基于云计算与RBF神经网络集成的玉米精准施肥模型研究

针对玉米精准施肥模型与土壤多个参数有复杂的关系，且动态性数据量庞大、维度高、具有非线性强的特点，本文基于云计算技术的数据存储、分析、共享的功能，运用神经网络较强的处理非线性问题的能力，对玉米土壤养分数据进行处理，构建玉米土壤实时监控云平台，进行基于优化RBF神经网络的玉米土壤养分施肥模型研究，明确模拟施肥量与玉米产量、土壤养分含量的关系，将该模型在农安县陈家店村应用，为玉米的精准施肥提供决策依据。结果表明，基于云计算与RBF神经网络集成的玉米精准施肥模型与传统网络进行比较减少了误差，节约了时间，可为玉米精准施肥提供咨询指导，促进对玉米精准农田管理的实施。     

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。     

基于RBF神经网络的大豆种植密度和施肥量优化

为解决使用传统回归模型对大豆种植密度及施肥量进行优化时存在的拟合精度低、优化结果不准确等问题,提出一种基于RBF神经网络的优化方法。将大豆种植密度、N、P_2O_5、K_2O施用量作为试验因素,产量作为影响指标,选取黑河43作为试验材料,进行四因素五水平的正交旋转试验,获得各处理下大豆产量数据。对种植密度、施肥量与产量关系构建RBF神经网络拟合模型,对模型进行优化,得到最优种植密度42.65×10~4株·hm~(-2)、施N量61.82 kg·hm~(-2)、施P_2O_5量106.05 kg·hm~(-2)、施K_2O量19.81 kg·hm~(-2),该配比下大豆产量为3 821.48 kg·hm~(-2)。对优化结果进行试验验证,最优配比下大豆实际产量为3 742.29 kg·hm~(-2),与优化结果相对误差为-2.17%,表明该方法有效,且优化结果准确。     

神经网络方法在综合评价籼稻品质中的应用

基于人工神经网络理论,利用RBF神经网络模型,对2004年国家南方稻区晚籼优质稻区试品种的品质进行了综合评价.实际仿真结果表明,RBF神经网络用于米质评价是科学有效的,而且方法简便,迅速.     

基于Q-RBF神经网络模型的国产大豆价格预测研究

大豆是重要的经济作物,同时也是我国市场化和国际化程度最高的大宗农产品,对其价格进行预测具有重要意义。采用Q-RBF神经网络模型对国产大豆价格进行预测,该模型具有如下两个特点:(1)通过分位数回归功能来描述大豆在不同价格水平下的分布特征;(2)通过RBF神经网络结构来刻画大豆价格的非线性关系。在模型参数优化时,由于遗传算法是一种全局搜索优化方法,但是搜索速度慢、对初始值具有一定依赖性;而梯度下降法具有收敛快,对初始值没有特定要求等优点,所以本文提出遗传算法与梯度下降法相结合的混合改进算法,其基本思想是利用梯度下降法的局部寻优能力加快遗传算法的收敛速度。采用2010年1月-2015年12月的国产大豆月度价格数据进行预测研究,结果表明,算法收敛速度较快,模型预测精度较高,是可以泛化应用的预测模型。     

基于DSSAT模型和天气预报策略预测农户当季玉米产量

玉米当季产量预测对农民制定栽培管理方案和政府决策者制定粮食战略都至关重要,作物过程模型与天气预报策略结合实现作物当季产量预测已经被广泛应用,该方法缺少在农户实际生产中的检验。基于河北省曲周县2年(2017～2018年)农户跟踪数据和DSSAT模型,2017、2018年分别使用14个农户数据对当地主栽品种登海605的遗传参数进行校准和验证,通过动态时间规整(DTW)算法检验气象数据时间序列的相似性,筛选出与预测年份气象数据相似度最高的历史年份,使用当季实时天气数据与历史年份数据结合的天气预报策略生成完整的玉米季天气数据,实现当季玉米产量预测。结果表明,校准后的DSSAT-CERES-Maize模型能够准确模拟玉米开花期日期(ARE：2.19%,nRMSE：2.53%)、生物量(ARE：7.55%,nRMSE：9.50%)和产量(ARE：5.70%,nRMSE：6.60%),以DTW算法为基础的天气预报策略与DASST模型结合能够提前30～43 d获得准确的预测产量(±8%)。     

茶叶杀青机模糊RBF神经网络PID温控系统设计与试验

针对滚筒式杀青机温控系统具有时变不确定非线性的特点,采用常规PID控制难于满足控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制策略,实现了对PID参数的实时在线整定。MATLAB软件仿真与试验结果表明,模糊RBF神经网络PID控制与常规PID控制相比,系统具有更好的动静态特性和抗干扰性能,温度控制误差在±2℃范围内,能很好地满足茶叶杀青工艺对温度的控制要求,保证了茶叶的杀青质量。     

