草面温度在霜预报中的应用

为了避免农作物遇霜后遭受冻害,本研究采用草面温度对霜进行预测。利用连云港气象观测站2014—2016年逐时气象要素,包括气温、0 cm地温、露点温度、水汽压、气压以及2 min平均风速等气象要素作为影响连云港地区草面温度的关键因子,并以这6个要素作为属性特征,以草温作为标志量构建训练样本集,结合KNN数据挖掘算法构建草温预测模型,并根据草温判别是否有霜出现。结果表明：基于该算法构建的草温预测模型效果较好,预报平均误差1.2℃;根据草温预测霜的准确率高达90.2%,尤其对初终霜的预报具有很好的指示意义。因此,引入草温作为霜的预报指标,对于避免农作物遭受霜害具有十分重要的意义。     

土壤游离氧化铁高光谱特征与定量反演

【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。     

大麦籽粒抗性淀粉含量快速测定方法研究

为探索快速高效测定大麦籽粒中抗性淀粉含量的方法，利用衰减全反射中红外（attenuated total reflection mid-infrared spectroscopy,ATR-MIR）和近红外（near-infrared spectroscopy,NIR）光谱技术，分别用3种不同方法进行预处理，建立大麦样品的抗性淀粉含量快速测定红外模型，通过不同预处理预测模型的校正和内部交叉验证结果的比较，依据决定系数（r）和均方根误差（RMSE）筛选出基于ATR-MIR和NIR光谱的最佳预测模型，再对最佳预测模型进行外部验证。结果表明，经基线位移校正+范围归一化（BOC+RN）预处理后的PLS模型为最佳ATR-MIR预测模型；经标准正态变换+Savitzky-Golay法一阶求导（SNV+1thD）的预处理模型为最佳NIR预测模型。用验证集材料对BOC+RN和SNV+1thD最佳预测模型的预测效果进行外部验证，光谱预测值与化学测定值之间没有显著差异，说明两种方法均可以用于大麦籽粒抗性淀粉含量测定；ATR-MIR光谱比NIR光谱具有更好的预测能力。     

基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量，以大围网养殖海水中的氨氮为研究对象，在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应，实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型，并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响，其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优，建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L，相对分析误差（RPD）为6.8932；在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验，平均回收率在94%~109%之间，相对标准偏差在2.3%~5.8%之间。结果表明，实验建模效果良好，操作简单、方便，实验快速、可靠、无污染，表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测

旨在实现冬小麦各生育期叶绿素含量的准确估测,探究其时空变化规律。利用无人机获取冬小麦越冬期、返青期、拔节期、孕穗期和灌浆期的高分辨率多光谱图像,同时采集地面SPAD数据。选取三类光谱参数建立反演模型,优选出各生育期的最佳预测模型,并定量监测试验区冬小麦叶绿素含量时间变化和空间分布。结果表明：原始波段模型和波段倒数对数模型分别为越冬期及其他生育期叶绿素含量预测的最佳模型,拟合精度R²>0.59;时空分布上,灌浆期前试验区冬小麦叶绿素含量呈南北高、中部低特点,灌浆期则呈北高南低的趋势,叶绿素含量从越冬期到拔节期逐步增加,拔节期到孕穗期开始降低,孕穗期到灌浆期则大幅度降低。本研究建立的倒数对数预测模型,精度较高,且适用于返青到灌浆的4个生育期,对于试验区冬小麦叶绿素含量有较好的时空监测效果。     

基于多种数学模型下我国联合收割机保有量的预测

联合收割机保有量的预测是一个复杂的非线型系统,三次多项式时间序列模型、灰色预测的GM(1,1)模型和BP神经网络模型对发展变化具有增长性和波动性以及信息不完备的复杂经济系统具有一定的实用性。为此,利用我国联合收割机保有量的历史数据,综合使用这3种模型进行均值预测,使生产联合收割机的厂家在能够把握市场的需求量、不至于盲目生产及造成不必要的损失同时,可以为政府预测新的经济前景、制定新的生产计划提供重要参考。     

