采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

改进颗粒组构力学模型模拟筒仓卸粮成拱细观机理

现有研究表明筒仓卸粮成拱和粮食的内外摩擦密切相关，但现行相关离散元模拟采用单一圆形颗粒，模拟粮食的真实接触面积要小很多，不能客观反映卸粮过程粮食的摩擦情况，也较难还原卸粮成拱现象的细观动态过程。该文针对离散元模拟中圆形颗粒的内摩擦力小于真实粮食内摩擦力的缺陷，在已有PFC离散元程序基础上，添加了黏度系数较大的微型颗粒模拟粉尘，建立了一种改进颗粒组构力学模型，采用几何方法判断圆形颗粒间的接触情况，推导出基本单元间力-位移关系。基于典型事故案例和室内试验成果，采用建立的颗粒组构力学模型模拟了卸粮成拱动态过程中圆形大颗粒间以及圆形小颗粒与仓壁之间的力-位移关系。研究表明在卸粮过程中，切应力在剪切位移达到0.3 mm的过程中，迅速提高，达到最大值切应力的60%，所得的切应力位移图与其应力特征曲线与试验成果基本吻合。以试验结果曲线各点值为标准值，改进后模拟结果曲线值的标准差相比改进前减小37%，说明曲线相似度更高，利用该模型可更加客观反映筒仓卸粮成拱的动态细观机理。该文提出的改进颗粒组构力学模型，不仅可用于模拟卸粮成拱机理模拟，而且对于模拟散颗粒流动特性、散体-仓壁相互作用机理都具有一定借鉴意义。     

电动多旋翼植保无人机升力特性综合测评方法

升力特性是电动多旋翼植保无人机性能测试的重要参数之一。为了实现对电动多旋翼植保无人机升力特性的性能检测,针对不同型号、不同规格的电动多旋翼植保无人机在评价过程中存在无统一的评价指标问题,该文提出了一种半系留式电动多旋翼植保无人机升力特性的测试与评价方法,包括性能检测平台、升力特性测试方法及指标、升力特性的评价方法。为了验证方法的可行性,对3种不同机型(分别为四旋翼机型Ⅰ、六旋翼机型Ⅱ、八旋翼机型Ⅲ)进行了升力特性指标的性能测试试验。试验结果表明:3种机型在功率载荷、重量效率、热效比等方面有较大差异,功率载荷最好的机型Ⅲ比最差的机型Ⅰ大7.6 m N/W,重量效率最好的机型Ⅰ比最差的机型Ⅱ大0.33,热效比最好的机型Ⅲ比最差的机型Ⅱ大10.5 N/℃,反映出3种机型在设计过程中整个动力系统效率、机型整体结构和材料选择上的差异,从而在整机作业性能上表现出差异。在上述指标测试的基础上,结合无人机动力系统数学模型,提出了运用功率载荷、重量效率和热效比进行电动多旋翼植保无人机升力特性综合评价的评分方法,对上述3种机型进行综合评分的结果为:机型Ⅲ机型Ⅰ机型Ⅱ,该结果表明所提出的评价方法能有效对不同类型电动多旋翼植保无人机的升力特性进行综合评判。该文所给出的测试与评价方法,不仅能用于电动多旋翼植保无人机性能的评测,还能为机型性能的进一步改进提供参考。     

基于Activiti和Drools的水产养殖自动决策流程管理系统

针对目前水产养殖过程管理中缺乏有效的流程化管理、养殖业务规则不明确、养殖决策效率低、人工经验判断操作失误率高等问题,阐述了工作流技术和规则引擎技术结合应用于水产养殖流程管理的设计思想。首先提出了一种基于规则引擎的智能工作流管理系统体系结构,并对系统进行总体框架设计。然后在分析和总结出水产养殖业务流程步骤繁琐不明确、受时间限制、多循环、多并发和存在大量养殖业务决策等特点的基础上,以南美白对虾养殖流程为例,通过Activiti可视化流程设计器对南美白对虾养殖流程进行流程定义和设计,构建水产养殖工作流模型;通过Drools规则引擎制定南美白对虾养殖关键流程业务规则库,制定过程包括养殖规则的分析、定义、设计、编写和触发。最后,将Activiti工作流引擎和Drools规则引擎与当今主流的SSH框架进行整合,开发基于Activiti和Drools的水产养殖自动决策流程管理系统。通过初期试验运行表明,该系统能有效实现水产养殖全流程业务状态的实时监控和养殖关键流程的规则决策,能有效增加养殖产量14.8%,降低饵料系数11.4%,减少人工管理成本30%,使得整体经济效益增加29.3%,初期试验效果良好,为水产养殖信息化过程管理提供了一种切实可行的流程化、自动化、精细化养殖的新策略。     

