大数据背景下高职院校数据素养教育研究——基于广东省科技干部学院商科学生的抽样调查

[目的/意义]针对高职数据素养教育缺位的现状,以师生对数据素养的认知情况为培养现状的分析依据,为高职院校建立科学合理的数据素养培养体系、建设相应的课程体系、合理分配有限教学资源提供参考。[方法/过程]基于已有的数据素养指标体系,构建高职院校数据素养评价体系,采用问卷的方式调查高职学生的数据意识、数据收集、数据组织与管理、数据分析、数据利用与归档、数据伦理6个方面的认知与能力,结合文献提出“三阶递进”式的高职数据素养教育体系。[结果/结论]师生总体具备一定的数据意识,但对商业数据的有效获取能力比较缺乏。具备基础的数据分析能力及表达能力,数据价值的深度挖掘能力不足。数据收集、组织与管理、分析、利用与归档能力认知在群体间的差异明显,认为应从“底层-进阶-高级”3个层次进行教育体系的设计,提升数据素养综合能力。     

基于全球陆面数据同化系统蒸散量的GSAC模型率定

在识别缺资料流域水文模型参数时,目前常采用的区域化方法存在相似流域间降雨径流关系差别较大、模型参数与流域属性间的相关性不明显、在大范围缺资料地区难于选取参考流域等问题。本文从全球陆面数据同化系统(GLDAS)获取流域蒸散量数据,提出利用GLDAS蒸散量率定GSAC模型的方法。首先,通过合并网格建立GSAC模型模拟的蒸散量与GLDAS蒸散量在时间和空间方面的对应关系;其次,基于纳什效率系数的定义构建了一个模型率定指标,以评价GSAC模型模拟的蒸散量对GLDAS蒸散量的拟合效果;最后,依据GLDAS蒸散量与GSAC模型模拟蒸散量之间的拟合关系率定GSAC模型。呼兰河流域应用结果表明,GLDAS提供的蒸散量能够较好反映流域实际蒸散量的变化情况,为率定GSAC模型提供了一种有效的输入数据;在率定期与验证期,利用GLDAS蒸散量率定的GSAC模型对流量模拟的纳什效率系数分别为0.81和0.77,与利用流量数据率定的GSAC模型模拟结果相近。     

Comparison of estimators and feature selection procedures in forest inventory based on airborne laser scanning and digital aerial imagery

Digital maps of forest resources are a crucial factor in successful forestry applications. Since manual measurement of this data on large areas is infeasible, maps must be constructed using a sample field data set and a prediction model constructed from remote sensing materials, of which airborne laser scanning (ALS) data and aerial images are currently widely used in management planning inventories. ALS data is suitable for the prediction of variables related to the size and volume of trees, whereas optical imagery helps in improving distinction between tree species. We studied the prediction of forest attributes using field data from National Forest Inventory complemented with ad hoc field plots in combination with ALS and aerial imagery data in Aland province, Finland. We applied feature selection with genetic algorithm and greedy forward selection and compared multiple linear and nonlinear estimators. Maximally around 40 features from a total of 154 were required to achieve the best prediction performances. Tree height was predicted with normalized root mean squared error value of 0.1 and tree volume with a value around 0.25. Predicting the volumes of spruce and broadleaved trees was the most challenging due to small proportions of these tree species in the study area.     

基于多源数据的华北平原夏玉米种植区划研究

精准识别农业生产环境信息和农业生产特征,对气象、土壤和作物等多源数据进行综合分类,是提高农业资源利用效率和优化农业种植结构的基础。本研究基于近20年（1998~2017年）气象数据和华北五省的玉米单产统计数据,首先构建了华北平原气候资源和玉米生产时空分布特征数据库,研究区内的降雨量、活动积温、日照时数、太阳辐射和玉米单产均存在显著的时空变化;利用作物精细种植区划方法,将华北平原夏玉米种植区分为极不适宜区、不适宜区、较适宜区、适宜区、极适宜区五大类,各类面积分别占总体的比例约为10%、11%、25%、30%、24%;进一步通过环境类别归属度分析方法,将每一大类分为5小类,概率大于75%的相对稳定区域约占总面积的63%,小于75%的波动区域约占37%;极不适宜区、不适宜区和较适宜区,三类时空分布比较稳定,隶属度为100%分别占各类面积的87.67%、70.41%和84.28%,波动区主要发生在极适宜区和适宜区,以及适宜区和较适宜区之间。本研究构建的华北平原夏玉米精细区划结果,对提高研究区资源利用效率和优化玉米产业布局具有重要的指导意义。     

