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WebGIS与北斗/GPS的放牧监测系统

现有的牧群追踪系统仅实现了牧群位置实时显示、历史轨迹查询和围栏报警功能,已无法满足草地畜牧管理部门对于牧场放牧强度和牧群采食情况监测等功能的更高需求。针对上述问题,结合草地科学理论与空间分析方法,提出基于放牧时空轨迹数据的牧群采食量分布模型和牧场放牧强度监测方法。在已建立的物联网位置服务平台基础上,集成Web GIS空间分析技术与可视化技术,建立了物联网牧群轨迹数据采集与Web GIS时空数据分析的放牧监测系统。系统实现了牧群位置地图显示、牧场放牧强度监测、牧群采食量分布监测3个功能。以新疆天山北麓牧场为案例对系统进行了应用分析,结果表明,系统能有效地实现牧群位置信息、牧场放牧强度信息、牧群采食量分布信息的动态监测,可为相关管理部门对放牧信息的监测提供技术支持和数据支撑。

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。

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。

基于移动GIS的棉田病虫害服务发布系统

针对棉田病虫害信息发布时效性差、服务形式单一、针对性不足等问题,基于移动地理信息系统(geographic information systems,简称GIS)技术研发了服务器/客户端(C/S)架构下的棉叶螨病虫害信息发布系统。服务端运用ArcGIS Server实现对病虫害专题的统一发布与管理。针对病虫害专题图和基础棉田信息进行交叉分析,然后使用ArcMap中的结构化查询语言(structured query language,简称SQL)语句筛选出虫害等级较高的区域,并提取对应的农户信息,最后采用JPush第三方推送平台,将监测及预警信息直接推送到特定农户。客户端基于Android平台,集成JPush开发包构建应用程序,通过注册信息可实现推送信息的订阅,随后可接收服务端推送的文本预警信息或专题图。结果表明,系统对服务的发布具有时效性高、针对性强等特点,可为农情信息发布提供参考。

基于历史帧路径搜索的红枣动态图像采集

图像采集是实现红枣品质分级和检测的关键前提。针对基于静态图像的采集方式不能全面反映外观品质、实时性差和基于传输式图像采集方式的机械、电路设计复杂且适用性不足的缺点,提出一种基于历史帧最小路径搜索,实现对视频中红枣目标进行跟踪、标定,建立红枣动态样本集的方法。首先利用RGB(red,green,blue)颜色空间转换HSV(hue saturation value)空间图像的明度(V)分量,基于V分量建立掩膜对RGB图像执行掩膜去背景。同时,针对视频图像中获得的二值图像,建立坐标系,获得每帧图像基于轮廓外接最小正矩形的特征向量,将当前帧和前一帧中的特征向量基于最小路径搜索的方法,加入约束条件,实现对视频中每个红枣目标的跟踪和标定,最后基于正矩形参数的感兴趣区域(region of interest,简称ROI),实现动态样本建立。利用此算法,对拍摄的视频图像的检测表明建立的动态样本集能更全面地反映红枣外观品质。该算法简单、有效,特别在实现基于深度神经网络的红枣在线检测中具有较大的应用潜力。