检索结果-南通市图书馆

基于无人机采集样本预测黄河源区小花草玉梅的时空分布

在线全文

学校读者我要写书评

暂无评论

草业科学 2024年第2期41卷 308-321页

作者：赵茜蕾斗尕杰布沈羽彤扎西加措孙子墨唐凤霓廖雅芳刘坤博党泽加斗拉加孙义南通大学脆弱生态环境研究所/南通大学地理科学学院江苏南通226019 黄南州泽库县草原工作站青海泽库811400 甘南州玛曲县阿孜畜牧科技示范园区甘肃玛曲747300 黄南州泽库县农牧水利综合行政执法大队青海泽库811400

小花草玉梅(Anemone rivularis)是多年生草本植物,在黄河源区分布较为广泛,其过量分布会限制当地草地畜牧业发展,并导致生态系统稳定性和服务功能下降。目前尚没有在区域尺度上开展小花草玉梅时空分布的研究,基础分布数据集和高效、高... 详细信息

小花草玉梅(Anemone rivularis)是多年生草本植物,在黄河源区分布较为广泛,其过量分布会限制当地草地畜牧业发展,并导致生态系统稳定性和服务功能下降。目前尚没有在区域尺度上开展小花草玉梅时空分布的研究,基础分布数据集和高效、高精度观测方法的缺失是主要限制因素之一。本研究利用自主开发的无人机路径规划和信息提取系统(fragmap)在黄河源区布设404个样本采集点并获取小花草玉梅的基础分布数据,通过物种分布集成预测平台(BIOMOD)明晰关键的影响因素,模拟小花草玉梅的潜在分布,并预测未来不同气候情景下其在黄河源区的空间分布规律以及适宜生境的变化。结果表明:1)黄河源区小花草玉梅的空间分布主要受年均降水、土壤pH和年均温度等因素的影响。2)在当前气候情景下小花草玉梅主要分布于黄河源区东南部的红原县、阿坝县、玛曲县和若尔盖县等区域。3)在未来气候情景下,小花草玉梅的空间分布随着未来气温的升高呈扩大趋势。本研究首次在黄河源区刻画了小花草玉梅的分布特征并预测其在不同气候情境下的演变趋势,为高寒草地开展毒杂草的适时防控、合理管理和利用提供技术支持。

关键词：无人机 BIOMOD 毒杂草物种分布模型 fragmap 适宜生境组合模型

基于无人机的高寒草甸地表温度监测及影响因素研究

在线全文

学校读者我要写书评

暂无评论

草业学报 2021年第3期30卷 15-27页

作者：张伟宜树华秦彧上官冬辉秦炎中国科学院西北生态环境资源研究院冰冻圈科学国家重点实验室甘肃兰州730000 中国科学院大学北京100049 南通大学地理科学学院江苏南通226007 南通大学脆弱生态环境研究所江苏南通226007

地表温度直接影响地表感热、潜热及辐射能量传输过程,是研究寒区植被生态水文过程的重要参数。以疏勒河源区高寒草甸为研究对象,利用无人机搭载普通及热红外相机获取6块样地植被盖度及地表温度数据,用以评估热红外相机在高寒草甸地表温... 详细信息

地表温度直接影响地表感热、潜热及辐射能量传输过程,是研究寒区植被生态水文过程的重要参数。以疏勒河源区高寒草甸为研究对象,利用无人机搭载普通及热红外相机获取6块样地植被盖度及地表温度数据,用以评估热红外相机在高寒草甸地表温度监测中的应用精度,分析高寒草甸地表温度变化特征,并结合气象因子及植被盖度数据,探究地表温度的影响因素。结果表明:热红外影像地表温度与地面实测值具有较高一致性(R2≈0.75),平均误差5℃以内;高寒草甸地表温度在9:00-18:00时段内表现为快速升温达到峰值继而波动下降的趋势,观测期内(7月4日-8月17日)未表现出显著日际变化趋势;气象因子中,太阳辐射和空气温度与地表温度呈显著正相关,起到增温作用,而空气湿度抑制地表增温,表现为显著负相关;连续降水降低裸土温度,植被覆盖度与地表温度呈现出正相关变化趋势。无人机热红外遥感技术可以快速、精准获取高分辨率地表温度数据,为高寒草甸干旱监测、土壤水分及蒸散发等反演提供数据支持。

