利用粒子群优化和网格搜索算法分别进行参数寻优并交叉验证方法对影像进行SVM和LSSVM对比试验。结果表明,Micro MCA12 Snap多光谱传感器所选择的1、6、11波段组合及NDVI、NDWI、Mean特征信息组合,粒子群优化LSSVM分类的总体精度较网格搜索LSSVM高0.092%,Kappa系数高0.006;粒子群优化LSSVM分类的总体精度较粒子群优化SVM分类高2.021%,Kappa系数高0.008。试验方法改善了各种地物特别是裸地与沙石的区分,是对该相机及特征组合进行分类的有效手段。

重叠度对无人机图像拼接效率的影响

为分析重叠度对无人机图像拼接效率的影响,提高无人机平台获取数据的时效性,更好地为灾害损失调查和救灾应急现场等服务,设计重叠度对无人机图像拼接效率影响程度的试验。该试验以单旋翼无人机Scout B1-100搭载多通道光谱成像系统Micro MCA12Snap为数据获取平台,以Pixel Wrench2为多光谱图像的多波段选配合成工具,以Pix4D Mapper为数据处理和分析平台,对23种重叠度的图像数据进行拼接试验分析。结果表明,在软硬件支持的基础上低重叠度图像的获取和处理可以提高无人机图像拼接效率,提升数据获取时效性。

四旋翼飞行器悬停模式ITAE最优PID控制

针对传统的比例-积分-微分(PID)闭环算法在四旋翼飞行器姿态控制中存在的参数整定繁琐、闭环零点导致系统超调量增大的问题,根据系统动态性能指标要求,通过改进传统PID控制算法,设计了基于时间与绝对误差积分(ITAE)性能指标下带前置滤波的最优PID控制算法。使用Matlab软件Simulink工具对传统PID控制与带前置滤波的最优PID控制两种算法进行对比实验,结果表明:采用带前置滤波的最优PID控制,调节时间小于0.5 s,超调量小于5%,在保证系统动态响应快的同时有效抑制了闭环零点对超调量的影响,提升了控制品质,优于传统PID控制。

基于无人机LIDAR数据多尺度特征的沥青路面病害提取方法

目的针对大范围公路路面病害监测需求,提出基于低空无人机激光雷达遥感数据和随机森林分类算法,构建沥青路面病害目标的遥感识别模型。方法首先,基于激光点云高程信息提取多尺度表面粗糙度和高斯曲率指数,以及利用激光反射强度影像提取路面和病害目标的几何特征,然后基于提取的48 个多尺度统计特征利用随机森林算法建立了沥青路面坑槽与塌陷两类主要病害的识别模型。采用搭载于ScoutB 1 - 100 低空无人直升机平台的RIEGL - VUX100 激光雷达扫描仪,获取了新疆石河子市与沙湾县交界处的一段县级沥青道路的激光点云数据,对所提出方法和模型进行了验证。结果本文所提出的模型可较好识别路面的塌陷与坑槽病害目标,以地面调查和目视解译结果为参照的验证精度为92 .3%,Kappa 系数为0.902 ,优于其他两种常用的机器学习分类模型,可为公路养护部门提供一种新的快速路面病害监测方法。