智慧农业产业学院“1234”产教融合协同育人模式

智慧农业是近年来国内外的重点和热点研究领域,也是实现我国农业强国和解决“三农”问题的重要途径。未来,涉农行业、企事业单位对智慧农业人才的需求将呈快速增长态势,而当前智慧农业人才难以满足智慧农业产业的需求。同时,智慧农业是多学科交叉融合且实践性很强的专业,也是新型专业,尚未形成系统性的智慧农业专业人才培养体系。因而,加快推进智慧农业专业人才培养,显得尤为迫切和重要。该文在坚持“以本为本”和“四个回归”的教育理念基础上,围绕智慧农业发展目标,面向智慧农业产业需求,以山西农业大学省级智慧农业学院为例,探索出智慧农业产业学院“1核心、2导师、3平台、4体系”的“1234”产教融合协同育人模式,为我国智慧农业产业学院发展及人才培养模式提供参考和借鉴。

干旱胁迫下冬小麦叶面积指数的高光谱监测

为实现干旱条件下冬小麦叶面积指数(LAI)的快速精准监测,为我国干旱半干旱地区的冬小麦安全生产提供理论和技术支持,为干旱条件下冬小麦LAI的快速精准监测提供参考,以不同干旱条件下的冬小麦为研究对象,测定关键生育时期冬小麦的LAI和冠层高光谱反射率,探索冬小麦LAI和高光谱反射率间的响应趋势,分别采用一阶微分(1ST)、标准正态变换(SNV)和对数变换(Log)3种方法对原始光谱反射率(R)进行预处理;对比分析不同预处理后光谱反射率与LAI的相关关系,采用偏最小二乘回归(PLSR)算法构建不同预处理下冬小麦LAI的监测模型。结果表明,在可见光区域和1100~1800 nm光谱区域,随着LAI的升高,光谱反射率呈现出逐渐增大的趋势;3种预处理方法均改善了光谱反射率与冬小麦LAI的相关性,其中1ST预处理后的光谱反射率与LAI的相关性最高,在1209 nm处相关系数达到了0.550。基于1ST预处理后光谱反射率,采用PLSR构建的冬小麦LAI监测模型表现最佳,相较R-PLSR模型,1ST-PLSR校正模型和验证模型的决定系数分别提高了42.974%和8.842%,均方根误差分别降低了33.710%和8.111%,相对分析误差分别提高了50.838%和8.813%。

干旱胁迫对冬小麦冠层光谱及红边参数的影响

[目的]干旱是影响我国北方麦区的重要气象灾害之一。及时准确获取和掌握麦田干旱情况,对各级政府部门做出相应决策、采取积极有效的防旱、抗旱措施具有重要意义。作物冠层光谱分析是进行作物长势监测及灾害诊断的基础和有效手段,探索干旱胁迫下冠层光谱特征的变化规律,可为作物田间干旱遥感监测的展开提供先决条件。[方法]利用野外光谱测量仪对干旱胁迫下冬小麦冠层光谱进行采集,并对光谱特征及红边参数变化趋势进行分析。[结果]在可见光波段,光谱反射率为成熟期>灌浆期>抽穗期>开花期>拔节期>孕穗期;在近红外波段,光谱反射率为抽穗期>开花期>拔节期>孕穗期>灌浆期>成熟期。随着生育期的推进,红边幅值先增大后减小(max=0.0076,min=0.0013),红边位置先红移后蓝移(max=739 nm,min=700 nm),红边面积先增加后减小(max=0.31673,min=0.07069)。干旱胁迫越重,绿峰越不明显,红谷越浅,近红外平台越低;干旱胁迫越轻,绿峰越凸出,红谷越深,近红外平台越高。随着干旱胁迫程度的增大,红边幅值逐渐减小(max=0.008,min=0.00571)、红边位置逐渐蓝移(max=737 nm,min=727 nm)红边面积也逐渐减小(max=0.32065,min=0.24366)。[结论]研究结果可为实现快速、精准的农业干旱遥感监测提供参考及依据。

《精确农业概论》“金课”建设“1223”模式的实践与探索

农业现代化和新农科人才培养对涉农高校农学类专业开设的精确农业概论课程建设水平的要求不断提升。而教学实践中存在的理论与实践脱节、教学方法僵化、内容陈旧、实践薄弱、考核单一等问题亟待改进。文章提出围绕新农科人才培养目标,突出理论实践并重,教学方法与内容创新,日常考察、形成性评价与考试结合的考核方法构建“1223”精确农业概论课程“金课”建设模式,以期对优化课程建设、提升教学效果发挥作用。

