共查询到20条相似文献，搜索用时 46 毫秒
1.
为进一步准确、实时监测冬小麦长势并估测其产量,以陕西省关中平原为研究区域,选取冬小麦旬或生育时期尺度的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数,分别构建不同时间尺度的单参数、双参数和多参数的门控循环单元（GRU）神经网络模型,并模拟得到冬小麦长势综合监测指数I,结果表明,旬尺度的模型精度总体高于生育时期尺度的模型精度。基于5折交叉验证法进一步验证旬尺度多参数GRU模型的鲁棒性,并构建I与统计单产之间的线性回归模型以估测冬小麦单产,结果显示,冬小麦估测单产与统计单产的决定系数（R2）为0.62,均方根误差（RMSE）为509.08kg/hm2,平均相对误差（MRE）为9.01%,相关性达到极显著水平（P<0.01）,表明旬尺度的多参数估产模型能够较准确地估测关中平原冬小麦产量,且产量分布呈现西高东低的空间特性和整体保持稳定且平稳增长的年际变化特征。此外,基于GRU模型捕获冬小麦生长的累积效应,分析在连续旬中逐步输入参数对产量估测的影响,结果显示,模型具有识别冬小麦关键生长阶段的能力,3月下旬至4月下旬是冬小麦生长的关键时期。 相似文献
2.
作物模型的研究涉及作物生长发育的复杂过程,空间上从分子到细胞、组织、器官、个体、群体等不同尺度,时间尺度上可以从秒到年。基于不同的研究需求,切换作物模型尺度,可使得作物模型的适用性更广泛灵活。其中,如何从群体尺度的作物模型转入个体尺度的作物模型是本研究的内容。本研究基于四个玉米品种的两个处理（灌溉和雨养）的已有的实验数据和基于这些数据的DSSAT系统的模拟数据,校准功能结构模型GreenLab的参数,以计算结果一致为指标,探索不同空间尺度模型建立接口的方法,比较不同模型的特点。结果表明,GreenLab模型可以复现DSSAT系统的模拟数据和实际测量数据,进一步可以反演出各种器官之间生物量的分配并进行三维可视化展示。最后讨论了不同空间尺度模型结合的优势及应用领域。 相似文献
3.
辣椒生长的三维可视化模拟 总被引：2，自引：0，他引：2
以辣椒动态生长过程虚拟为目标,在测定辣椒植物器官形态结构主要特征的基础上,用NURBS曲面建模方法建立辣椒叶、基于椭球变形的建模方法建立辣椒果实等器官的模型,提出以子结构为单位来生成植物结构的生长过程动态虚拟方法,用VC++结合OpenGL重构了辣椒器官和个体三维形态,实现了具有较好真实感的辣椒生长过程可视化模拟. 相似文献
4.
基于联合多重分形的土壤水分特征曲线土壤传递函数 总被引：4，自引：0，他引：4
利用联合多重分形方法识别在不同尺度上对土壤水分特征曲线空间变异性都具有显著影响的因素,基于得出的结论建立考虑尺度效应的小尺度和大尺度van Genuchten模型参数的土壤传递函数,探讨了将小尺度上得出的联合多重分形结论进行尺度扩展,应用到大尺度上的可行性。结果表明:小尺度和大尺度上基于0～20 cm和20～40 cm土层van Genuchten模型参数土壤传递函数预测的土壤含水率均方根误差分别为0.038 6、0.047 3和0.027 0、0.030 4,可将小尺度上进行联合多重分形分析得出的结论进行尺度扩展,应用到大尺度上,且建立的土壤传递函数具有较强的理论基础和较高的预测精度。 相似文献
5.
