2024年上半年中国马铃薯市场形势回顾和后期展望

受冬季马铃薯产量提高和库存秋薯数量偏多影响,2024年前4个月中国马铃薯市场价格同比下跌;在春薯产量增加、马铃薯品质下降和蔬菜价格偏低等因素共同作用下,5—6月马铃薯市场价格延续同比下跌趋势。总的看,2024年上半年马铃薯市场价格低于上年同期水平,但从近10年同期值来看,按照从高到低排序,2024年上半年马铃薯价格居第5位,总体处于中等水平。由于2024年春薯和秋薯种植面积均扩大,在不发生大规模、持续性自然灾害的情况下,下半年马铃薯市场价格预计会延续同比下跌趋势。目前,中国马铃薯产业仍存在薯价波动幅度大、生产技术水平偏低和品牌保护不足等问题。基于此,建议各地促进产销对接、加大科技研发推广以及强化品牌保护,进一步推动中国马铃薯产业高质量发展。

不同湿度指数在湿地分类中的对比研究

为探讨不同湿度指数用于湿地信息提取的能力,选取7个常用的湿度指数(包括NDWI、MNDWI、RNDWI、EWI和缨帽变换的湿度分量等)作为指标,以达赉湖国家级自然保护区为研究区,利用2013年9月6日MODIS(MOD09Q1和MOD09A1)数据,采用支持向量机分类的方法,对研究区进行湿地与非湿地区分研究,并进行湿地亚类(沼泽、水体)的分类试验。分类结果的精度评价表明:1)湿地与非湿地区分能力最好的指数为基于缨帽变换的湿度分量TC-Wetness,制图精度达97%以上,用户精度达96%;2)对湿地亚类的分类结果表明,提取水体最好的指数为第一类湿度指数,以NDWIB4,B2为最优,提取沼泽最优的指数为缨帽变换的湿度分量(TC-Wetness),可以有效排除草地对沼泽提取的干扰。研究区分类结果总体精度最高为88.7%,但沼泽的提取精度仅为48%,说明利用遥感湿度指数一种指标难以满足湿地分类的需要,多指数结合以及地形和其他相关辅助数据的加入对提高湿地分类精度具有重要帮助。

2022年马铃薯市场形势回顾和2023年展望

2022年我国马铃薯市场行情具有库存薯供应阶段薯价偏低、春薯和秋薯供应阶段薯价高企、总体价格水平高等3个显著特点,预计2023年马铃薯市场走势呈现先同比上涨、后同比下跌的情况。目前我国马铃薯产业发展存在生产总成本上升较快、产业韧性有待加强和部分产区亟待转型升级等突出问题。建议各地多措并举促进马铃薯节本增效、着力提升马铃薯产业链发展水平、大力发展马铃薯特色优势产业,加快推进马铃薯产业高质量发展。

2023年上半年中国马铃薯市场形势回顾和后期展望

受库存薯市场供应偏紧和冬薯主产区遭受低温灾害天气影响,2023年上半年前期马铃薯价格同比偏高;在种植规模缩减和灾害天气影响共同作用下,春季马铃薯价格较上年明显上涨;从近10年同期数值来看,2023年上半年马铃薯总体价格水平处于最高位。由于2023年6—8月马铃薯市场供应主体为2023年产季春季马铃薯,预计薯价仍将高于上年同期水平;9—12月,马铃薯市场供应主体为2023年产季秋季马铃薯,在不发生大规模、持续性自然灾害的情况下,马铃薯市场价格预计同比下跌。目前中国马铃薯产业仍存在育种短板突出、种植收益波动大和优质优价机制不健全等值得关注的问题。基于此,建议各地加大马铃薯育种研发、完善马铃薯收益保障机制以及加快农业品牌培育,进一步推动中国马铃薯产业持续健康发展。

基于优选特征及月合成Landsat数据湿地提取研究

针对Landsat卫星完整时间序列数据难以获取导致的湿地提取准确性较低和湿地提取最优特征不明确的问题,该文提出一种基于优选特征和月合成时间序列Landsat数据提取湿地的方法。通过月合成方法,利用Landsat7ETM+和Landsat8OLI数据构建Landsat 30m地表反射率、NDVI、NDWI和缨帽变换湿度分量的时间序列;利用随机森林算法和扩展的Jeffries-Matusita距离(JBh)优选对湿地提取贡献较大的特征,并基于优选特征提取湿地。结果显示:1)月合成方法有效地改善了条带和云覆盖造成的Landsat单景影像数据缺失问题;2)5月NDVI和6、8月NDWI以及5月TC-Wetness是区分永久性草本沼泽、水稻田、草地和旱地的最优特征;3)基于优选特征的湿地分类结果总体精度达到0.91,Kappa系数为0.89。特征优选减少了数据冗余,提高了运算效率,为提高湿地分类精度提供了理论基础。

