摘要：葡萄酒市场的迅猛发展,大量的中国优质葡萄酒也一直受假冒葡萄酒的侵害。假冒劣质葡萄酒的存在不仅影响中国优质葡萄酒的品牌,也会对人体产生一定的伤害。葡萄酒中掺水掺伪是制造假酒的最常见的手段,因此,对葡萄酒掺水掺伪的检测方法的研究也越来越受到国内外学者的重视。相比于传统的感官鉴定法、理化指标分析检验方法,具有快速、高效、无需破坏样本、非接触性等独特优势的可见-近红外光谱分析技术,更加适合于葡萄酒品质的快速检测。为了快速、准确的检测葡萄酒掺水问题,基于可见-近红外光谱构建了一种反映葡萄酒掺水程度的光谱吸收深度指数(DI),并设计构建了基于DI指数的葡萄酒掺水量的反演估算模型。首先采用长城解百纳葡萄酒(CC)、张裕解百纳葡萄酒(ZY)和西奥葡萄酒(XA)三种葡萄酒配制葡萄酒样本,分别提取相同量的葡萄酒作为实验对象,掺入比例为0%(未掺水的纯葡萄酒),4%,7.7%,11.1%,14.3%,17.2%的蒸馏水,获取样本共18份;另外对长城葡萄酒加大掺水比例,分别掺入比例为0%,20%,40%,60%,80%,90%的蒸馏水,获取样本数为6份,共获得24份掺有不同比例蒸馏水的葡萄酒样本。然后利用PSR-3500便携式地物光谱仪采集葡萄酒样本光谱数据,并对葡萄酒样本的原始光谱数据进行S-G滤波、特征波段选择、包络线去除等特征增强预处理;通过分析预处理后的葡萄酒样本的可见-近红外光谱特征,选取能反映葡萄酒掺水程度的837nm处稳定的吸收特性,构建了葡萄酒掺水的光谱吸收深度指数(DI)。为了提高光谱吸收深度指数DI的稳健性,DI指数中光谱反射率的值均采用837nm附近微小邻域均值进行计算。最后采用二次多项式拟合方法,给出了基于DI指数的葡萄酒掺水量的反演估算模型。选用长城解百纳葡萄酒在837nm处微小邻域内光谱吸收深度指数DI值,同时选择长城葡萄酒样本中的七个样本作为模型预测集,另外4个样本作为测试集,对该葡萄酒掺水量的反演估算模型进行验证分析。实验结果表明,采用二次多项式拟合方法,该模型结果的精度R平方高达0.999 2,且该模型的估算值与真实值的平均相对误差为0.042 5,表明了基于DI指数所构建的反演估算模型不仅可以判定待鉴别葡萄酒是否掺水并且可以定量分析葡萄酒的掺水量。光谱吸收深度指数DI构建简单,且能够反映不同品牌的葡萄酒的掺水稀释程度。研究结果可为低成本、手持式简易的葡萄酒光谱检测设备的设计与研发提供科学依据,进一步促进可见-近红外光谱分析在葡萄酒品质无损检测及相关领域的应用推广。

摘要：卫星遥感技术为我们研究全球变化提供了时间、空间、光谱多维度的海量遥感大数据,目前还没有一种针对遥感数据的多维度的特性设计的一体化存储结构。本文提出了一种多维遥感数据的组织方式,设计了SPAtial-Temporal-Spectral(SPATS)时空谱多维遥感数据一体化存储结构,定义了5种多维数据存储格式:Temporal Sequential in Band(TSB)、Temporal Sequential in Pixel(TSP)、Temporal Interleaved by Band(TIB)、Temporal Interleaved by Pixel(TIP)和Temporal Interleaved by Spectrum(TIS),设计了Multi-dimensional Data Analysis(MDA)多维数据分析模块,实现了长时间序列遥感影像的时空谱多维一体化存储,并能够进行不同维度的数据分析与显示,构建了基于不同光谱指数的时间谱影像立方体,为时空谱多维遥感数据的综合与表征提供数据组织解决方案。