金沙江流域水能资源丰富，是长江经济带重要的水源地，分析其干旱时空演变规律特征，对水资源管理规划及下游的农业生产具有重要的指导意义。基于金沙江流域28个气象站1960-2020年逐月降水和气温资料，计算了年尺度和季尺度的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index,SPEI），定量分析了季尺度和年尺度不同等级气象干旱发生频率的年代变化规律及空间分布特征，并采用云模型分析了年尺度气象干旱时空分布的随机性与稳定性。结果表明，年尺度上，金沙江流域主要以轻旱和中旱为主，呈现轻旱高频和重旱低频的特点，且整体趋于干旱化；季尺度上，四个季节干旱频率均在30%左右，主要以春季和夏季干旱为主；空间分布上，丽江一带干旱发生频率较高。云模型分析结果表明，年尺度上，SPEI指数时间分布的离散程度较空间分布的大，不均匀性更加不稳定；时间分布上站点间干旱程度差异随年际变化增大，且不均匀性趋于不稳定；空间分布上，随着熵值的增大，超熵值减小，期望越低的站点相对多年平均干旱程度波动越大，其干旱程度的不均匀性越稳定。 相似文献
6.
农田春小麦叶面积指数和覆盖度时空变异性研究 总被引：4，自引：0，他引：4
准确获取春小麦叶面积指数和覆盖度的时空变异特征,对春小麦生长参数时空分析至关重要,也是利用遥感准确反演春小麦叶面积指数和覆盖度必须解决的问题,对于尺度转换研究具有十分重要的意义。综合运用传统统计分析方法、地质统计分析方法及时间稳定分析方法,研究了春小麦叶面积指数和覆盖度在不同生育阶段的时空变异特征,并探讨了二者的关系,建立了综合考虑时空特征的春小麦叶面积指数增长模型。研究结果表明:在研究条件下,春小麦覆盖度和叶面积指数随时间的变化趋势相似,但二者变异系数(CV)的变化趋势明显不同,随着春小麦的不断生长,覆盖度CV不断减小,而叶面积指数CV则是先增加后减小;春小麦叶面积指数和覆盖度都具有空间结构,其中在播种-分蘖阶段(头水灌溉前)的空间相关距离最大(50~60 m),头水灌溉后,春小麦叶面积指数和覆盖度的空间相关距都减小,其中叶面积指数相对比较稳定(约20 m);春小麦叶面积指数和覆盖度均具有时间稳定特征,播种-分蘖阶段处于头水灌溉前,这个阶段的春小麦覆盖度对其在整个生育期的稳定性有显著影响,相比之下,这个阶段的叶面积指数对其在整个生育期的稳定性影响不明显;春小麦叶面积指数除了与生育期有密切的时间相关关系外,还在一定范围内与覆盖度有显著的空间相关关系,为此从时空变异角度,建立了一个以生育期和覆盖度为预报因子的叶面积指数增长模型,经检验,拟合模型方程在置信度0.01水平上表现显著。叶面积指数增长模型将不同时间的叶面积结合了空间上的变异特征,较之前的仅基于生育期的Logistic模型适应性更广。 相似文献
7.
为了提高冬小麦单产估测精度,改善估产模型存在的高产低估和低产高估等现象,以陕西省关中平原为研究区域,选取旬尺度条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）为遥感特征参数,结合卷积神经网络（CNN）局部特征提取能力和基于自注意力机制的Transformer网络的全局信息提取能力,构建CNN-Transformer深度学习模型,用于估测关中平原冬小麦产量。与Transformer模型（R2为0.64,RMSE为465.40kg/hm2,MAPE为8.04%）相比,CNN-Transformer模型具有更高的冬小麦单产估测精度（R2为0.70,RMSE为420.39kg/hm2,MAPE为7.65%）,能够从遥感多参数中提取更多与产量相关的信息,且对于Transformer模型存在的高产低估和低产高估现象均有所改善。基于5折交叉验证法和留一法进一步验证了CNN-Transformer模型的鲁棒性和泛化能力。此外,基于CNN-Transformer模型捕获冬小麦生长过程的累积效应,分析逐步累积旬尺度输入参数对产量估测的影响,评估模型对于冬小麦不同生长阶段的累积过程的表征能力。结果表明,模型能有效捕捉冬小麦生长的关键时期,3月下旬至5月上旬是冬小麦生长的关键时期。 相似文献
8.