高校学籍管理系统的设计与实现

随着大学扩招政策的推行,高校学生人数急剧增加,有关学生的各种信息也成倍增长。开发简单易用,高效便捷的学生学籍信息管理系统势在必行。本系统本着规范管理、科学统计和快速查询的原则,在数据库设计原理支持下,完成了学籍管理系统的可行性分析、概要分析、详细设计,最终实现了信息的录入、查询和更新。

基于LST/VI的冬小麦农田含水量监测研究

利用MODIS数据提取了7种不同植被指数(LST/VI)作为遥感参数,将其与地面实测含水量进行相关性分析,探索不同植被指数与土壤、植株含水量的关系,旨在为山西省冬小麦农田含水量监测提供科学依据。结果表明:与植被供水指数相比,LST/DVI和LST/RDVI在拔节期进行冬小麦干旱监测较好;而在抽穗期LST/PVI、LST/SAVI可代替LST/NDVI来监测冬小麦干旱;成熟期利用LST/PVI进行干旱监测,其效果明显好于LST/NDVI。

不同糜子品种对低氮胁迫的生物学响应

采用溶液培养的方法,研究了低氮胁迫下不同糜子品种苗期生物学性状、氮素吸收利用效率差异及与根系形态生理指标之间的相关关系。结果表明,低氮胁迫下,糜子地上部生长受抑程度大于根部,植株氮累积量降低但氮利用效率明显提高。晋黍7号株高、叶面积、茎叶干重、根干重、总根数、总吸收面积和活性吸收面积下降幅度在所测试品种中均最小,其总氮累积量分别是晋黍1号、晋黍5号、晋黍8号的1.35、1.50、1.39倍,根系氮累积量/总氮量的百分率增加的幅度和地上部氮累积量/总氮量的百分率下降的幅度均最低,分别为9.75%和3.47%;植株氮利用效率比晋黍1号、晋黍5号、晋黍8号分别高20.92%、12.44%、14.83%。晋黍7号较其他品种更耐低氮胁迫。低氮胁迫下,糜子根系干重、总根长、总吸收面积与总氮累积量呈显著线性相关,表明低氮胁迫下,根系形态生理指标对氮素吸收效率起重要作用。

基于多变量统计分析的冬小麦长势高光谱估算研究

利用高光谱分析技术实现冬小麦长势的准确、无损监测具有重要的实践意义。基于连续两年的氮素运筹试验,通过获取叶面积指数(LAI)、地上干生物量(AGDB)、地上鲜生物量(AGFB)、植株含水量(PWC)、叶绿素密度(CH.D)和氮素积累量(ANC)六个冬小麦长势指标及冬小麦冠层高光谱,引入主成分分析法(PCA)构建可表征冬小麦长势的综合长势指标(CGI),并结合偏最小二乘回归法(PLSR)构建CGI的高光谱估测模型。结果表明,除植株含水量外,其他长势指标与所构建的CGI都达到极显著水平,表明利用CGI可以表征各长势指标信息。对比CGI和其他各长势指标的PLSR模型表现可知,CGI光谱监测模型表现最优(R2=0.802,RMSE=1.268,RPD=2.015),也具有较高的预测精度和稳健度(R2=0.672,RMSE=1.732,RPD=1.489)。表明基于PCA方法所构建的CGI可以表征冬小麦长势,利用PLSR方法可以实现对冬小麦长势的准确监测,且监测效果要优于单一的冬小麦长势指标。

基于遥感数据和气象数据的水旱地冬小麦产量估测

研究利用遥感数据进行了运城地区冬小麦不同生育时期归一化差值植被指数和产量关系的研究,利用气象数据和光谱数据构建了冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型。结果表明:运城地区水旱地冬小麦均以5月8日左右的NDVI值与产量相关性最好,且达极显著水平,因此该时期为建立冬小麦遥感估产模型的最佳时相。通过对冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型预测效果进行的F检验,表明各模型均达到极显著水平。与其他两种模型相比,光谱气象产量模型的决定系数(R2)有明显的提高,并且相对均方根误差(RRMSE)和相对误差(RE)降低,且降低幅度较大。说明光谱气象产量模型比气象产量模型和光谱产量模型有较好的预测效果。平均单产的遥感估产值略高于统计数据值,旱地估产精度为80.91%,水地估产精度为87.72%;总产量的估算值略高于统计值,旱地精度为99.20%,水地精度为80.54%。因此,利用遥感和气象数据建立模型进行单产和总产估测是可行的,且精度更高。

