基于地理探测器的土壤重金属污染影响因素分析

定量分析全国范围内Cd、Pb、Zn、As、Cu和Cr 6种土壤重金属累积量与影响因素的相关程度。通过描述性统计、地累积指数法分析了污染情况和累积量分布情况,并借助地理探测器,定量地揭示了土壤重金属含量的主要影响因素。结果表明:Cd呈现出大面积的连片污染,Pb、Zn和Cu呈现斑块状污染,As和Cr呈现零星污染。各种重金属的主要影响因素为:Cd与地理区划、海拔高度、地势三大阶梯和土壤类型相关性较强;Pb与地势三大阶梯、气候带类型和土壤类型相关性较强;Zn与海拔高度、地理区划和气候带类型相关性较强;As与气候带类型和土壤类型相关性较强;Cu与海拔高度、气候带类型和土壤类型相关性较强;Cr与土壤类型、东中西经济划分和地理区划相关性较强;全国大尺度上6种土壤重金属含量主要受自然因素主导控制,主要为多因素复合作用影响。通过定量化分析各重金属的影响因素,揭示了全国大尺度上6种土壤重金属含量整体趋势和宏观规律。     

数字乡村发展的实践与探索——基于北京的调研

研究旨在通过分析北京市数字乡村建设实践,发现存在问题,找出推进路径,为数字乡村发展提供可借鉴经验。利用文献分析、典型案例和专家咨询法,探讨数字乡村发展理论与实践。数字化是现代农业4.0阶段的关键特征,数字经济是农业农村高质量发展的新引擎、新动能。北京是数字乡村发展的先行者,为北京乡村振兴和农业现代化建设打下了坚实基础。数字化基础设施完善,农业生产数字化、经营网络化和乡村治理数字化水平不断提升,乡村信息服务模式不断创新。数字乡村发展面临基础设施建设薄弱、数据资源体系建设不完善、数字技术与产业融合不够、数字乡村人才缺乏等问题。农业生产、农村生活、农产品经营和农业农村信息服务亟需与物联网、大数据、互联网、区块链、人工智能、5G等信息技术进一步融合。应不断夯实数字乡村建设基础,加大数字乡村科技研发,深化数字乡村技术产品推广应用,完善数字化乡村治理体系,强化数字乡村人才支撑。     

畜禽精准饲喂管理技术发展现状与展望

传统的畜禽饲喂方式易产生畜禽营养不均、饲料浪费等问题,且人工劳动强度较大、生产率有待提高。随着信息技术的进步,以节省饲料和人工成本、促进畜禽营养均衡、保障畜产品品质及安全等为显著优势的精准饲喂管理技术应运而生,并逐渐研发应用。该文阐述了畜禽精准饲喂中饲养信息获取、饲料精准配方及智能饲喂技术的发展现状并分析了当前存在的问题及未来的发展趋势。     

京津冀设施蔬菜信息技术应用需求分析-基于414 家经营主体的调查

对京津冀地区414 家蔬菜经营主体设施蔬菜生产经营信息化应用现状、采用效果与存在问题、信息 技术需求等进行问卷调查分析。结果表明：经营主体的智能手机、电脑拥有量等信息化基础较好， 智能手机覆盖率达99.60%，电脑拥有率达78.90%；视频监控是生产环节应用最为普遍的信息技术， 施药机、耕整机以及水肥一体化等装备的应用比较广泛；信息技术及装备的应用效果满意度平均在 3.6 分以上。面临的主要困难在于生产经营成本、市场化运作、应用发展差距、技术产品特性以及信 息化人才缺乏等；经营主体对病虫害预警系统、生产管理系统、水肥药精准施用与节力装备等的需 求较为强烈。     

