通信设备异常分析及维护

随着科学技术的发展,通信设备越来越多地采用了数字化、智能化、高度集成化的新型通信设备。目前通信设备主要采用光纤传输,光纤通信是现代信息化社会的常用信息传播系统,具有众多优点。本文对通信设备的异常进行了分析,并提出了维护的意见。     

基于SVM与RF的苹果树冠LAI高光谱估测

叶面积指数(leaf area index,LAI)是反映作物群体大小的较好的动态指标。运用高光谱技术快速、无损地估测苹果树冠叶面积指数,为监测苹果树长势和估产提供参考。以盛果期红富士苹果树为研究对象,采用ASD地物光谱仪和LAI-2200冠层分析仪,在山东省烟台栖霞研究区,连续2年测量了30个果园90棵苹果树冠层光谱反射率及LAI值;通过相关性分析方法构建并筛选出了最优的植被指数;利用支持向量机(support vector machine, SVM)与随机森林(random forests, RF)多元回归分析方法构建了LAI估测模型。新建的GNDVI₅₂₇,NDVI₆₇₆,RVI₆₈₂,FD-NVI₆₅₆和GRVI₅₁₇五个植被指数及前人建立的两个植被指数NDVI₆₇₀和NDVI₇₀₅与LAI的相关性都达到了极显著水平;建立的RF回归模型中,校正集决定系数C-R2和验证集决定系数V-R2为0.920,0.889,分别比SVM回归模型提高了0.045和0.033,校正集均方根误差C-RMSE、验证集均方根误差V-RMSE为0.249,0.236,分别比SVM回归模型降低了0.054和0.058, 校正集相对分析误C-RPD、验证集相对分析误V-RPD达到了3.363和2.520,分别比SVM回归模型提高了0.598和0.262,校正集及验证集的实测值与预测值散点图趋势线的斜率C-S和V-S都接近于1,RF回归模型的估测效果优于SVM。RF多元回归模型适合盛果期红富士苹果树LAI的估测。     

苹果花期冠层光谱探测的规范化技术方法探讨

2008年和2009年,针对苹果花期冠层光谱进行了不同天气条件、不同探测时间、不同探头高度、不同探测角度条件下的冠层反射光谱探测试验,分析其对苹果花期冠层光谱特性的影响,探索规范化的光谱探测技术方法。结果表明,苹果花期冠层在不同条件下的反射光谱响应呈现出一定的规律性,特别是在760～1 350 nm近红外波段表现尤为明显。研究发现,随着光照强度的减弱,冠层光谱反射率降低,在晴天和少云时探测冠层光谱较理想;风速在2级以下时,冠层光谱较稳定;在10:00～15:00测定冠层光谱差异较小;探测高度以整个苹果树冠层充满光谱仪探头视场时光谱曲线较稳定;探头以垂直或近似垂直观测为最佳。在此基础上,提出了苹果花期冠层光谱探测的规范化技术方法,为苹果冠层光谱探测及信息提取提供了科学依据。     

基于无人机多光谱影像的冬小麦返青期变量施氮决策模型研究

氮素是影响冬小麦生长的重要元素,如何根据冬小麦需求适时变量施用氮肥是现代农业精准施肥研究需要解决的关键问题之一。无人机遥感技术在冬小麦生长情况监测中具有高分辨率、高时效性、低成本等优势,为解决施肥需求监测问题提供了重要数据源。因此研究无人机多光谱影像数据,构建其与冬小麦产量与施肥量之间的关系模型对于精准施肥研究十分重要。选择冬小麦典型生产区山东省桓台县为实验区,布置4种不同施氮水平的田间实验。利用无人机搭载Sequoia多光谱传感器,采集实验区不同氮素施肥水平的冬小麦返青初期多光谱影像,同时测得冬小麦冠层叶绿素含量（soil and plant analyzer development,SPAD）数据及产量数据。通过多光谱影像数据计算获得归一化植被指数（normalized difference vegetation index,NDVI）、叶绿素吸收指数（modified chlorophyll absorption ratio index,MCARI2）等6种形式植被指数,建立无人机多光谱影像植被指数与小麦冠层SPAD值的线性、二阶多项式、对数、指数和幂函数模型,优选地面氮素状况最优植被指数模型,反演冬小麦不同施氮水平的状况,进而根据不同施氮水平与敏感植被指数和冬小麦产量的关系,构建了基于植被指数指标的氮肥变量施肥模型,并将模型应用于同时期小麦多光谱影像。结果如下：（1）地面实测的SPAD值能较好的反映冬小麦施氮水平及生长状况。无人机多光谱数据分区统计结果表明不同施氮水平冬小麦冠层反射率有较大差异性。（2）结构性植被指数与SPAD拟合效果优于其他类型指数。MCARI2的二阶多项式模型精度最优（R2=0.790,RMSE=0.22）,其能较好的移除冬小麦返青初期土壤背景等因素的影响,为氮肥敏感植被指数。（3）基于产量-施氮量模型和产量-敏感植被指数模型,构建敏感植被指数的氮肥变量施肥模型为N_r=10 707.63×MCARI22-5 992.36×MCARI2+715.27。通过模型应用生成了实验区冬小麦氮肥变量施肥图,与实际情况具有较高一致性。该研究提出了利用无人机多光谱数据进行冬小麦施氮决策的模型及方法,为冬小麦精准施肥的进一步研究提供了依据。     

基于高光谱红边参数的不同物候期苹果叶片的SPAD值估测

用FieldSpec 3地物光谱仪和SPAD-502叶绿素计测定了不同物候期红富士苹果叶片的高光谱反射率和SPAD值.研究结果表明,不同物候期苹果叶片的反射光谱波形曲线的变化规律基本相似.从苹果花期开始,叶片SPAD值逐渐增加,至秋梢停止生长期达到最高峰,之后开始下降.苹果叶片的高光谱红边位置λr、红边斜率Dr、红边面...     