摘要：大数据技术中的一个难点是如何统筹多源异构的数据。在多源数据协同定量遥感产品生产系统中,不同传感器数据的协同使用为生产系统的各个环节都带来了许多的问题,例如异构数据文件的统一表示和调度,繁杂生产流程的统一抽象等。领域驱动设计是一种应对软件核心复杂性的设计方式。领域驱动是指在设计过程中经过不断的迭代,逐渐提炼出一套灵活优雅的领域模型。领域模型专注于分析问题领域本身,发掘重要的业务领域概念,并建立业务领域概念之间的关系。本文在不断实践的基础上提出了一组较成熟的领域模型,该模型用一种统一的方式解决了多源数据协同生产系统中各方面的问题,并显著地降低了系统集成的难度和工作量,且为新数据源的加入预留了灵活性。

摘要：土壤速效养分是作物生长的必要条件,合理控制土壤速效养分含量对粮食增产、农民增收以及环境保护都有重要意义。随着现代农业技术的发展,可以通过变量施肥将土壤速效养分含量控制在最佳状态,这也对土壤养分的获取精度提出了更高的要求。当前的主要土壤速效养分遥感监测方法在监测精度、稳定性、成本控制和可推广性依然存在一定不足,甚至限制对变量施肥的指导作用。本文针对传统土壤速效养分估算方法的不足,提出了利用作物模型与时间序列遥感数据相结合实现耕层土壤速效养分反演的新思路,该思路以养分缺失引起的作物长势参数的变化为切入点,在数据同化算法设计和养分模块优化改造的基础上,利用作物长势参数遥感监测结果与模型模拟结果的差异设计了土壤速效养分反演算法,实现速效养分含量信息的有效获取。设计地面观测实验并利用地面观测数据对反演精度进行评价,结果表明该方法可以对土壤中的速效养分进行实时、高精度的稳定反演,3种主要的速效养分速效氮、有效磷和速效钾的R2分别达到了0.68、0.74和0.52,平均相对误差分别为7.45%、6.17%和9.97%。

摘要：啤酒新鲜度是市场消费者非常关注的品质指标,也是各大啤酒公司的核心竞争力。传统啤酒新鲜度检测方法一般需要十分昂贵的分析仪器和化学试剂,消耗大量时间,检测成本较高。随着啤酒的老化,啤酒中的成分物质亦将发生变化,其对应的光谱特征也将发生改变。利用光谱分析技术,挖掘表征啤酒老化的光谱特征,构建啤酒新鲜度指数(BFI),可实现啤酒新鲜度的快速、无损检测。将新鲜啤酒分三等份装入相同容器,其中2份为避光保存, 1份为光照下保存,用PSR-3500光谱仪对啤酒样品进行光谱采集,每隔24 h采集一次,共采集6次,获得不同新鲜程度啤酒的光谱数据。对采集的光谱数据进行特征波段选择、包络线去除等预处理,增强后的光谱显示842.0 nm处的波谷深度随放置时间的增长而变小,因此基于842.0 nm的波谷深度构建反应啤酒新鲜度的光谱特征指数(BFI)。实验结果表明, BFI值随放置时间的增长而逐渐下降,且避光保存的两组样品BFI值下降速率基本一致,而由于光照加速了啤酒中的老化反应,使得光照保存的样品BFI值下降速率较快,结果显示BFI能够较好指示啤酒的新鲜程度。此外,通过模拟不同光谱分辨率与信噪比水平,评价BFI对光谱检测设备性能的敏感性。具体地,利用高斯函数分布函数和平均分布函数分别生成光谱分辨率为5~40 nm的数据和信噪比为10~60 dB的数据,对其进行特征波段选择、包络线去除等预处理,计算BFI值并进行分析。实验显示,当光谱分辨率低于15 nm、信噪比低于10 dB时,样品842.0 nm的光谱吸收特征逐渐被掩盖, BFI将难以指示啤酒的新鲜程度。然而,只要在798~872 nm及附近波段光谱分辨率优于10 nm、信噪比不低于35 dB, BFI即可准确指示啤酒新鲜度, BFI对光谱仪的性能要求并不严苛。综上所述, BFI能够准确指示啤酒新鲜度,服务于便携式啤酒新鲜度光谱检测设备的设计与研发,促进光谱分析技术在啤酒品质无损检测及相关领域的应用推广。

