基于无人机数码影像的冬小麦叶面积指数探测研究

叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。     

基于文献计量的巢湖农业面源污染概况分析

为了解巢湖农业面源污染的研究进展,明确该领域的研究现状和热点,以CNKI、维普、SCOPUS数据库为基础,采用文献计量的方法对巢湖农业面源污染主题的文献进行检索。结果表明：巢湖流域治理方向的发文量最多,其中大多数是从源头控制、中间拦截、末尾治理定性叙述的,模型和现状的关注度也比较高,主要参考国外通用模型进行验证及负荷估算等。安徽农业大学和合肥工业大学等机构为巢湖该领域发展做出很大贡献;马友华团队等是该领域的核心团队,主要发文期刊有《中国农学通报》、《安徽农学通报》、《水土保持学报》、《环境科学学报》等。由此发现,巢湖流域的研究热点集中在治理方向,其中定性叙述治理措施文献偏多,定量研究治理效果和生态补偿标准的确定是未来的一个发展方向,模型的创新性有待于提高。     

北京市水资源生态安全与农业安全状态评价

水资源安全与农业安全密切相关。北京市是一个水资源严重匮乏的城市,受水资源约束,农业规模不断缩小,却又突显了农业安全问题。运用“压力—状态—响应”模型,对北京市水资源生态安全和农业安全进行双重评价,结果表明：近十年来北京农业安全水平不断下降,水资源的生态安全水平则呈波动上升趋势；农业安全的压力和状态呈下降趋势,但农业安全的响应水平却稳中有升；水资源生态安全的压力与状态呈现同步波动起伏,而水资源生态安全的响应能力却总体上升。为提高北京市水资源的生态安全水平和农业安全水平,除严格控制人口增长和用水总量外,还要开源节流,加大对雨水的收集利用和污水处理再利用；落实严格的耕地保护制度；减少化肥、农药对水资源造成污染；加大对农业的投入,提高农业的综合生产能力；大力发展高效节水农业、生态农业和循环农业。     

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1 200粒正常种子、1 200粒霉变种子和1 200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

基于作物生长模型参数调整动态估测夏玉米生物量

针对如何利用作物生长模型定量解析区域夏玉米生物量动态变化的热点问题,该文在沿东海岸的江苏省盐城市大丰区设置大田夏玉米生物量估测试验,在构建夏玉米生物量过程模拟模型的基础上,对夏玉米多个生育阶段的生物量(指地上部生物量)及其变化特征进行分析,并结合试验实测数据探讨利用实测叶面积指数和生物量数据调整生物量模拟模型参数的可行性。结果表明:夏玉米生物量过程模拟模型可以对夏玉米从出苗到灌浆期间的多个生育阶段生物量动态变化进行估测。出苗到拔节前的生长阶段,生物量积累主要来源于叶片形成,模拟模型可以对生物量进行有效预测,预测值与实测值之间的均方根差(root mean square error,RMSE)为18.31 kg/hm~2,相对误差为3.35%。拔节到抽雄前的生长阶段,由于茎节伸长与节数增加,生物量积累加快,预测值与实测值之间的差异较大。拔节初期生物量预测值为535.5 kg/hm~2,实测值为480 kg/hm~2,相对误差11.56%。抽雄前生物量预测值为7 036.46 kg/hm~2,实测值为5 794 kg/hm~2,相对误差21.44%。拔节到抽雄前生长阶段预测值与实测值之间的RMSE为825.94 kg/hm~2。经过模型参数调整,抽雄前生物量预测值为6 036 kg/hm~2,与实测值较为接近,RMSE为219.43 kg/hm~2,相对误差4.18%。利用参数调整后的模拟模型继续对抽雄到灌浆前生长期间生物量进行预测,预测值与实测值较为一致,灌浆期生物量预测值为11 156 kg/hm~2,实测值为10 785 kg/hm~2,相对误差3.44%,而参数调整前预测值为12 492 kg/hm~2,相对误差15.83%。在玉米拔节期进行模型参数调整,对拔节到抽雄和抽雄到灌浆2生长阶段的生物量预测效果较好。该研究可为县域夏玉米不同生长阶段生物量及其动态变化预测提供参考,可辅助县域农业管理部门进行适时生产措施调整。     

基于FRAM和NB-IOT的设施温室智能环境采集系统设计

针对设施温室环境数据采集及传输的特点,分别对现有数据存储技术及无线传输技术进行对比分析,最终采用FRAM存储和处理滞留数据,具有低功耗、长寿命、防篡改等特点;采用NB-IOT技术搭建远距离无线传输路径,以其强连接、高覆盖的特点提高数据与指令传输过程中的可靠性,与传统技术相比成本更低;同时设计了具有低功耗特性的MSP430FR5x芯片作为系统核心,采用C++Builder和Mysql设计了服务器守护监听程序。经测试,系统能够有效适应农业智慧生产条件下低频率、小数据量的传输要求,有效降低功耗的同时确保了数据传输的连贯性。