期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于遗传——蚁群算法的农田微地形特征土方调配路径研究
被引量：
4
1
作者
金鑫
李瀚远
+2 位作者
杜蒙蒙
姬江涛
Ali Roshanianfard
《中国农机化学报》
北大核心
2024年第8期270-275,共6页
近年来极端天气与自然灾害频发,导致农田损毁,造成农田内部出现微地形特征(凸起特征及洼地特征),影响耕作。针对上述问题,基于高精度农田数字地形模型,通过遗传—蚁群算法提出一种规划农田微地形特征土方调配路径的方法。首先,基于航拍...
近年来极端天气与自然灾害频发,导致农田损毁,造成农田内部出现微地形特征(凸起特征及洼地特征),影响耕作。针对上述问题,基于高精度农田数字地形模型,通过遗传—蚁群算法提出一种规划农田微地形特征土方调配路径的方法。首先,基于航拍图像获取高精度农田数字地形模型,根据地形因子综合隶属度提取16个凸起特征和9个洼地特征,并分别计算挖填方量为0.885 m^(3)和0.884 m^(3)。其次,以土方量调配成本为决策目标,建立挖、填方区域为路径搜索节点,利用蚁群算法获得初始可行解,通过遗传算法中的适应度函数对解进行初步优化,最后,根据交叉操作和变异操作对解进行二次优化,获得最优土方调配路径。结果表明,该方法经232次迭代获取全局最优解,相较于传统蚁群算法调配成本下降2.1%。为精准平整农田微地形特征作业提供方法支持。
展开更多
关键词
农田微地形特征
数字地形模型
土方调配
蚁群算法
遗传算法
在线阅读
下载PDF
职称材料
基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度
被引量：
3
2
作者
杜蒙蒙
李民赞
+1 位作者
姬江涛
Ali Roshanianfard
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第17期142-149,共8页
及时、精确地获取小麦基本苗数在田块内部的空间差异信息,有利于实施精准变量追施氮肥,实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响,导致小麦基本苗数反演精度差、可靠性低。为解决上述问题,...
及时、精确地获取小麦基本苗数在田块内部的空间差异信息,有利于实施精准变量追施氮肥,实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响,导致小麦基本苗数反演精度差、可靠性低。为解决上述问题,该研究利用大疆Mini无人机获取麦田图像,基于不变目标法完成图像的相对辐射标定,并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型,求解混合像元中植被组分的丰度,基于像元统计法计算植被覆盖度,进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型决定系数R~2为0.87,均方根误差为1.97株/m^(2)。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R~2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m^(2)。由此可知,基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度,研究成果可为小麦精准减量追施氮肥作业提供数据支持。
展开更多
关键词
无人机
模型
反演
农业遥感
无人机图像
混合像元
小麦基本苗数
在线阅读
下载PDF
职称材料
题名
基于遗传——蚁群算法的农田微地形特征土方调配路径研究
被引量：
4
1
作者
金鑫
李瀚远
杜蒙蒙
姬江涛
Ali Roshanianfard
机构
河南科技
大学
农业
装备工程学院
莫哈格达阿德比利大学农业与自然资源系
出处
《中国农机化学报》
北大核心
2024年第8期270-275,共6页
基金
国家重点研发计划(2019YFE0125500)
河南省高等学校重点科研计划(20A416001)。
文摘
近年来极端天气与自然灾害频发,导致农田损毁,造成农田内部出现微地形特征(凸起特征及洼地特征),影响耕作。针对上述问题,基于高精度农田数字地形模型,通过遗传—蚁群算法提出一种规划农田微地形特征土方调配路径的方法。首先,基于航拍图像获取高精度农田数字地形模型,根据地形因子综合隶属度提取16个凸起特征和9个洼地特征,并分别计算挖填方量为0.885 m^(3)和0.884 m^(3)。其次,以土方量调配成本为决策目标,建立挖、填方区域为路径搜索节点,利用蚁群算法获得初始可行解,通过遗传算法中的适应度函数对解进行初步优化,最后,根据交叉操作和变异操作对解进行二次优化,获得最优土方调配路径。结果表明,该方法经232次迭代获取全局最优解,相较于传统蚁群算法调配成本下降2.1%。为精准平整农田微地形特征作业提供方法支持。
关键词
农田微地形特征
数字地形模型
土方调配
蚁群算法
遗传算法
Keywords
micro⁃topographic features of farmlands
digital terrain model
earthwork deployment
ant colony algorithm
genetic algorithm
分类号
S237 [农业科学—农业机械化工程]
在线阅读
下载PDF
职称材料
题名
基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度
被引量：
3
2
作者
杜蒙蒙
李民赞
姬江涛
Ali Roshanianfard
机构
河南科技
大学
农业
装备工程学院
机械装备先进制造河南省协同创新中心
中国
农业
大学
智慧
农业
系
统集成研究教育部重点实验室
莫哈格达阿德比利大学农业与自然资源系
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第17期142-149,共8页
基金
国家重点研发计划项目(2019YFE0125500)。
文摘
及时、精确地获取小麦基本苗数在田块内部的空间差异信息,有利于实施精准变量追施氮肥,实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响,导致小麦基本苗数反演精度差、可靠性低。为解决上述问题,该研究利用大疆Mini无人机获取麦田图像,基于不变目标法完成图像的相对辐射标定,并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型,求解混合像元中植被组分的丰度,基于像元统计法计算植被覆盖度,进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型决定系数R~2为0.87,均方根误差为1.97株/m^(2)。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R~2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m^(2)。由此可知,基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度,研究成果可为小麦精准减量追施氮肥作业提供数据支持。
关键词
无人机
模型
反演
农业遥感
无人机图像
混合像元
小麦基本苗数
Keywords
drone
model
inversion
agricultural remote sensing
remote sensing image of drone
mixed pixel
wheat basic seedling number
分类号
S237 [农业科学—农业机械化工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于遗传——蚁群算法的农田微地形特征土方调配路径研究
金鑫
李瀚远
杜蒙蒙
姬江涛
Ali Roshanianfard
《中国农机化学报》
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度
杜蒙蒙
李民赞
姬江涛
Ali Roshanianfard
《农业工程学报》
EI
CAS
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