牛景太 《中国农村水利水电》2012,(11):84-87,92
混凝土坝表现出复杂的非线性动力学特性。考虑混沌成分对测值序列整体数值特征的影响,是提高混凝土坝位移监控模型拟合和预测精度的关键问题之一。在对混凝土坝监测资料混沌分析的基础上,基于混凝土坝系统演化过程中的非线性动力学特性,组合应用最大Lyapunov指数、相空间重构等数值分析手段,探讨了考虑混沌成分的混凝土坝混合-混沌预测模型构建原理与算法。该模型重点依据的是最近一次位移突变后的监测资料,考虑的是突变后形成的相对稳定的混凝土坝动力系统特性,实例证明该模型对混凝土坝位移的实时监测和预警都有重要意义。 相似文献
9.
利用荒漠草原人工草地豆科与禾本科牧草地上和地下生物量及根长数据,分析并建立生物量分配比例模型。结果表明:两种牧草地上-地下生物量分配模型明显不同,豆科牧草单株生物量明显高于禾本科牧草,地上-地下生物量具有明显的线性关系,拟合参数R2优于禾本科牧草,符合等速生长模型,而禾本科牧草地上-地下生物量呈幂数异速生长关系,异速生长模型的相关系数均在0.368 0以上,与WBE预测模型3/4次幂函数出现偏差;豆科牧草根冠比(R/S)为0.75,接近于中国草地R/S均值0.78,禾本科牧草R/S(1.73)明显高于中国草地R/S均值,表明豆科牧草倾向于将更多的生物量分配到地上,禾本科牧草将更多的生物量分配到地下;不同大小个体的两种牧草R/S均存在明显的可塑性,表现出种内和种间差异,均未出现最优分配理论调节地上-地下生物量分配模式;豆科牧草随个体的增大R/S逐渐变小,禾本科牧草随个体的增大R/S逐渐变大;利用牧草根长拟合其生物量模型,最优预测模型为三次曲线,相关系数在0.511 2~0.906 0。 相似文献
10.
《灌溉排水学报》2021,(8)
【目的】提高降水量的预测精度,反映降水量的实际特征。【方法】基于经验模态分解对非线性时间序列的分析和处理的优势,对黄河三角洲气象站点1954—2018年连续65 a月均降水量数据进行经验模态分解(Empirical Mode Decomposition, EMD),得到了系列本征模态函数(Intrinsic Mode Function,IMF),对IMF进行Hilbert变换,在此基础上建立了2种黄河三角洲降水量多尺度预报模型。【结果】黄河三角洲降水量存在着9、13、23、76、135月左右的周期,并以9个月的波动为主;65 a月均降水量数据预测结果显示:模型一的相对误差在0.9%～9.8%之间,模型二的相对误差在1.6%～11.8%之间,在建模时不考虑初相位的模型一平均预测误差为2.70%,整体预测精度要优于考虑初相位的模型二。【结论】2种模型的拟合精度及显著性均符合要求。 相似文献
11.
为解决基于计算机视觉猪只体尺测量过程中存在的对猪只姿态依赖度高、测定效率低等问题,提出了一种基于DeepLabCut算法的非接触式猪只体尺快速测量方法。本研究以长白猪为研究对象,使用RealSense L515深感相机作为图像数据采集单元获取猪只背部RGB-D数据,通过分析对比ResNet、MobileNet-V2、EfficientNet系列的10个主干网络训练效果,选取EfficientNet-b6模型作为DeepLabCut算法最优主干网络进行猪只体尺特征点检测;为实现猪只体尺数据的精准计算,本文采用SVM模型识别猪只站立姿态,筛选猪只自然站立状态;在此基础上,采用深度数据临近区域替换算法对离群特征点进行优化,并计算猪只体长、体宽、体高、臀宽和臀高5项体尺指标。经对140组猪只图像进行测试发现,本研究提出的算法可实现猪只自然站立姿态下体尺的实时、精准测量,体尺最大均方根误差为1.79 cm,计算耗时为每帧0.27 s。 相似文献
12.
