深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

我国农作物秸秆综合利用产业促进政策研究

［目的］深入地分析了我国秸秆综合利用产业现行促进政策，阐述了存在的主要问题，并提出针对性解决方法，以期为促进秸秆综合利用政策体系建设提供政策建议。［方法］按照法律法规、目标引导和考核、财税补贴、技术研发和推广、信息统计等进行分类，综合评述各类现行政策的特点、使用范围和有效性，并采用相关者利益分析等方法分析存在问题，提出政策建议。［结果］随着我国秸秆露天焚烧问题日益突出，国家加大了对秸秆综合利用重视的程度，出台一系列关于秸秆综合利用等方面的法律、法规和激励政策等，初步构建了秸秆综合利用政策体系，呈现出聚焦关键环节、关键技术和重点地区的趋势。但是，还存在着政策的有效性有限，未形成合力； 农民参与度低； 使用环节缺乏激励政策等问题。［结论］建议出台区域生态补偿制度，落实耕地地力保护补贴政策，鼓励终端产品使用和消费等政策。     

谈农作物种子扦样程序及注意事项

扦样是从大量的种子中随机取得一个重量适当,有代表性的供检样品。样品应由种子批不同部位随机扦取若干次的小部分种子合并而成,然后把这个样品经对分递减或随机抽取法分取规定重量的样品。在种子检验中扦样是种子检验的重要环节,扦取的样品应该有代表性,通过检验室的正确检验,才能反映出种子批的质量状况。     

房地产投资信托基金对城市综合体开发的思考

城市的综合开发更注重规划与建设全过程的相互配合与协同发展,购物与休闲、生态、教育等多方面相结合的"体验式消费"已成为一种全新的消费理念,促进了城市综合体(HOPSCA)依然成为保持城市中心繁荣和活力的需求的载体。在其开发融资创新中,房地产投资信托基金(房地产投资信托基金)可以成为城市综合体开发经营方面有效的金融工具。     

某平台消防泡沫罐服役环境适用性评价分析

文章通过模拟316ss不锈钢泡沫罐与海洋大气、泡沫罐与泡沫液产品接触的实际情况,对泡沫罐产品在某平台服役环境下的适用性进行评价分析。分别对不锈钢母材、焊缝分别取样,开展盐雾腐蚀模拟实验、泡沫液介质环境下腐蚀模拟实验及电化学分析。结果显示,不锈钢母材及焊缝的抗盐雾腐蚀能力较强。在常温常压、加速条件下泡沫液介质环境中,不锈钢母材与焊缝抗介质腐蚀能力较强,且在该腐蚀环境中,焊缝与母材之间不会发生电偶腐蚀。经评价分析,316ss不锈钢泡沫罐产品在平台服役环境下的适用性良好。     

剖线强度梯度变化的作物软硬变化区精确划分

[目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。     

关于采油厂地面集输工艺适应性的研究

新时期以来,我国油田企业面临着来自市场和资源的双重发展压力。采油厂地面集输工艺适应性研究的价值开始显现。文章就原油集输工艺系统的适应性予以了阐述,并对当前采油厂地面集输工艺的技术的应用现状进行了分析。     

农作物面积抽样单元空间变异性及其对抽样外推效率的影响

［目的］联合遥感和传统抽样方法的空间抽样技术是进行大区域农作物面积监测的有效手段。但传统抽样要求抽样单元间相互独立，并未考虑到区域农作物空间变异性的存在对农作物面积空间抽样效率是否有影响及其影响程度如何，从而限制了农作物面积监测的效率和精度。［方法］文章以吉林省德惠市为研究区，利用变异函数分别对10种抽样单元尺度内玉米和水稻种植面积的空间变异性进行定量评价。选择3种空间抽样方案（简单随机抽样、系统抽样、分层抽样），分别计算不同空间变异程度下的样本容量（n）、抽样相对误差（Re）和总体总值估计量的变异系数（CV（Y︿））作为空间抽样效率的评价指标，定量分析空间变异性对农作物面积空间抽样效率的影响，提出适宜空间变异农作物的空间抽样优化方案。［结果］(1)玉米和水稻面积的空间变异性（反映为基台值C0+C）均随着抽样单元尺度的增加逐渐而减小，其中500m×500m和2 500m×2 500m抽样单元尺度下农作物面积的空间自相关程度相对最小。(2)相同抽样比下，农作物面积在3种抽样方法下的相对误差和变异系数均随着空间变异性的减小（抽样单元尺度增加）逐渐增大，其中玉米和水稻在分层抽样条件下的相对误差和变异系数具有相对最小值，分别限制在10%和20%以内，其次为系统抽样（Re<40%，CV（Y︿）<88%）和简单随机抽样（Re<50%，CV（Y︿）<75%）。 在抽样方法被选定的情况下，两种农作物的分层抽样相对误差变化率随着抽样比的增加迅速降低，当抽样比增至5%时，其相对误差和变异系数的变化率基本趋于稳定，继续增加抽样比来提高抽样精度的效果甚微。 在3 500m×3 500m抽样单元尺度内，按5%抽样比确定的样本容量对玉米和水稻面积进行分层抽样时，可达到95%的抽样精度（Re<5%）。 综合农作物在不同抽样单元尺度下的空间变异特征和空间抽样效率，基于2 500m×2 500m的抽样单元尺度和5%抽样比进行分层抽样的空间变异性农作物空间抽样方案是一种高精度、低成本、代表性强的空间抽样方案。［结论］该研究为区域农作物面积抽样调查方法的改善和抽样效率的提高提供技术支持和参考依据。