板栗快速育苗技术

板栗果实营养丰富,不仅含有大量淀粉,而且含有蛋白质、脂肪、B族维生素等多种营养成分,素有"干果之王"的美称。栗子可代粮,与     

中国生态安全评价研究进展

生态安全是可持续发展研究的新领域,是对生态系统整体安全状况的定量描述,对保护和发挥良好的生产与生态服务功能具有重要作用.在概述生态安全理论内涵的基础上,从评价尺度、评价模型与指标体系、评价方法、评价标准与评价结果分级等方面综述了国内生态安全评价研究进展,进而针对目前我国生态安全评价研究和应用中存在的一系列问题,提出加强生态安全的理论研究、完善评价模型与指标体系、制定科学合理的评价标准、实现不同尺度研究紧密结合、构建重点区域监测与预警平台、健全安全维护与管理调控系统等发展对策,以期为推进深入系统的生态安全评价研究提供依据.     

基于BP神经网络模型的森林资源蓄积量动态估测

以浙江省庆元县2007年森林资源二类调查数据为样本数据,选择树龄、海拔、坡度级、土层厚度、A层厚度、郁闭度6个指标作为自变量因子,利用基于BP神经网络的预测模型,分优势树种对森林资源蓄积量进行预测。试验结果表明,自变量因子与因变量(蓄积量)之间具有较好的相关性。今后研究中若能加入一些其他影响因子(如太阳辐射指数、地形湿度指数等),并结合高精度的遥感影像(如天地图),然后再对数据进行一定的预处理,则研究结果将完全可能用于辅助森林资源调查。     

基于LSMM的青海湖流域植被覆盖度时空变化分析

基于2000、2008、2016年3个时相的Landsat影像,采用线性光谱混合分解模型提取了三期的青海湖流域植被覆盖度。结果表明,2000-2008年植被覆盖度有小幅度上升;而2008-2016年则表现出植被覆盖度极明显增加,这一变化与2008年启动的青海湖流域综合治理项目密切相关。     

基于TPH-YOLO的无人机图像麦穗计数方法

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法，它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象，针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点，设计了一种基于TPH-YOLO(YOLO with transformer prediction heads)的麦穗检测模型，提高无人机图像麦穗计数的精度。首先，为了减小光照不均匀对无人机图像质量造成的影响，该研究采用Retinex算法进行图像增强处理。其次，在YOLOv5的骨干网络中添加坐标注意力机制（coordinateattention,CA），使模型细化特征，更加关注麦穗信息，抑制麦秆、麦叶等一些背景因素的干扰。再次，将YOLOv5中原始的预测头转换为Transformer预测头（transformer prediction heads,TPH），该预测头具有多头注意力机制的预测潜力，可以在高密度场景下准确定位到麦穗。最后，为了提高模型的泛化能力和检测精度，采用了迁移学习的训练策略，先使用田间采集的小麦图像数据集对模型进行预训练，接着再使用无人机采集的小麦图像数据集对模型进行参数更新和优化训练，...