多结构参数集成学习的设施黄瓜病害智能诊断

单一特征已不能很好的描述作物病害典型特征,而生长环境参数(土壤温湿度、pH值、空气温湿度等)与病害密切相关,多结构数据学习向量化与特征最优组合能够有效提升病害诊断准确性。该研究以黄瓜白粉病、角斑病、炭疽病、菌核病4种病害50个样本为实例,融合结构化作物生长环境参数与非结构化图像特征,通过智能化物联网,对实时采集到的环境参数进行监测、分析,并将其与图像特征融合,构建多结构病害特征最优组合模型。试验结果表明,样本识别率在79.4%～93.6%,对比卷积神经网络图像识别识别率,卷积神经网络由于需要对病害图像数据进行降维,后台识别时间较高;深度迁移学习的图像识别方法,需要大量图像数据输入深度网络学习,而现实中病害图像数量不足以满足深度学习要求,因此识别率会因为样本不充分而降低;该方法借助少量图像数据,同时结合环境与专家知识资源,采用多结构参数集成学习的方法进行病害识别,在较少识别时间的基础上确保识别的准确性。     

华南地区极端气温事件时空变化及其因子分析

选用1959—2016年华南地区72个地面气象站点逐日气温数据,计算了研究区16种极端气温指数,分析了1959—2016年研究区极端气温事件的时空变化特征和影响研究区极端气温指数的因子,及其与年平均气温、地理位置和大尺度大气环流的关系,并预测了未来研究区域极端气温事件变化趋势.结果表明:1959年以来,研究区气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)呈下降趋势;生物生长季(GSL)、极端热事件(SU、TR、TN90p、TX90p、WSDI)和气温极值指数(TXx、TNx、TXn、TNn)呈明显增加趋势.从年代际尺度来看,1960s(19世纪60年代,以下以此类推)以来,研究区极端气温事件与其年际变化趋势基本一致.从空间尺度来看,气温日较差(DTR)和极端冷事件(FD、ID、TN10p、TX10p、CSDI)气候倾向率小于0的站点比例分别为85％、99％、100％、99％、90％、93％,仅有个别站点存在下降趋势,零星分布在沿海地区.生物生长季(GSL)增加的站点共有55个,但其显著性水平较低;极端热事件(SU、TR、TN90p、TX90p、WSDI)气候倾向率大于0且通过显著性检验站点分别为20、58、68、48、29个,增加趋势明显.气温极值指数(TXx、TNx、TXn、TNn)也呈增加趋势,仅沿海地区个别站点呈下降趋势.利用因子分析法提取了5个公共因子,其累计方差贡献率为82.49％,其中公共因子1方差贡献率为44.72％,反映了极端气温事件与极端热事件的相关性很强.相关分析表明,极端热事件(SU、TR、TN90p、TX90p、WSDI)能很好地指示年平均气温的变化情况,并且其他极端气温指数之间也存在很好的相关关系;极端气温指数变化趋势表现出明显的地理位置依赖性.此外,大尺度环流分析表明,ENSO异常变化与华南地区极端气温关系密切,南海副高强度指数(SCSSHII)和西太平洋副高强度指数(WPSHII)对研究区极端气温事件具有明显贡献.R/S分析法表明,研究区极端气温事件表现为强持续性,未来变化趋势与过去的变化趋势相同.     

农村宅基地动态变化监测技术研究

【目的】 宅基地是保障农民安居乐业和农村社会稳定的重要基础,实时掌握农村宅基地的使用、变化、发展信息对建设社会主义新农村、促进农村地区的发展研究,提高农民生活水平具有重要意义,但是现有的变化监测研究主要针对于城市建筑物,且依旧存在大量的人工监测方法,因此迫切需要一种能对农村宅基地进行高效动态变化监测的有效手段。【方法】 文章基于面向宅基地图像的半自动标注及训练方法,对训练样本进行半自动化提取与训练。通过构建的深度学习多尺度融合监测模型对宅基地图斑进行智能化提取,依据模型对提取出的多期宅基地图斑进行叠加分析,自动提取出宅基地新增与拆除的变化图斑,以此实现农村宅基地的动态变化监测。【结果】 面向宅基地图像的半自动标注及训练模型有效实现了训练样本集的半自动化构建与训练,通过实时的影像输入,完成了样本的动态构建与训练,提高了训练效率;深度学习多尺度融合监测模型对研究区宅基地动态变化的监测效果明显,成功提取出多期宅基地建筑物的精确轮廓,识别出宅基地的变化区域,反映出宅基地变化的数量、面积、形态特征。【结论】 基于深度学习多尺度融合监测模型,对于宅基地图斑的动态变化监测效果明显,该方法适用于大规模农村宅基地的动态变化监测,可为农村宅基地的变化监测提供了一种新的技术手段与研究思路。     

