我国蔬菜供应链分析

最近几年我国蔬菜价格不断上升,而菜农的收入却没有同步。蔬菜市场供应极不稳定,导致居民消费和菜农受到很大影响。究其原因,主要是我国蔬菜供应存在诸多问题。因此,我们有必要对我国蔬菜供应链进行分析,找出其中存在的问题,优化其供应链。     

蔬菜价格异常波动的影响因素及对策建议研究

近年蔬菜市场价格异常波动情况严重,不合理的价格波动损害消费者和菜农的切身利益。在分析我国蔬菜市场存在的主要问题基础上,探讨影响我国蔬菜价格异常波动的成本因素、通货膨胀因素、政策因素、气候和季节性因素,并借鉴日美两国稳定蔬菜价格波动的经验,提出应对的政策建议:提高菜农组织化程度,实现规模经营;不断深化农产品体制市场化的改革;建立并完善蔬菜价格风险监测预警体系。     

高效种菜"五招"

随着蔬菜种植面积的迅速扩大、人们口味的日益翻新及季节的不断变迁,蔬菜价格时涨时跌,很多菜农都感觉到如今种菜赚钱不容易了。怎样种菜才赚大钱?下面介绍几招,希望对广大菜农朋友能有抛砖引玉的作用。1.时刻把握市场动向。种菜要赚钱,找准市场是至关重要的。菜农朋友     

蔬菜价格上涨对蔬菜生产者行为的影响——湖北省嘉鱼县蔬菜生产者问卷调查分析

为了解蔬菜价格上涨对蔬菜生产者的影响,提高蔬菜生产者收入,采取无记名抽样方式进行调查,结果显示:大部分菜农认为蔬菜价格应该上涨而且还会继续上涨,并且认为蔬菜价格上涨会增加其收入,因此,来年会增加对2014年上涨幅度最大的蔬菜品种的种植规模。分析发现,物流成本和生产成本的增加,导致部分菜农在蔬菜价格上涨的大潮流中获益甚少,大部分菜农对蔬菜价格趋势判断期待过高且其生产缺乏计划性和前瞻性。因此,应针对蔬菜价格上涨对蔬菜生产者行为的影响,转变其思维模式,完善农村信息平台,加大对蔬菜生产基地的资金投入,从而提高蔬菜生产者的收入。     

蔬菜保险 不再遥远

"相关部委正酝酿全面推行"基本蔬菜品种保险"的消息近日一经传出,立刻引来各方关注。近年来尤其2011年,菜贱伤农,菜农的损失不小。那么,保险能否保障菜农利益,起到稳定菜价作用呢?据了解,所谓"基本蔬菜品种保险",即是对居民日常所需的萝卜、白菜、马铃薯、番茄等普通蔬菜进行投保,以弥补价格波动给农民造成损失进而影响市场的整体蔬菜价格。上海为了保障菜农利益、稳定蔬菜价格,     

蔬菜价格走低 菜农应对三法

据对各地蔬菜市场调查显示：近期，各地主要蔬菜品种上市量增大，供大于求，总体价格走低。菜农如何应对这种市场变化呢?专家认为，菜农应注意以下三点：     

蔬菜价格波动背景下生产者种植意愿变化研究——兼论对Logistic模型的重新解读

首先推敲Logistic模型的应用,在此基础上,总结Logistic模型可以进一步改进的地方。文献中有关Logistic模型回归系数的经济含义解释较为模糊,本研究通过比较解释变量各状态,以研究蔬菜价格波动背景下生产者行为变化影响因素为例,深化Logistic模型回归系数的经济含义。研究发现:若假定有其他经历的菜农在菜价剧烈波动背景下不放弃蔬菜种植的概率是50%,则仅有务农经历的菜农不放弃蔬菜种植的概率为79.18%。同理,假设蔬菜种植非家庭主要收入的菜农不放弃蔬菜种植的概率为50%时,以蔬菜种植为主要收入来源的菜农不放弃蔬菜种植的概率达84.44%。Logistic模型从经验上反应了菜农不放弃蔬菜种植的原因:蔬菜种植是主要收入来源,人生经历单一,务农经历长等。反过来这意味着当蔬菜价格波动剧烈频繁,风险增加时,若有其他可供选择的机会,生产者放弃蔬菜种植的可能性会变大。蔬菜价格波动和供给是相辅相成的关系,保障供给可以稳定蔬菜价格,蔬菜市场风险减小又可以进一步保障供给。     

