基于landsat8的贵州省2015年农业干旱监测研究

在全球气候变暖背景下,干旱普遍发生,而农业干旱对国民经济发展的影响尤为明显,同时农业干旱还威胁着国家的粮食安全和生态安全。基于贵州省2015年不同季节的landsat8 OIL遥感数据,利用影像数据所获取的植被覆盖指数和地表温度数据,拟合植被指数(NDVI)和地表温度(LST)的特征空间,设计得到贵州省2015年春、夏、秋、冬四个不同季节的不同的土壤湿度,将TVDI作为监测农业干旱状况的指标,得到贵州省2015年的农业干旱时空分布图。结果表明,土壤含水率的高低与植被覆盖和地表温度有关,且TVDI更适宜中等植被覆盖的土壤湿度反演。贵州省2015年全年旱情较缓,各地区均不存在春旱或伏旱,只有冬季绝大部分地区土壤含水率较低,更有力地促进了农业干旱的发生。因此,对农业干旱的监测研究为贵州省农业干旱的监测管理提供有力依据,为今后减少农业干旱的影响和进一步促进农业社会经济可持续发展具有重要的现实意义。     

双诱芯诱捕器监测两种松毛虫的效果比较

利用性信息素监测是目前松毛虫监测预报的重要方法。为了对同一林地中混合发生的两种或多种松毛虫同时进行监测,在桂阳县2个乡镇开展马尾松毛虫Dendrolimus punctatus思茅松毛虫Dendrolimus kikuchii双诱芯诱捕器和靶标昆虫诱捕器的诱捕效果对比试验。结果表明:在3块样地中,双诱芯诱捕器和马尾松毛虫诱捕器诱捕到的马尾松毛虫分别为(10.22±3.15)头/器、(9.78±3.61)头/器,无显著差异(P>0.05);双诱芯诱捕器和思茅松毛虫诱捕器诱捕到的思茅松毛虫分别为(13.22±4.39)头/器、(14.33±4.73)头/器,无显著差异(P>0.05)。在两种松毛虫混合发生的林地,将两种靶标昆虫的诱芯放置于同一个诱捕器中,可以同时有效地监测两种松毛虫,节约人力物力。     

基于分子生态学网络分析松嫩退化草地土壤微生物群落对施氮的响应

【目的】 氮素输入影响着全球草地生态系统的可持续性,关注施氮对土壤微生物群落的影响及其分子生态网络,为草地退化修复提供理论依据。【方法】 以松嫩退化羊草草地为研究对象,通过施氮和未施氮处理,利用高通量测序和随机矩阵网络构建理论构建土壤微生物群落分子生态网络。探讨氮素管理对退化羊草草地土壤微生物群落结构及网络的影响,氮添加条件下微生物网络结构中的关键微生物变化规律,以及该过程中微生物之间的互作关系,解析外源氮素添加条件下土壤细菌动态变化的关键结点和规律。【结果】 在门分类水平上施氮处理草地有细菌门22个,未施氮处理23个。7个菌门是施氮和未施氮处理草地的优势菌门,其中变形菌门（Proteobacteria）是含有OTU数量最多的门类,约占总序列的30.46%,酸杆菌门（Acidobacteria）是含有OTU数量次之的门类,约占总序列的30.15%,芽单胞菌门（Gemmatimonadetes）是含有OTU数量第3的门类,约占总序列的8.14%,放线菌（Actinomycete）约占总序列的6.15%,绿弯菌门（Chloroflexi）、拟杆菌门（Bacteroidetes）和硝化螺旋菌门（Nitrospirae）三者约占总序列的17.16%。施氮处理草地土壤微生物中的变形菌门、放线菌门、拟杆菌门的相对丰度均显著高于未施氮处理草地土壤（P<0.01）;未施氮草地土壤中绿弯菌门、酸杆菌门、芽单胞菌门相对丰度显著高于施氮草地土壤（P<0.01）,其他各门细菌施氮与未施氮处理间未呈现出显著差异。表征网络的正向连接比、平均路径长度、平均聚类系数和模块性均为施氮处理显著低于未施氮处理（P<0.001）。在土壤的分子生态网络中,未施氮处理有16个模块枢纽（Zi>2.5,Pi≤0.62）,施氮处理有6个模块枢纽,均属于酸杆菌门、芽单胞菌门和放线菌门。施氮导致土壤微生物种间关系改变,进而改变土壤整体生态网络。【结论】 施氮降低了退化草地土壤网络结构的复杂程度和紧密性;降低了退化草地土壤中的酸杆菌门和绿弯菌门相对丰度,提高了变形菌门、放线菌门和芽单胞菌门相对丰度。土壤中微生物关键物种（OTU）由16个（未施氮）减少为6个,且二者土壤中均没有重叠OTU,这表明施氮调控微生物群落网络的关键物种,进而改变其分子生态网络结构。     

