杂交粳稻茎秆力学性状与理化特征对抗倒伏能力的影响

倒伏严重影响着水稻的产量和品质,为探究田间自然栽培条件下杂交粳稻茎秆力学性状与理化特征对抗倒伏能力的影响,研究选取北方地区生产上主要推广的弯曲穗型杂交粳稻品种辽优2006(LY2006)、辽优5218(LY5218)、辽优5273(LY5273)为供试对象,易倒伏常规粳稻品种农林313(NL313(CK))为对照,测量其农艺性状和微观组织构成等理化指标,并通过弯曲试验及拉伸试验,测定其茎秆最大抗折力、断裂弯矩、抗弯截面系数、单茎自重质量矩、弯曲强度、杨氏弹性模量、惯性矩等力学指标,并研究测量的理化指标及力学指标与倒伏指数之间的相关关系。结果表明:供试对象的倒伏指数和对照之间存在极显著差异(P<0.01),供试对象抗倒伏性显著高于对照。供试对象和对照在株高、基部节间长度、组织构成等理化指标及力学指标间均存在极显著差异(P<0.01),供试对象的株高、单穗鲜质量均大于对照,因此,在相同的栽培条件下,并不是株高越矮、穗越轻,抗倒伏能力就越强。缩短基部节间长度、延长叶鞘长度、提高组织厚度及维管束面积、增加纤维素、木质素及钾元素含量等均能有效提升水稻植株的抗倒伏能力。研究还发现,水稻植株的抗倒伏能力与其茎秆最大抗折力、断裂弯矩、抗弯截面系数、弯曲强度、杨氏弹性模量之间存在极显著正相关(P<0.01),与单茎自重质量矩、惯性矩之间存在极显著负相关(P<0.01),选取其作为水稻植株抗倒伏能力的参考指标是可行的。研究结果可为北方杂交粳稻抗倒伏品种选育、改良及抗倒伏农艺性状调控提供综合的数据支持和理论支撑。

基于OBE理念的单片机原理及接口技术线上线下混合式教学模式实践

以满足工程教育认证标准中对单片机原理及接口技术课程的需求为出发点,分析传统单片机教学模式中存在的问题。基于OBE理念对传统教学模式进行重构,通过引入项目案例、SPOC资源、口袋实验室等来构建基于OBE理念的单片机原理及接口技术线上线下混合式教学模式,以此来提升学生的主体地位、加强学生自学能力的培养、探索更加适合农业院校电子信息类专业学生特点的教学方法、提升学生解决工程实际问题的能力。

浙江省地质灾害气象风险预警一体化建设的探索与实践

地质灾害预报预警是有效防范地质灾害、减少人员伤亡的重要手段。自2003年开始实施以来,全国有80%的山区省、市、县开展了地质灾害气象预警工作。但这种省、市、县独立建设模式难以满足部省协同、市县联动、全域贯通的业务需求。文章介绍了浙江省地质灾害气象风险预警一体化建设:按照“省级预报到县、市级预报到乡、县级预警到村(点)”的工作原则,在趋势预测、每日预报、短临预报和实时预警与地质灾害防治业务一体化融合方面开展探索,初步建成了以“地灾智治”应用驾驶舱为可视化监管,以“地灾智防”APP为闭环手段的地质灾害全生命周期管控防治业务体系,形成了具有浙江特色的地质灾害预报预警数字化产品体系。

基于PROSAIL模型的水稻叶片生物量反演

为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题,利用无人机高光谱遥感平台获取水稻冠层400~1 000 nm的高光谱反射率信息,对PROSAIL模型进行参数敏感性分析,根据分析结果利用连续投影法提取敏感波段,在此基础上,结合PROSAIL作物辐射传输模型与水稻高光谱数据,运用秃鹰算法(BES)对PROSAIl模型的生物量参数进行数值优化,从而快速、精准实现水稻关键生育期的叶片生物量反演。结果显示:运用改进Sobol方法对水稻叶片生物量进行全局敏感性分析,敏感区间为700~1 000 nm。对敏感区间内光谱利用连续投影法提取了750、788、898、940、962、999 nm等6个水稻叶片生物量特征波长。结合PROSAIL模型与BES优化算法,构建了PROSAIL-BES数值优化方法。以水稻特征波段光谱反射率为模型输入,通过PROSAIL-BES数值优化方法对PROSAIL模型参数进行校正,叶片生物量反演结果 R2为0.694,RMSE为0.002。结果表明,与传统机器学习模型的反演结果对比,PROSAIL-BES数值优化方法具有更好的反演精度,在水稻生物量反演领域具有较好的实用价值和应用潜力。

