土壤是最为基础的自然资源,土壤信息在农业、林业、环境、水利、国土等部门和领域有着广泛的应用。世界各国大都已经或正在建立相应的土壤数据库。为使土壤信息能为广大用户提供更好的应用和服务,本文讨论了在地理信息系统(GIS)及相关...土壤是最为基础的自然资源,土壤信息在农业、林业、环境、水利、国土等部门和领域有着广泛的应用。世界各国大都已经或正在建立相应的土壤数据库。为使土壤信息能为广大用户提供更好的应用和服务,本文讨论了在地理信息系统(GIS)及相关计算机技术支持下,浙江省土壤信息共享平台的设计与实现。我们建立的浙江省土壤数据库由1∶100万、1∶50万、1∶25万、1∶5万四个比例尺构成。借助网络地理信息系统(WebGIS)技术、Ajax(Asynchronous Java Script And XML)技术、.Net相关技术,设计并实现了浙江省土壤信息共享平台。该平台实现了多元数据的集成,海量数据的快速访问,成果数据的浏览、查询等功能,为相关部门和人员提供了一条快速高效的土壤信息访问和共享的途径,为充分有效地管理、分发和使用浙江省四个比例尺土壤数据库提供了可靠的技术支持。展开更多
选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断。结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,...选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断。结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,得到可用于诊断水稻氮素营养水平的叶片颜色特征参量B、b、b/(r+g)、b/r、b/g。通过叶片的颜色、形状综合特征信息与YIQ电视信号彩色坐标系统的参量建立氮素营养的识别模型,4个不同氮素水平的正确识别率分别为:N0(0 kg N.hm-2)74.9%,N1(60 kgN.hm-2)52%,N2(90 kg N.hm-2)84.7%,N3(120 kg N.hm-2)75%;2)无人机获取的田间冠层图像识别水稻氮素营养水平的综合特征参量是G、B、b、g、b/(r+g)、b/r、b/g、H、S、DGCI,选择相同的CB参量建立冠层氮素营养的识别模型,4个不同氮素水平的正确识别率为:N0(0 kg N.hm-2)91.6%,N1(60 kgN.hm-2)70.83%,N2(90 kg N.hm-2)86.7%,N3(120 kg N.hm-2)95%。初步研究表明基于综合特征的氮素诊断模型区分效果比较好,利用叶片扫描图像和无人机识别与诊断田间水稻氮素是可行的。展开更多
文摘土壤是最为基础的自然资源,土壤信息在农业、林业、环境、水利、国土等部门和领域有着广泛的应用。世界各国大都已经或正在建立相应的土壤数据库。为使土壤信息能为广大用户提供更好的应用和服务,本文讨论了在地理信息系统(GIS)及相关计算机技术支持下,浙江省土壤信息共享平台的设计与实现。我们建立的浙江省土壤数据库由1∶100万、1∶50万、1∶25万、1∶5万四个比例尺构成。借助网络地理信息系统(WebGIS)技术、Ajax(Asynchronous Java Script And XML)技术、.Net相关技术,设计并实现了浙江省土壤信息共享平台。该平台实现了多元数据的集成,海量数据的快速访问,成果数据的浏览、查询等功能,为相关部门和人员提供了一条快速高效的土壤信息访问和共享的途径,为充分有效地管理、分发和使用浙江省四个比例尺土壤数据库提供了可靠的技术支持。
文摘选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断。结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,得到可用于诊断水稻氮素营养水平的叶片颜色特征参量B、b、b/(r+g)、b/r、b/g。通过叶片的颜色、形状综合特征信息与YIQ电视信号彩色坐标系统的参量建立氮素营养的识别模型,4个不同氮素水平的正确识别率分别为:N0(0 kg N.hm-2)74.9%,N1(60 kgN.hm-2)52%,N2(90 kg N.hm-2)84.7%,N3(120 kg N.hm-2)75%;2)无人机获取的田间冠层图像识别水稻氮素营养水平的综合特征参量是G、B、b、g、b/(r+g)、b/r、b/g、H、S、DGCI,选择相同的CB参量建立冠层氮素营养的识别模型,4个不同氮素水平的正确识别率为:N0(0 kg N.hm-2)91.6%,N1(60 kgN.hm-2)70.83%,N2(90 kg N.hm-2)86.7%,N3(120 kg N.hm-2)95%。初步研究表明基于综合特征的氮素诊断模型区分效果比较好,利用叶片扫描图像和无人机识别与诊断田间水稻氮素是可行的。