内江猪生长曲线拟合及体重预测模型构建

为研究内江猪生长发育规律,本研究测定了346头内江猪的体重,并使用Logistic、Gompertz和Von Bertalanffy这3种非线性生长曲线模型对其进行生长曲线拟合,使用最佳的生长曲线模型计算相对生长量(R)和绝对生长量(G)。对114头内江猪的体重和体尺进行相关性分析,进一步构建体重预测模型。结果表明：Gompertz模型对内江猪体重具有最佳的拟合效果,该模型估计的拐点日龄为156.74 d,拐点体重为64.41 kg。通过对内江猪生长发育规律分析,发现内江猪在180日龄时生长速度达到最大,之后随日龄的增加逐渐下降,体重与体尺性状间呈正相关关系。雌性内江猪的最佳体重预测模型为：BW=20.1+0.644BH+0.304BL+0.472CC,R²=0.645;雄性内江猪的最佳体重预测模型为：BW=2.7+0.884BH+0.477BL+0.260CC,R²=0.777。内江猪体重拟合效果最好的模型是Gompertz模型。以上结果可为内江猪饲养管理和生长发育的相关研究提供一定的理论基础。     

猪饲料有效能值预测模型的构建

为探索饲料常规成分及碳水化合物组分与饲料有效能值之间的关系方程,本研究以NRC第11版《猪营养需要量》中发布的122套饲料营养成分表为基础,将饲料中11种基础成分[6项常规成分:干物质、粗蛋白质(CP)、粗纤维(CF)、粗脂肪(EE)、酸性醚提取物、粗灰分(ash);5项碳水化合物组分:淀粉(ST)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、半纤维素、酸性洗涤木质素]作为自变量,将饲料中的消化能(DE)、代谢能(ME)及净能(NE)作为因变量,采用SAS软件中的REG过程,分别建立不同性质饲料、自变量的不同组合与DE、ME及NE之间的回归关系方程,并以相关系数(R2)及变异系数(CV)作为评价回归模型的优劣。研究表明,有效能值与CP、ST及纤维类指标显著或极显著相关(P0.05或P0.01)。将所有饲料作为研究对象时,饲料的DE、ME及NE与上述11种基础成分之间建立的普适性回归模型预测效果较差。当将14种玉米及其加工产品形成子集时,建立饲料基础营养成分与DE、ME及NE的关系方程分别为7、6和7套(P0.05),且3组回归模型R2分别为0.632 8~0.772 3、0.646 9~0.684 9和0.670 5~0.822 1,CV分别为6.61%~8.40%、6.58%~7.34%和6.21%~8.27%;当将13种大豆及其加工产品形成子集时,共建立饲料基础成分与DE、ME关系方程分别有3和4套,回归模型R2分别为0.907 1~0.926 9、0.890 7~0.922 3,CV分别为5.40%~6.09%、5.79%~6.78%,NE与基础营养成分指标之间无法建立具有营养学意义的有效回归方程。对于同类饲料中具有相同自变量组合的DE及ME预测模型而言,两者之间的差异主要是自变量CP的系数上,且CP部分对ME的正效应低于DE,这保证模型预测的ME低于DE。同时选用本研究构建的适宜模型,补充了NRC第11版成分表中第97(去皮大豆粕,低寡糖,浸提)、101(全脂大豆,高蛋白质)及102号(全脂大豆,低寡糖)饲料的DE值分别为15.99、17.35、17.27 MJ/kg,ME值分别为14.53、16.15和16.14 MJ/kg。综上,以NRC(2012)饲料营养成分表为基础,建立的普适性有效能值回归模型预测效果较差。按照玉米类和大豆类进行分类,可建立DE、ME和NE与饲料化学成分之间的多元回归方程,其中最优的预测因子为CP、EE、ST、ash、NDF、ADF。具有相同自变量的同类饲料DE和ME预测模型之间的差异是CP系数,CP影响DE转化为ME的效率。     

森林资源动态变化预测模型

本文给出了不等间隔时序数列的CM(1,1)模型,并对广西融水县森林资源动态变化进行了预测。预测结果比较理想,模型精度97.2％,从而为森林资源部分数据更新提供了一个新方法。     

花椒锈病发病规律及防治研究

花椒锈病的流行规律与气象条件尤其是5～9月份的旬平均降雨量密切相关,感病指数预测模型为Y=0.5059X 0.3945(X为5～9月份连续3旬的降雨量均超过12.6mm时的三旬平均降雨量).在发病初期交替使用粉锈宁、甲基托布津和退菌特进行防治,效果显著.