融合CLAHE-SV增强Lab颜色特征的水稻覆盖度提取

为解决由于阈值不确定和光照强度不稳定所造成的植被覆盖度提取效果不理想的问题,该研究提出一种融合CLAHE-SV(contrast limited adaptive histogram equalization-saturation value)增强Lab颜色空间特征的高斯混合模型聚类算法。以分蘖后期的水稻为对象,利用无人机获取2、3、4和5 m高度下的水稻可见光图像,采用限制对比度自适应直方图均衡化算法(contrast limited adaptive histogram equalization,CLAHE)对HSV颜色空间中饱和度(S)和亮度(V)分量进行增强,并在此基础上应用高斯混合模型(gaussian mixture model,GMM)结合Lab颜色空间的a分量分割图像背景和提取水稻覆盖度,并与GMM-RGB、GMM-HSV、GMM-Lab进行对比分析。结果表明,基于a分量构建的GMM-CLAHE-SV-a与GMM-a模型在不同高度图像中的分割效果均优于RGB、HSV、Lab,其中GMM-CLAHE-SV-a精度最佳。相比于GMM-a,在高度为2、3、4和5 m时GMM-CLAHE-SV-a的总体分割精度均值分别提高了2.16、1.01、1.03和1.26个百分点,Kappa系数均值分别提高了0.0414、0.0173、0.0190和0.0221;覆盖度的平均提取误差分别降低了8.75、7.01、5.93和5.34个百分点,决定系数R2分别提高了0.0960、0.0502、0.0622和0.1906,较好地降低了光强和倒影的影响。与已有方法相比,该算法无需标记训练集或计算阈值,可直接对无人机图像进行处理,具有较高的普适性,可以在复杂的大田环境下快速分割水稻像素并提取植被覆盖度信息。

澳门地区东侧水域夏季余流及通量的时空变化特征

基于澳门地区东侧水域两座河口原型观测试验站夏季15 d的连续观测资料,分析了潮周期垂向平均欧拉余流、拉格朗日余流和斯托克斯余流时空变化特征的同时,将其概念推广到垂向潮汐动力影响下的分层余流分析中.研究显示,夏季澳门地区东侧南、北端水域整体涨落潮流态一致,南侧水域潮动力显著大于北侧;半月时段内,北侧水域潮流物质整体输移方向指向西北,南侧指向东南,拉格朗日余流流速分别为2.2 cm/s和5.1 cm/s,略小于欧拉余流.受海面西南季风影响,南、北侧水域表层欧拉余流、拉格朗日余流和斯托克斯余流流向均为东北向.潮周期垂向平均余流在洪水期指向外海侧,非洪水期北侧水域指向近岸,南侧水域指向伶仃洋河口东侧.海面风主导东南侧水域的斯托克斯漂移强度,对东北侧水域影响不明显,洪水期径流动力增强会削弱海面风引起的漂移作用;但南、北侧水域表层潮流物质输运强度和方向都与海面风密切相关.基于余流流态结合净潮通量分析显示,夏季澳门地区水道出口以下水域存在较为稳定的逆时针余环流,初步分析其原因主要是:珠江河口外海侧强劲的东北向沿岸流引起澳门地区东侧水域形成自东向西的补偿流所致.夏季,该独特的动力结构会截获上游东四口门下泄的部分水沙进入澳门地区水道,导致澳门地区水道滩槽淤积和水体交换不畅.

基于浮标站观测的伶仃洋河口湾极端风暴潮动力响应过程——以1822号台风“山竹”为例

基于台风“山竹”期间伶仃洋水域6座浮标站数据,采用主潮通量算法分析了该水域的动力特征,揭示了台风影响期间伶仃洋河口湾的动力响应过程。结果表明:台风登陆前1 d,伶仃洋整体水域气象环境开始受到明显影响,当日以北风为主且风速较小;台风登陆期间最大风速约30 m/s,为东北偏东风;登陆后,风速开始逐渐减小,以东南风为主。台风登陆期间,伶仃洋水域涨、落潮流速显著增大,潮位出现近9 h的持续上涨,湾顶最高潮位出现时间比湾口晚约2 h。台风登陆前和登陆期间,西滩中部水域形成一落潮通道,东四口门潮流以上溯为主,遭遇上游下泄洪水,导致网河区潮位持续上涨,水位平均抬升达约54 cm;登陆后,洪水动力持续增强和风速减弱,伶仃洋水域落潮历时显著延长。内伶仃洋流速剪切梯度峰值出现在落潮至落憩时段的近底层2 m水深范围内,台风登陆期间该范围明显向河床收缩;湾口剪切梯度峰值出现在落憩和初涨阶段的表层水域,受控于表层海面风速和风向变化,底层剪切梯度始终很小。