作物病虫害绿色防控效果评价方法现状及发展趋势

科学合理的评价方法是快速高效检测农作物常见病虫害绿色防控技术应用效果的关键,对于提高农产品质量,保障食品安全有着重要意义。根据现有研究成果,本文从评价区域范围、评价指标和评价模型等方面阐述了我国当前农作物病虫害绿色防控技术应用效果评价方法现状,分析了现有农作物病虫害绿色防治技术应用效果评价方法中存在的不足,并就未来的发展趋势进行了展望。

中国与主要大豆进口来源国价格关联和政策应对

中国大豆进口量持续保持高位,其价格波动一直是关注焦点。为研究不同大豆市场价格传导的差异,选取中国、巴西、阿根廷和美国大豆市场2014年1月—2021年5月的日度价格数据,采用小波模型与Copula函数对中国与各国大豆市场价格关联进行实证分析。结果表明:中国大豆市场价格与各国大豆市场价格之间均存在显著正向关联,关联程度随时间尺度的扩大而增强,其中与巴西关联性最为显著;尾部价格联动效应存在差异,价格波动超过1个月,与阿根廷、美国分别对价格下降、上涨更敏感;中国与巴西、美国大豆市场价格都存在明显的非对称价格传导,不同国家正/负向传导效应在时间尺度上存在差异。基于研究结果,提出了提高国内油料生产,丰富进口来源,加强市场监测预警等政策建议。

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型。研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳。对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数。

基于姿态估计的动物行为识别研究进展

为分析姿态估计在动物行为识别和动物福利研究中的应用和发展潜力,本文以基于深度学习的姿态估计方法为突破口,从二维和三维空间的角度综述了动物姿态估计研究进展和方向,并介绍常见数据集与评价指标;然后整合基于姿态估计的动物行为识别相关研究成果,重点介绍关键点检测和行为分类的算法及其特征选取方式。姿态估计为动作识别和行为分析等研究提供了骨架信息和运动特征,成为动物行为识别和异常信息预警的非接触式监测方法。但由于受到训练数据集较少的限制,相对于人体姿态估计,动物姿态估计研究和发展速度相对较慢。因此,近年来利用跨域学习的方式来进一步提升其性能成为一种新兴手段。本综述为动物智能行为识别、动物福利研究以及智慧养殖等相关研究者扩展研究思路和研究方法。

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究。结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高。2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分类效果优于含一种传感器的IMU。3)传感器频率与分类模型的性能相关,频率越高,正确率越高,当传感器频率设置为25Hz时,奶牛行为判别效果最好。4)在1、2和4s这3种时间窗中,使用4s时间窗的奶牛行为分类模型性能最好。5)采用最优配置时,卷积神经网络模型能够有效的判别奶牛站立、躺卧2种状态,正确率为99%;可以对奶牛卷食、咀嚼、站立反刍、躺卧反刍、躺卧休息、站立休息6类行为进行判别,正确率为85%。采用IMU和卷积神经网络算法,可以有效的对细粒度奶牛行为进行判别,为奶牛养殖的自动化、智能化管理提供支撑。

中国超大城市不透水面扩张对对流层NO_2柱浓度的影响

基于Aura卫星的臭氧检测仪(OMI)数据及Landsat卫星影像,分别分析了中国7座超大城市2005—2017年的对流层NO_2柱浓度(TroNO_2浓度)时空变化规律和不透水面扩张模式,并探讨了二者之间的联系,结果表明:①7座城市总体表现为TroNO_2浓度先升高后降低、高值区域先扩大后收缩甚至消失的趋势.变化存在显著的周期性,冬季浓度远高于夏季.②各城市不透水面面积分别扩张至120%～200%,扩张模式多表现为由中心向四周辐射式扩张,不透水面的空间分布和扩张趋势与TroNO_2浓度高度相关.③各城市市辖区TroNO_2浓度与不透水面覆盖率(ISC)呈高度正相关,二者冷热点空间分布规律一致,松散型、紧凑型、密集型、高度密集型市辖区的TroNO_2浓度均值依次增加,发生不透水面扩张的区域标准化TroNO_2指数呈上升趋势.④自然条件、经济产业结构、机动车尾气排放、重大赛会的举办及相关政策等因素均与TroNO_2浓度密切相关.