基于SVR 和PLSR 的土壤有机质高光谱估测模型研究

【目的】探讨高光谱遥感数据不同预处理及不同估测算法下土壤有机质估测模型的优劣,为提高土壤有机质估测精度奠定基础。【方法】使用高光谱仪在室内条件下对土壤样品进行光谱测量,对光谱数据进行4种去噪处理(无去噪处理、Savitzky-Golay(S-G)平滑滤波去噪、小波包去噪以及S-G平滑与小波包结合去噪),然后对去噪后的光谱数据进行8种数据变换(原始光谱数据R、倒数1/R、对数log(R)、倒数对数log(1/R)、一阶导数R′、倒数一阶导数(1/R)′、对数一阶导数(log(R))′、倒数对数一阶导数(log(1/R))′),接着对变化后的光谱数据进行3种降维处理(无降维处理、敏感波段降维和主成分分析降维),最后运用支持向量回归法和偏最小二乘回归法分别建立SOM含量估测模型。【结果】研究中所涉及的各种数据预处理和估测算法中,小波包去噪、PCA降维、反射率倒数一阶导数(1/R)′光谱数据变换处理条件下,使用PLSR方法的估测模型精度最高、模型最稳定,可以较精确地估测吉林省伊通县SOM含量。【结论】合适的数据预处理,尤其是小波包去噪和PCA降维相结合,可有效改善光谱数据质量,提高SOM含量估测模型精度及稳定性。     

如何让废秸秆变成“软黄金”——睢宁县打造生态乡村循环农业的创新之路

提起“秸秆”这个话题,这些年总离不开“禁烧”二字。环保重压之下不能烧,但大量的农作物秸秆又不知道该怎么处理。“禁烧”二字,让许多地方的干部群众倍感焦虑。然而在江苏省睢宁县,农作物秸秆既不用“禁”,也没人“烧”。地处苏北的睢宁县拥有155万亩(1亩约等于0.067 hm2)耕地,年产9.3亿kg粮食的同时,也产生90余万t农作物秸秆。近年来,睢宁县坚持“生态优先、绿色发展”的理念,加快推进农作物秸秆综合利用,并从资金、政策、技术等方面加大支持力度,建立健全秸秆收集储运和产业利用“两个体系”,逐步形成秸秆利用肥料化、基料化、能源化、饲料化的“四化渠道”,目前全县秸秆综合利用率达95%以上。     

关于表彰2019年度优秀作者的决定

2019年,是中华人民共和国成立七十周年,是充满喜悦、成果丰硕的一年。"2019年,我们用汗水浇灌收获,以实干笃定前行。"在广大作者及读者的关心、爱护和支持下,本刊各项工作取得了长足进步。回首2019年,广大读者的厚爱是支持本刊前进的动力,一大批优秀作者的鼎力支持是本刊取得成绩的源泉。     

基于高光谱和参数优化支持向量机的水稻施氮水平分类研究

为探索水稻氮素营养的快速、无损诊断方法以及构建基于高光谱技术的水稻氮素营养状况分类识别模型。本研究以 4种不同施氮水平的“中嘉早 17”水稻分蘖期顶部第三完全展开叶叶片(简称顶三叶)为研究对象，测定各叶片的可见光到近红外波段(350～ 2500 nm)内的光谱数据，对所获取的光谱数据进行平滑处理和归一化处理，以消除噪声及量纲的影响，并采用主成分分析(PCA)的方法进行数据降维至 22维，同时分别选用基于网格搜索算法、粒子群算法和遗传算法优化参数的支持向量机进行水稻氮素营养状况分类识别模型的建立。研究结果表明:1)不同施氮水平下的水稻叶片光谱反射率曲线走势大致相同，但不同施氮水平下 780～ 1 300、1 400～ 1 850及 1 900～ 2500 nm波段光谱反射率存在一定的差别；2)优化参数后的 SVM模型与默认参数下的 SVM模型相比，其训练集与测试集分类识别效果都要优于默认参数下的 SVM模型。其中，以遗传算法优化参数的 SVM模型识别分类效果最佳，训练集和测试集识别准确率分别为 99.375%、98.750%，测试集的4种施氮水平(施氮量从低到高)识别准确率分别为 100%、95%、100%和 100%。结果表明利用高光谱技术能够很好地进行水稻氮素营养状况的定性诊断研究。为快速水稻氮素营养诊断提供了一种新途径，为精确施氮提供了技术支撑和理论依据。     

有序群决策中基于SVDD的专家排序方法研究

针对有序群决策问题,本文利用支持向量域描述给出一种专家权重的确定方法。首先把每位专家对所有方案给出的估计值视为高维空间特征向量,其次在使用该方法学习时采用"留一法"的思想,即分别留下一个专家的特征向量,把其他所有专家的特征向量进行描述,分别得到一个最小包球。然后计算每个专家的特征向量到其他所有专家的特征向量所得最小包球的球心的距离,最后把每个距离的倒数作为衡量该专家体对群体意见的贡献,从而计算出每位专家的评判权重,并依据权重的大小进行排序,算例显示该方法的有效性和应用性。     

后发地区社区支持农业的发展与创新——以贵州省贵阳市为例

立足于乡村振兴背景，并以贵州省贵阳市为例，深刻分析社区支持农业在后发地区的发展条件，并根据当地环境，探索社区支持农业的创新发展路径，为解决我国城乡之间的发展隔阂和破解小农户与现代农业衔接提供思路。      

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

俄罗斯与哈萨克斯坦农业支持水平及支持政策比较研究

俄罗斯与哈萨克斯坦是欧亚经济联盟的重要成员国,是丝绸之路经济带上的重要国家,分析两国农业支持水平和支持政策,有助于推动丝绸之路经济带建设与欧亚经济联盟有效对接。本文运用OECD(经济合作与发展组织)政策评价方法通过比较分析俄哈两国农业支持水平和支持政策,发现两国农业支持政策措施相同点多、差异性少。相同点是两国农业总体支持水平均呈上升趋势,对生产者的支持均以直接补贴为主,优惠信贷支持、补贴、税收优惠和价格支持是两国主要政策支持措施。差异性主要体现在支持水平的变化趋势以及支持政策的具体实施上。     

基于PALSAR雷达数据在南方水体信息提取研究

[目的]利用具有L波段的双极化PALSAR雷达数据在福建寿宁地区开展水体信息提取的研究。[方法]对双极化PALSAR雷达数据进行了极化差、滤波、彩色合成等图像处理手段,增强地物信息,分析了典型地物在雷达影像上的特点,利用地形建模消除山区阴影影响,基于SVM分类方法对研究区进行了水体信息提取,最后结合目视解译结果进行了精度评价。[结果]PALSAR雷达数据可准确地在我国南方地区进行水体信息的提取应用。[结论]该研究为解决在我国南方地区受云雨天气影响,光学遥感数据无法准确地提取地表水体信息的问题提供了理论依据。