Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index

Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region.     

基于USLE模型的长株潭城市群生态绿心区水土流失研究

[目的]研究2018年长株潭(长沙市—株州市—湘潭市)城市群生态绿心区最佳植被覆盖和水土流失状况,为区域综合治理提供理论依据。[方法]运用GIS和RS技术,以长株潭区域降雨、土壤、地形、土地利用等数据为基础,采用归一化植被指数(NDVI)模型和USLE国际通用土壤流失方程为优选模型。[结果]长株潭绿心区总面积为52 287 hm~2,整体植被状况较好,高覆盖度(75%～100%)面积最大,占绿心区总面积一半以上,为26 598.40 hm~2;中低覆盖度(30%～40%)面积最小,占区域总面积的8.61%,为4 501.91 hm~2。长株潭城市群生态绿心区总侵蚀(不含微度)面积为3 654.24 hm~2,占总面积的6.99%。湘潭市侵蚀比重最高,为8.51%,长沙市次之,为6.67%,株洲市侵蚀总比例最小,为5.68%。工程建设用地在禁止开发区、限制开发区和控制建设区的侵蚀面积分别为963.92,310.74,735.11 hm~2。[结论]受人为因素、城市建设、产业分布等影响,长株潭城市群生态绿心区覆盖度空间呈现西部低,中东部高的格局,工程建设是造成绿心区土壤侵蚀的主要原因。     

贵州省城乡人口变化与建设用地扩张的脱钩关系

[目的]研究贵州省人口与建设用地变化的关系,以促进土地资源优化配置。[方法]利用贵州省2000—2017年城乡人口及建设用地数据,采用脱钩模型和GIS空间分析方法,研究城乡人地关系演化过程。[结果]贵州省城镇人口持续增加,乡村人口逐年减少;城乡建设用地面积不断扩大,城镇和乡村建设用地同向增长。2000—2008年,贵州省城乡人口变化与建设用地扩张关系为强负脱勾类型,乡村人口与乡村建设用地变化为强负脱钩类型,城镇人口与城镇建设用地变化为扩张负脱钩类型。农村人口减少伴随着建设用地增加,农村人地关系处于较不合理状态;城镇人口和建设用地二者均增长,但建设用地增幅快于人口增幅。[结论]贵州省应积极推动农村宅基地流转,提高城乡建设用地集约利用水平,促进城乡融合。     

基于改进极限学习机的水体溶解氧预测方法

为了有效地指导水产养殖生产，提高溶解氧浓度预测的精度，提出了基于因子筛选和改进极限学习机（Extreme Learning Machine，ELM）的水产养殖溶解氧预测模型。首先，利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数，提取强关联因子，降低预测模型的输入量维度；采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络，避免网络中隐含层共线性问题，保障输出权值的稳定性；然后，结合新型激活函数，构建水体溶解氧浓度预测模型。最后，将SPLS-ELM（Selection Based Partial Least Square Optimized Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.3232，与最小二乘支持向量机（Least Square Support Vector Machine，LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization，PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s，预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线，能够满足水产养殖实际生产对水体溶解氧预测的要求。     

基于深度学习的大豆生长期叶片缺素症状检测方法

为了检测作物叶片缺素,提出了一种基于神经网络的大豆叶片缺素视觉检测方法。在对大豆缺素叶片进行特征分析后,采用深度学习技术,利用Mask R-CNN模型对固定摄像头采集的叶片图像进行分割,以去除背景特征,并利用VGG16模型进行缺素分类。首先通过摄像头采集水培大豆叶片图像,对大豆叶片图像进行人工标记,建立大豆叶片图像分割任务的训练集和测试集,通过预训练确定模型的初始参数,并使用较低的学习率训练Mask RCNN模型,训练后的模型在测试集上对背景遮挡的大豆单叶片和多叶片分割的马修斯相关系数分别达到了0.847和0.788。通过预训练确定模型的初始参数,使用训练全连接层的方法训练VGG16模型,训练的模型在测试集上的分类准确率为89.42%。通过将特征明显的叶片归类为两类缺氮特征和4类缺磷特征,分析讨论了模型的不足之处。本文算法检测一幅100万像素的图像平均运行时间为0.8 s,且对复杂背景下大豆叶片缺素分类有较好的检测效果,可为农业自动化生产中植株缺素情况估计提供技术支持。     

