摘要：为了准确监测辣椒生长,本研究对辣椒冠层光谱反射率进行对数处理、倒数处理、倒数的对数处理、连续统去除处理、一阶微分处理、二阶微分处理,并与SPAD值进行相关性分析,用最大相关系数法(MCC)选取相关性较好的特征波段生成特征波段数据集,再用遗传算法-偏最小二乘法(GAPLS)进行降维得到最优特征波段组合,采用偏最小二乘法(PLSR)、反向传播神经网络(BPNN)、随机森林(RF)和最小二乘支持向量机(LSSVM)4种机器学习算法构建辣椒叶绿素含量反演模型。结果表明,最优波段和对应处理分别为700 nm(原始光谱)、699 nm(对数处理)、713 nm(连续统去除处理)、500 nm(二阶微分处理)、713 nm(二阶微分处理)。GAPLS的降维效果较好,与降维前相比PLSR模型的精度提升率最高,R^(2)、RPD分别提升了82.22%、136.98%,RMSE降低了29.96%。4种模型中,GAPLS降维处理后的PLSR模型的精度最好,R^(2)、RMSE和RPD分别为0.82、1.94、4.55。本研究构建的MCC-GAPLS-PLSR模型具有较好的反演潜力,适用于研究区辣椒叶片叶绿素含量测定,推动辣椒高效种植。

摘要：针对传统辣椒蚜虫识别精度不高、研究较少等问题,本研究一种基于YOLO v2的辣椒蚜虫图像识别方法,准确定位蚜虫位置,识别两种不同类型蚜虫,并探究不同网络深度对模型性能的影响。首先YOLO v2目标检测网络与Resnet50网络六种不同深度卷积结构相融合,构建辣椒蚜虫识别模型,然后利用预测框生成算法设置候选框参数,对六种模型进行训练,根据训练结果设计辣椒蚜虫识别系统。在验证集上进行对比试验,结果表明Resnet-22模型对辣椒叶部蚜虫识别精度最高,平均识别准确率为96.49%,其中黄色蚜虫识别准确率为98.70%,绿色蚜虫识别准确率为94.27%,识别时间为0.129 s。Resnet-22模型具有较强的鲁棒性,为实现田间复杂背景下辣椒蚜虫识别奠定基础。

摘要：生态保护重要性评价研究是构建新时期国土空间规划体系,实现国土空间规划科学性,完善“双评价”工作的重要组成部分。本研究重点选取水土保持、水源涵养、生物多样性维护、水土流失脆弱性、石漠化脆弱性评价等因子作为主因子进行分析,调查影响喀斯特石漠化区自然地理特征和主导环境影响因子,形成各单因子本底评价结果。运用区域性生态廊道修正方法对“三调”地类弱生态功能区和有显著生态保护功能的图斑地块进行拓扑分析,综合集成分析和修正,形成黔西南州生态保护“两区”分布状况。结果表明:黔西南州生态保护极重要区面积5803.89 km^(2),占全州国土总面积的34.53%;生态保护重要区面积8808.20 km^(2),占全州国土总面积的52.40%。该研究为其他喀斯特地区生态保护重要性评价提供借鉴,同时也为黔西南州新一轮国土空间规划编制“三区三线”划定工作中生态保护红线优化调整、国土空间开发保护总体格局优化决策提供参考。

摘要：为了建立更加稳定、预测能力更强的辣椒叶绿素含量反演模型,该研究基于无人机高光谱数据和实测叶绿素相对含量(SPAD值),分别利用原始光谱及其他变换光谱与SPAD值进行相关性分析,用最大相关系数法(MCC)选取相关性较好的特征波段生成特征波段数据集,再用遗传算法-偏最小二乘法(GAPLS)进行降维得到最优特征波段组合,采用偏最小二乘法(PLSR)、反向传播神经网络(BPNN)、随机森林(RF)、最小二乘支持向量机(LSSVM)和遗传算法优化的最小二乘支持向量机(GA-LSSVM)5种机器学习算法构建辣椒叶绿素含量反演模型。结果表明:辣椒叶片SPAD值与高光谱反射率成反比;辣椒叶绿素的敏感波段主要集中在400~700 nm;经过一阶微分处理后的光谱与SPAD值相关性最好,671 nm波长下一阶微分光谱与叶绿素含量呈最大负相关,相关系数为-0.69;基于倒数对数光谱建立的模型普遍精度较高;模型中表现最好的为基于微分光谱搭建的GA-LSSVM模型,其决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)值分别为0.84、1.41、2.24,其次是基于倒数对数光谱的RF模型,其R2、RMSE和RPD值分别为0.83、1.57、2.13。