基于模糊识别的苹果花期冠层钾素含量高光谱估测

依据2008年和2009年2年在栖霞试验区利用地物光谱仪ASD FieldSpec3测定的苹果花期冠层高光谱和实验室内测定的钾素含量数据,以冠层高光谱反射率及其11变换形式与钾素含量分别进行相关分析,以相关系数最大者为自变量,采用模糊识别算法,建立钾素含量估测模型;以2008年的检验样本对模型进行检验,并利用2009的独立试验数据对模型进行验证。结果表明,原始光谱反射率(R)及其倒数(1/R)、对数(lgR)、平方根(R1/2)与钾素含量的相关性较差,但它们的一阶微分和二阶微分与钾素含量之间的相关性明显增强;建立的钾素含量估测模型=11.344 5h+1.309 7的相关系数r为0.985 1,总均方根差RMSE为0.355 7,F统计量为3 085.6;24个检验样本实测值与估测值的平均相对误差为9.8%,估测精度为90.2%;2009年试验验证精度达到了83.3%。表明模型用于苹果花期冠层钾素含量的估测具有较高的稳定性,模型精度能满足生产上对苹果钾素含量估测的要求。     

基于近地面多光谱的黄河三角洲典型地区土壤含盐量估算研究

选择山东省无棣县“渤海粮仓”项目核心示范区为研究区,利用ADC便携式多光谱相机和EC110便携式盐分计,采集该区近地多光谱相片和土壤表层含盐量数据,通过NDVI, SAVI, GNDVI三种植被指数分别与实测土壤含盐量构建线性、指数、对数、乘幂、二次和三次函数共18种模型,进而优选土壤盐分含量最佳估测模型,反演和分析研究区土壤盐分状况。结果显示,各模型均可有效估测土壤盐分含量,以SAVI为因变量构建的各模型估测效果较好,其中以SAVI的线性模型(Y=-0.524x+0.663,n=70)为最佳,显著检验水平下的F检验值最高,为141.347,估测R2为0.797,精度达到93.36%;研究区的土壤盐分含量集中在2.5‰～3.5‰之间,呈现从西南向东北逐渐升高的明显分布规律。探索了基于近地面多光谱数据的土壤含盐量估测方法,为研究区乃至整个黄河三角洲滨海盐碱土的盐分含量估测提供了一种快速有效的技术方法。     

利用高光谱植被指数估测苹果树冠层叶绿素含量

叶绿素含量是反映植物生长状况的重要参数。利用ASD FieldSpec 3光谱仪,测定春梢停止生长期苹果冠层高光谱反射率,对原始光谱进行微分变换,与苹果叶绿素含量进行相关分析确定敏感波段,通过分析敏感区域400～1 350 nm范围内所有两波段组合的植被指数,选择最佳植被指数并建立苹果冠层叶绿素含量估测模型。结果表明：(1)苹果冠层叶绿素含量的敏感波段区域为400～1 350 nm。(2)利用筛选得到的植被指数CCI(D₇₉₄/D₇₆₃)构建的估测模型能较好的估测苹果冠层叶绿素含量。(3)以CCI(D₇₉₄/D₇₆₃)指数为自变量的估测模型CCC=6.409+1.89R3+1.587R2-7.779R预测效果最佳。因此,利用高光谱技术能够较快速、精确的对苹果冠层叶绿素含量进行定量化反演,为苹果长势的遥感监测提供理论依据。     

黄河口地区环境脆弱性的遥感反演

环境脆弱性定量遥感研究,可以为环境脆弱性研究提供稳定的数据源支撑。通过遥感反演获取区域环境脆弱性的空间分布。从土壤和植被角度, 构建了环境脆弱性综合评价指标体系, 采用AHP-模糊评判方法计算采样点环境脆弱度,并将其分别与样点ETM+光谱反射率及其转换数据的相关关系进行分析,确定其敏感波段, 在此基础上,采用传统回归方法、基于BP人工神经网络分析方法和支持向量机回归方法建立环境脆弱度的光谱反演模型,并采用该模型对研究区的环境脆弱度进行反演,得到环境脆弱性度时空分布图。结果表明, 返青期NDVI、九月份NDVI以及返青期的亮度分量是环境脆弱度的ETM+敏感光谱参数,模型精度比较结果显示,除了支持向量机模型外,其他模型都达到了显著水平,其中以BP神经网络模型的精度最高,传统回归模型也可满足预测需要,但多元回归的模拟精度要高于一元回归模型。研究结果可为大空间尺度的卫星水平环境脆弱性遥感反演提供理论支持。