广东农户蔬菜种植成本现状及降低成本对策——基于增城、顺德等地区的问卷调查

近年来,随着生产资料价格的上涨.蔬菜种植成本呈上升趋势.本文通过对广东农户(主要是增城、顺德等地区)蔬菜种植成本进行调查,发现农药、化肥支出至少占现金支出50%以上;同时,若将自由土地租金成本和无偿报酬劳动力工资成本列入种植成本当中,则利润至少降低20%以上,甚至为亏损.面对蔬菜种植的高成本、低收益,甚至是负收益,进一步探讨如何有效降低蔬菜种植成本,对提高农户的种植热情,促进菜农增收,保障蔬菜市场的稳定具有重要的意义.     

菜价波动难伤“寿光农”

近年来蔬菜价格频频波动，相比一些地方“菜贱伤农”，山东寿光的菜农通过三方面的努力赢得了市场：一是加强合作，菜农“抱团”闯市场。二是销售体系遍布乡村，销售渠道畅通全国。三是寿光把标准化生产视为提高产品品质、打造寿光蔬菜品牌的生命线，通过健全三个体系，加强蔬菜质量安全监管。提高蔬菜品质，推进产业的品牌化发展。     

浅谈“四位一体”大棚蔬菜应用技术

近年来,认真贯彻落实国务院确定的＂因地制宜,多能互补,综合利用,讲求效益＂的农村能源工作方针,结合实施＂菜蓝子＂工程及＂绿色食品＂工程,狠抓了大棚蔬菜生产,极大地丰富了本地的菜蓝子,富裕了菜农的钱袋子。但随着大棚蔬菜面积的不断扩大,市场竞争日趋激烈。反季节蔬菜的市场价格走势可以看出,种菜的相对效益正在降低。如何提高大棚生产效益,最大限度地挖掘菜农增收潜力,已经是越来越多菜农急需解决的问题。     

采后葡萄可溶性固形物含量的高光谱成像检测研究

提出一种应用高光谱成像技术检测葡萄可溶性固形物含量的方法。使用高光谱成像系统采集葡萄漫反射光谱,在500~1 000 nm光谱,采用多元散射校正(MSC)、标准正态变换(SNV)进行光程校正,结合一阶微分(1-Der)、二阶微分(2-Der)、Savitzky-Golay(S-G)平滑方法及其组合对原始光谱进行预处理,建立可溶性固形物含量的偏最小二乘法(PLS)和逐步多元线性回归(SMLR)模型。结果表明:采用PLS和SMLR建模方法均取得较好的预测效果。采用经过MSC、1-Der和S-G平滑相结合预处理后的光谱建立PLS预测模型,校正集的相关系数Rc为0.979 1,RMSEC为0.265,预测集的相关系数Rp为0.962 0,RMSEP为0.372;采用原始光谱、1-Der和SG平滑相结合预处理后的光谱建立SMLR预测模型,校正集的相关系数Rc为0.967 8,RMSEC为0.327,预测集的相关系数Rp为0.947 2,RMSEP为0.394。以上表明,基于高光谱成像技术可以实现采后葡萄可溶性固形物含量的准确无损检测。     

