农机投入对农业GTFP影响及门槛效应的区域差异分析

按照粮食的产销情况,将全国划分为3类粮食功能区域,利用固定效应模型和门槛效应模型分析了农机投入对农业绿色全要素生产率（GTFP）的影响及门槛效应的区域差异。结果表明：农机投入对农业GTFP的影响程度存在区域异质性,农机投入对粮食主销区农业GTFP提升的促进作用最大,粮食产销平衡区次之,粮食主产区最小;农机投入对农业GTFP的影响路径亦存在区域差异,粮食主产区和产销平衡区的农机投入通过促进农业技术效率和农业技术进步进而推动农业GTFP提升,粮食主销区的农机投入通过促进农业技术进步推动农业GTFP提升;农机投入对粮食主产区农业GTFP的影响存在双门槛效应,对粮食主销区和产销平衡区农业GTFP的影响存在单门槛效应。     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。     

基于间接平差的ICP点云配准算法研究

点云配准精度是决定三维重建模型的质量因素之一,目前,最常用是ICP点云配准算法,经典的ICP算法易局部收敛,影响点云配准精度。本文提出基于间接平差的ICP点云配准算法,设定目标点集中目标点坐标与转入目标点集中的点坐标之间的距离阈值实现点云精确配准。通过与经典ICP算法对比可知,本算法在一定程度上提高了点云配准精度和速度。     

成飞飞行区域短时强降水时空分布特征及强降水指数分析

成飞飞行空域包含高原、盆地、山区等多种地形,局地气候显著,短时强降水频发。该文使用国家气象信息中心2017—2021年多资料融合逐小时降水数据、国家自动站探空观测数据。统计分析发现,盆地周围沿山地区为盆地短时强降水高发区;101～102°E,31～32°N区域为高原短时强降水高发区。利用百分位法得到高原地区强对流指数阈值：CAPE值≥1930.5 J·kg^-1,BCAPE值≥1974.7 J·kg^-1,抬升指数≥2.6℃,大气可降水量≥86.1 mm,K指数≥37.2℃,SI指数≤-0.9℃。盆地地区强对流指数阈值：CAPE值≥2230.6 J·kg^-1,BCAPE值≥2264.4 J·kg^-1,抬升指数≥1.8℃,大气可降水量≥93.0 mm,K指数≥40.8℃,SI指数≤-1.8℃。建立短时强降水不同下垫面强对流指数阈值,为今后短时强降雨客观预报提供新的思路和方向。     

1997—2017年塔克拉玛干沙漠腹地降水特征

利用塔克拉玛干沙漠腹地塔中气象站1997—2017年逐日和逐时降水资料,分析塔克拉玛干沙漠腹地降水日变化特征、极端强降水特征及其天气背景。结果表明：1997—2017年研究区降水量呈增加趋势、降水日数呈减少趋势,大雨雨量和雨日明显增加,降水呈增强演变。降水多见于6月,最大雨强为8.4 mm·h^-1。降水量日变化呈多峰特征,降水量最大值出现在23：00,06：00是降水频次最多时刻。降水强度和降水频次对降水量作用不同,午后至前半夜强度大,频次少;而后半夜至清晨频次多,强度小。降水以短历时降水为主,其中1～3 h的短历时降水对总降水量贡献率高达61.76%。日降水和小时降水的99百分位强度阈值分别为15.3 mm·d^-1和6.0 mm·h^-1,大于90百分位极端降水量占总降水量贡献率近半。极端强降水天气发生在南疆盆地受北纬40°以南低槽、切变槽或弱的气旋式风场控制地区,南疆盆地提前增湿,民丰850 hPa比湿接近或超过10 g·kg^-1的背景下,降水连续性较差,多中小尺度引发局地短时降水。     

机载激光点云中高压电塔自动识别方法

提出了一种基于格网特征的机载激光点云高压电塔自动识别方法。首先对机载激光点云数据进行滤波去噪处理;然后对点云数据进行规则格网化特征分析获得高压电塔粗识别区域;最后对粗识别区域进行外接邻域网格线性特征悬空点集检测以确定电塔识别结果,并以分层切片法分析获取电塔平面中心坐标。采用大型无人机实际线路巡检获取的机载点云数据对本文算法进行验证,试验结果表明本算法可实现高压电塔的快速自动识别,对无人机电力巡检智能诊断具有一定的促进作用。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

基于卫星测高数据的萨德湿地水位变化研究

以萨德湿地为例,使用ENVISAT和Jason2卫星测高数据利用改进的阈值法进行回波重定,反演萨德湿地水位。结果显示:萨德湿地的恒定水域水位变化规律。通过对比萨德湿地和维多利亚湖的水位变化可以发现,维多利亚湖对萨德湿地南部水域水位有巨大的影响,且影响与人类活动(尤其是欧文瀑布大坝的水能发电)有很大的关系,而位于大坝下游的阿尔伯特湖水位变化和萨德湿地南部水域水位变化有很强的相关性。     

River centerline extraction using the multiple direction integration algorithm for mixed and pure water pixels

The river centerline is a basic hydrological characteristic. Most prior studies have used remote sensing data to extract the river centerline from the open water region in a pure water pixel region. Extracting this type of river is relatively easy. However, extracting the centerline of a micro-river, which is mainly composed of mixed water pixels, is challenging. This paper presents a novel method, called the Multiple Direction Integration Algorithm (MDIA), to extract the river centerline using an image-enhancing method combined with river morphology. MDIA can be applied to regions mainly composed of pure water pixels, as well as to regions consisting of mixed water pixels in the index image. The method first calculates the normalized difference vegetation index (NDVI) and enhances the river linear structure using a Hessian matrix. Second, a small window is constructed as a circular structural element. In the window region, the local threshold is automatically obtained using water-oriented clustering segmentation and prior river knowledge to judge the pixel type. After completing the river centerline extraction in the current window, the next detecting window is generated to continue judgment. The structural element automatically executes river centerline judgment until the entire river centerline is extracted. The Landsat 8 images of six regions with different geomorphologies were chosen to analyze the method’s performance. The test sites include high mountain region, low mountain region, plains region with farmland and a residential region. The experimental results show that the optimal threshold of the processing results ranged from 0.2 to 0.3. In this range, the user’s accuracy is 0.813 to 0.997, and the producer’s accuracy is 0.981 to 1. The MDIA effectively and correctly extracts the river network in mixed-pixel regions. The presented method provides an effective algorithm for river centerline extraction that can be used to expand and update river datasets and provide reliable river centerline data for relevant hydrology studies.