基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究

将遥感与作物模型耦合有利于提高作物模型在区域尺度应用时的精度。基于集合平方根滤波算法(Ensemble Square RootFilter,EnSRF)和粒子群优化算法(Particle Swarm Optimization,PSO),以叶面积指数(Leaf Area Index,LAI)和叶片氮积累量(Leaf Nitrogen Accumulation,LNA)共同作为同化耦合点和过程更新点,将同化与更新策略相结合,研究建立了基于遥感信息与水稻生长模型(RiceGrow)耦合的水稻生长与产量预测技术。结果表明,将更新和同化策略结合后,利用RiceGrow模型模拟的水稻生长指标和产量结果更接近于实测值。其中LAI、LNA和产量与实测值间的RMSE分别为0.94、0.47 g/m2和320.15 kg/hm2;RiceGrow模型直接模拟LAI、LNA和产量的RMSE为1.25、1.24 g/m2和516.83 kg/hm2;而单纯基于同化策略模拟LAI、LNA和产量的RMSE为1.01、0.59 g/m2和335.70 kg/hm2。此外,基于该技术的模型区域尺度预测结果能较好地描述水稻生长和产量的时空分布状况,生长指标及区域总产量的模拟相对误差均小于20%。显示基于更新和同化策略相结合的遥感与模型耦合技术具有较高的预测精度,从而为区域尺度作物生长和产量预测提供了技术支撑。

从植保无人机经验探析我国精确农业发展路径

精确农业是运用信息技术和智能装备技术管理、经营农业生产的一种理念,通过空间变异优化投入而提高资源利用效率,实现降低成本、提高产量和改善环境的目的。在世界人口不断膨胀、自然资源日益减少和生态环境持续恶化的背景下,许多国家逐步达成发展精确农业的共识,以期保障粮食安全和实现农业可持续发展。首先介绍国内外精确农业的发展与现状,分析我国发展精确农业面临的问题与挑战,然后从近年植保无人机的快速发展中借鉴经验,探析我国精确农业的发展路径,以期助力具有中国特色的精确农业建设。

区域尺度农业管理分区的无监督特征选择与破碎度优化算法

针对区域尺度管理分区指标筛选与分区破碎问题,提出基于指标相关性聚类的无监督过滤式指标选择方法 FSCC(feature selection based on correlation clustering algorithm,FSCC)与基于一致性和完整性的指标优化方法(consistency and integrityoptimization,CIO)。以中国主要冬小麦种植区为研究区域,气象、土壤、地形等小麦生长相关指标为数据源,研究区域从大到小划分为4个尺度,首先选用最大方差、拉普拉斯得分2种传统过滤式特征选择方法与FSCC分别进行4个尺度的管理分区指标筛选,对比基于3种方法筛选指标集构建的管理分区划分结果,评价FSCC分区指标选择方法;其次,设计指标优化算法,对4个尺度筛选的指标集分别进行一致性与完整性分析与优化。结果表明:相较最大方差法和拉普拉斯得分法,FSCC筛选指标的分区效果具有较好表现,如皋2.5km处,其评价指标模糊性能指数(FPI)、归一化分类熵(NCE)和修正分离熵(MPE)均低于另外2种方法 52.44%、49.45%和49.52%;CIO在如皋、南通尺度下有效剔除分区破碎指标,分区完整性明显,除南通10 km外,CIO比FSCC的指标集,FPI、NCE、MPE分别平均低0.078、0.061、0.082,相对提升了FSCC的分区效果。

以乡村振兴战略为契机探究农业高校重点实验室的管理创新

“十三五”时期,是全面建成小康社会的决胜阶段,是深入推进农业供给侧结构性改革、转变我国农业发展方式、加快农业现代化建设的关键时期。农业高校重点实验室是我国农业科技创新的重要源头,是科学研究、人才培养、社会服务、文化传承与创新的重要基地。在乡村振兴战略中有所作为,也是时代赋予农业高校重点实验室的历史使命。为进一步充分发挥农业高校重点实验室的自身优势,助力乡村振兴战略,本文就农业高校重点实验室管理模式创新进行进一步探究。