一种便携式苹果糖度无损检测仪的研制

糖度是判断苹果质量好坏的一个重要参考标准,针对苹果糖度的检测问题,设计了一种以Cortex-A9为内核、以自研发的可见-近红外光谱仪(波长范围400~1 000 nm)作为光谱检测装置、以Linux为操作系统的便携式苹果糖度无损检测仪。以山东烟台的100个红富士苹果为材料,采集了漫透射检测方式下基于自收发光机构的苹果漫透射光谱曲线,结合化学计量学方法,对样本的全光谱曲线使用了平均法和Savitzky-Golay卷积平滑光谱预处理方法,将预处理后的光谱数据按波峰位置划分区间,并分别按照全光谱范围和所划分区间的波段范围建立PLS模型来预测苹果的糖度含量。结果表明,经预处理后的全光谱数据所建立的PLS模型预测效果最好,优于按波峰划分区间所建立的PLS模型,其校正相关系数为0.96、预测相关系数为0.87,校正均方根误差为0.31、预测均方根误差为0.34。同时对仪器工作时的预测稳定性进行了测试,测试结果得出检测精度可控制在±0.2 Brix以内,模型预测精度满足现场快速检测应用要求。     

基于近红外光谱技术的茶油脂肪酸含量的快速检测

为快速准确地测定茶油中脂肪酸含量,建立了应用近红外光谱技术检测茶油中脂肪酸含量的方法。选取市售的156份茶油样品,利用气相色谱仪测定其脂肪酸组成及含量,同时采用近红外光谱仪采集油样的光谱数据,并分析原始(R)光谱、SG平滑(SG)光谱和二阶导数变换(SD)光谱与茶油中脂肪酸含量的相关性,采用偏最小二乘回归法(PLSR)比较全光谱波段与显著性波段对建模精度的影响,优选出茶油中脂肪酸含量的定量检测模型。结果表明:茶油中棕榈酸、油酸和亚油酸含量较高,分别为4.428%~10.931%、78.036%~84.621%、7.013%~9.863%;采集的茶油近红外光谱曲线特征变化较为明显,光谱特征峰的位置分布于8 600~8 200、7 300~6 900、6 000~5 500、4 800~4 500和4 500~4 000 cm–1;茶油中棕榈酸含量与R、SG光谱吸光度呈正相关,油酸和亚油酸含量与R、SG光谱吸光度呈负相关,SD光谱数据与棕榈酸、油酸和亚油酸含量之间的相关系数与R和SG光谱吸光度比较,相关性极大被削弱;基于全波段建立的PLSR模型对棕榈酸、油酸和亚油酸含量的整体预测精度略高于显著性波段所建立的模型,校正集相关系数RC和预测集相关系数RP分别为0.837~0.956和0.818~0.938。从模型的复杂程度分析,采用显著性波段建模的输入变量的数量可压缩至全波段建模的25%以下;SG–PLSR模型对棕榈酸、油酸和亚油酸含量的综合预测性能最优,相应的RP和预测集均方根误差(RMSEP)分别为0.938、0.930、0.925和0.560、0.438、0.287。     

采谱方式对竹材气干密度近红外预测模型精度的影响

该文对近红外光谱技术结合化学计量学分析方法快速预测毛竹材气干密度的可行性进行了研究,重点探讨不同采谱方式对所建模型预测精度的影响.为了便于对比,建模过程中光谱数据未经过任何预处理.结果表明,采谱方式影响着模型的预测精度.从竹材横切面采谱所建模型的预测精度最高,内表面（靠近竹黄面）居中,外表面（靠近竹青面）最差.但如果对竹材内外表面的光谱求平均后建模,则可以显著提高模型的预测精度.随后选择最优模型对随机抽取、未参与建模的30个未知样品的密度进行了预测,预测值与测量值的 相关性高,表明近红外光谱技术可以快速、准确地预测竹材的气干密度.      