基于物联网的玉米病害环境监测系统研究与实现

为研究和实现基于物联网的玉米病害环境监测系统,笔者设计了包括感知层、传输层、云服务层和应用层的4层架构。在感知层,利用传感器技术实时采集玉米病害环境的温湿度、降雨量、风向风速、光照强度和土壤温湿度等数据;在传输层中使用4G移动通信网络实现数据的远距离传输;云服务层中,基于四川农畜育种攻关云服务平台,应用数据库技术、云服务技术实现数据的存储和管理;最后,在应用层采用B/S模式实现数据展示服务。结果表明,该系统能够准确采集、稳定传输和安全存储数据,降低了人工成本。因此,它能够为玉米病害研究课题组提供有效的信息化服务,具有一定实用价值。     

用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法

随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。     

光肩星天牛的成虫监测和适期防治分析

以光肩星天牛的发生规律和危害特征为基础,应用引诱剂对其成虫进行动态监测,根据监测数据并结合其生活习性确定防治适期和防治方法,为光肩星天牛的监测和防治提供参考。     

土壤微生物生物地理学：国内进展与国际前沿

土壤微生物生物地理学是研究土壤中微生物空间分布格局及其随时间变化的一门科学,是土壤微生物学和微生物生态学等领域的研究前沿。近年来,尽管土壤微生物生物地理学研究取得了巨大进展,目前仍面临诸多难题与挑战。本文简要回顾了土壤微生物生物地理学的发展历程,重点介绍近年来我国在森林、草地和农田生态系统中土壤微生物生物地理学研究的主要进展。同时进一步阐述了目前土壤微生物生物地理学研究的国际前沿方向,包括微生物群落空间分布及其驱动机制、群落构建过程与共存网络、微生物地理分布与生态系统功能的关联以及预测微生物群落对全球变化的响应。最后,对土壤微生物生物地理学未来的研究方向进行了展望,强调了清晰的微生物物种定义、微生物群落的时间动态、多组学与合成生物学技术以及高精度的预测模型在土壤微生物生物地理学研究中的重要性。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

A data transfer method for improving seed identification of maize (Zea mays) haploid breeding based on genetic similarity

Maize haploid breeding technology is able to identify haploid seeds non‐destructively, rapidly and at low cost with the help of Near‐infrared (NIR) spectral analysis. However, due to the hybridization of numerous parents and the low production rate of haploid, the haploid data collection becomes a burden for engineering this technology. Biologically, there are considerable similarities between the progeny of the same female parent and different male parents. Based on this advantage, similar spectral data can be transferred when the NIR technology is employed. A revised method of Transfer adaptive boost (TrAdaBoost) is proposed to improve identifying for the backpropagation neural network (BPNN) classifier. To avoid the negative transfer, a screening thresh is used to select out similar data, and the amount of these data are limited to join current training. The results show that the identification performances are improved significantly when the data amount is small. This method shows a high ability to make the seed identification more convenient for engineering maize haploid breeding.     

基于粒子群算法优化BP神经网络的土壤含水量短期预测模型

为提高土壤含水量预测精度,基于物联网监测数据,提出了粒子群算法(PSO)优化BP神经网络的土壤含水量预测方法。首先应用主成分分析法筛选出影响土壤含水量的关键影响因子,然后构建8-5-1的BP神经网络拓扑结构,应用粒子群算法优化BP神经网络的初始权值和阈值。结果表明:与传统BP神经网络相比,新模型优化了网络结构,避免了陷入局部最优解,具有良好的预测效果;模型的评价指标平均绝对误差、平均绝对百分误差、误差均方根分别为0.259 2、0.010 5和0.135 6,与单一BP神经网络相比,预测精度更高,可满足实际的土壤含水量预测的需要。