基于YOLO v3与图结构模型的群养猪只头尾辨别方法

在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。     

王正非林火蔓延模型改进研究

王正非林火蔓延模型是目前国内比较先进的森林火灾蔓延模型,但是由于林火行为的复杂性,此模型在准确率和普适性方面仍存在许多不足。本文结合已有的成果进一步改进王正非模型,增加了可燃物湿度对林火蔓延速度的影响,改进了林火初始速度的计算方式。针对各种坡度对林火蔓延行为的影响给出了一个计算公式。与改进前相比,改进后的模型使其对林火蔓延情况的预估更为精准。     

基于GIS与RS的北方防沙屏障带生态系统格局演变

研究北方防沙屏障带生态系统格局演变特征,对加强屏障带建设、改善生态环境具有重要意义。以北方防沙屏障带为研究区,根据2005、2010、2015年MODIS遥感影像,将北方防沙屏障带生态系统类型划分为森林、草地、湿地、农田、城镇、荒漠和裸地7类。采用空间统计、转移矩阵、景观指数分析法、PNTIL模型等方法,对北方防沙屏障带2005—2015年生态系统类型时空演变特征进行分析。结果表明,2005—2015年北方防沙屏障带生态系统整体呈稳定状态;从分屏障带看,内蒙古防沙屏障带荒漠面积明显减少,塔里木防沙屏障带森林面积迅速增加,而河西走廊防沙屏障带草地面积明显增加;从正/逆转换方向来看,屏障带内农田、城镇、荒漠及裸地生态系统正向转换率高于逆向转换率。10年间,在景观水平上,北方防沙屏障带斑块数量、斑块密度呈减少趋势;在类型水平上荒漠景观整体呈现破碎化萎缩的趋势特征,森林、草地向形状简单化的方向发展。研究表明,2005—2015年,北方防沙屏障带生态总体向好,治沙效果明显,但局部仍面临较大压力。     

基于Landsat和MODIS数据融合的农牧区NPP模拟

天山北坡是中国重要的农牧业发展基地,利用遥感数据准确获取植被净初级生产力(Net primary productivity,NPP)的时空信息,对于合理分配农牧业草地资源具有重要意义。由于受到天气影响及卫星传感器受到时间分辨率和空间分辨率的限制,获取既具有中空间分辨率、又具有高时间分辨率的遥感数据比较困难。本文基于中空间分辨率Landsat 8 OLI数据与高时间分辨率MODIS数据,采用遥感数据时空融合STARFM算法,获取中空间分辨率和高时间分辨率序列的遥感数据,以天山北坡中段区域为实验区,结合CASA模型,对区域内植被NPP进行模拟。结果表明,2016年内8个时期,融合后的NDVI数据与对应时刻的Landsat 8 OLI NDVI数据的相关系数不小于0.759,偏差在0.006 2～0.009 4之间,均方根误差在0.074～0.135之间;利用融合数据与CASA模型协同模拟的NPP具有良好的空间细节信息,NPP模拟值与野外实测值决定系数R~2为0.860 1,表明两者具有较好的相关性。本研究为多源遥感影像融合技术与光能利用率模型协同模拟NPP提供了新的思路。     

全国水土保持功能年度价值评价研究

依据《中华人民共和国水土保持法释义》对水土保持功能的定义,分析了水土保持设施、地貌植被所发挥或蕴藏的有利于保护水土资源、防灾减灾、改善生态、促进社会进步等作用的内涵。在借鉴国内外先进经验和研究成果基础上,结合我国水土流失特点、水土保持现状,界定出水土保持功能价值概念。采用生态经济学计量方法,结合实际调研情况,分析各个指标之间的逻辑关系,建立了水土保持功能价值评价模型。按照国家水土保持区划一级分区,适当考虑二级分区和三级分区,以及全国水土流失动态监测站网分布概况,收集39个典型县(市、区)2016年度的土壤、水文、气象等观测资料,测算出其水土保持功能价值,进而推算至全类型区,再从8个水土保持一级分区的水土保持功能价值推算出2016年度全国水土保持功能价值,并在对测算结果进行分析讨论的基础上,对国家制定水土保持生态文明对策提出了建议。     

RZWQM2模型模拟牛场肥水施用夏玉米土壤硝态氮迁移特征

为研究华北平原种养结合中养殖肥水的合理施用,减少典型农田水肥施用后土壤氮淋溶对地下水的影响。该研究以河北省徐水区夏玉米为研究对象,应用RZWQM2模型验证牛场肥水施用玉米农田的可行性,对2014—2016年玉米种植前后数据进行模型参数率定与验证。验证结果表明,土壤体积含水率的均方根误差和平均相对误差值分别在0.000 6～0.070 7 cm~3/cm~3和0.21%～21.44%之间变化,土壤硝态氮均方根误差和平均相对误差值分别在0.000 8～2.617 3 mg/kg和0.03%～18.58%之间变化,其中牛场肥水施用土壤中硝态氮主要在0～120 cm土层发生变化,说明RZWQM2模型可以用来模拟华北平原牛场肥水施用对土壤水分、硝态氮含量及玉米产量的动态变化。利用率定和验证后的模型进行了夏玉米农田硝态氮淋溶的验证与预测,表明硝态氮淋溶浓度随肥水氮量的增加而增加。RZWQM2模型可以应用于牛场肥水施用农田的模拟,为预测和评估土壤适宜的肥水施用提供更合适的方法。     

