基于机器学习理论的土壤侵蚀模型构建

土壤侵蚀一直是环境问题中的重点和难点。由于影响土壤侵蚀的因素众多,传统的预测模型存在数据获取困难、适用范围小、研究周期长等不足,使得对土壤侵蚀的预测无法做到快速、便捷。支持向量机(Support Vector Machine,SVM)是机器学习中的一个重要模型,具有非线性映射、自我学习能力、全局最小值、对输入数据变化不敏感等优点,在建立土壤侵蚀量相关性预测模型方面较传统预测模型具有更强的优势。本研究应用浙江省诸暨市浦阳江水文站的降雨数据,利用ArcGIS地理信息系统确定水文站上游流域为研究区域。以降雨量、研究区域地理数据维度(包括坡度数据、坡长数据、土壤信息、土地利用类型)作为影响因子,输入支持向量机模型,进行流域内土壤侵蚀量预测。将水文站土壤侵蚀量实测数据作为对照值,用模型输出值检验,从而在取值范围内选择出模型最优的参数组。用影响因子数据和土壤侵蚀量数据对使用最优参数的模型进行检验,模型的预测准确率最高达到75%。其中,降雨量对土壤侵蚀量的影响最大,降雨量单因子预测准确率在70%以上,其余因子预测准确率在3.5%左右。最终得到一个土壤侵蚀量相关性预测模型,通过水文站降雨数据以及地理信息,即可预测当地土壤侵蚀量,准确率达到75%。     

开花期气象因子对油菜结实的影响

基于2011—2018年油菜开花日挂牌标记试验,考种不同开花时段油菜结荚率、单荚子粒数,分析不同时期低温对油菜结实的影响,建立气象因子与油菜子粒损失率的影响定量关系。结果表明,2月25日前的低温对油菜结实的影响以中度和重度为主,3月中下旬的低温对油菜结实的影响以轻度为主,2月26日—3月10日的低温对油菜结实的影响以轻度和中度为主。油菜子粒损失率与开花时日最低气温平均值、日平均降雨量相关不显著,与开花时平均气温、日最高气温平均值、日照时数平均值、日平均相对湿度相关显著。随开花平均气温下降,日最高气温平均值下降,空气相对湿度升高。开花时空气相对湿度为70%,且日平均气温≤6.9℃,或空气相对湿度为80%,日平均气温≤8.0℃,油菜中度受害;开花时空气相对湿度为80%,且日平均气温≤4.3℃,或空气相对湿度为85%,日平均气温≤4.8℃,油菜重度受害。其次分析确定了不同天气类型下油菜开花结实的冷积温指标,当日照低温天气的冷积温指标为≥16.5℃,或无日照低温阴雨天气的冷积温指标为≥5.0℃,为中度受害。当日照低温天气的冷积温指标为≥37.5℃,或无日照低温阴雨天气的冷积温指标为≥26.0℃,为重度受害。试验结果可为油菜灾害预警评估和减灾防灾农业气象服务提供技术支撑。     

青海少数民族地区气象科普发展的特征趋势研究

本研究以青海省海南藏族自治州贵德县为例,从近20年中气象科普形式、科普对象、科普内容及科普活动、少数民族地区气象科普的特殊性等方面进行阐述分析,得出了近20年青海基层少数民族地区气象科普发展趋向多形式改变,科普内容有所拓展,科普对象逐渐多元化,少数民族地区气象科普结合本民族的语言及历史文化等方面逐步提升。本研究为气象科普在贫困山区和民族地区的开展提出建议和思考,贫困山区和少数民族地区是生态环境的脆弱区,也是防灾减灾能力的薄弱区,科普重点放在生态文明建设和提高基层防灾减灾能力是关键。制约气象科普的因素较多,应该本着因地制宜、本地化的原则,结合民族特色、用好科技手段、加强人才培养、争取资金投入,进一步提高气象科普宣传力度,更好的发挥气象服务在防灾减灾中第一道防线的作用。     

通辽市气象因子对红薯产量的影响分析

研究通辽市气象因子对红薯种植产量的影响,旨在为通辽市农业种植结构调整提供科学依据。以红薯推广种植基地的种植资料和气象观测资料为基础数据,对气象因子与红薯产量的相关性进行分析。结果表明,积温、日照时数与红薯产量相关显著,相关系数分别为0.741和0.837,日平均气温和降水量与红薯产量未达到显著水平。除发根返青期外,其他发育期与全生育期的积温变化特征近似,相关系数均在0.788以上;日照时数年际变化与全生育期变化特征一致;仅薯块膨大期与全生育期降水量和日平均气温的年际变化相关显著,相关系数分别为0.933和0.936。热量和光照条件对产量影响相对较大,是红薯种植的限制因素,降水对产量影响不明显。     

华莱士瓜含糖率农业气象指标与气候品质评价

华莱士瓜含糖率农业气象指标体系,是定量评价其品质优劣的基础,更是华莱士瓜农业气象业务服务的基础。在解释华莱士瓜农业气象指标内涵的基础上,参照华莱士瓜农业气象指标体系构建的通则,综合农业气象指标研究方法的优缺点,确定关键生育期温度、水分、湿度、蒸发等农业气象指标。20个通过0.01显著水平检验的因子,6个通过0.05显著水平检验的因子。所选因子生物学意义与农业气象学意义明显,符合生产实际。将所有指标划分为最适宜、次适宜、不适宜。便于农业气象服务工作开展。评估模型通过0.01的显著性检验,拟合率达94.4%,拟合效果较好,可用于华莱士瓜品质评估。     