基于高光谱遥感处方图的寒地分蘖期水稻无人机精准施肥

分蘖期根外追肥是水稻生产的重要田间管理环节,也是水稻生长中的第一个需肥高峰期,追肥效果直接影响分蘖数以及中后期长势。为了探究利用无人机遥感构建施肥量处方图指导农用无人机对分蘖期水稻精准追肥,在保障水稻产量的前提下降低化肥施用量,该研究在水稻分蘖期追肥窗口期,利用无人机遥感诊断与农用无人机精准作业相结合,采用无人机高光谱技术建立水稻分蘖期施肥量处方图,结合农用无人机作业参数对待施肥地块进行栅格划分,确定精准施肥量,并通过农用无人机进行精准施肥。结果表明:利用特征波段选择与特征提取的方式在450~950nm范围内共提取5个水稻高光谱特征变量用于水稻氮素含量的反演;利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)构建的水稻氮素含量反演模型效果要好于极限学习机(Extreme Learning Machine,ELM)反演效果,模型决定系数为0.838;结合待追肥区域反演氮素含量(N_r),标准田氮素含量(N_(std))、氮肥浓度(p)、水稻地上生物量(B_(std))、水稻覆盖度(C_(std))、化肥利用率(k)及转化率(u)等构建了农用无人机追肥量决策模型,与对照组相比,利用该研究构建的处方图变量施肥方法使氮肥追施量减少27.34%。研究结果可为寒地水稻分蘖期农用无人机精准变量追肥提供数据与模型基础。

采用GA-ELM的寒地水稻缺氮量诊断方法

为快速、准确、无损实现寒地水稻缺氮量的诊断。该文基于田间试验系统采集的资料,研究东北粳稻氮素含量的亏损或富余与光谱反射率差值之间的关系,并建立东北粳稻氮素含量差值的反演模型。该文采用高光谱反演水稻的缺氮量,并为实施精准施肥提供参考依据,达到减肥不减产的目的,采用产量最高的原则来构建标准氮素含量与标准光谱反射率,并在此基础上,将获取的水稻叶片氮素含量和叶片光谱反射率分别与标准氮素含量和标准光谱反射率做差,得到氮素含量差值和光谱反射率差值,然后对光谱反射率差值分别采用离散小波多尺度分解、连续投影法(successive projections algorithm,SPA)和构建植被指数的方法进行降维处理,将处理后的结果分别作为偏最小二乘(partial least squares regression,PLSR)、极限学习机(extreme learning machine,ELM)和遗传算法优化极限学习机(genetic algorithm-extreme learning machine,GA-ELM)的建模输入,构建东北粳稻氮素含量差值的反演模型。结果分析表明:采用离散小波多尺度分解的结果建立的GA-ELM反演模型预测效果最好,训练集与验证集的R2均在0.7062以上,均方根误差(root mean square error,RMSE)均低于0.51mg/g以下,在预测能力、稳定性和泛化性上比PLSR和ELM的预测模型有明显提高。

基于高光谱的水稻叶片氮素估测与反演模型

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。

日光温室番茄采摘机器人设计与试验

针对目前日光温室中番茄采摘主要靠人工且费时费力的问题,设计并制作了一种可以应用于日光温室的番茄采摘机器人。该机器人能够在大棚垄道间巡检并自动识别成熟番茄,完成采摘、收集。本设计以STM32微控制器为主控制器,使用麦克纳姆轮全向移动平台作为机器人的移动底盘,采用由Raspberry Pi 4B控制器驱动的深度相机作为成熟番茄的识别装置,底盘上平台安装风力补偿风机、可水平滑动的6自由度机械臂,机械臂搭载了附有薄膜压力传感器的柔性手爪。整个上平台由安装在底盘下平台的垂直升降机构驱动,滑动机构和升降机构均配有测距传感器,通过Raspberry Pi 4B所驱动的摄像头识别与捕捉,再通过串行总线将成熟番茄的坐标数据传输至STM32控制器,STM32控制器通过机械臂逆运动学分析驱动机械臂、滑轨与升降平台的联合动作,配合机械臂末端关节动作,即可实现番茄采摘。