智慧农业远程监控系统设计

随着物联网技术的发展,远程监控技术获得了很大的发展空间。传统农业也开始逐渐向自动化控制的智慧农业方向发展,不但能够解放大量的劳动力,还能提高农作物产量,提高了劳动生产率。将物联网技术应用到智慧农业中,能够解决人多土少带来的粮食短缺问题。基于自动化控制技术结合物联网技术的智慧农业将是未来我国农业产业发展的主要方向,能够有效提高农业的现代水平。本文重点分析了智慧农业的远程监控系统框架设计与关键技术。

乡村振兴战略视域下农业高校重点实验室的管理创新探究

乡村振兴战略的实施,为农业高校重点实验室的发展带来了挑战与机遇。提升高校重点实验室管理水平,是充分发挥农业高校重点实验室社会服务功能、为乡村振兴战略实施工作提供助力的关键。本文在对乡村振兴战略实施工作与农业高校重点实验室管理之间的关系进行分析与论述的基础上,对农业高校重点实验室管理创新路径进行了研究与探讨。

全球数字农业创新分析及对中国数字农业发展的思考

文章基于Scopus数据库搜索出数字农业1994-2020年相关的研究产出成果,并利用SciVal分析出不同阶段文献量的变化趋势,重点选取分析2015-2020年数字农业应用及相关方法研究的论文及专著等学术产出,主要包括文献量、合作情况、重要研究机构和学者、热点主题等内容,结合这些研究内容分析了全球数字农业领域的研究热点和发展趋势,提出了加速创新从量的追求同步到质的提升、推动网络化国际合作协同创新、注入企业在开发应用中的强劲动力、提高“三农”与创新应用的耦合协调度等促进我国数字农业发展的建议。

无人机遥感作物估产研究进展

快速、准确估测作物产量不仅有利于提前掌握粮食生产状况,而且对国家粮食政策的制定至关重要。无人机遥感技术因其快速、便捷、成本低等优势,以及可同时搭载多种传感器获取高时空分辨率影像,在作物产量估测研究中发挥了重要作用。本文首先介绍了无人机遥感估产的相关背景;其次对近二十年来无人机遥感估产的研究现状进行了概述,分别从无人机平台、传感器、估产模型构建等方面重点综述了近年来国内外无人机遥感估产的研究进展;最后讨论了影响无人机遥感估产精度的因素、尚未解决的关键技术问题以及无人机遥感估产的未来发展前景。本文可为了解无人机遥感估产研究前沿、技术瓶颈、发展前景提供重要参考,为精确栽培、智慧育种提供技术支撑。

基于分层多端元混合像元分解的水稻面积信息提取

为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法(stratified multiple endmember spectral mixture analysis,SMESMA)。层次分类有效降低了地物复杂度,而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混,克服了"同物异谱"造成的光谱变异问题,两者结合可有效提高分类精度。以江苏如皋市为研究区,基于HJ-1B CCD影像,分3个层次,当某类地物信息被提取后便将其从影像中去除,进行下一层次分类,各层次均采用多端元混合像元分解方法,综合EARMSE、MASA、CoB等算法以选取最佳端元,实现了如皋市水稻种植面积信息有效提取。结果显示SMESMA法分类精度达85.78%,kappa系数为0.85,基于最大似然分类法(MLC)的分类精度为79.1%,kappa系数为0.78。表明SMESMA是一种适合基于中低分辨率影像进行作物分类和面积提取的有效方法。