一种降低土壤水分对土壤有机质光谱监测精度的新方法

土壤有机质是土壤肥力的重要体现,土壤水分是限制利用光谱技术进行土壤属性光谱监测的重要因子之一。为了研究土壤水分对土壤有机质光谱监测精度的影响和实现土壤有机质（soil organic matter,SOM）的准确、实时监测,对151份麦田土壤样品的土壤水分、土壤有机质和土壤光谱进行了测定。基于土壤含水量（soil water content,SWC）分类法和归一化土壤水分指数（normalized difference soil moisture index,NSMI）光谱参数分类法对麦田土壤样品进行分类,并对土壤含水量、土壤有机质和土壤光谱参数之间的关系进行研究。结果表明：以土壤含水量对土壤样品进行分类后,各分组之间的土壤有机质光谱监测精度各异,且都高于不分组条件下（5%~20%）土壤有机质光谱监测精度,表明土壤水分确实影响土壤有机质的光谱监测。土壤含水量低于10%和高于20%时,土壤水分对土壤有机质光谱监测精度的影响较小,表明此时的土壤水分状态易于土壤有机质的光谱监测。另一方面,以NSMI光谱参数对土壤样品进行分类后,各分组条件下的土壤有机质光谱监测的拟合精度优于基于土壤含水量的分类方法,通过R2,RMSE和RPD模型验证参数的验证,各模型可靠,表明利用NSMI光谱参数的分类方法,在一定程度上可以实现对土壤自然条件下土壤有机质的实时、准确监测。但是,所提到的两种土壤分类方法在本质上一样,说明仍然可能存在最优的土壤分类方法,来克服和消除土壤水分对土壤有机质光谱监测精度的影响。为土壤水分和土壤有机质的大面积遥感提供一定的理论基础。

农作物冷冻害遥感监测研究进展

当前全球极端天气气候事件发生的频率和强度增大,造成的灾害损失不断增加。其中,冷冻害是作物常见的灾害之一,农业部门及各地方政府等相关部门都对农作物灾害的实时监测极为关注。遥感技术的发展为作物冷冻害的监测和预报提供了快速、无损、大面积监测的手段。本文对作物冷冻害遥感监测的主要研究进展进行了综述,并归纳了作物冷冻害遥感监测的主要技术方法。目前国内外关于农作物冷冻害遥感监测,在监测机理、精度、实时性和实用化等方面还存在着较大的不足,还有待于深入研究。对此提出了进一步加强光谱响应机理研究、空基和地基相结合、多源多时相数据互补的解决对策,并进行了展望。

基于光谱遥感的冬小麦籽粒淀粉积累量的监测

为了建立基于叶绿素密度淀粉积累量的最佳种植密度光谱监测模型,利用遥感技术准确测量小麦淀粉积累量,本试验通过大田试验,根据品种特性和晋中地区推广种植密度分别设置5个种植密度(300万苗.hm 2、450万苗.hm 2、600万苗.hm 2、750万苗.hm 2、900万苗.hm 2),对其冠层光谱、叶绿素密度和淀粉积累量进行了测定,并利用统计学方法对5个种植密度的数据进行分析,对混合密度进行模拟。结果表明,在5个密度梯度和模拟混合密度下所建立的淀粉积累量光谱监测模型中,以密度750万苗.hm 2条件下的NDVI(1 200 nm,670 nm)所建立的光谱模型最好,其精确度可达0.920 6。用2009—2010年的试验数据对模型进行检验,其预测值和实测值的R2也可达0.954 2,表明750万苗.hm 2的种植密度是对冬小麦淀粉积累量进行预测的最佳密度,依此所建立的冬小麦淀粉积累动态监测光谱模型是可行的。同时,所建立模拟混合密度模型的精确度可达0.883 1,验证R2也可达0.905 4,说明该模拟混合密度模型能够较准确地预测不同种植密度条件下的淀粉积累量。因此,模拟混合密度模型在现实应用中具有较好的适用性和普适度。

转Bt基因棉粉碎叶还土对土壤微生物活性的影响

为评价转Bt基因棉残体还田的生态效应,采用室内模拟试验方法,研究了转Bt基因棉粉碎叶还土后对土壤微生物活性的影响。结果表明,转Bt基因棉粉碎叶还土后在腐解中期可显著增加土壤细菌、真菌数量,对放线菌无明显影响。转Bt基因棉粉碎叶物质组成或Bt蛋白外的降解产物等方面的不同可能是对土壤微生物影响更为主要的原因。转Bt基因棉粉碎叶还土腐解中期显著提高土壤微生物生物量碳,但土壤基础呼吸和代谢商显著降低,表明转Bt基因棉粉碎叶还土土壤微生物对能源碳的利用效率提高了。