茄子株高性状鉴定与遗传分析

以长茄高代自交系125 和126 构建的茄子6 个不同世代的遗传群体〔P₁、P₂、F₁、F₂、 B₁（125×F₁）、B₂（126×F₁）〕 为试材，利用主基因+ 多基因混合数量性状遗传模型对茄子的株高性状进行多世代遗传联合分析。结果表明：供试亲本株高 性状差异显著，分离世代株高性状数值均呈单峰的偏正态分布，属于数量性状遗传。多世代遗传联合分析结果显示茄子株高 性状的最适遗传模型为C-0 模型，不存在主基因遗传效应，表现为多基因控制的加性- 显性- 上位性遗传模式。采用二阶 遗传参数进一步分析株高的多基因遗传效应，结果显示，茄子分离世代F₂、B₂ 的多基因遗传率分别为49.24%、22.77%，茄 子株高以多基因遗传为主。     

不同施氮量下覆膜滴灌玉米相对根长密度模型研究

为探明施氮量对宁夏引黄灌区覆膜滴灌玉米根长密度(RLD)的影响,设置5个施氮水平和1个对照(CK,不施氮与不覆膜)进行试验,测定玉米RLD,建立不同施氮量下相对根长密度(NRLD)模型,并加以检验。结果表明:不同施氮处理的玉米RLD分布区域均随土层深度的增加而减小,且大部分集中在0～20 cm土层;随着施氮量的增加,RLD分布区域明显扩大; NRLD分布满足三阶多项式函数模型,模拟曲线的决定系数R2为0.951,模型检验结果R2为0.845,均方根误差(RMSE)为0.248,拟合效果好,但该多项式模型不能保证NRLD在相对取样深度Zr为1时达到0,故对玉米NRLD分布多项式模型进行优化。优化模型验证结果显示,各施氮处理RMSE不大于0.308,CK、N0、N1、N2、N3和N4处理的标准化均方根误差分别为0.242、0.193、0.184、0.226、0.208和0.273,R2分别为0.903、0.953、0.920、0.944、0.962和0.898,具有较高的拟合度,解决了NRLD在Zr=1时达到0的问题。本研究可为宁夏引黄灌区膜下滴灌玉米NRLD分布拟合、根系养分吸收和施肥管理提供理论参考。     

Improving wood volume predictions in dry tropical forest in the semi-arid Brazil

The volumetric variability of dry tropical forests in Brazil and the scarcity of studies on the subject show the need for the development of techniques that make it possible to obtain adequate and accurate wood volume estimates. In this study, we analyzed a database of thinning trees from a forest management plan in the Contendas de Sincorá National Forest, southwestern Bahia State, Brazil. The data set included a total of 300 trees with a trunk diameter ranging from 5 to 52 cm. Adjustments, validation and statistical selection of four volumetric models were performed. Due to the difference in height values for the same diameter and the low correlation between both variables, we do not suggest models which only use the diameter at breast height (DBH) variable as a predictor because they accommodate the largest estimation errors. In comparing the best single entry model (Hohenald-Krenn) with the Spurr model (best fit model), it is noted that the exclusion of height as a predictor causes the values of 136.44 and 0.93 for Akaike information criterion (AIC) and adjusted determination coefficient (R2 adj), which are poorer than the second best model (Schumacher-Hall). Regarding the minimum sample size, errors in estimation (root mean square error (RMSE) and bias) of the best model decrease as the sample size increases, especially when a larger number of trees with DBH≥15.0 cm are randomly sampled. Stratified sampling by diameter class produces smaller volume prediction errors than random sampling, especially when considering all trees. In summary, the Spurr and Schumacher-Hall models perform better. These models suggest that the total variance explained in the estimates is not less than 95%, producing reliable forecasts of the total volume with shell. Our estimates indicate that the bias around the average is not greater than 7%. Our results support the decision to use regression methods to build models and estimate their parameters, seeking stratification strategies in diameter classes for the sample trees. Volume estimates with valid confidence intervals can be obtained using the Spurr model for the studied dry forest. Stratified sampling of the data set for model adjustment and selection is necessary, since we find significant results with mean error square root values and bias of up to 70% of the total database.     

芋疫病空间分布格局及其抽样技术研究

为了进一步提高对芋疫病预测预报,科学指导生产上的防治,应用最小二乘法、频次分布、聚集度指标、m^*-m回归分析和Taylor幂法则等对病株的空间分布型进行了分析。结果表明:当田间芋疫病病株率在0.427~0.513时,病株田间分布属聚集分布;当田间芋疫病病株率在0.720~0.820时,病株田间分布属均匀分布。此外其病株空间分布的基本成分是个体群,病株个体间相互吸引,病株在大田中存在明显的发病中心,且病株个体的空间格局随着病株密度的提高越趋均匀分。在此基础上,提出了Iwao最适理论抽样模型N=232.3783/m-87.9438,并建立序贯抽样模型T₀(N)=0.3689N±1.7177$\sqrt{N}$,即:调查株数N时,若累计病株率超过上界可定为防治对象田,若累计病株率未达到下界时,可定为不防治田,若累计病株率在上下界之间,则应继续调查,直到最大样本数m₀=0.3689时,也即病株率15%,所需抽样数542株止。