大数据在精准农业上的应用

精准农业是农业现代化的必由之路,现代急剧膨胀的农业数据和大数据技术的发展为精准农业的发展提供了一种新的方法,成为引领精准农业发展的一支重要力量。首先介绍了大数据的定义及获取方式,同时针对当前农业领域存在的一些问题,引入了精准农业的概念,并介绍了其来源与发展条件,将农业产业链与大数据应用结合起来,解析大数据实现精准农业的过程,并剖析了中国农业大数据应用方面所存在的问题。     

河西荒漠灌区紫花苜蓿施肥效应及其基于数据包络分析法的经济效益研究

为科学准确地评判河西走廊苜蓿主产区紫花苜蓿饲草生产中施肥措施对其产品质量及生产收益的影响,本研究以“甘农3号”紫花苜蓿为材料,通过2016、2017年2年田间试验,以该区域紫花苜蓿饲草生产的平衡施肥推荐方案(N 103.5 kg·hm^-2、P₂O₅ 105 kg·hm^-2、K₂O 90 kg·hm^-2)为对照,探讨了不施肥及3种不完全施肥(缺氮偏施、缺磷偏施、缺钾偏施)处理下紫花苜蓿的生产性能,并采用数据包络分析法(DEA)对其经济效益进行分析。结果表明:与不施肥相比,施肥措施各处理均显著提高紫花苜蓿产量、蛋白总量,降低其酸性洗涤纤维和中性洗涤纤维,提高了相对饲用价值,从而改善了紫花苜蓿品质,并有效增加了经济效益;与氮、磷、钾平衡施肥相比,各偏肥处理的紫花苜蓿产量和品质均显著低于平衡施肥,尤以缺磷偏施的降幅最大,2016、2017年2年的产量和蛋白总量降幅分别达到25.9%、25.7%和33.4%、33.1%。因此,磷是河西荒漠灌区紫花苜蓿饲草生产的养分限制因子,氮、磷、钾对该地区紫花苜蓿生产性能影响顺序为:磷>氮>钾。运用数据包络分析法(DEA)分析出河西荒漠灌区紫花苜蓿的施肥效应为氮、磷、钾平衡施肥的经济效益最优,为DEA有效;不完全施肥的3个评价单元及不施肥评价单元为DEA无效,其中,不施肥经济效益最低,3个不完全施肥评价单元中的缺磷偏肥的紫花苜蓿经济效益比缺氮偏肥和缺钾偏肥更低;另外还以DEA模型推算出不同施肥措施下紫花苜蓿饲草生产经济效益改进的具体方案,其中,不施肥的紫花苜蓿饲草生产需调整的幅度最大,调整额度达10678.88 CNY·hm^-2,各施肥措施需调整的幅度排序为:不施肥>缺磷偏施>缺氮偏施>缺钾偏施。     

基于区块链的食用菌质量安全溯源系统设计

为了实现食用菌质量安全溯源,在食用菌质量安全溯源系统现状的基础上,利用区块链技术的去中心化分布式存储结构,保证了食用菌溯源数据的安全可靠。基于区块链技术设计了食用菌质量安全溯源系统,给出了追溯体系的总体架构和主要业务流程,有针对性地解决了食用菌溯源系统中存在问题。实现了食用菌全周期全流程的信息溯源,为消费者提供了真实、可靠的溯源信息。     