关键词：高寒草甸无人机热红外影像地表温度变化特征影响因素 fragmap

在线全文

学校读者我要写书评

暂无评论

基于无人机的草原毛虫监测初探

草业科学 2020年第10期37卷 2106-2114页

作者：高姻燕马青山张欣雨马建海宜树华李葆春张建国卢霞梦孙义甘肃农业大学生命科学技术学院甘肃兰州730070 黄南州草原站青海隆务811300 南通大学脆弱生态环境研究所/南通大学地理科学学院江苏南通226019 黄南州农牧综合行政执法监督局青海隆务811300

草原毛虫(Gynaephora alpherakii)是青藏高原高寒草地生态系统和畜牧业的主要害虫之一。草原毛虫幼虫监测是刻画其时空分布特征、评估致害等级及有效防控的基础。然而,受限于观测成本、效率和精度,传统监测方法无法满足大尺度、动态、... 详细信息

草原毛虫(Gynaephora alpherakii)是青藏高原高寒草地生态系统和畜牧业的主要害虫之一。草原毛虫幼虫监测是刻画其时空分布特征、评估致害等级及有效防控的基础。然而,受限于观测成本、效率和精度,传统监测方法无法满足大尺度、动态、定点开展草原毛虫幼虫监测的需求。本研究提出一种基于无人机的草原毛虫幼虫的高效、准确、定点、适宜大尺度开展的监测方法(Belt mode based on unmanned aerial vehicle,UAVBelt)并予以实地验证。研究结果表明,UAVBelt方法在监测效率、代表性、对草地破坏性(并克服取样障碍)及提高时效性、可预报性等方面均优于传统方法;基于具备地形跟随和变焦功能的无人机(Mavic 2 Zoom)的监测方法(Belt mode based on Mavic 2 with double optical zoom,UAVM2)在取样均一性、数据提取效率和准确性等方面更优。结合无人机自动航拍和分析系统(fragmentation monitoring and analysis with aerial photography,fragmap),UAVM2监测方法在草原毛虫幼虫信息提取、灾害预警、高效防控等方面具有巨大的应用潜力,可为青藏高原畜牧业和生态系统可持续发展提供必要的理论和实践指导。

关键词： fragmap 长期定点监测地形跟随高寒草地大尺度

在线全文

学校读者我要写书评

暂无评论

基于BIOMOD的黄河源区黄帚橐吾分布

草业科学 2020年第11期37卷 2198-2210页

作者：黄波宜树华张欣雨马青山向波杜嘉星马建海孙义南通大学脆弱生态环境研究所/地理科学学院江苏南通226007 青海省黄南州草原站青海隆务81I300 重庆市气候中心重庆401147 中国人民解放军海军大连舰艇学院辽宁大连116018 青海省黄南州农牧综合行政执法监督局青海隆务811300

黄河源区位于青藏高原东北部,属生态环境脆弱的高寒区。黄帚橐吾(Ligularia virgaurea)广泛分布于黄河源区,是限制该区域草地畜牧业发展、导致该区域系统稳定性和服务功能下降的最主要毒杂草之一。目前鲜有黄帚橐吾区域尺度时空分布的研... 详细信息

