江苏农业商务网创新服务的实践与探索

江苏农业商务网在建设过程中围绕信息内容建设,不断创新技术应用和组织形式;重点建设了产品供求信息发布、企业信息展示、电子商务支付三大功能体系,为信息内容发布搭建了有效平台;应用软件技术,以"一站上传,多站发布"方式,与近50个地方特色农业网站建立了网站联盟,丰富了农产品市场信息来源;利用二级网站技术,免费为乡镇提供建站服务,整合农村乡镇信息资源;与电信企业联合开展为农手机短信服务,引入市场机制强化信息内容质量。     

基于构件化生长模型的作物管理决策支持系统

运用系统分析原理和数学建模技术,通过分析不同作物生长模型的共性及特点,初步创建了基于通用算法框架的作物生长模型。并进一步结合气象生成模型、品种参数生成模型及策略分析评价模型,以C#为编程语言,应用面向对象的程序设计与软构件技术,建立了基于构件化生长模型的作物管理决策支持系统。系统实现了农作模拟预测、决策支持和人机交互技术的有机耦合,具有农作信息管理、动态模拟、方案评估、因苗预测、时空分析及系统维护等功能。系统的建立可为通用性、综合性数字化作物管理决策支持系统的构建奠定基础。     

水稻地上部单位器官物质分配过程的定量模拟

 【目的】定量描述水稻植株地上部单位器官（叶片、叶鞘、节间、稻穗）干物质的动态分配过程,为作物形态建成模拟和可视化表达奠定基础。【方法】通过不同水稻品种和水氮试验中主茎和分蘖单位叶片、茎鞘及穗的干物质与水分及氮素含量的连续观测和定量分析,构建水稻地上部各单位器官干物质分配指数动态模型。【结果】模型采用线性和指数方程描述了叶片、茎鞘及穗单位器官分配指数随GDD的动态变化过程;分别用指数方程及一元二次方程描述了叶片、茎鞘及穗最大单位分配指数随不同叶位、鞘位以及穗位的动态变化过程;另外,以叶片、茎鞘及穗的氮素和水分因子法分别描述了水氮限制对各单位器官干物质分配过程的定量影响。利用独立的水稻田间试验资料对所建模型进行了初步的测试和检验,主茎与分蘖各单位器官干物重的观测值与模拟值的根均方差分别为0.93、0.81及6.8 kg•ha-1。【结论】本模型可较好地模拟不同生长条件下水稻不同茎蘖各单位器官干物质动态的变化过程。     

基于高光谱遥感的小麦叶片糖氮比监测

 【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数（R2）分别为0.762和0.768,估计标准误差（SE）分别为1.27和1.28。色素特征参数（R750-800/R695-740）-1和VOG2为变量,指数方程拟合决定系数（R2）分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、（R750-800/R695-740）-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、（R750-800/R695-740）-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。     

棉花地上部形态建成的光温模型

以不同株型棉花品种为研究对象,基于“同类相似性”原理,借助数学建模和统计分析方法,系统分析光温生态因子对棉花叶片长、宽,叶柄长、粗,主茎节间长、粗,果节长、粗,蕾铃高、直径等形态指标的影响,量化温、光因子与棉花各器官形态建成的关系,构建了基于GDD (growing degree day)和Logistic方程的棉花形态建成光温模型。利用独立的试验数据对模型进行了检验,结果表明,棉花主茎叶片的长度和宽度、叶柄长度、主茎节间的长度和粗度、果枝叶片的长度和宽度、叶柄长度、果节的长度和粗度、蕾铃高度和直径的RMSE值分别为0.48、0.65、0.53、0.09、0.02、0.55、0.28、0.23、0.14、0.17、0.20和0.11 cm。显示棉花器官形态指标的模拟值与检验值具有较好的吻合度,说明模型具有良好的预测性和描述性。     

作物生育期模拟并行调度算法的研究与设计

探明作物生育期模拟在PC集群环境下的并行调度算法,有助于提高模型的计算效率。该研究综合应用划分策略和流水线技术,具体分析了已有作物的生长发育和物候期模拟算法的输入输出参数特性,确定了作物生育期模拟通用算法框架,包括热效应、光周期效应、春化效应、有效积温、生理发育时间和物候期共6个计算单元;进一步明确了具有独立、自依赖和相互依赖关系的作物模型的计算任务划分和数据分解方法。为达到数据通讯和同步开销最小的目标,设计了多节点混合调度的优化模型。该研究提出了基于OpenMP的多处理机并行调度算法和基于MPI/OpenMP混合的多节点并行调度算法,并在Windows Compute Cluster Server2003组成的PC集群环境下,在加速比、计算缓冲区大小和计算节点个数等方面进行了性能度量与比较。结果表明:两种并行调度算法均可有效提高小麦生育期模拟的计算效率,第1种算法简单易行,平均加速比为1.55,对集群计算资源的利用率有限;第2种算法的平均加速比是3.37,当计算量较大时,具有更好的计算性能。     

不同类型土壤的光谱特征及其有机质含量预测

 【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。     

一种新的估算水稻上部叶片蛋白氮含量的植被指数

 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。     

基于WebGIS与知识模型的小麦病虫草害管理决策支持系统研究

为给小麦病虫草害管理提供远程预测和咨询服务,通过分析和提炼小麦病虫草害管理方面的最新研究结果和信息,根据小麦病虫草害的发生规律,结合小麦栽培管理知识模型以及经济信息,构建了小麦病虫草害管理模型;并运用软件工程的思想,以WebGIS为空间信息管理平台,结合MS-SQL Server数据库技术,建立了基于B/S结构的网络化小麦病虫草害管理决策支持系统.该系统实现了用户管理、地图操作、病虫草害管理、智能学习、农药查询以及帮助等功能.以江苏省为案例区,对系统进行了测试与检验,结果表明,该系统能根据不同地域内小麦病虫草害发生的实际情况,预测其对小麦的危害程度并生成适宜的防治措施,从而为小麦病虫草害管理提供了远程预测和决策咨询的服务工具.