基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

微喷灌田间管网的优化研究

出水口的位置不同,田间管网布置方案也不同,从而影响田间管网的投资费用,以往的研究大多忽略了出水口位置对管网投资的影响。【目的】探究在自压供水条件下,出水口位置对田间管网建设费用的影响。【方法】分别对出水口位于地块一角、地块一边、地块中间3种情形建立以毛管长度、支管管径为决策变量,以微喷灌田间管网总投资最小为目标的优化模型,采用变径设计,选用遗传算法求解。【结果】与传统规范设计方案相比,出水口位于地块一角、一边和中间的模型优化方案,管道投资分别降低了20.0%、9.5%、23.9%。对比规范设计结果,出水口位于地块一边的管网投资最小,比出水口位于地块一角的布置方案投资降低了13.4%,出水口位于地块中间比位于一角时布置方案投资降低了7.2%;对比模型优化结果,出水口位于地块中间比出水口位于地块一角和出水口位于地块一边时田间管网投资分别降低了11.8%、9.9%。【结论】模型优化结果节省投资明显,模型优化结果显示出水口位于中间毛管双向布置时投资最省。     

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。     

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。     

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.     

网络治理视域下森林资源治理模式探析

通过梳理相关文献发现，国外对有关森林资源治理问题的研究更为系统，以自然资源治理理论为基础，创新发展出强调公众参与度提升的协同性治理理念，关注公众参与的网络治理理论现已成为研究切入的新视角。文中以构建我国森林资源多层次治理网络为主线，结合国内外研究进展，提出一种适于我国的森林资源治理网络框架，以期推动森林资源治理问题的探讨，为治理途径的构建与创新提供借鉴。