基于可靠性视角的交通堵塞模型

本文从可靠性角度研究了交通堵塞模型.首先，通过合理的假设，建立了道路系统的可靠性模型.然后，利用补充变量方法及拉普拉斯变换技术，得到了道路系统的畅通率、稳态堵塞频度和首次堵塞前系统的平均畅通时间等道路系统评价指标.     

网络对农业高校大学生学习的影响及对策

网络现已成为大学生日常生活中不可或缺的一部分。网络所具有的资源丰富、快速便捷等特点给大学生带来了很多积极影响,但是网络所带来的消极影响也不容小觑。通过对农业院校大学生学习情况的调查,研究并总结了网络对大学生学习的积极和消极影响。针对网络对大学生学习的负面影响提出了几点应对之策。     

基于产品空间理论的中国林业产业升级特征分析

林业产业如何进行转型升级是实现林业现代化与高质量发展中的重要一环。本文基于产品空间理论，使用聚类热图和复杂网络方法，构建1962—2017年中国林业产业产品空间，从产品复杂度和优势林产品变化两个角度分析林业产业升级特征。结果表明，新获得优势林产品复杂度高，为0.31，传统失势林产品较低，为-0.21，表征林业产业已朝附加值更高的有利方向升级，但传统优势林产品复杂度较低，说明林业产业已有优势产品竞争激烈不利于升级。产品复杂度较高的潜在优势林产品是林业机械、机械零件和林化产品，优势林产品在产品空间中的变化存在一定路径依赖，先扩散后收敛于产品空间的中心位置，政府制定的林业产业政策与全球化背景可能促进了优势林产品升级。因此，政府制定产业政策时，应对不同优势类型林产品采取差异化策略，应完善产品复杂度低的传统优势林产品市场退出机制；减少与优势林产品距离较近的潜在优势林产品政策干预，对距离较远的复杂度高的潜在优势林产品使用补贴等方式引导升级。     

西安气温日变化特征的城郊差异

为了研究城市化对西安气温日变化的影响,利用西安及其郊区站咸阳1961—2013年4次气温的观测资料,采用城郊对比法对西安和咸阳2个站气温的年、季节、6 h变温、昼夜温差的变化特征进行对比分析,揭示城市化对西安气温日变化特征的影响。结果表明:(1)西安市气温的变化无论哪个时次都高于咸阳且呈上升趋势,2时西安气温的上升幅度最显著,0.56℃/10 a,14时西安与咸阳气温变化趋势基本一致;(2)西安城市气温上升变化幅度从1990s中期开始明显增大,且城市季节变化趋势最明显的是春季,其次是冬季,夏季变化最小,咸阳气温变暖趋势明显滞后于西安5~8年;6 h气温变化温幅度最大的是早晨到中午这个时段,最小的是夜间到早晨。     

南京城市化对极端气温的影响

为了科学认识城市化对极端气温的影响,利用南京地区3个城区气象站和3个周边乡村站1961—2005年日最高、最低气温资料,对比分析城市站和乡村站17个极端气温指数的平均值和变化趋势,并定量估算极端气温变化趋势的城市化影响及贡献。结果表明:近45年南京地区暖事件均为增加趋势,而冷事件多为减少趋势,最高气温、最低气温的平均值和极值均为上升趋势。城市站与乡村站相比,暖事件更多,冷事件更少,最高气温、最低气温的平均值和极值更大。城市化对极端气温变化趋势的影响有两大特点:城市化加速了极端气温指数的变化速率,使得暖事件、平均值、极值的上升趋势和冷事件的下降趋势变得更大;基于最低气温的极端气温指数变化趋势比基于最高气温的极端气温指数受城市化影响更显著。城市化贡献表现为:暖事件大于冷事件,最低气温极值和平均值大于相应的最高气温极值和平均值。