生猪的体尺参数是生猪生长状态的重要评判标准,而人工测量体尺耗时耗力且容易造成猪只的应激反应,本文研究了无接触式猪只体尺参数测量方法,借鉴人工测量经验法,提出基于点云语义分割的猪只体尺测量方法。本文以大约克夏猪为研究对象,搭建无接触式猪只点云采集平台,采集3 510组猪只双侧点云数据;利用直通滤波器与随机采样一致性分割处理方法去除背景点云,基于统计滤波器去除离群点,采用体素下采样方法稀疏点云,完成猪只点云的预处理;基于PointNet网络,结合注意力模块构建语义分割模型,针对不同分割部位设计猪只体尺测量方法。试验结果表明,在自制数据集上,改进的语义分割模型准确率为86.3%,相较于PointNet、PointNet++和3D-RCNN分别高8、5.7、2.6个百分点;体尺的测量值与实测值最大绝对误差为6.8 cm,平均绝对误差均在5 cm以内,具有较高的估算准确性,此方法能够用于猪只体尺测量。本文将语义分割与体尺测量相结合,可为后续非接触测量提供思路。 相似文献
13.
养殖场中肉牛较为活跃,采集得到的图像数据中肉牛姿态多变,肉牛姿态端正帧较少,导致自动测量肉牛体尺困难。针对以上问题,本研究通过分析肉牛骨架特征和肉牛图像边缘轮廓特征,提出一种多姿态肉牛体尺自动测量方法。首先,利用深度相机Azure Kinect DK从正上方采集肉牛俯视深度视频数据,对视频数据进行分帧处理;其次,对原始深度图像进行预处理,将肉牛从复杂的背景中提取出来;再次,利用Zhang-Suen算法提取目标图像肉牛骨架,检测骨架交点和端点,分析肉牛头部特征,并确定头部去除点,去除图像中肉牛头部信息;最后,利用改进的U弦长曲率算法提取肉牛轮廓曲率曲线,根据曲率值确定体尺测点,将体尺测点转换到三维空间中,计算体尺参数。本研究通过分析大量深度图像数据,将图像中肉牛姿态分为左歪、右歪、姿态端正、低头和抬头五类。试验结果表明,本研究提出的基于骨架的多姿态肉牛头部去除方法在5种姿态下的头部去除成功率均高于92%;在23头肉牛不同姿态共46帧深度图像中,利用基于改进U弦长曲率的体尺测点提取方法,测得体直长测量的平均绝对误差为2.73 cm,体高测量的平均绝对误差为2.07 cm,腹宽测量的平均绝对误差为1.47 cm。研究结果可为精确测量多姿态下肉牛体尺提供支撑。 相似文献
14.
基于Kinect相机的猪体理想姿态检测与体尺测量 总被引：1，自引：0，他引：1
为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。 相似文献
15.
为了克服人工家畜体尺测量耗时、应激大和工作强度大等问题,提出了一种基于单视角点云镜像的猪只体尺测量方法。首先使用单Xtion深度相机采集包含猪体的场景点云图像序列,并人工筛选出包含背部弯曲程度较小猪体的场景点云图像,然后基于随机采样一致性算法和聚类分割算法自动化分割目标猪体并对其进行姿态归一化,检测单视角猪体点云对称面,并利用对称面镜像获取完整猪体,最后利用自主研发的体尺测量软件测量猪只体尺。试验结果表明,利用该方法测量体长的平均相对误差为5.00%,臀宽测量的平均相对误差为7.40%,臀高测量的平均相对误差为5.74%。该方法为猪只体尺测量提供了切实可行的新途径。 相似文献
16.