黄河源区位于青藏高原东北部,属生态环境脆弱的高寒区。黄帚橐吾(Ligularia virgaurea)广泛分布于黄河源区,是限制该区域草地畜牧业发展、导致该区域系统稳定性和服务功能下降的最主要毒杂草之一。目前鲜有黄帚橐吾区域尺度时空分布的研究,而缺乏大尺度、高精度、高效率的监测手段是其主要限制因素。本研究利用团队自主开发的基于无人机的协同航拍和分析系统(Fragmentation Monitoring and Analysis with Aerial Photography,fragmap)对黄河源区黄帚橐吾的分布进行基础调查,获取有效样本(航拍照片)5000余个并提取黄帚橐吾存在/不存在数据。基于生物多样性模拟(biodiversity modelling,BIOMOD)模型集成平台,采用10种不同模型模拟该区域的黄帚橐吾潜在分布格局及其对气候变化的响应。结果表明:1)BIOMOD能降低预测的不确定性和误差,提高预测精度;2)广义增强回归模型(generalised boosting model,GBM)预测黄河源区黄帚橐吾当前潜在分布效果最好,而随机森林(random forest model,RF)模型则能更好地预测其未来分布,决定黄帚橐吾空间分布的主要因素有小生境[归一化植被指数(normalized difference vegetation index,NDVI)最大值、平均值和范围]、年平均辐射、最冷季辐射、最湿季辐射、最湿期降水等;3)气温升高会导致黄帚橐吾分布范围增加,尤其是源区中部偏东南区域。本研究模拟了黄河源区黄帚橐吾的时空分布特征,为进一步开展其致害等级评价、合理利用和适时防控等工作提供数据支撑,也为该区域草地生态系统和畜牧业的可持续发展提供科学依据。同时,本研究利用fragmap系统获取大量标准统一、时间序列长、尺度大、精度高的航拍照片,可为BIOMOD模型提供充足、有效的数据基础,从而为草地生态系统生物多样性的研究和保护提供了新方法和新手段。

关键词：物种分布模型 fragmap 无人机气候变化草地退化

在线全文

学校读者我要写书评

暂无评论

基于无人机RGB影像估测田间小麦穗数

中国农业科技导报 2022年第3期24卷 103-110页

作者：高姻燕孙义李葆春甘肃农业大学生命科学技术学院兰州730070 南通大学地理科学学院脆弱生态环境研究所江苏南通2260073 甘肃农业大学甘肃省干旱生境作物学重点实验室甘肃省作物遗传改良与种质创新实验室兰州730070

单位面积穗数是小麦产量构成的重要因素,利用图像信息处理技术快速、准确地估测田间小麦穗数,可以为小麦长势监测和产量估测提供直接依据。利用无人机路径规划和控制系统(fragmentation monitoring and analysis with aerial photograph... 详细信息

单位面积穗数是小麦产量构成的重要因素,利用图像信息处理技术快速、准确地估测田间小麦穗数,可以为小麦长势监测和产量估测提供直接依据。利用无人机路径规划和控制系统(fragmentation monitoring and analysis with aerial photography,fragmap)获取标准统一、高分辨率的田间小麦RGB航拍影像,通过高效的目标检测手段(YOLOv3)获得训练模型并自动识别麦穗,通过分析该方法(FY方法)与传统方法测定麦穗数量的关系来构建单位面积麦穗估测模型。结果表明,FY方法的样本获取效率和观测面积显著高于传统方法(P <0.001);YOLOv3训练模型识别麦穗的准确率随着训练样本数量和迭代次数增加而增加,500个训练样本迭代6 250次,获得模型识别麦穗的准确率超过90%;FY方法和与传统方法测定的田间小麦穗数量呈显著的线性相关关系,据此构建估测田间小麦穗数的模型为:y=0.816x-14.863(R;=0.790,P<0.001)。上述结果表明,结合标准统一、高分辨率的无人机航拍影像和深度学习方法估测田间小麦穗数精度高、实时性强,可为小麦长势监测和产量估测提供重要的数据和技术支撑。

关键词：航拍 fragmap 深度学习 YOLOv3 麦穗检测