转Bt基因棉粉碎叶对土壤微生物群落功能多样性的影响

采用Biolog GN2微平板法,研究转Bt基因棉粉碎叶添加到土壤后,对土壤微生物群落功能多样性的影响。结果表明,在转Bt基因棉粉碎叶添加到土壤后,第10天和第40天的平均颜色变化率(AWCD)显著提高,表明微生物群落的代谢加快,活动强度加大;土壤微生物群落对糖类、胺类、氨基酸类和羧酸类4类碳源的优势利用顺序发生明显变化,表明土壤微生物群落结构及其功能多样性发生了一定改变;土壤微生物群落对聚合物类和其他类碳源的利用率无显著影响,但显著提高对糖类、胺类和氨基酸类碳源的利用率,并仅在第10天显著降低对羧酸类碳源的利用率,表明降解糖类、胺类和氨基酸类碳源的微生物可能是转Bt基因棉粉碎叶影响的主要土壤微生物类群。

基于反射光谱的不同播期冬小麦LAI监测研究

为利用遥感技术快速、无损伤监测不同播期冬小麦LAI,通过大田和室内试验,对5个不同播期处理的冬小麦LAI进行了测定,并在此基础上建立了基于反射光谱的不同播期冬小麦LAI监测模型。结果表明,在4个播期处理和一个所有播期组合下所建立的LAI监测光谱模型中,以播期3条件下的PVI(1460,460)和LAI相关性最好,决定系数可达0.8296,播期3是监测冬小麦LAI的最适播期,依此所建立的冬小麦LAI监测光谱模型是可行的。同时,所有播期组合的LAI与PVI(1460,460)也有较高的相关性,说明在此基础上所建立的模型具有较好的普适度,这为冬小麦品质的大尺度遥感监测和小麦生产的宏观管理调控提供理论依据。

基于随机蛙跳和支持向量机的冬小麦叶面积指数估算

[目的]作物叶面积指数(LAI)与其长势密切相关,通过研究小麦冠层光谱的不同预处理方法、波段选择方法和模型构建方法的不同组合,找出适用于小麦LAI估算的最佳预测模型,为快速准确监测冬小麦LAI提供参考。[方法]本研究以冬小麦为研究对象,测定其在不同生育时期的LAI与冠层光谱反射率,研究了原始光谱、一阶和二阶导数光谱与LAI之间的相关系数并采用随机蛙跳算法对其进行特征波段的提取,最后基于选取的特征波段,使用偏最小二乘回归(PLSR)和最小二乘支持向量回归(LS-SVR)分别构建LAI预测模型。[结果]结果表明,二阶导数光谱不仅可以改善红边区域波段与LAI之间的相关系数,在725 nm处其相关系数达到0.662,而且提高了特征波段的选择概率,在732 nm处,其选择概率达到0.688。相比采用相关系数和竞争自适应重加权采样(CARS)所建的模型,用随机蛙跳选择的特征波段构建的模型预测精度更高,校正集决定系数达到0.956,验证集决定系数达到0.902,校正集均方根误差降低到0.367,验证集均方根误差降低到0.601。此外,在LAI的预测模型中,LS-SVR的性能优于PLSR。[结论]采用二阶导数预处理结合随机蛙跳特征波长选择算法并使用LS-SVR构建的LAI预测模型性能最佳,可为快速检测LAI提供一种可行的解决方案。

不同灌溉条件下冬小麦叶面积指数的高光谱监测

LAI是作物长势监测的一个重要指标,实时、无损和准确地估测冬小麦LAI具有重要的实践意义。通过对冬小麦进行不同的灌溉处理试验,研究LAI与冠层光谱反射率的关系,计算350～2 450 nm不同波段组合的原始光谱指数和导数光谱指数,筛选最优波段组合光谱指数,并建立LAI的监测模型。结果表明,冬小麦LAI与冠层光谱反射率和不同波段组合光谱指数相关性较好;冬小麦LAI监测的最优光谱指数为DVI(435,447),以此为自变量建立的指数模型y=10.669e^(-701.9x)表现最优,模型最稳定。