摘要：为了充分利用遥感图像中丰富的细节信息和上下文信息,提高图像语义分割精度,提出一种深度融合网结合条件随机场模型的遥感图像语义分割方法。方法在全卷积神经网络框架中增加反卷积融合结构,搭建深度融合DFN (Deep Fusion Networks)网络,通过深层网络自动获取多尺度特征,避免人工设计和选择特征,提高模型的泛化能力;同时借助反卷积融合结构,利用多尺度信息,将浅层细节信息和深层语义信息相融合,提高模型的处理精度。由全连接条件随机场引入空间上下文信息,更好地定位边界,得到最终的语义分割结果。在遥感图像数据集上的实验结果显示:(1)随着不同尺度细节信息的融入,结果的边缘轮廓越精确、接近标签图像;(2)增加了空间上下文信息后,语义分割结果边缘更细化、准确,精度更高。实验表明,该方法可以有效提高遥感图像语义分割的精度,改善结果的过平滑现象。

摘要：针对当前遥感数据缺乏统一文件格式标准,多源遥感产品的生产使用涉及多种文件格式的现状,在研究多种遥感数据格式及对应库GDAL、HDF4、HDF5的基础上,参考国家气象局的NOAA AVHRR 1B格式标准,利用工厂模式,设计和实现了一个具有统一操作接口的多源遥感数据格式抽象库DFAL,在更高的抽象层次解决了GDAL和HDF4、HDF5库不能一致使用的问题。使用DFAL库进行不同文件格式的读写,专家无需了解这些文件格式的差别,以便从繁杂的遥感数据格式中解放出来,将更多精力投入到遥感科学研究的层面上。在DFAL库的基础上实现了两类常用遥感数据格式Geo TIFF和HDF5之间的转换工具,方便工程应用。DFAL库及转换工具在国家高技术研究发展计划《星机地综合定量遥感系统与应用示范》的多尺度按需定量遥感产品生产系统中进行了应用测试,取得了很好的实际效果,证明了DFAL库稳定性和可用性,并大大减少了多源数据协同使用时多种文件格式读写的工作量。

摘要：目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRC>L1-SRC>RF>RBF-SVM/Linear-SVM>KNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。

摘要：近年来,无人机的应用日益广泛,逐渐用于航空物探。在使用固定翼无人机搭载磁力仪进行航磁测量时,必然引入飞行平台干扰,包括与机动无关的干扰和与机动有关的干扰。去除和飞机机动有关的磁干扰,即为磁补偿工作。航磁补偿的经典TOLLES-LAWSON模型将磁干扰分为剩余磁场、感应磁场和涡流磁场。对于固定翼无人机,涡流磁场可以不考虑,将剩余磁场和感应磁场合称为稳态干扰场。主要对飞机干扰的来源和性质进行分析,并在地面设计实验验证铁磁性材料的性质,以加深对磁补偿模型的假设和推导过程的理解。最后,在地面实验平台上测量了飞机磁干扰场的平面分布图,指导航空磁力仪的安装。在将TOLLES-LAWSON模型应用于固定翼无人机航磁探测系统的磁补偿工作时,无人机与有人机相比,在结构和材料方面都有较大差异,因此对模型的物理意义和假设条件的深入理解至关重要,此即本文所述工作成果的出发点。

摘要：准确及时的农情信息是国家与地方政府保障粮食安全与社会稳定的必要条件。云计算的出现为这一需求的实现提供了契机。本文阐述了农情遥感监测云服务平台建设的重要意义、设计思想、总体架构、组成部分以及建设内容。在此基础上,以农情遥感监测产品信息服务为例,开发了一个农情遥感监测信息在线原型系统。该系统是农情遥感监测云服务平台的重要组成部分,负责多尺度时间序列农情遥感监测结果与信息的管理、存储和维护,并且向用户提供查询与下载服务。农情遥感监测云服务平台建设框架的设计为全面整合专家智慧、IT技术、数据资源、服务方式以及平台的实现提供理论指导与建设依据。该平台的建立,将深刻改变农情遥感应用的模式,推动农情遥感的广泛应用与产业化发展。