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。

农田土壤有机碳高光谱特征及定量监测研究

为实现对农田土壤有机碳含量的快速定量监测,采用9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小麦土壤有机碳含量之间的关系,利用连续投影算法(SPA)提取土壤有机碳的光谱特征,并建立基于全谱和光谱特征波段的两类土壤有机碳光谱监测模型。研究表明,与原始光谱相比,预处理光谱可以显著提高其与小麦土壤有机碳的相关性。同时,采用SPA方法提取并证实了光谱区域400~450 nm、510~620 nm、1010~1060 nm、2000~2400 nm的土壤有机碳含量等重要信息。对比两类模型表现可知,相同预处理光谱条件下,连续投影算法-多元线性回归(SPA-MLR)模型优于偏最小二乘回归(PLSR)模型,其中,基于多元散射校正(MSC)预处理光谱条件下的农田土壤有机碳含量估算模型整体表现最好(R_(v)^(2)=0.726、RMSE_(v)=0.109、RPDv=1.956),且具有实践上的应用潜力。本研究证实,光谱预处理在一定程度上可以提高光谱反射率与小麦土壤有机碳含量的相关性,且影响监测模型表现,同时模型构建方法可能对模型估算精度产生更为积极的效果。本研究结果可以为农田土壤有机碳含量检测提供一定的理论依据和实践探索。