引入时相信息的耕地土壤有机质遥感反演模型

土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。     

Habitat associations of the Threatened pugnose minnow (Opsopoeodus emiliae) at the northern edge of the species range

Pugnose minnow (Opsopoeodus emiliae) is a small, reclusive species that is widespread in North America, but is one of the rarest fishes in Canada, found in less than 12 known localities in southwestern Ontario. In contrast to most pugnose minnow populations across the global range, Canadian populations are primarily found in turbid systems, potentially indicating persistence in suboptimal conditions. We used data from a multi-gear species and habitat survey in the Canard River, Ontario, a system dominated by agricultural inputs and the best-known capture site of the species in Canada, to parameterise multi-gear occupancy models for understanding the relationship between pugnose minnow occupancy and microhabitat features, including the role of turbidity. Almost 300 pugnose minnow were captured, representing the largest single collection of the species in Canadian history. The best occupancy model indicated that the probability of pugnose minnow occupancy was highest in the deepest sites with the lowest water clarity (i.e. high turbidity); however, competing models suggested that occupancy was highest at sites with wild celery (Vallisneria americana) and higher water clarity, signifying that habitats with low turbidity may be utilised if sufficient physical cover exists. Together, our results suggest that Canadian pugnose minnow populations occupy and potentially favour turbid conditions, possibly to avoid visual predators in clearer habitats. It remains uncertain whether this abiotic association represents a long-term, viable, local adaptation or whether persistence of pugnose minnow in the Canard River is at risk unless significant water quality improvements can be made.     

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。     

Distribution and diversity of leaf-cutting ants in Northeastern Argentina: species most associated with forest plantations

Abstract

Leaf-cutting ants (LCA) are considered one of the main herbivores and one of the most destructive pest insects of the Neotropics. Northeastern Argentina harbors the greatest species richness of these ants and in turn comprises the highest surface with forest plantations. Our aim was to establish which species of leaf-cutting ants are most commonly associated with forest plantations by analyzing their geographic distribution using published and unpublished species occurrence data. Also, estimate their potential areas of distribution along a latitudinal gradient that entirely encompasses northeastern Argentina using Ecological Niche Modeling. Only seven of the 20 species recorded were strongly associated with productive systems along the gradient, but only 2–3 species in each region could be considered high-risk species for forest plantations. High-risk species composition shows a turnover between regions. Our models show the potential distribution areas where LCA could become more abundant and dominant, and possibly causing a detrimental effect on the forest plantations in the studied region. We find that ecological niche models are useful tools to assess the environmental suitability of important LCA.     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

运用生物能量学模型预测草鱼生长、饲料需求和污染排放

为预测不同生长阶段草鱼生长性能、饲料需求量和污染排放量,提高草鱼投喂管理水平,本研究运用特定增长率(SGR)、日增长率(DGC)、日均增重(ADG)和热积温系数(TGC)等生长模型计算草鱼在不同生长阶段的生长速率,并通过计算定期采样中实际观测值和预测值最小残差平方和法选出最优生长模型。饲料需求模型通过估算鱼类消化能需求量决定,根据能量收支原理,通过计算鱼体储积能(RE)、基础代谢能(He E)、摄食热增能(Hi E)以及尿液和鳃的代谢能(UE+ZE),来估算草鱼的消化能,再根据所用饲料的消化能含量来确定草鱼对饲料的需求量。草鱼污染物排放主要采用营养物质平衡法计算。在模型验证时,以粗蛋白分别为33%、28%、23%的饲料投喂不同生长阶段的草鱼,将草鱼体质量和饲料系数(FCR)的模型预测值与实际观测值进行比较。结果显示,与其他生长模型(SGR、ADG、DGC)相比,调整后的TGC模型能更精确预测草鱼的生长情况;草鱼体质量和FCR预测值与观测值之间显著相关;每生产1 t鱼(体质量为0.5~2 500 g),其消化能需求量约为1.55×107 k J,消耗1 t饲料或生产1 t鱼所排放的总固态污染物分别为440和623 kg。研究表明,该复合性营养模型可以有效地估计实际养殖中草鱼生长、饲料需求量和污染物排放量,有望为草鱼差异化上市、节省饲料成本、减少饲料浪费以及养殖场的污染评价提供有效的预判工具。