东北地区春玉米关键生育期干旱对根系生长的影响

利用锦州大型土壤水分控制试验场和根系观测系统开展东北地区春玉米拔节与抽雄期不同程度干旱胁迫试验,采用微根管方法观测春玉米根系的生长,研究春玉米不同发育期干旱胁迫对40 cm、120 cm和160 cm土壤深度根系分布的影响。结果表明:春玉米不同土壤深度直径为1 mm以下的细根多于粗根,40 cm土壤深度细根所占比例最大,与之相比,120 cm和160 cm土壤深度直径为1 mm以上粗根所占比例有所增大。春玉米拔节期干旱初期40 cm土壤深度根长密度(Root Length Density,RLD)随干旱加重而增大,干旱胁迫可以促进玉米根系向土壤深处生长;乳熟期后玉米上层根系因拔节期干旱而提前衰老;抽雄后干旱也可使玉米根系向更深层土壤伸展,但干旱出现过晚将减弱对根系生长的促进作用。此外,玉米长期干旱后复水可使根系在短时间内补偿性快速生长。     

华北平原冬小麦根系在土壤中的分布研究

小麦根系在土壤中的分布是准确量化植被与气候相互作用不可缺少的参数,也是小麦生产的科学管理和节水农业发展的重要科学依据。利用中国气象局固城生态环境与农业气象试验站大型根系观测系统,观测冬小麦“济麦-22”的根系参数,对根长、根长密度、根重密度和根系粗度在土壤中的垂直分布进行分析。结果表明：垂直方向上,冬小麦的根量（根长和根干重）随土壤深度增加呈减少分布。重旱、轻中旱、适宜和偏湿4种处理的根长垂直分布与自然对照的相关系数分别为0.91、0.29、0.90和0.86,其中重旱与自然对照的相关性最好,轻中旱较差。土壤水分可以影响冬小麦根系的生长。土壤水分充足时,有利于根系生长,使表层根系量增多,根干物质量增加;土壤水分亏缺时,则相反。轻度干旱有利于中下层根系的延伸生长。冬小麦的根长密度与根重密度的相关系数呈显著的正相关,根系粗度随土壤深度的增加减少。     

FY-3微波成像仪10.6 GHz通道超分辨率图像重建

为改善风云三号 (FY-3) 微波成像仪10.6 GHz通道空间分辨率,提出利用超分辨率图像重建算法进行图像重建。分析并指出FY-3微波成像仪10.6 GHz通道具有过采样特征,具备重建得到高于瞬时视场图像的潜力;基于超分辨率图像重建理论,根据FY-3气象卫星轨道、姿态,微波成像仪性能参数以及工作模式等物理约束,建立微波成像仪的超分辨率成像模型,并推导计算出超分辨率成像模型参数;采用POCS算法重建得到10.6 GHz通道的超分辨率图像,采用目视比较分析、图像统计分析对重建图像进行质量评价:重建图像像元平均梯度提高26.5%,功率谱分量和提高5.7%,重建图像具有更高的空间分辨率;台风亮温分析应用显示了从重建图像可发现更微小的景物细节目标。采用超分辨率图像重建算法对FY-3微波成像仪10.6 GHz通道进行重建处理,结果有效且正确,可为数据用户提供更多可用的遥感数据,对微波遥感数据应用具有提升作用。     

干旱及灌溉对冬小麦根系和产量的影响研究

在郑州农业气象试验站开展不同程度干旱、灌溉试验,研究了不同水分条件对冬小麦根系活力、形态及产量的影响。结果表明,干旱条件下,冬小麦根系活力和根直径均有明显的降低,根长有明显增加,土壤下层所占根系总体积比例增大,且随着发育期的推进,下层根系所占比例呈现增大的趋势,水分利用效率有明显提高;随着干旱程度的增加,上述变化趋势更加明显。在灌溉量相同的情况下,越冬期灌溉,有利于冬小麦根系活力和根直径增加,但不利于根系的向下伸展;返青期和拔节期灌溉有利于根系向下伸展、水分利用效率提高、理论产量增加,但不利于根系活力和直径的增加;拔节期灌溉,可适当增大灌溉量,减少灌溉次数,以提高水分利用效率。综合根系形态和活力、水分利用效率及产量,在冬小麦干旱持续发生条件下,在返青期、孕穗期灌水600 m~3·hm~(-2)左右,可根据干旱程度适当增减灌水量,重旱条件下适当增加灌水次数,少量多灌缓解旱情,而重大干旱年份灌水困难条件下可只在拔节期灌水600 m~3·hm~(-2),以实现产量的减损和节水效果。     

基于探地雷达的植物根系探测研究进展

植物根系在植物的生长发育、生态系统功能以及碳循环过程中具有重要作用,需要了解根系的直径大小、生物量、空间分布和三维构造等参数.传统的植物根系的探测方法具有破坏性,费时费力,而探地雷达(Ground Penetrating Radar,GPR)作为一种较新的地球物理方法,以其特有优势广泛应用于植物根系的探测.首先介绍了利用探地雷达探测植物根系的基本原理,然后对植物根系的制图、植物根径大小的估算、根系生物量的估算等几个方面的应用进展进行了综述,并从探地雷达系统、根系性质和土壤性质等不同角度探讨了影响探地雷达在植物根系探测中的主要因素,同时指出目前研究中的不足之处,今后的研究工作应侧重于探地雷达探测植物根系的作用机理及提高其在野外真实条件下的探测能力,以期为探地雷达在植物根系探测中应用的深入和推广提供思路.     