基于多尺度和注意力机制的番茄病害识别方法

番茄病害的及时发现与治理有助于提高番茄产量与质量,增加农户经济收益。利用物联网和人工智能可以无损害有效检测番茄病害,该研究提出了一种改进的AT-InceptionV3(Attention-InceptionV3)神经网络番茄叶部病害检测模型,该网络以InceptionV3为主干网络,结合多尺度卷积和注意力机制CBAM(convolutional block attention module,CBAM)模块,增强了病害信息表达并抑制无关信息干扰;同时引入迁移学习,防止样本数据量较少时出现过拟合的情况。为了评价优化模型的有效性,在Plant Village公开番茄病害数据集上进行了实验仿真测试。改进的模型在测试阶段对番茄健康叶片、细菌性斑疹病、晚疫病、叶霉病和黄曲病5种番茄常见叶片图像分类准确率达到98.4%,优化效果显著。为了进一步验证该方法在不同物联网中的普适性,实验对比了模型对不同分辨率病害图像的分类效果,结果表明,图像精度部分损失不会降低病害分类准确率。该模型能够为番茄温室智能网络决策判断提供重要依据。     

基于深度学习的水产病害可视化知识图谱构建与验证

知识图谱本质上是基于图的语义网络，表示实体与实体之间的关系，在知识问答、语义检索等领域起着至关重要的作用。针对目前水产病害领域存在实体关系交叉关联、多源异构数据聚合能力差、利用率低、知识共享困难等问题，该研究基于自然语言处理和文本挖掘提出了一个基于神经网络深度学习模型的水产病害专业领域知识图谱构建方法并进行试验验证。首先，构建水产病害专业领域本体，并预定义实体类型、属性和关系的集合，确定知识抽取边界；其次，在本体基础上，分别利用规则方法和深度学习方法对半结构化和非结构化知识进行抽取。对于非结构化知识，提出“水产病害+关系+BMES”文本标注体系，将关系抽取融合于命名实体识别任务中直接对三元组建模，将实体关系抽取转化为序列标注问题，不仅提高标注效率，还实现了实体和关系的联合抽取。同时通过标签匹配和映射对三元组建模获得RDF数据，解决了重叠关系抽取的难题。利用BERT-BiLSTM+CRF端到端模型进行试验，试验结果证明该三元组抽取方法具有较高的召回率（89.64%），准确率（94.04%）和F₁值（91.34%），优于CNN+BiLSTM+CRF和BiLSTM+CRF等模型，抽取效果有了显著提升，并将抽取到的知识存储到 Neo4j 图数据库中，实现知识可视化管理及知识推理分析。该研究构建的水产病害知识图谱精度高、粒度细，能够帮助机器理解数据、解释现象、知识推理，从而发掘深层关系、实现智慧搜索与智能交互。     

精准农业示范基地安全生产与规范化建设建议

精准农业示范基地是推动我国农业现代化发展的重要抓手,在物联网、大数据、智能农机等为代表的先进技术装备的研发、实验、验证、中证、应用宣传过程中起着重要支撑作用,而精准农业示范基地的安全生产则是保障上述工作顺利开展的前提与关键环节。以北京小汤山国家精准农业研究示范基地为例,从农机设备安全生产、消防用电安全、危化品安全管理和基地网络信息安全等方面分析了精准农业基地安全生产管理现状,并围绕精准农业示范基地的科研转化、生产示范等需求提出了基地建设规范化建议。