校园环境噪声监测与评价--以华中师范大学为例

环境噪声是环境质量评价的重要指标。通过噪声监测实验,记录了华中师范大学校园内的噪声污染数据,根据国家标准评估了校园环境噪声状况。试验采用网络剖分法,分别于昼间7:30~10:00和夜间22:00~22:55两个时间段对等效声级进行了测定。实验结果表明:昼间噪声污染更为严重,平均噪声超标率达到26%,夜间噪声污染相对较轻,但噪声超标率也达到19%。校园内不同功能区的噪声来源不同,工程施工产生的噪声是主要的污染源,影响比重达到58%。根据实验结果,校园声环境质量一般,需要对现状提出合理的改进建议。     

国家地下水监测工程(辽宁省部分)站网布设探析

根据国家地下水监测工程的总体部署,辽宁省地质环境监测总站完成了"国家地下水监测工程(辽宁省部分)"的初步设计、监测站点的建设以及验收工作。辽宁省共建成自动水位监测站点455个,监测站点覆盖了全省14个地级市,控制面积达62 118 km~2,全部实现了水位数据自动传输,提高了地下水监测工作的精度,形成了一个集地下水信息采集、传输、处理、分析及信息服务为一体的信息系统,基本实现了对辽宁省地下水动态的有效监测以及对重点地区地下水监测点的实时监控。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。     

光肩星天牛的成虫监测和适期防治分析

以光肩星天牛的发生规律和危害特征为基础,应用引诱剂对其成虫进行动态监测,根据监测数据并结合其生活习性确定防治适期和防治方法,为光肩星天牛的监测和防治提供参考。     

山东省桃树重要害虫的监测与防控

桃树是山东省栽培的第二大水果,常年受到不同害虫危害。介绍了当前山东省危害桃树较重的6种害虫,桃蚜、山楂叶螨、梨小食心虫、桃蛀螟、桃潜叶蛾、桃红颈天牛的发生特点、虫情监测方法、关键防治时期和安全防控技术。     

基于物联网技术温室监测系统的发展

随着科学技术的发展,越来越多的新型技术及设备在互联网的基础上被开发出来,其中,物联网作为一种新型信息技术,对人们的生活及生产影响是巨大的。通过对物联网方面在温室监测系统中的应用进行分析,对当下最新技术进行研究归纳总结,得出具有现实意义的结论,希望有助于促温室监测技术的发展。     

基于RGB颜色空间的早稻氮素营养监测研究

针对双季稻区水稻过量施肥带来环境污染和成本提高问题,设计不同品种氮肥梯度大田试验,应用数码相机获取早稻冠层数字图像,研究不同色彩参数及早稻氮素营养指标的时空变化特征,以期确立双季早稻氮素营养预测模型。结果表明:不同品种同一氮肥处理下图像色彩参数差异不大;拔节期数字图像参数对氮素营养指标敏感;模型构建结果显示,图像参数INT与水稻氮素营养指标构建的模型决定系数(R2)最大,模型预测效果最佳,R2分别为0.895 7和0.924 7;进一步采用多元回归分析和BP神经网络分析法进行预测,预测效果均较好。对预测结果进行检验,发现品种对于模型的构建影响不大,以BP神经网络分析法构建的叶片氮浓度(LNC)模型和以INT为敏感色彩参数构建的叶片氮积累量(LNA)回归模型效果最优,而多元回归分析方法则效果不佳。早稻冠层RGB颜色空间敏感参数与氮素营养指标间相关性较好,可以实现氮素营养的无损监测诊断。