水肥浓度智能感知与精准配比系统研制与试验

为解决农场当地当时的复合肥料精准化配料问题，本研究将水肥一体化智能灌溉施肥系统作为研究对象，构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法，利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构，阐述系统工作原理；并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性，同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明，正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型，相关系数R²均大于0.999，由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明，水体会干扰电导率导致无法准确反演水肥配比的浓度，相对偏差值超过了0.1。因此，本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰，通过模型计算实现复合肥精准化配比，并得出各指标浓度。该系统结构简单，配比精准，易与现有水肥一体机或者人工配肥系统结合使用，可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。     

基于GF-1/2卫星数据的冬小麦叶面积指数反演

叶面积指数(leaf area index,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明,GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modified simple ratio)、GNDVI(green normalized difference vegetation index)、EVI(enhanced vegetation index)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1(green simple ratio)、NDVIGF-1(normalized difference vegetation index)建立的PLSR(partial least squares regression)模型R2最大,均为0.783,PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2(soil-adjusted vegetation index)建立的PLSR模型精度高于基于GF-1的2种模型,R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。     

基于脱氧核酶-等温级联放大耦合的传感体系高灵敏检测水样中铅离子

我们结合等温直链替代反应（SDA）和指数扩增（EXPAR）设计了一种非标记、高灵敏的Pb2+荧光生物传感体系。在 Pb2+存在情况下，底物链被活化的GR-5 DNAzyme快速切割释放引物1。引物1与模板1杂交，并被DNA聚合酶（BSM）延伸形成带限制性内切酶（Nt.BbvCI）的识别序列的双链核苷酸。BSM从Nt.BbvCI切割产生的切口再次延伸形成双链核苷酸，并释放信号G4-DNA片段。G4-DNA片段同时又可以作为模板2的引物，启动指数放大过程，从而释放更多的信号G4-DNA片段。最后，扩增产物G4-DNA与原卟啉锌(ZnPPIX)相互结合从而产生强烈的荧光信号。我们详细优化了多种因素对检测体系的影响，在最优实验条件下，此方法对Pb2+的线性检测范围为 0.1~50 nM，检出限为0.03 nM（S/N=3），回归方程为 y=288.7x+744.7(y为荧光强度，x为Pb2+浓度)。干扰实验表明，该传感器对Pb2+具有良好的特异性和选择性。该传感体系成功应用于环境水体中 Pb2+含量检测，加标回收率为 94.0%～103.0%。本方法操作简单、选择性好、灵敏度高、有较强的抗干扰性能，可用于环境水样中Pb2+的高灵敏检测。     

基于 Arduino +机智云的阳台生态控制系统的设计

以基质培养的绿色植物所在的半封闭阳台系统为研究对象，设计基于 Arduino Uno WIFI +机智云的远程环境控制系统。系统通过传感器实时采集温度、湿度、光照等环境参数，通过 WIFI无线网络上传机智云服务器。用户通过手机等移动终端下载应用APP，访问机智云服务器，实时了解系统的环境参数，通过远程启动灌溉、补光、关窗等操作调节环境参数。系统采用无线连接的 WIFI +云服务器的形式，不需布线和支付移动费用 ,整个硬件系统经济实用，可应用在城市居民的阳台植物种植上。     

农业机械与信息技术融合发展现状与方向

为理清国内外农业机械与信息技术融合发展现状，找到重点发展方向，借此大力推进中国农业机械智能化发展，本文首先分析了国外农业机械与信息技术融合发展的现状，总结了其发展的五大特点。之后指出中国农业机械化发展虽然成效显著，但仍存在农机信息化融合的区域及结构发展不平衡、企业和农民对农业机械信息化的认可度还不高、基础研究与关键技术研究薄弱、农机作业信息系统管理水平不高且缺乏统一标准等问题。最后提出了中国农业机械与信息技术融合发展的方向，包括促进智能感知技术发展与导航技术研究、推进农业机械装备智能化、构建农机智慧作业系统、推进农机自主作业技术研究与无人农场建设、加强农机信息化技术标准制定与复合型人才培养等。农业机械与信息技术融合是中国现代农业机械发展的必然趋势，利用信息技术促进农业机械的发展，能够最大化发挥信息技术的引导效应，提高农业生产效率，对于推进中国农业机械高质高效发展具有重要意义。     