作物生长信息获取多光谱传感器设计与试验

为了实时、快捷、无损获取农作物生长信息,根据作物生长指标的光谱监测机理,研制了一种四波长作物生长信息获取多光谱传感器。采用光学滤波技术提高了光辐射信息输入信噪比,依据作物冠层特征及田间作业环境实际要求,设计了适宜的探测镜头结构参数,确保了多光谱传感器灵敏度与分辨效果,应用T型电阻积分网络搭建了微弱光谱信息放大电路。通过标定,获得了多光谱传感器与FieldSpec Pro FR2500型光谱仪的关系模型,决定系数分别为0.802 8、0.806 8、0.818 5、0.890 0。对小麦的试验结果表明,该传感器的平均测量误差分别为5.6%、4.6%、1.4%、4.5%。该传感器能够较好地实现作物冠层反射光谱的实时在线检测,为作物生长监测设备的研发提供了有力支持。

基于主动光源的作物生长信息监测仪的设计与试验

为了实现大田作物生长信息全天候实时、快速无损监测,基于作物生长光谱分析技术原理,研发了一种基于主动光源的作物生长信息监测仪。该监测仪包括由730和810 nm 2个光学通道组成的作物生长信息传感系统、控制器系统及其他部件,能快速、准确地获得作物冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值等主要光谱植被指数信息,为大田作物生长指标的实时反演奠定了基础。试验结果表明,在不同光照条件下,监测仪的抗光照稳定性能良好,标准差为1.05%和0.47%;该监测仪与Field Spec3地物光谱仪测得小麦冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值具有显著相关性,其决定系数分别为0.7017、0.7071、0.8178、0.7804;均方根误差分别为0.05362、0.2118、0.03434、0.04182。该监测仪具有稳定性好、抗干扰能力强、操作简便等优点,能够满足大田作物生长信息监测的要求,该研究为实现作物精确管理调控提供了可行的参考方法。

小麦群体生长状态实时绘制技术及实现

为了有效提高小麦群体可视化的真实感与实时性,该文提出一种基于多技术融合的小麦群体生长实时绘制的方法。首先,根据小麦群体形态建成规律,定量分析了小麦群体中个体间差异性。其次,在改进群体显示实时性方面,基于已有的小麦个体生长可视化,采用细节层次(LOD)模型,根据视点、视角和视线来动态指导空间剖分以及细节层次的选择;采用视域裁剪技术,通过减少被检测节点的数量和提高单个节点视域裁剪的处理速度来提高系统的渲染速度;基于小麦群体中个体器官形态的组成,结合树形多级显示列表技术,通过改进数据结构设计,提高场景的显示效率;在增强群体可视化真实感方面,基于已有的小麦形态模型输出,通过小麦群体中个体间差异性分析研究,采用外部引用和实例化技术,创建互异的个体实例样本,群体绘制时进行随机引用,提高了显示的真实感;最后,进行基于不同技术小麦群体绘制的效率与实例分析比较,结果表明,基于多技术融合场景绘制算法的小麦群体生长可视化,具有较好的实时性和真实感。研究结果为进一步建立小麦生长可视化系统奠定了基础。

基于QUEST决策树的Landsat 8遥感影像的南京市土地分类研究

以南京市为研究对象,获取研究区域Landsat8 OLI遥感影像,利用QUEST决策树的分类方法对影像进行分类。将植被覆盖指数(NDVI)、迭代自组织数据分析技术(ISODATA)非监督分类作为地学辅助数据因子添加到分类波段中,构建多源数据集进行不同特征的融合,处理目标类别之间的非线性关系。该方法灵活性大,总精度达91.045%,Kappa系数为0.851,取得了比普通方法更好的精度。精度的提高有助于解决南京市复杂的规划、决策和管理等问题。

优化初始中心点的小麦品质区域聚类

为探寻区域性小麦品质聚类的适宜算法,针对经典K-Means(KM)算法对初始聚类中心的敏感问题,以我国主要冬麦区为研究实例,探讨了两种初始中心点改进算法对大规模小麦品质数据集的适应性,综合距离与密度两因素,提出了一种基于密度参数和邻域半径的优化初始中心点小麦品质聚类算法。相对KM算法及文献改进算法,所提算法可较为准确地提取数据集高密度区域的初始中心点,聚类过程及性能对静态簇与非静态簇两种不同迭代方案相对不敏感。实验结果验证了算法的有效性和可行性,在收敛性能及稳定性方面具有一定的优势。