基于自适应增强的BP模型的浙江省茶叶产量预测

本文采用1999—2018年浙江省59个县市的茶叶产量数据和地面气象要素驱动数据,提出了基于产量等级因子的自适应增强的反向传播（BP）神经网络模型的茶叶产量预测机制。首先分析提取了种植面积、年平均气温、3—7月的平均相对湿度、年平均相对湿度等11个影响因子,然后构建浙江省茶叶产量预测模型。试验结果表明,基于产量等级因子的自适应增强的BP模型算法相关系数达到0.893,相对误差的平均值和方差分别为0.187和0.136。在试验数据选取方面,相较于距离预测年份较远的数据,采用临近预测年份的数据,预测精度较高。根据本研究的茶叶产量预测机制,建立了浙江省茶叶产量预测误差空间分布图,其中1级优势区的平均误差为18.32%,2级次优势区为16.73%,3级一般产区为22.69%。预测模型能够实现浙江省各县市的茶叶产量预测,对茶叶生产的宏观管理具有一定指导意义。     

Fuzzy聚类分析在土壤养分分类中的应用

使用模糊聚类分析的方法,对吉林省榆树市弓棚镇春阳村的黑土土壤进行土壤养分分类的研究,建立分类模型,从而确定土壤肥力水平高低,从宏观上把握一定范围内的不同土壤肥力水平的玉米施肥原则,实现玉米增产、稳产。     

BP神经网络在云南甘蔗产量预测中的应用

BP(back propagation)神经网络是目前应用最广泛的神经网络模型,是一种反向传播网络,使网络的实际输出逐步接近某个特定的期望输出。本文以1990—2018年度云南甘蔗总产量为数据样本,选取平均气温、最低温度、最高温度、降雨量和日照5个气象因子作为预测变量,建立了甘蔗产量BP神经网络预测模型,对云南甘蔗产量进行预测研究。研究结果表明,模型具有较高的精度,相对误差在-5.7%^+4.6%的范围。通过该预测法,可为甘蔗产量的预测提供有效途径,具有较强的实用性,为甘蔗产业决策提供基本的参考依据。     

Integrating a simple shading algorithm into CERES-wheat and CERES-maize with particular regard to a changing microclimate within a relay-intercropping system

Wheat/maize related multi-cropping systems are the dominant cropping systems in North China. To improve and adjust those systems, and to study competition effects within intercropping, extended field experiments are necessary. As field experiments are time consuming, laborious and expensive, a viable alternative is the use of crop growth models that can quantify the effects of management practices on crop growth and productivity. Field experiments showed that intercropped maize yielded as high as monocropped maize, and grain yield of intercropped wheat increased by up to 32%. Based on a process-oriented modeling approach, this study focuses on analyzing and modeling competitive relationships in a wheat/maize relay intercropping system with regard to yield, solar radiation and microclimate effects. A simple shading algorithm was applied and integrated into the CERES models, which are part of the DSSAT software shell vs. 4.5. The algorithm developed estimates the proportion of shading as affected by neighbouring plant height. The model was tested to investigate the applicability of this shading algorithm within the CERES models in the simulation of grain yield and dry matter yield of wheat and maize. Model error of grain and dry matter yield for both species was below 10%. There was a tendency for grain yield to be simulated adequately but for dry matter yield to be slightly underestimated. Increased top soil temperature in intercropped wheat increased the mineralization of nitrogen and improved N supply. The wheat/maize system was N efficient. Thus, N dynamics were taken into account for simulation as well as CO₂ dynamics based upon modified wind speed. Wheat border rows were exposed to a higher wind speed until mid-June and to reduced wind speed thereafter. As a result, solar radiation, soil temperature and wind speed differed between monocropping and intercropping and could provide a starting point for simulating intercropping. Microclimate effects are often small, subtle or non-existent, while spatial and climate variability and the heterogeneity of plant populations can be considerable. Quantifying microclimatic effects may prove difficult but should not be neglected when simulating intercropping systems.     

基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究

为探讨遥感信息和作物生长模型在作物估产方面的优势互补特性,选取河北省藁城市冬小麦作为研究对象,采集多个关键生育时期的生理生化、农田环境、气象等数据,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数（LAI）,基于扩展傅里叶振幅灵敏度检验法(EFAST)对WOFOST作物模型的26个初始参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,并定量预测区域冬小麦单产水平。结果表明,增强型植被指数（EVI）是遥感反演LAI的最佳植被指数(开花期建模r=0.913,RMSE=0.410,灌浆期建模r=0.798,RMSE=0.470),预测能力最强(开花期r=0.858,RMSE=0.531,灌浆期r=0.861,RMSE=0.428);筛选出6个待优化参数,即TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4;产量预测精度r=0.914,RMSE=253.67 kg·hm_-2,找到了待优化参数的最佳取值,最终完成了单产模拟。     