气候与人类活动对丹江口水源区植被覆盖变化的影响

植被覆盖状况直接影响到区域生态环境质量,动态监测区域植被覆盖变化,分析其影响因素,对有效开展生态工程建设、实现生态环境的可持续发展具有重要意义。丹江口水库作为南水北调中线工程核心水源区,其生态环境状况直接影响到水源区的水质和水量,目前此区域植被覆盖动态变化研究存在研究时间较短,人类活动定量评估不足等问题。该研究以丹江口水源地为研究区,以GIMMS NDVI和MODIS NDVI为数据源,运用经验正交遥相关EOT(empirical orthogonal teleconnections)算法对1982—2018年归一化植被指数(normalized difference vegetation index,NDVI)数据进行重构,分析此区域植被覆盖时空变化特征。在此基础上,分析气候和人类活动因素对区域植被覆盖变化的综合贡献情况。结果表明:1982—2018年间NDVI呈现波动上升趋势。空间上,89.93%的像元年均NDVI呈现增加趋势,10.06%的像元年均NDVI呈现减小趋势。气温与NDVI呈现显著正相关,相关系数为0.792 (P0.05),降水量与NDVI呈现显著负相关,相关系数为-0.43 (P0.05),气温对植被的影响大于降水。气候因素对植被的影响呈现明显的空间异质性,在海拔较高的山地区域,植被生长受降水和气温的综合作用影响;而在地势较为低平的盆地和河谷区,NDVI与气温呈现显著的正相关关系,与降水则呈现显著负相关关系。人类活动对区域植被覆盖影响具有双重作用,研究区67.74%区域人类活动对植被覆盖产生正面影响,正向作用表现在为恢复生态环境实施的一系列生态保护与建设工程措施;32.26%区域人类活动对植被覆盖产生负面影响,负向作用表现在为发展社会经济进行的一系列不合理的生产活动。采用残差法分离气候因素和人为因素对区域植被覆盖影响,气候因素对区域植被覆盖变化的综合贡献度为92.14%,人类活动因素的综合贡献度为7.86%,气候因素是影响区域植被覆盖整体变化的主导因素。空间上,在生态措施实施以及中心城市周围等人类活动程度较高的区域,人类活动逐渐成为NDVI变化的关键因素。     

中国丝绸之路经济带沿线植被覆盖变化及自然影响因素分析

该研究基于谷歌地球引擎(Google Earth Engine, GEE)共享的遥感数据及对地分析,在线访问MOD13 Q1数据,采用一元线性回归法、最大合成法(Maximum Value Composite, MVC)和均值法,分析2000-2018年中国丝绸之路经济带沿线省份的植被覆盖时空变化趋势;并利用地理探测器模型定量分析不同自然因子对植被覆盖变化的影响。结果表明:1)2000-2018年植被覆盖变化时空差异显著,空间变化趋势以改善为主,且改善区域主要在广西、重庆、陕西、宁夏及甘肃南部;2)NDVI年最大值(NDVImax)和NDVI生长季均值(NDVISeaAvg)随时间变化均呈显著的波动增加趋势(P0.001);3)年均降水量、湿润指数、植被类型和土壤类型是NDVImax空间分布的主要驱动因子,解释力分别为0.776、0.764、0.762和0.505;4)各自然因子存在促进植被生长的最适宜范围或特征,不同自然因子之间的交互作用为双因子增强或非线性增强。研究结果有助于理解自然因子对植被覆盖变化的影响及其驱动机制,为合理利用土地、有效保护生态环境提供科学参考。     