智能制造和大数据挖掘在农业机械设计中的应用

随着制造信息的爆炸性增长及处理信息工作量的猛增,要求制造系统表现出更大的智能化,除了需要专业人才和专门知识外,还需要智能制造系统具有大数据挖掘和分析处理能力,从而使系统具有感知分析、推理、决策、控制等功能。为此,在农机数字化设计平台上引入了智能制造系统,并利用大数据挖掘技术对系统进行了优化,建立了经验数据库,在加工类似零部件时可以直接生成加工指令和工艺方案。实际应用表明:智能制造系统地引入有效缩短了加工工艺的设计周期,提高了设计效率,降低了设计制造成本。     

基于贝叶斯神经网络的农田分区灌溉需水量模拟分析

针对农田分区灌溉需水量模拟过程中普遍存在的求解过程易陷入局部最小化、出现过度拟合,以及过度依赖历史用水数据,导致最终模拟结果存在显著误差的问题,研究基于贝叶斯神经网络的农田分区灌溉需水量模拟分析方法。以前一周需水量、年内月需水量占比、日内温度上限值及日降雨量为指标,通过聚类分析获取指标数据均值,对农田分区灌溉历史用水的样本数据进行聚类分析。构建贝叶斯神经网络模型,将指标数据均值输入模型,根据BP神经网络原理与贝叶斯规则训练指标数据,然后输出农田分区灌溉需水量模拟结果。试验结果显示数据聚类结果中数据间关联度高于95%,数据拟合效果较好,模拟需水量时具有更高的精度与稳定性。      

基于SLAM的无人机飞行参数设定方法研究#br#

为克服无人机林间飞行环境复杂、作业多样化、点云数据质量难以评价等导致的飞行参数不合理、点云数据质量差的问题,提出一种基于同时定位与建图(Simultaneous Localization and Mapping,SLAM)的无人机林间环境飞行参数设定方法。首先使用三维激光雷达所采集的林间点云数据进行建图,然后通过建图轨迹与GNSS-RTK数据轨迹进行对比分析,评价点云数据的质量,最后根据其均方根误差对无人机的最佳飞行高度与速度参数进行设定。分析结果表明：飞行速度固定时,机载激光雷达飞行轨迹的均方根误差与飞行高度成正相关。飞行高度固定时,机载激光雷达飞行轨迹的均方根误差与飞行速度成正相关。在平均高度为6~7 m,长度为100 m的林间,无人机的最佳飞行高度为12 m,最佳飞行速度为2 m/s,均方根误差为1.262 m。该方法满足评价点云数据质量的需求,同时为无人机林间环境飞行参数的设定提供理论支撑。     

基于改进YOLOv5s和多模态图像的树上毛桃检测

毛桃等果实的准确检测是实现机械化、智能化农艺管理的必要前提。然而,由于光照不均和严重遮挡,在果园中实现毛桃,尤其是套袋毛桃的检测一直面临着挑战。本研究基于改进YOLOv5s和多模态视觉数据提出了面向机械化采摘的毛桃多分类准确检测。具体地,构建了一个多类标签的裸桃和套袋毛桃的RGB-D数据集,包括4127组由消费级RGB-D相机获取的像素对齐的彩色、深度和红外图像。随后,通过引入方向感知和位置敏感的注意力机制,提出了改进的轻量级YOLOv5s（小深度）模型,该模型可以沿一个空间方向捕捉长距离依赖,并沿另一个空间方向保留准确的位置信息,提高毛桃检测精度。同时,通过将卷积操作分解为深度方向的卷积与宽度、高度方向的卷积,使用深度可分离卷积在保持模型检测准确性的同时减少模型的计算量、训练和推理时间。实验结果表明,使用多模态视觉数据的改进YOLOv5s模型在复杂光照和严重遮挡环境下,对裸桃和套袋毛桃的平均精度（Mean Average Precision,mAP）分别为98.6%和88.9%,比仅使用RGB图像提高了5.3%和16.5%,比YOLOv5s提高了2.8%和6.2%。在套袋毛桃检测方面,改进YOLOv5s的mAP比YOLOX-Nano、PP-YOLO-Tiny和EfficientDet-D0分别提升了16.3%、8.1%和4.5%。此外,多模态图像、改进YOLOv5s对提升自然果园中的裸桃和套袋毛桃的准确检测均有贡献,所提出的改进YOLOv5s模型在检测公开数据集中的富士苹果和猕猴桃时,也获得了优于传统方法的结果,验证了所提出的模型具有良好的泛化能力。最后,在主流移动式硬件平台上,改进后的YOLOv5s模型使用五通道多模态图像时检测速度可达每秒19幅,能够实现毛桃的实时检测。上述结果证明了改进的YOLOv5s网络和含多类标签的多模态视觉数据在实现果实自动采摘系统视觉智能方面的应用潜力。     

小麦叶锈菌越夏与气象因子相关性初步分析

小麦叶锈病是一种严重威胁小麦安全生产、依靠气流传播的真菌病害,近年来发生呈逐年加重趋势。为明确气象因子对小麦叶锈菌越夏的影响,本研究通过对全国698个气象站点7月-8月最热10 d的日均温和平均日最高气温进行回归分析,对7月-8月0 cm平均地温、平均风速、平均降水量、平均日照时数和平均相对湿度进行空间插值,提取了93个小麦叶锈菌越夏调查点的气象数据,再与调查点小麦叶锈菌能否越夏进行相关性分析,结果显示小麦叶锈菌越夏与7月-8月最热10 d日均温和最热10 d平均日最高气温之间存在极显著相关性(P<0.01),与其他气象因子相关性不显著(P> 0.05),结果为小麦叶锈病的越夏区划奠定了基础。