网格环境下县域基本农田建设空间布局方法研究

以江西省吉安县为研究区,以新一轮农用地分等成果为数据基础,在网格环境下,选取耕地面积比、破碎度系数、分维数和集中连片系数对耕地空间布局进行综合评价,并采用局部空间自相关方法,以耕地利用等指数为空间变量,分析了耕地质量的空间分布,最后采用空间叠加组合方法,规划了基本农田建设空间布局。研究中,吉安县被划分为2 062个1 km×1 km的网格评价单元;从高到低,耕地空间布局划分为1级、2级和3级;局部空间自相关类型划分为HH、LL、HL和LH等4种类型。研究结果显示,吉安县基本农田空间布局划分为优先划入型、集中整治型和后备开发型的耕地面积占比分别为36.26%、22.70%和41.04%,在空间分布上,优先划入型主要分布于研究区中部的浬田、梅塘、登龙和官田等乡镇,以及研究区东部的部分区域;集中整治型主要分布于研究区北部的万福镇、桐坪镇以及南部的部分区域;后备开发型主要分布于研究区西南部和北部。通过耦合耕地空间布局和耕地利用质量空间聚集,满足了基本农田建设"集中连片、质量好"的要求,为基本农田建设合理空间布局提供科学、可行的依据。     

基于移动GIS的作物种植环境数据采集技术

野外数据采集具有灵活性强、采集内容多样、准确度高等优势,已成为补充完善农业数据的主要手段之一。作物种植环境数据采集工作存在指标多并随调查区域、作物类型与作物生育期不同而发生变化等特点,采用传统方式设计调查界面与录入模式难以满足数据采集的普适性需求。为此,在分析作物种植环境数据采集工作实际需求的基础上设计并实现了作物种植环境数据采集系统(CPEDCS)原型。一方面,系统针对作物种植环境指标的不确定性特征提出基于结构表的用户可定制种植环境数据录入模式,支持用户自定义录入界面;另一方面,系统集成移动GIS为野外采集工作提供空间信息支持,并可以动态适应空间数据类型、数量、范围的变化。研究的数据组织模型在陕西省杨凌区小麦种植环境野外调查的实际应用中,表现出良好的实用性与稳定性,一定程度上提高了采集工作效率,减少了数据录入出错率并能为调查人员提供空间信息辅助功能。     

农业病虫害知识问答意图识别与槽位填充联合模型研究

农业病虫害领域的意图识别和槽位填充研究仍处于起步阶段,除语料严重匮乏外,还面临任务相互独立、忽略彼此相关性和未充分利用意图嵌入信息等问题。为此,提出了一种基于意图嵌入信息和槽位门控机制的意图识别与槽-位填充联合模型(AgIG-IDSF)。首先,该模型在共享编码模块引入了注意力机制用于丰富上下文语义特征;其次,提出了一种融合意图嵌入表示和槽位门控机制的意图-槽位交互方法用以增强意图信息指导槽位填充任务的能力,进而提高模型的整体识别性能。在包含22个意图类别、10个槽位类别和11 976条标注样本的自构建语料上进行了实验。结果表明,在该语料上AgIG-IDSF模型的意图识别准确率为94.41%,槽位填充F1值为94.01%,整体识别准确率高达88.07%,显著优于包含双向关联模型在内的多种基准模型,表明了该模型在识别农业病虫害意图与槽位方面的有效性。此外,在公共数据集上的实验结果还表明了该模型具有一定的泛化能力。     

基于多源光学雷达数据融合的黄淮海平原冬小麦识别

遥感技术能够快速准确地获取农作物空间分布信息，为探究2021年黄淮海平原冬小麦空间分布信息，基于Google Earth Engine（GEE）云平台，以Sentinel-1 SAR雷达影像和Sentienl-2光学遥感影像为数据源，通过计算极化特征、光谱特征和纹理特征，运用随机森林等4种机器学习方法和深度循环神经网络模型，对研究区冬小麦空间分布信息进行提取，并对比各分类器和网络架构的分类精度。结果表明，黄淮海平原冬小麦总面积约为16226667hm2，占研究区总面积的49.17%，其中冬小麦种植面积最大的是河南省，约为4647334hm2，研究区冬小麦种植分布呈现由东向西、由南向北递减的趋势；随机森林是4种机器学习方法中识别精度最高的分类器，总体分类精度为94.30%；在随机森林算法中仅使用Sentinel-1雷达数据总体精度为87.38%，仅使用Sentinel-2光学数据总体精度为93.95%，而融合时序Sentinel主被动遥感数据总体精度为94.30%；在大范围的冬小麦分类上，深度学习模型的泛化性高于机器学习方法。