干旱胁迫下冬小麦植株含水量的高光谱监测

为实现干旱胁迫下冬小麦植株含水量(PWC)的定量监测,对冬小麦进行干旱胁迫,在获取冬小麦关键生育时期的冠层光谱及植株含水量基础上,采用5种常规预处理分析方法,优化原始光谱信息并分析各预处理光谱与PWC之间的关系,并利用连续投影算法(SPA)提取冬小麦PWC的光谱特征,建立并比较基于全谱(PLSR)和光谱特征波段(SPA-MLR)的冬小麦PWC光谱监测模型。结果表明,与原始光谱相比,预处理光谱可以显著提高其与冬小麦PWC的相关性,且光谱波段570、680、740、970、1410、1510、2000 nm与冬小麦PWC存在紧密关系;同时采用SPA方法提取并证实光谱区域650~800、950~1200、1400~1500、1900~2200 nm包含冬小麦PWC的重要信息。对比PLSR和SPA-MLR这2类模型表现可知,相同预处理光谱条件下的PLSR模型优于SPA-MLR模型,其中基于全谱的PLSR模型中,一阶微分预处理(1st)光谱条件下的冬小麦PWC的PLSR模型监测效果最优(Rc^(2)=0.957、RMSEc=0.017、RPDc=4.788),基于特征波段的MLR模型中,MSC预处理光谱条件下模型整体表现最好(Rc^(2)=0.814、RMSEc=0.036、RPDc=2.243),且具有实践上的应用潜力。综上可见,光谱预处理在一定程度上可以提高与PWC相关关系和影响监测模型表现,而构建模型方法可能对模型估算精度产生更为积极的效果,同时证实高光谱技术能够敏感响应干旱胁迫条件下冬小麦植株含水量,且可以实现其准确定量监测。

干旱胁迫对冬小麦光合色素含量影响的高光谱监测

为明确干旱胁迫下冬小麦光合色素含量变化的高光谱响应特性,实现冬小麦光合色素含量的定量监测,以冬小麦长6878为研究对象,利用高光谱技术对干旱胁迫下和复水后冬小麦光合色素含量进行了监测。结果表明,在冬小麦生长前期进行轻度干旱胁迫,生长后期复水后光合色素含量会有显著提升,中度和重度干旱胁迫下光合色素含量则显著降低;随着干旱胁迫程度的增加,生长前期在可见光区域光谱反射率逐渐升高,红边位置逐渐蓝移,生长后期复水后,轻度胁迫处理下的光谱反射率及红边参数较对照没有明显的变化,但中度和重度干旱胁迫下,红边振幅和红边面积大幅减小。在基于原始光谱反射率和一阶微分光谱反射率建立的全波谱的PLS模型和基于特征波段的MLR模型中,最优模型分别为基于R+SPA+MLR建立的叶绿素a含量监测模型(R2 v=0.705,RMSEv=0.556,RPD=1.592)、基于1st+PLS建立的叶绿素b含量监测模型(R2 v=0.696,RMSEv=0.188,RPD=1.856)和基于1st+PLS建立的类胡萝卜素含量监测模型(R2 v=0.493,RMSEv=0.138,RPD=1.261)。

基于高光谱技术的土壤蛋白酶活性估测

快速测定土壤蛋白酶活性,对评估土壤健康状况、建立可持续耕作管理模式具有重要意义。为探究高光谱技术在估测土壤蛋白酶活性方面的可靠性,试验以128个土壤样品为研究对象,测定其蛋白酶活性和土壤光谱信息,观测不同蛋白酶活性水平下土壤光谱反射率的变化;并对原始光谱数据及不同光谱预处理数据分别与土壤蛋白酶活性进行相关性分析,构建偏最小二乘(PLS)线性模型和支持向量机(SVM)非线性模型对土壤蛋白酶活性进行估测。结果表明,蛋白酶活性在一定范围内,土壤光谱反射率随蛋白酶活性增加而升高;不同预处理方法显著提高土壤光谱数据与土壤蛋白酶的相关性,其相关系数最高达到0.99;基于不同预处理所建立的PLS线性估测模型和SVM非线性估测模型,在导数变换预处理下模型效果最好,且在大部分预处理下所构建的模型都可以较为可靠地对土壤蛋白酶活性进行估测;基于一阶导数预处理所构建的PLS线性模型表现优于其他模型(Rc^(2)=0.99、RMSEc=0.08、RPDc=10.51;Rv^(2)=0.96、RMSEv=0.17、RPDv=4.68)。高光谱技术在一定程度上可以较为准确地估测土壤蛋白酶活性。