基于高光谱成像技术的羊肉新鲜度预测

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。     

可见/近红外光谱技术识别树叶树种的研究

探索使用可见/近红外光谱技术识别树叶树种的可行性,为野外可见/近红外光谱技术用于树种识别提供方法。本试验识别了9个树种,测试了光谱预处理方法、识别方法对可见/近红外光谱识别的准确率的影响。对9种阔叶树种共46棵树,分别采用距离法和PLS-DA建立识别模型,比较不同波段和导数预处理方法对模型预测效果的影响。结果表明,使用距离法对原始光谱进行识别时,识别准确率<50%,不能够有效识别树叶树种。使用距离法对预处理后的光谱进行识别时,识别准确率为近红外350～2 500nm(99.16%)>350～1 000nm(88.05%)>1 000～2 500nm(81.24%),且任意单个树种的识别准确率都>98%,能够有效识别树叶树种。使用偏最小二乘法(PLS-DA)结合单列识别变量矩阵时,识别准确率高达100%,识别模型的相关系数为0.993 6,RMSEC为0.120,RMSEP为0.144,但只能成功识别4种树叶树种,当树叶种数>4时,预测模型的识别准确率陡降。使用偏最小二乘法(PLS-DA)结合多列识别变量矩阵对9种树叶的识别准确率高达99.58%,识别模型的相关系数为0.888 6～0.956 9,RMSEC为0.084 5～0.15,RMSEP为0.088 7～0.155。本试验为可见/近红外光谱技术快速识别树种提供了一种新的方法和思路。     

基于可见-近红外光谱的砂糖橘总酸无损检测

以砂糖橘为对象,建立基于可见-近红外光谱的砂糖橘总酸含量的无损检测方法。试验采集170个完整砂糖橘的500～2 500nm漫反射光谱,然后采用滴定法测定总酸含量。采用Sym8小波变换对光谱进行去噪预处理,并采用连续投影算法(successive projections algorithm,SPA)结合间隔偏最小二乘法(interval partialleast squares,iPLS)优选波长,最终建立BPNN和偏最小二乘法(partial least squares method,PLS)总酸预测模型。结果表明:砂糖橘光谱的小波去噪方法产生的信噪比均值SNR=175.291 1,去噪信号与原始信号间的均方根误差均值RMSE=0.000 13,性能优于常规去噪方法。SPA与iPLS相结合构成的反向偏最小二乘法(back-ward interval partial least squares,BiPLS)_SPA波长选择法能将光谱变量从2 001个压缩到14个,能简化模型并提高建模精度和稳定性。BPNN模型具有更好的非线性映射能力,基于这14个变量的BPNN总酸预测模型的预测相关系数Rp=0.867,预测均方根误差RMSEP=0.061 6,性能优于线性的PLS模型。     

基于高光谱的水稻叶片氮素营养诊断研究

为快速、准确地实现水稻氮素营养诊断,以中嘉早17水稻为试验对象,设置4种施氮水平的水稻栽培试验,利用便携式地物波谱仪获取240组水稻分蘖期顶三叶在350~2 500 nm的光谱数据。随机将样本划分为训练集(160个样本)和测试集(80个样本)。首先,通过多元散射校正(MSC)、变量标准化校正(SNV)、平滑算法(SG)3种方法分别对原始光谱进行预处理;然后,采用主成分分析(PCA)和连续投影算法(SPA)对预处理后的光谱进行特征降维,选取累积贡献率超过99.98%的前24个主成分作为模型的输入变量,对于经过MSC、SNV和SG处理后的光谱数据,还分别筛选出12、15、19个特征波长;最后,应用支持向量机(SVM)基于上述处理分别建立水稻氮素营养诊断模型。结果表明,采用MSC-PCA-SVM模型进行水稻氮素营养诊断的识别准确率最高,其在训练集和预测集上的准确率分别达99.38%和97.50%。     