无人机倾斜航空摄影监测崩岗侵蚀量变化的方法

如何高效精确地监测崩岗的动态发育过程并且量化侵蚀量是崩岗侵蚀机理研究中的难点。该文以准专业级无人机对目标崩岗进行倾斜摄影获得的全方位多角度航空影像为基础，通过空三加密处理生成目标崩岗的三维点云模型；利用点云数据构建DTM，提取目标崩岗地形数据；运用多时相连续DEM相减的方法获取监测周期内崩岗的高程变化，计算侵蚀量并找到侵蚀严重的部位，再使用2.5D体积测算方法细化侵蚀严重的崩壁和沟头部位的侵蚀量，以此作为补充，最终获得监测期内的总侵蚀/沉积量体积并换算为泥沙量。最终结果验证的平均相对误差为9.69%，一个月监测周期内最大的绝对误差仅为0.303 3 m3，满足监测要求。因此利用无人机倾斜航空摄影测量的方法监测崩岗侵蚀量是可行有效的，该方法可提取崩岗的所有地形信息，研究侵蚀泥沙的来源和侵蚀过程，是较为快速和精确的崩岗监测手段。     

基于Sentinel-2多光谱数据的棉花叶面积指数估算

棉花叶面积指数(leaf are index, LAI)的快速、准确获取对棉花长势监测、发育期诊断、面积提取以及产量估算等遥感监测具有重要意义。该研究利用2017年和2018年的Sentinel-2多光谱卫星数据及大面积田间试验观测获取的棉花不同发育期LAI实测数据,构建了基于单波段反射率及各类植被指数的棉花不同发育期及全发育期LAI估算模型,并采用留一验证(LOOCV, leave-one-out cross validation)和交叉验证对模型精度进行了检验。结果表明:1)对于单波段反射率,基于中心波长为842 nm波宽为145 nm的B8近红外波段对不同发育期LAI估算精度最优均方根误差(RMSE, root mean square error, RMSE=0.378);2)对于各类植被指数,花蕾期(20170616)和花铃期(20170802)时增强植被指数(EVI, enhanced vegetation index,)表现最佳(RMSE分别为0.352和0.367),开花期(20180623)时校正土壤调节植被指数(MSAVI2, modified soil adjusted vegetation index 2,)估算精度最高(RMSE=0.323);3)单波段反射率和各类植被指数对全发育期LAI的估算均要优于对单个发育期LAI的估算,其中基于IRECI指数的(invertedred-edge chlorophyllindex)全发育期LAI估算模型精度最佳,LOOCV检验RMSE=0.425,交叉检验RMSE=0.368;将基于IRECI的全发育期LAI估算模型应用到单个发育期LAI估算并与各单个发育期LAI估算模型精度对比,发现交叉验证RMSE平均值仅比LOOCV验证RMSE平均值高0.07,反映了全发育期LAI估算模型良好的普适性。该研究为农作物LAI估算提供了新的数据选择,完善了Sentinel-2卫星数据在LAI估算中的应用领域。     

作物表型组数据库研究进展及展望

【目的】总结归纳作物表型数据库的研究进展,对作物表型数据库的构建进行展望。【方法】采用文献综述法,从Web of Science、NCBI的PubMed和中国知网等常用公共文献数据库中对已发表的作物表型组学相关研究文献进行检索,据此对国内外作物表型组学研究现状进行分析,并基于其中的数据库研究,对目前的作物表型相关数据库进行了介绍。最后对作物表型组数据库构建标准及要求进行了介绍。【结果】不同于基因组学已有许多大型的、公认的、成熟的公共数据库,有关作物表型组学的数据库虽已有一些,但综合性较强、普适性较广的通用标准数据库却不是很多。因此,构建综合性作物表型组标准数据库或构建特定作物的表型组数据库,将成为该领域相关研究人员的工作重点。【结论】农业信息化是现代农业的一个必然发展趋势,作物表型组数据库的构建也是顺应时代发展的产物。今后,在充分利用各种综合和专用数据库的基础上,研究人员应在实际研究中构建自己的作物表型组数据库,增强数据管理和共享。