河北夏玉米产量潜力、产量差与氮肥效率差分析

利用2011~2014年河北省"测土配方施肥"数据库数据对河北省夏玉米产量差和氮肥效率差进行分析。结果发现,河北省夏玉米一般农户产量、高产农户产量、配方施肥产量和高产纪录产量分别为7 911、10 097、8 411、11 093 kg/hm~2,所对应的产量差分别为2 186、500、3 182 kg/hm~2。邯郸地区的产量潜力和产量差最大,廊坊和沧州的产量潜力最小,产量差以石家庄和衡水最小。一般农户、高产农户、配方施肥和高产纪录的氮肥偏生产力分别为39.5、47.3、42.7、50.3 kg/kg,所对应的氮肥偏生产力差分别为7.8、3.2、10.8 kg/kg,存在较大的效率差。不同地区玉米氮肥偏生产力效率差以邯郸最大,邢台最小。     

春玉米品种与栽培模式对黄土旱塬土壤水分的影响

以平展型传统品种酒单4号和紧凑型高产品种先玉335为试验材料,设半膜平覆(HM)、全膜双垄沟(DFM)两种覆膜方式和4.5万、9.0万株/hm~2两种种植密度,研究黄土旱塬区不同栽培模式下不同类型春玉米对土壤水分变化及对春玉米产量的影响。结果表明,品种和不同栽培模式互作效应对春玉米产量有显著影响。春玉米生育关键期降水对各处理收获土壤水分影响明显,降水不能满足春玉米生长发育需要时,春玉米会对60 cm土层以下水分产生透支性消耗,遇到连续干旱年份,则会导致春玉米60~160 cm主要根区土壤含水量降低。在相同覆膜及品种条件下,随种植密度增加,玉米产量显著增加;相同密度及品种条件下,DFM覆膜产量优于HM覆膜;相同密度及覆膜方式下,紧凑型高产品种产量较平展型传统品种显著增加。DFM覆膜和紧凑型高产品种在9.0万株/hm~2种植密度下有较高产量。     

基于无人机遥感的玉米叶面积指数与产量估算

以2018和2019年在河南省新乡县中国农业科学院农田灌溉研究所试验基地的玉米为研究对象，利用八旋翼无人机搭载的MicaSense RedEdge多光谱相机对试验区进行遥感监测，构建玉米叶面积无人机遥感监测模型和产量估算模型，并在示范区进行应用。结果表明，NDVI、EVI和GNDVI这3种植被指数在构建叶面积指数监测模型中具有较好的精度和稳定性。利用抽雄期植被指数构建的估产模型精度最高，吐丝期次之，拔节期最低。与单生育期估产模型相比，累积3个生育期植被指数构建的估产模型精度有一定提升，R²为0.87，RMSE为405.42 kg/hm²。构建的无人机遥感监测模型，可以快速有效评估玉米长势和产量。     

吉林省玉米生产县域空间变异及区位优势分析

从种植面积、单产和总产量3个角度阐述吉林省42个县域玉米生产空间变异的特点和发展趋势,构建区位熵模型对2004~2015年吉林省西部平原农牧区、东部半山农林区、长白山地农区3个非传统优势地区的县域玉米区位优势进行比较和分析。结果表明,吉林省中部平原农业区的传统优势县域如公主岭市、梨树县、农安县和榆树市仍保持玉米生产区位优势,同时乾安市、东辽县和图们市等非优势地区也具有玉米生产区位优势。在推进农业供给侧结构性改革和农业现代化进程中,玉米生产优势地区需要完善农业耕作制度、玉米核心主产区建设、玉米种质创新和改良、扩大专用玉米种植、完善玉米"价补分离"政策、推进目标价格制度实施;玉米生产非优势地区需要继续调减玉米种植面积、调整种植业结构。     

密度和施氮量对垄膜沟播春玉米干物质积累和产量的影响

2012、2014年,以玉米杂交种沈禾201为试验材料,探讨垄膜沟播条件下种植密度和施氮量对植株干物质积累和产量的影响。两年试验结果表明,在抽雄期和灌浆期,玉米个体干物质积累量随密度的增加而减小,随施氮量的增加而增加;群体干物质积累量随密度和施氮量的增加而增加。种植密度和施氮量对玉米群体产量的综合影响呈开口向下的凸面体,2012年施氮量对群体产量的影响大于密度处理,2014年施氮量对群体产量的影响小于密度处理。通过对产量方程模型寻优,得到超过平均产量的管理方案,2012、2014年种植密度分别为69 727~84 818株/hm~2、39 880~51 778株/hm~2;施氮量分别为342~478 kg/hm~2、223~413 kg/hm~2。在试验区特定的生态环境条件下,适宜的种植密度和中高施氮量可显著增加垄膜沟播春玉米产量。     

吉林省玉米生产自然灾害风险评估与气象灾害产量的影响因素研究

结合吉林省玉米生产情况,分析玉米生产中自然灾害风险大小与发生规律,采用信息扩散理论风险概率评估模型,测算玉米生产中主要灾害因子的发生概率,构建气象灾害产量影响因素分析模型,估计影响吉林省气象灾害产量的主要因素。结果表明,吉林省玉米生产自然灾害风险较大,水、旱灾害发生的概率较高,是导致玉米灾害产量形成的主要原因。