针对规模化羊场对山羊体尺无接触式自动测量的需求，设计了一种山羊双视角图像采集装置并开发了配套的山羊体尺自动测量算法。首先，开发了山羊双视角图像自动采集装置并在养殖场完成山羊双视角图像数据集的构建；然后，采用背景减除法二值化羊体俯视图，引入简单线性迭代聚类算法(SLIC)构建侧视图超像素的纹理和颜色特征向量，训练基于支持向量机(SVM)的超像素分类器，综合利用置信度和超像素区域邻接图(RAG)获取侧视图中的羊体二值图；最后，提出了在侧视和俯视二值图像中定位关键体尺特征点的方法，自动提取山羊体高、体斜长、胸深、胸宽、管径参数，拟合得到胸围和管围参数。算法测试结果表明，羊体侧视图前景区域超像素分类正确率超过94%,算法自动提取与人工标注的侧视、俯视前景二值图的交并比分别为96.1%和97.5%。以人工使用软尺测量获得体尺参数为金标准评价算法自动提取体尺参数的精度，结果表明管围、体高、胸深、胸宽、胸围和体斜长的平均相对误差分别为5.5%、3.7%、2.6%、5.2%、4.1%和3.9%。本文开发的羊体双视角图像采集装置及相应的图像处理方法可以满足山羊体尺无接触自动测量的精度要求，为山羊体尺的高... 相似文献
17.
针对现有封闭式种猪性能测定站自动化程度不高、无法提供种猪体尺信息等问题,设计了一种集种猪自动识别、体质量自动称量、采食量自动统计、体尺自动测量于一体的封闭式种猪性能测定站。该系统机械部分采用前后端分离设计,通过设计采食门装置和门禁装置为种猪提供封闭测量环境,在此基础上,基于FIR滤波设计了种猪体质量动态称量算法,基于椭圆拟合设计了种猪理想姿态筛选算法,并进一步提出了基于包络分析的种猪体尺测量算法。分别进行了利用实际猪群模拟种猪生长性能验证试验和体尺测量试验,试验验证结果如下：生长性能试验猪群自由采食日均次数8.94次、日均采食时间92.93 min、群体料肉比2.66,Logistic拟合的生长曲线拐点日龄为126.18 d、拐点体质量72.70 kg,符合猪群的生长规律;体尺测量试验中猪群能够筛选出理想姿态帧,体长、体宽、臀宽、体高、臀高等体尺的平均相对检测误差分别为3.69%、2.53%、2.60%、2.59%、2.17%,满足体尺测量要求。试验结果表明,本文设计的封闭式种猪性能测定站可用于种猪的生产性能测定,能够同时提供种猪体质量、采食量和体尺等信息,提高育种效率。 相似文献
18.
为提高奶牛体尺测量的效率与精度,降低劳动强度,提出一种基于关键帧提取与头颈部去除的奶牛体尺测量方法。首先,搭建奶牛俯视深度视频采集平台,利用分水岭算法提取深度图像中的奶牛目标;其次,使用图像扫描策略获取奶牛左右两侧轮廓,利用基于霍夫变换的直线检测方法,提取图像序列中含有完整奶牛躯干的关键帧;然后,根据奶牛头部区域骨架特征判定头部是否存在,若头部存在,则基于凸包分析方法去除图像中奶牛头部,并利用多项式曲线拟合方法去除奶牛颈部;最后,根据奶牛体尺测点的空间特征,自动计算奶牛体直长、肩宽、腹宽、臀宽及体高。利用35头奶牛的2.163帧深度图像对本文方法精度进行测试,结果分析表明,关键帧提取方法准确率为97.36%,可有效代替人工进行关键帧的选取;头部检测方法准确率为94.04%,提高了奶牛体尺测点定位的效率;体尺测量平均相对误差在3.3%以内。本文研究成果可提高奶牛体尺自动测量的效率与精度。 相似文献
19.
以实例讨论分析一种避免加工余量进入工艺尺寸链的工艺尺寸确定方法,并采用一种比较简便的尺寸链计算方法. 相似文献
20.