基于互联网技术的便携式高值仪器管理系统的构建

针对农业信息化实验室的便携式高值仪器设备管理现状,从设备信息管理不足、租借流程管理不规范、设备使用效率不高等实际问题出发,设计并建设了基于互联网技术的便携式高值仪器管理系统。该系统将便携设备管理与移动互联网优势进行有机结合,将便携式设备抽象为唯一的条形码,实验基地抽象为地理围栏,利用移动终端扫码、定位、通信实现对便携式设备的入库管理、租借流程进行信息化,从而实现高效,便捷的设备全生命周期管理。系统目前已经整合到实验室管理微信平台,并在水稻大田实验中推广使用。系统的运行提高了设备的使用效率,缩减了实验室设备管理人工成本,使得实验室设备管理更加科学化、信息化。

利用经济普查数据建设商业地理信息系统——以北京市为例

商业GIS是以地理信息技术为基础、以系统集成的商业数据为驱动、以商业应用为目标的空间信息系统。本文利用北京市经济普查数据成果,从商业业务流程和技术发展的需要两个角度进行了商业GIS的需求分析,设计了一套可伸缩的商业地理信息系统架构方案。在此基础上,从商业GIS通用功能和业务功能两个方面进行了功能设计,并实现了北京商业GIS原型系统,为政府商业网点布局和商业规划、商业企业营销和选址提供了商业分析工具,并以期为政府部门和商业企业提供全面的空间信息服务和商业决策支持。

“双一流”背景下高校大学生安全教育课程的建设与实践

“双一流”背景下高校如何通过建设大学生安全教育课程提高大学生安全意识,促进大学生身心健康发展非常重要。为此,文章从大学生安全教育课程建设与实践现状入手,对其进行了全方位、深层次的剖析,并在此基础上全面而深入的探究了大学生安全教育课程建设与实践策略。

基于虚拟植物技术的冬小麦根系3D构型测试与分析

【目的】构建一套由硬件和软件集成且完整而适用的虚拟植物根系技术,定量描述稻茬田冬小麦根系的三维几何构型特征。【方法】自主设计制作"根系构型数字化仪",该数字化仪为纯机械结构,分别设有一个水平回转臂、一个横向滑动臂和一个竖向滑动臂,回转臂与滑动臂都配有标尺,且3者的组合运动能保证测头在3D范围测取任一点的空间坐标。测量时将置于工作台的根区土壤按3—5 mm厚度逐层清除并进行根系构型数字化,从而测取田间小麦根系的真实空间拓扑数据,实现小麦根系实体构型的数字化。将实测的小麦根系构型数据导入Pro-E软件平台,利用软件的3D造型技术完成小麦根系构型的虚拟重构,实现计算机虚拟根系与实体根系的一致性。利用软件的分析工具对虚拟重构的小麦根系构型进行计算分析,定量小麦不同时期根系的三维空间构型、根系的土体空间搜寻能力、根系总长以及根系平均增长率等指标的变化,通过不同的指标反映田间土壤环境下真实小麦根系构型的时空动态。【结果】植物根系构型数字化仪能够提供<1 mm的测试分辨率,操作使用方便,耐污染、抗干扰能力强,对工作环境要求不高,可满足作物根系三维空间几何构型测试要求,而使用Pro-E的小麦根系三维空间几何构型重构技术也便于根系构型的深度计算与分析。冬小麦的根系构型分析结果表明,该虚拟根系技术能够直观展示小麦生长期不同时间节点的根系构型状态特征及土体空间搜寻动态,根系构型图可以反映各时期小麦根系在土体中的纵深拓展和周向扩展状态。同一时期植株个体的根系构型变异性较大,越冬期小麦根系很浅,在返青及分蘖旺期小麦的根系迅速向深层土层中伸展,拔节期根系爆发迅速。【结论】由软硬件单元组构的虚拟植物根系三维空间几何构型的测试与分析方法是准确定量根系动态、根-土关系、根系拓扑特征、根系动态空间行为指标等作物根际生理生态行为的技术保障,其不仅直观展示了水稻土条件下冬小麦根系空间几何构型在不同时期的空间拓展状况,也能够定量根系构型的动态,因此能够满足作物根系三维空间几何构型分析的实用要求。