高速公路夜间大雾图像特征及其识别

基于高速公路夜间交通监控图像,选择其附近能见度自动监测数据作为图像是否有大雾的标准,分析有雾或无雾环境对光源及其成像的影响,提取相应的特征值,利用支持向量机的方法建立了大雾识别模型。结果表明:大雾存在时空气消光系数增大,LED电子显示屏、车灯等光源在图像上呈现出亮度减弱而梯度小,散射较明显的特点;纹理特征表明有雾时图片纹理简单、纹理较浅分布均匀,像素之间相关性大,无雾时则反之;模型评估得出临界成功指数为0.74,虚警率为0.18,有较好的识别效果。     

不同分辨率CCSM4对东亚和中国气候模拟能力分析

本文利用通用气候系统模式CCSM4在三种水平分辨率下的工业化革命前期气候模拟试验,结合观测和再分析资料,比较了各分辨率下模式对中国温度和降水、东亚海平面气压和850 hPa风场的模拟能力,综合评价了模式分辨率对东亚和中国气候模拟的影响.结果表明,三种分辨率对中国温度均具有很好的模拟能力,除春季外,低分辨率(T31,约3.75°×3.75°)对全年温度的模拟能力均要稍好于中(f19,约1.9°×2.5°)、高(f09,约0.9°×1.25°)分辨率;各分辨率对中国降水的模拟能力远不如温度,除冬季外全年都出现的中部地区虚假降水并未因为模式分辨率提高而得到本质改善;对于东亚海平面气压场,低分辨率在冬季模拟能力相对最好,中等分辨率在夏季相对较好,而高分辨率的模拟能力均表现最差;低分辨率对850 hPa东亚冬季风和夏季风的模拟能力均要好于中、高分辨率,而两种较高分辨率的模拟能力则比较接近.总的来说,低分辨率CCSM4在东亚和中国气候模拟中表现出了较大优势,加之其计算代价小,适合进行需要较长时间积分的气候模拟研究.     

基于边缘指导的双通道卷积神经网络单图像超分辨率算法

当前基于卷积神经网络（CNN）的超分辨率（SR）重建算法,虽然取得了很大的成功,但是重建图像高频纹理的效果仍然不能令人满意,其高分辨率（HR）图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析（MCA）分解的边缘指导双通道CNNSR算法：待处理的低分辨率（LR）图像通过MCA分解为纹理部分和平滑结构部分;纹理部分和原LR图像共同组成双通道,输入到改进的网络结构中重建HR纹理部分;结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括：执行网络输出与LR输入图像的直方图匹配使色调保持一致,提升感官效果;应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示：该方法能够很好地恢复HR图像的纹理细节,对纹理细节丰富的图像恢复效果更好.     

基于小波域高斯尺度混合模型的天气雷达图像高分辨率插值

采用可精确刻画雷达回波强度数据统计特征的小波域高斯尺度混合（GSM）模型作为雷达图像先验模型,进行天气雷达图像插值,在提高图像分辨率的同时有效重建降水回波中局部强回波值、小尺度变化细节等一些重要空间分布统计特征。分析和总结雷达回波强度数据小波频率域统计特点,建立小波域GSM模型;匹配天气雷达图像小波系数和GSM模型,利用贝叶斯理论估计更小尺度的小波系数,进行小波逆变换,完成高分辨率天气雷达图像插值。试验表明,该算法能从低分辨率图像中估计出高分辨率高频系数,且所利用的先验模型充分考虑降水数据本身的特点,可有效捕获降水回波结构的非高斯特征和局部相关特性,重建雷达图像中的局部变化细节。      

基于“深度学习”识别模型的玉米农田监测应用系统设计与实现

为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力。基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的玉米农田监测系统。系统由玉米农田监测装置和云端服务器组成,监测装置采集玉米图像、气象要素和田间位置数据,通过4G无线发送给云端服务器,云端服务器利用深度局部关联神经网络识别生长阶段,显示结果并存入数据库中。仿真试验表明,深度局部关联神经网络平均识别准确率达到92.53%,较VGGNet的87.21%和LSTM的88.50%,准确率分别提高了5.32%和4.03%。实地测试结果表明,野外环境下系统准确率可达到91.43%,能够稳定地对农田玉米生长情况进行监测,具有重要的应用价值。     

Use of nuclear magnetic resonance microscopy for noninvasive observations of root-soil water relations

