王洋
- 作品数：5 被引量：57H指数：4
- 供职机构：沈阳农业大学信息与电气工程学院更多>>
- 发文基金：辽宁省博士科研启动基金国家科技支撑计划辽宁省教育厅课题基金更多>>
- 相关领域：农业科学电气工程更多>>
- 分布式光伏发电特性与气象影响因子诊断分析被引量：22
- 2018年
- 为了实现光伏电站并入电网后能够安全稳定运行以及农村电力系统发电计划的制定,光伏电站发电功率的准确预测是必不可少的。通过采集沈阳地区分布式光伏电站2014年10月至2016年9月发电功率与气象现场测试数据,利用Pearson相关性分析方法对光伏发电功率与同期气象影响因子进行了相关性分析:太阳辐射量、日照时数和日最高气温与光伏综合出力相关性最高,相关系数分别为0.902,0.782,0.364;在此基础上分析这3种气象因子在不同季节下与光伏发电功率的相关程度:夏季太阳辐射量和日照时数与发电功率相关程度最高,分别为0.972和0.641,秋季日最高气温与发电发电功率相关程度最高,相关性为0.382。在不同季节的基础上分析了不同天气类型下(晴、阴/多云、多云/晴、阴雨、多云、晴/霾和雪/多云)发电功率的扰动程度:不同季节、不同天气类型下日发电功率曲线均呈现正态分布,其中晴天发电功率扰动最小、阴雨天气发电功率扰动最大,晴天、多云、多云/晴、阴云、阴雨天的四季平均标准偏差分别为1.44,2.81,3.12,3.36,3.51,晴/霾和雪天的标准偏差均为1.91。将太阳辐射量、日照时数和日最高气温作为输入,建立不同季节不同天气类型发电功率多元线性回归模型,对2016年10月发电功率进行预测,试验结果表明:预测误差均小于20%,满足电网要求,发电功率的准确预测可以更好地实现农村电网的管理和调度。
- 曹英丽方诗琦王洋于炳新邹焕成许童羽
- 关键词：发电功率气象因子功率预测
- 基于高光谱的水稻叶片氮素估测与反演模型被引量：14
- 2017年
- 快速、无损、准确地监测水稻叶片氮素状况,对于诊断水稻生殖生长特征、提高氮肥运筹水平具有重要意义。利用无人飞行平台搭载高光谱成像系统获取水稻冠层高光谱数据,分析了试验点水稻分蘖期叶片氮素与冠层高光谱信息之间的关系。结果表明,水稻分蘖期叶片氮素含量与同期归一化差值植被指数(NDVI)之间有良好的相关性,可以建立水稻分蘖期叶片氮素含量反演的相关统计模型。
- 张国圣许童羽于丰华陈春玲王洋
- 关键词：水稻氮素统计模型归一化植被指数
- 基于无人机高清数码影像的水稻产量估算被引量：13
- 2017年
- 目前常用的水稻产量估算方法以卫星遥感估产为主,卫星遥感估产的分辨率较低、缺乏机理性、误差较大。为了能够快速灵活地获取水稻冠层信息、提高分辨率、准确地估测水稻产量,利用无人机平台搭载高清数码相机,拍摄从抽穗期到成熟期的水稻冠层影像,首先应用中值滤波算法对RGB颜色空间下水稻冠层图像进行去噪,然后针对彩色水稻图像的颜色特征,将图像由RGB颜色空间转换到L*a*b*颜色空间,运用K均值聚类算法对水稻冠层图像进行聚类分析、图像分割,提取出水稻穗、获得水稻穗数量、代入水稻产量估算公式进行估产。试验区域共有18块水稻小区(长8m,宽5m),在水稻抽穗期到成熟期之间拍摄4次。试验记录的数据包括拍摄的时间、高度以及分辨率,同时还要在田间实测水稻穗的数量和水稻的产量,为后期评价和判断K均值聚类算法提取水稻穗的精度以及水稻产量估测的精度提供依据。对水稻产量的实测值与估测值、田间实测的水稻穗数量与图像中提取水稻穗数量进行对比分析。结果表明:对8月18日无人机拍摄的水稻冠层影像进行图像分割,提取出水稻穗的效果较好,估产的精度较高,产量估计均方根误差和平均绝对百分误差分别为9.08和22.8%,水稻穗数估计均方根误差和平均绝对百分误差分别为19.86和5.8%。说明利用无人机搭载数码相机能够快速、无损地获取水稻冠层信息,运用K均值聚类算法能够较为准确地将水稻穗从水稻冠层图像中分割出来,利用数字图像对水稻产量进行估算是可行的。
- 李昂王洋曹英丽于丰华许童羽肖文
- 关键词：无人机K均值聚类图像分割
- 双子叶植物叶片类胡萝卜素含量高光谱反演估算被引量：1
- 2018年
- 类胡萝卜素(Car)是植物进行光合作用的主要色素之一,在吸收传递光能、保护叶绿素,以及延缓叶片衰老等方面有重要作用。以LOPEX’93数据库为基础,系统分析400~2 500 nm高光谱波段范围内任意两波段组合而成的归一化差值植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与双子叶植物叶片Car含量间的定量关系。结果表明,在756 nm处红光波段与809 nm处近红外波段的NDVI_((809,756))、RVI_((809,756)),以及750 nm处红光波段与809 nm处近红外波段的DVI_((809,750))都可以较好地实现Car含量反演,建立的回归预测模型的判定系数(R^2)均大于0.74。对由各植被指数构建的反演模型进行精度验证发现,NDVI_((809,756))和RVI_((809,756))的估算效果相当,且都好于DVI_((809,750)),模型预测精度分别为0.735和0.738,均方根误差分别为1.426 1和1.420 5,平均相对误差分别为13.66%和13.60%。表明基于高光谱数据对双子叶植物叶片Car含量进行估算是可行的。
- 余昌乐许童羽王洋于丰华
- 关键词：类胡萝卜素双子叶植物
- 基于主基底分析降维方法的水稻冠层叶片叶绿素含量估算被引量：7
- 2018年
- 针对无人机高光谱遥感数据的高维特性,本文提出了一种基于主基底分析的降维方法。选取对叶绿素敏感的400～1 000 nm波段进行Gram_Schmidt变换找到投影空间,构造集中波段信息的主基底,建立最小二乘回归模型来进行叶绿素含量估算。结果表明:基于主基底分析降维方法的建模决定系数(R^2)为0.689,均方根误差(root mean square error,RMSE)为2.20,验证模型的RMSE为1.20;与3种植被指数PRI、RD_2和MCARI降维后建立的相同模型预测精度相比,该方法的建模R^2有了很大的提升,而验证模型的RMSE有所降低。研究结果验证了所提算法的有效性,对植物叶片的叶绿素含量估算具有重要意义。
- 袁炜楠许童羽曹英丽曹英丽于丰华
- 关键词：叶绿素