基于不同叶位日光诱导叶绿素荧光信息的水稻叶瘟病早期监测

[目的/意义]基于遥感手段的稻叶瘟(Rice Leaf Blast,RLB)无损早期监测对于抗性育种和植保防控具有重要作用。目前对稻瘟病的研究多使用反射光谱在其显症阶段进行监测,针对稻叶瘟早期侵染阶段的日光诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence,SIF)光谱监测研究尚未见报道。本研究的目的是基于不同叶位的日光诱导叶绿素荧光信息,实现水稻叶瘟病早期阶段感病叶片的准确识别。[方法]基于一年的温室接种试验和大田采样实验,配合使用主动光源、ASD(Analytical Spectral Devices)地物光谱仪和FluoWat叶片夹,获取了拔节期和抽穗期水稻植株顶1至顶4叶位的叶片SIF光谱,并人工标注了被测样本的发病等级。研究基于连续小波分析(Continue Wavelet Analysis,CWA)提取对稻叶瘟敏感的小波特征,比较了不同叶位敏感特征及其感病叶片识别精度,最后基于线性判别分析(Linear Discriminant Analysis,LDA)算法构建了稻叶瘟识别模型。[结果和讨论]各叶位感病叶片远红光区域的上行和下行SIF均显著高于健康叶片;基于SIF小波特征的感病叶片识别精度显著高于原始SIF波段,顶1叶的稻瘟病识别精度显著高于其他三个叶位,其识别精度最高可达70%;提取的适用于多叶位的共性敏感小波特征↑WF832,3和↓WF809,3在顶1至顶4叶的精度分别达到69.45%、62.19%、60.35%、63.00%和69.98%、62.78%、60.51%、61.30%。[结论]本研究揭示了稻瘟病胁迫下水稻叶片SIF光谱响应规律,提取了对稻叶瘟敏感的SIF小波特征,结果证明了连续小波分析和SIF技术用于诊断稻叶瘟的潜力,为实现稻瘟病的田间早期、快速、原位诊断提供了重要参考与技术支撑。

稻麦复种模式下氮肥与稻秸互作对小麦产量和N_(2)O排放影响及推荐施肥研究

优化氮肥施用和秸秆还田技术为途径的农业管理措施被认为是提升农业可持续性的有效手段,然而当前关于氮肥和秸秆还田对小麦产量和N_(2)O排放影响的研究仍十分有限。为此,本研究基于2000—2022年发表的关于长江中下游流域氮肥和秸秆投入下小麦产量和N_(2)O排放变化的文献,运用随机森林建模,定量分析氮肥和秸秆还田对小麦产量和N_(2)O排放的影响,并结合情景设置进行了特定地点的小麦产量和N_(2)O排放模拟,同时评估了碳排放强度(CEE)和净生态系统经济效益(NEEB)。结果表明,建立的区域尺度小麦产量与N_(2)O排放对氮秸互作响应的随机森林模型,验证结果R^(2)分别为0.66和0.65,RMSE分别为0.70和1.11。结果表明施氮量和土壤有机质是影响小麦产量和N_(2)O排放的重要因素。综合来看,达到最大产量所需的氮肥量为208~212 kg hm^(-2),达到最小CEE所需的氮肥量为113~130 kg hm^(-2),达到最高的NEEB所需的氮肥量为202~205 kg hm^(-2),其中在6.75 t hm^(-2)的秸秆投入下施用202 kg hm^(-2)的氮肥可以获得最高的生态收益1.37万元。优化氮肥和秸秆投入具备减少作物碳排放强度并获得最大净生态环境效益的潜力。