菜油兼用型油菜籽粒油酸含量的高光谱模型构建

【目的】基于高光谱特征初步判别油菜摘薹情况,为实现高光谱反演籽粒油酸含量提供理论指导。【方法】使用FieldSpec 3地物光谱仪采集油菜盛花期叶片光谱数据,采用Agilent GC-MS 7980B气相色谱仪分析摘薹和未摘薹处理的籽粒油酸含量,比较2组处理的平均原始光谱反射率特征,及其油菜叶片原始及一阶微分光谱反射率与籽粒油酸含量相关性,在此基础上构建基于原始光谱特征波长的支持向量机（SVM）判别模型、基于光谱参数的油酸含量二项式模型、基于一阶微分光谱特征波长的油酸含量多元线性逐步回归（MLSR）及偏最小二乘回归（PLSR）预测模型,并利用独立样本T检验对模型精度进行验证。【结果】发现未摘薹及摘薹处理的平均原始光谱反射率曲线在760~1080nm波段存在一定差异。未摘薹及摘薹处理的原始光谱反射率与籽粒油酸含量相关性曲线存在一定差异,未摘薹处理的原始光谱反射率在484~956和1001~1146 nm波段与籽粒油酸含量呈正相关,摘薹处理的原始光谱反射率在1882~2111和2324~2499 nm波段与油菜籽粒油酸含量呈正相关,说明摘薹会影响油菜光谱反射率与籽粒油酸含量的相关性表现。选取位于760~1080 nm波段4个拐点波长（760、920、970和1080 nm）的原始光谱反射率作为自变量,用以构建SVM判别模型,经过多次随机取样比较构建所有SVM判别模型,发现最佳判别模型的训练集样本总体精度为86.1%,验证集样本总体精度为77.8%,说明利用高光谱技术判别油菜是否摘薹具有一定的可行性。光谱参数模型中RVI模型对未摘薹处理油菜籽粒油酸含量的反演效果最佳,且该模型与未摘薹处理籽粒油酸含量的相关系数（-0.705）最高。比较全部油菜籽粒油酸含量预测模型类型,PLSR模型对未摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.590、RMSE=0.610,MLSR模型对摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.773、RMSE=0.874。利用独立样本T检验对二者模型测试集样本进行验证,未摘薹样本P=0.839,摘薹样本P=0.858,二者样本实测值与预测值均无显著差异（P>0.05）,模型合理,说明利用高光谱技术对油菜籽粒油酸含量进行预测可行。【建议】引入随机森林等机器学习算法,更好地选取特征波长（显著相关波长或全波段等）,提高光谱数据对油菜籽粒油酸含量的预测能力。后期的试验应侧重于多品种油菜籽粒油酸含量估测研究,探索高光谱技术估测油菜籽粒油酸含量是否具备普遍的可行性。利用高光谱技术反演其他油菜籽粒品质指标,为高光谱遥感监测油菜品质提供理论依据。     

基于近红外光谱的腐皮镰孢菌侵染香蕉过程表征研究

香蕉在采后贮运过程极易受致病菌侵染腐烂,实现香蕉果实(以下简称蕉果)致病菌侵染程度的判别有利于潜在染病果实的及时检出和采取科学的防控措施.以腐皮镰孢菌(Fusarium solani)侵染的蕉果为对象,通过采集致病菌侵染不同阶段的蕉果的近红外光谱(930～1 650 nm)数据,基于全波段数据,对比不同光谱预处理方法对模型的影响后,分别建立了基于原始光谱的主成分-支持向量机判别模型(Principal component analysis-support vector machine classification, PCA-SVM)与偏最小二乘判别(Partial least squares discriminant analysis, PLSDA)模型,均取得了较好的判别效果,其验证集的判别准确率分别为83.33%和76.67%.利用竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法进一步筛选出10个特征波长变量(1 117.5、1 140.7、1 146.4、1 255.5、1 284.0、1 312.5、1 403.2、1 493.2、1 498.8和1 621.5nm),分别应用SVM与PLSDA建立了基于特征波长的致病菌侵染程度判别模型,CARS-SVM模型判别效果优于CARS-PLSDA模型,训练集与验证集判别准确率分别为84.78%和78.57%.结果表明,近红外光谱技术可较好地用于判别香蕉病菌侵染过程与程度.