粳稻冠层叶绿素含量PSO-ELM 高光谱遥感反演估算

【目的】叶绿素含量是表征粳稻生长状态的重要指示信息,利用无人机高光谱遥感技术及时获取区域尺度的粳稻叶绿素含量。【方法】以2016—2017年沈阳农业大学辽中水稻实验站粳稻无人机遥感试验数据为基础,利用连续投影算法(SPA)进行有效波段的提取,提取的特征波段分别为410、481、533、702和798 nm。将提取出的特征波段作为输入,利用极限学习机(ELM)和粒子群优化的极限学习机(PSO-ELM)分别建立粳稻冠层叶绿素含量反演模型。在PSO-ELM模型中,针对PSO算法的种群规模(p)、惯性权重(w)、学习因子(C1、C2)、速度位置相关系数(m)这5个参数进行了优化。【结果】确定了最优参数:p为80,w为0.9~0.3线性递减,C1和C2分别为2.80和1.10,m为0.60。利用优化后的ELM和PSO-ELM所建立的粳稻冠层叶绿素含量模型的决定系数分别为0.734和0.887,均方根误差分别为1.824和0.783。【结论】利用优化后的PSO-ELM建立的粳稻叶绿素含量反演模型精度要明显高于单纯利用ELM建立的反演模型,前者具有较好的粳稻叶绿素含量反演能力。本研究为东北粳稻叶绿素含量反演无人机遥感诊断提供了数据支撑和应用基础。

基于特征转移植被指数的水稻叶片氮素含量定量估算

水稻叶片氮素含量遥感检测是实现水稻精准施肥的前提条件。为了探究利用光谱技术快速、便捷的实现水稻叶片氮素的精准检测,该研究在水稻关键生育期,利用水稻叶片400~1000nm高光谱反射率信息,利用连续投影法提取敏感波段,在此基础上,提出了一种波段特征转移的植被指数构建思路,构建了由3个波段构成的氮素特征转移指数(Nitrogen Characteristic Transfer Index,NCTI),并利用线性归回模型构建了水稻叶片氮素含量反演模型。结果表明:该研究采用连续投影法从水稻叶片光谱中提取了6个特征波段,具体为500、555、662、690、729、800nm;运用氮素特征转移思路构建了由550、729和800 nm构成的氮素特征转移指数(NCTI);以NCTI为输入,运用线性回归的方式构建水稻氮素含量反演模型,其模型决定系数为0.774,均方根误差为0.379 mg/g,反演效果优于归一化植被指数(Normalized Difference Vegetation Index,NDVI)、增强植被指数(Enhanced Vegetation Index,EVI)等传统植被指数所建立的氮素含量反演模型,说明了NCTI在实际的应用中,能够作为快速反演水稻叶片氮素含量的高光谱植被指数。该研究能够为水稻叶片氮素含量光谱检测提供一定的客观数据支撑和模型参考。

澳门地区东侧水域夏季潮流动力时空变化特征

珠江河口澳门地区东侧水域是伶仃洋西滩和澳门地区水道洪季重要水沙通道,基于洪季实测资料分析显示,澳门地区东侧水域为不规则半日潮流,洪季澳门地区东侧水域整体涨潮平均流速21~23 cm/s,落潮平均流速18~29 cm/s,涨潮流态为N—NNW向、落潮流态为S向,流态基本稳定,靠外海侧潮流动力更强。潮周期内水域平均流速主要取决于潮型大小,洪水径流主要对余流和历时有较明显影响,洪水期水域北侧形成滞流区,南侧水沙朝伶仃洋口外净输移。40%水深范围内的水流垂向动力结构受海面风影响显著,且近海面10%水深范围余流流向与海面风向具有较好的跟随性;西南风作用下,最大水平流速梯度出现在潮周期内的第二次涨憩至落憩阶段,与潮周期内的最大含沙量出现时间相对应,由于水域北侧水深浅,床面剪切梯度力整体大于水域南侧,导致水域北侧含沙量显著大于东南侧。综合分析来看,天文潮、洪水径流和海面风是澳门地区东侧水域的主控动力因子,水域北侧浅水摩擦阻力较南侧显著增强,造成垂向涨落潮历时和相位的差异,形成该水域较为特别的“表层汇、中底层散”的垂向动力结构特征,洪水期大量淡水径流下泄进一步加剧了该趋势,导致表层冲淡水朝东侧漂移、底层高盐水向近岸入侵。

农业院校电子信息应用型人才创新能力培养模式探析

为总结创新能力培养模式的成果和不足,以电子信息工程专业本科生和近2 a毕业生为研究对象,采用问卷调查的方法获取学生对创新培养环境和质量的客观评价,结合数据探析新工科背景下应用型人才培养的现状及效果,为优化电子信息类人才培养模式提供借鉴。