Summary As part of our strategy to study root-soil water relationships, it was necessary to develop a nondestructive technique to detect small changes in water distribution in and near the root. Nuclear magnetic resonance imaging (MRI), clinically used to nondestructively and noninvasively acquire anatomical information, can also be used to observe water distribution in roots, soils and other plant tissues. In MRI, a sample is placed in a strong magnetic field and a sequence of radio frequency (rf) pulses and magnetic field gradients is used to measure the concentration and relaxation properties of protons, chiefly those associated with water. This information is then reconstructed into a digital image representing the spatial distribution of water in plant tissues and soil. Today, intact roots less than 1 mm in diameter growing in soil or synthetic media can be clearly imaged in less than 4 minutes at resolutions typically less than 30µm. This permits rapid production of images that simultaneously distinguish temporal changes in water distribution in root tissue, the rhizosphere and the adjacent soil at microscopic levels. Applications of this technique for investigating plant-soil water relationships will be discussed.With 3 Figures     

基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法

低能见度是对道路通行影响最为严重的气象要素之一。随着数字摄像技术和图像识别技术的发展以及气象和交通部门间信息共享工作的开展,利用高速公路沿线摄像头视频数据快速识别能见度成为提高能见度时空监测精度的重要手段。本文提出了一种基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法。首先根据霍夫变换直线检测方法提取道路兴趣域,然后根据亮度对比度方法检测人眼可分辨最远像素点,将其作为目标点,最后基于暗原色先验原理求取目标点的透射率,并根据能见度与消光系数的关系公式求取图像能见度值。利用安徽省京台高速吴玗北段和宁绩高速宁国互通段视频图像资料和邻近交通气象站能见度监测资料,采用绝对误差和能见度等级误差对能见度检测效果进行检验。结果表明,本方法对能见度的变化较为敏感,能见度等级的检测效果较好,准确度可达95%,对开展公路交通视频图像能见度识别工作具有较好借鉴应用意义。     

基于镜像图的LRC和CRC偏差结合的人脸识别

为了提高人脸识别率及更好地显示人脸特征,本文提出了一种基于镜像图的LRC和CRC偏差结合的人脸识别方法.该方法首先生成一种镜像人脸,再通过融合原始人脸和镜像人脸形成新的混合训练样本,最后利用LRC和CRC偏差结合进行人脸识别.新方法增加了训练样本的数目,克服了由于光照和姿态等外部因素带来的影响.实验结果表明,镜像图与LRC和CRC偏差结合的人脸识别方法提高了人脸识别的准确性.     

基于百度AI卷积神经网络的茶树结霜智能识别北大核心

基于采集的近20000张茶园图像,分别筛选出1000张茶园结霜和1000张未结霜图像作为训练样本,利用百度AI开放平台的EasyDL经典版图像识别功能,应用卷积神经网络算法,建立茶园结霜识别模型,进行茶树结霜图像智能判别。茶树结霜智能识别模型的准确率、F1评分、精确率、召回率分别为99.2%、99.2%、99.3%、99.1%。模型检验结果为:样本地20张结霜图像的平均识别置信度为95.51%,20张非结霜图像的平均识别置信度为99.99%;非样本地(江南茶区)80张结霜图像的平均识别置信度为97.53%,80张非结霜图像的平均识别置信度为95.11%。     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

基于数学形态学的阵风锋识别算法

提出基于数字图像处理技术中的数学形态学的阵风锋自动识别算法。该算法首先基于阵风锋的反射率因子窄带形态、速度辐合和快速移动特征,计算相邻时次体扫反射率因子差、速度切变和速度梯度这3个参量场,综合这3个参量场,得到一个二维特征量;然后采用数学形态学算法对这个二维特征量进行二值化、膨胀、腐蚀、细化、剪枝及线段联通等处理,得到一条反映阵风锋骨架特征的曲线。利用武汉雷达观测的2个阵风锋过程的共53个体扫数据进行阵风锋识别算法检验,结果表明:该算法正确识别阵风锋39个,错误识别3个,漏识别11个;识别曲线与阵风锋位置和走向较为一致。     

基于雷达产品的人工增雨作业指令实时计算软件

将图像处理技术应用于增雨作业目标云的自动识别中,设计并实现了人工增雨指令实时计算软件.解析雷达产品数据,将雷达产品作为极坐标表示的图像像素的集合;利用四川盆地地区适宜增雨作业云系的雷达回波特征统计分析结果,通过区域分割、区域标记等图像处理方法识别出作业目标云,确定作业目标位置;结合作业点的地面位置和作业工具,科学计算出具有作业条件的作业点和作业指令的相关参数,极大地提高了人影作业指挥的自动化程度.     

气象卫星观测资料全球交换的基础——FM94 BUFR码原理及实现

针对风云二号(02)批应用系统项目建设中气象卫星观测资料全球交换的需求,介绍了FM94 BUFR码的压缩原理、BUFR编码软件的信息结构和软件结构,并以风云二号C星云导风产品BUFR编码为例,给出了报文段3的详细内容和段4的数据宽度。编码结果表明BUFR编码有较高的数据压缩率,非常适合数据传输。