基于无人机低空遥感的水稻田间杂草分布图研究

目的 获取水稻田的低空遥感图像并分析得到杂草分布图，为田间杂草精准施药提供参考。方法 使用支持向量机(SVM)、K最近邻算法(KNN)和AdaBoost 3种机器学习算法，对经过颜色特征提取和主成分分析(PCA)降维后的无人机拍摄的水稻田杂草可见光图像进行分类比较；引入一种无需提取特征和降维、可自动获取图像特征的卷积神经网络(CNN)，对水稻田杂草图像进行分类以提升分类精度。结果 SVM、KNN和AdaBoost对测试集的测试运行时间分别为0.500 4、2.209 2和0.411 1 s，分类精度分别达到89.75%、85.58%和90.25%，CNN对图像的分类精度达到92.41%，高于上述3种机器学习算法的分类精度。机器学习算法及CNN均能有效识别水稻和杂草，获取杂草的分布信息，生成水稻田间的杂草分布图。结论 CNN对水稻田杂草的分类精度最高，生成的水稻田杂草分布图效果最好。     

无人机遥感技术在精量灌溉中应用的研究进展

以提高农业用水效率为目标的精量灌溉是未来农业灌溉的主要模式,精量灌溉的前提条件是对作物缺水的精准诊断和科学的灌溉决策。用于作物缺水诊断和灌溉决策定量指标的信息获取技术主要基于田间定点监测、地面车载移动监测及卫星遥感。无人机从根本上解决了卫星遥感由于时空分辨率低而导致的瞬时拓延、空间尺度转换、遥感参数与模型参数定量对应等技术难题,也克服了地面监测效率低、成本高、影响田间作业等问题。近几年的研究结果表明,无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像,使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能,为大面积农田范围内快速感知作物缺水空间变异性提供了新手段,在精量灌溉技术应用中具有明显的优势和广阔的前景。无人机遥感系统已经应用在作物覆盖度、株高、倒伏面积、生物量、叶面积指数、冠层温度等农情信息的监测方面,但在作物缺水诊断和灌溉决策定量指标监测方面的研究才刚刚起步,目前主要集中在作物水分胁迫指数(CWSI)、作物系数、冠层结构相关指数、土壤含水率、叶黄素相关指数(PRI)等参数估算的研究,有些指标已经成功应用于监测多种作物的水分胁迫状况,但对于大多数作物和指标,模型的普适性还有待进一步研究。给出了无人机遥感在精准灌溉技术中应用的技术体系,并指出,为满足不同尺度的高效率监测和实现农业用水精准动态管理的需求,今后无人机遥感需要结合卫星遥感和地面监测系统,其中天空地一体化农业水信息监测网络优化布局方法与智能组网技术、多源信息时空融合与同化技术、作物缺水多指标综合诊断模型、农业灌溉大数据等将是未来重点研究内容。     

粳稻冠层叶绿素含量PSO-ELM高光谱遥感反演估算

目的 叶绿素含量是表征粳稻生长状态的重要指示信息，利用无人机高光谱遥感技术及时获取区域尺度的粳稻叶绿素含量。方法 以2016—2017年沈阳农业大学辽中水稻实验站粳稻无人机遥感试验数据为基础，利用连续投影算法(SPA)进行有效波段的提取，提取的特征波段分别为410、481、533、702和798 nm。将提取出的特征波段作为输入，利用极限学习机(ELM)和粒子群优化的极限学习机(PSO-ELM)分别建立粳稻冠层叶绿素含量反演模型。在PSO-ELM模型中，针对PSO算法的种群规模(p)、惯性权重(w)、学习因子(C₁、C₂)、速度位置相关系数(m)这5个参数进行了优化。结果 确定了最优参数：p为80，w为0.9~0.3线性递减，C₁和C₂分别为2.80和1.10，m为0.60。利用优化后的ELM和PSO-ELM所建立的粳稻冠层叶绿素含量模型的决定系数分别为0.734和0.887，均方根误差分别为1.824和0.783。结论 利用优化后的PSO-ELM建立的粳稻叶绿素含量反演模型精度要明显高于单纯利用ELM建立的反演模型，前者具有较好的粳稻叶绿素含量反演能力。本研究为东北粳稻叶绿素含量反演无人机遥感诊断提供了数据支撑和应用基础。