基于无人机多源图谱融合的水稻稻穗表型监测

稻穗表型是表征水稻生长状况和产量品质的关键参数,稻穗表型的准确监测对于大田精准管理和水稻智慧育种具有重要意义。无人机图谱数据已被广泛用于水稻生长监测,然而大部分研究主要集中在水稻的营养生长阶段,针对抽穗期和成熟期稻穗表型监测方面的研究非常有限。因此,该研究利用无人机多源图谱数据进行水稻稻穗表型监测研究,分析了不同氮肥梯度和生长时期对稻穗表型的影响,构建了稻穗覆盖度、生物量以及倒伏等监测模型。结果表明,不同生长时期和氮肥梯度的稻穗表型呈现显著差异,稻穗覆盖度与图像特征高度相关。利用粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vector Machine,SVM)回归模型能够从可见光图像中准确识别稻穗,计算的穗覆盖度与实际标记值高度相关,决定系数(coefficient of determination,R^(2))为0.87,将此结果与多光谱图像反射率融合,利用随机森林(Random Forest,RF)回归模型可以提高稻穗覆盖度的评估精度,R^(2)为0.93,相对均方根误差(relative Root Mean Square Error,rRMSE)为9.47%。融合可见光图像的颜色和纹理以及多光谱图像的光谱反射率改善了穗生物量的评估精度,R^(2)高达0.84,rRMSE为8.68%,此模型能够在不同种植年间迁移,进一步利用模型更新添加10%新样本能够改善模型迁移能力。基于PSO-SVM分类模型,联合可见光图像的颜色和纹理以及多光谱图像的光谱反射率也准确地识别稻穗倒伏,准确率达99.87%。上述研究结果证明了无人机遥感用于水稻稻穗表型监测的可行性,可为作物精准管理和智慧育种提供决策支持。

信号分析与处理教学案例设计—光伏系统谐波监测与效率分析

以光伏发电系统监测为背景,设计了信号分析与处理教学案例——光伏系统谐波监测与效率分析,阐述了案例设计的工程背景分析、理论方法提炼、案例内容筛选等过程。分析了案例的实施方法,给出了光伏系统监测数据的测试方法、谐波数据与效率的分析方法、光伏状态的评估方法等。

农业院校《单片机原理及接口技术》线上线下混合式教学模式改革研究

以单片机原理及接口技术课程为例,对沈阳农业大学信息与电气工程学院2019级电子信息工程专业57名学生开展线上线下混合式教学态度及看法问卷调查。结果表明,开展线上线下混合式教学对单片机原理及接口技术课程学习有很大帮助,但依然存在一些问题,需要从组织教师培训、完善教学设施、挖掘优质资源等途径,进一步提升高校教学质量和育人水平。

基于PROSAIL模型偏差补偿的水稻叶绿素含量遥感估测

以东北水稻为研究对象,以提高叶绿素估测精度和模型可解释性为目标,提出了一种混合建模方法。以PROSAIL辐射传输机理模型为基础,模拟水稻冠层光谱,建立叶绿素含量的查找表,初步估测叶绿素含量,并采用最小二乘支持向量机(LSSVM)建立误差模型,对PROSAIL模型偏差进行补偿,弥补PROSAIL建模时产生的误差。为验证模型的估测能力,选取13种与作物叶绿素关系较为密切的植被指数,通过不同统计模型的模拟分析,筛选出4种较优的植被指数,分别建立单因子输入的最优预测模型(GNDVI、RSI、(SDr-SDb)/(SDr+SDb)的乘幂模型及MCARI的指数模型)。以4种植被指数作为输入,利用偏最小二乘法(PLS)、LSSVM回归法、BP神经网络及本文提出的混合建模方法分别构建水稻叶绿素含量多因子预测模型,并进行估测和验证。结果表明,相比单因子输入的最优预测模型,混合模型具有较低的预测偏差,其建模集R^2=0.7406,RMSE为0.9852 mg/dm^2,验证集R^2=0.7332,RMSE为1.0843 mg/dm^2。与采用其他多因子预测模型相比,本文方法具有较高的估测精度和良好的鲁棒性。另外,混合建模方法以PROSAIL模型为基础,物理意义较为明确,提高了预测模型的可解释性。本文可为作物叶绿素含量估测提供新的思路和方法,为诊断水稻氮营养含量和监测水稻长势提供参考。

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R^2=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。