中国实验用小型猪血液指标正常参考值分析

本试验旨在建立中国农业大学教授专家团队培育的小型猪(命名为"中国实验用小型猪")血液生理和生化指标的正常参考值范围,为小型猪作为人类疾病模型提供参考依据。用全自动化生化仪测定1、3、6和12月龄中国实验用小型猪血液的9项生理指标和22项生化指标,对同一月龄不同性别的血液测定值进行单因素独立样本t检验。试验结果显示,中国实验用小型猪绝大多数血液生理生化指标同一月龄不同性别间差异不显著(P>0.05),仅红细胞体积分布宽度和肌酐等指标存在显著差异(P<0.05)。中国实验用小型猪血液指标与巴马小型猪、贵州小型猪和五指山小型猪相比,大多数血液测定值接近。试验结果表明,中国实验用小型血液生理生化指标稳定,与人类正常参考值相比,小型猪9项血液生理指标中有4项和人类相接近,22项血液生化指标中有15项和人类相接近。     

考虑微生物要素的土壤质量综合评价——以北京市平谷区为例

北京市平谷区土壤质量现状,本研究在传统的土壤质量综合评价体系基础上考虑了微生物要素,基于实地网格土壤采样的228个样本,从土壤肥力、土壤环境、土壤微生物3个维度选取11项土壤指标,采用土壤质量指数法定量分析各指标并计算土壤质量指数,综合评价北京市平谷区的土壤质量。结果表明：平谷区土壤质量综合指数（ISQI）在良好到优等范围内（0.60~0.96）,平均值为0.74,平均土壤质量综合评价等级为良好。空间分布上整体呈现南低北高、西低东高的特征,北部熊儿寨乡、黄松峪乡及东部金梅湖镇等地区多为山地或林地,植被丰富,人为活动强度弱,土壤肥力水平高且微生物较为丰富,土壤质量综合评价等级相对较高;而西南部马坊镇、马昌营镇等地区土壤肥力水平低,微生物数量较少,综合质量评价等级相对较低。熊儿寨乡的 ISQI最高,为 0.81;平谷镇的 ISQI最低,为 0.64。平谷区不同土地利用类型 ISQI排序为果园＞林地＞荒地＞菜地＞农田。研究表明,北京市平谷区土壤质量综合评价等级为良好,但空间差异明显,东北部多为山地和林地,综合评价等级为优等,中部及西南部多为农田菜地,综合评价等级为良好和中等,未来应注重科学施肥和土壤质量管理。     

中低产田评价指标与主要方法研究进展

我国中低产田分布广泛,产能提升潜力巨大,提高中低产田产能对于保障粮食安全、实现联合国可持续发展目标具有重要的意义。明确中低产田的质量等级、面积与空间分布,开展中低产田评价相关研究是中低产田改造的前提和基础。本文系统梳理了中低产田的概念 、评价指标和主要评价方法,分析了中低产田概念的演变过程,在此基础上探讨了我国中低产田评价的主要不足和发展趋势。现有的中低产田概念以中低产田数量和质量评价为主、对生态功能和可持续发展能力的研究仍较少,指标体系与评价方法尚不统一,中低产田高分辨率、长时序的时空动态变化情况尚不清楚。未来中低产田评价相关研究可围绕“数量、质量和生态”三个方面,开展多尺度中低产田评价指标体系构建、多源数据融合、创新中低产田评价方法、中低产田时空变化分析等相关研究,实现不同尺度上的中低产田动态变化分析,探索绿色高产高效的耕地产能提升路径,保障粮食安全、促进可持续发展目标的实现。     

基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演

【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数（normalized shaded vegetation index,NSVI）和归一化冠层阴影指数（normalized difference canopy shadow index,NDCSI）去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘（partial least square,PLS）及支持向量机（support vector machine,SVM）方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R²和RPD分别为0.774、1.828;验证集R²和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。     

基于无人机图像分割的冬小麦叶绿素与叶面积指数反演

叶绿素含量与叶面积指数是反映作物长势的重要理化参数,准确、高效定量估计小麦叶绿素含量与叶面积指数对于产量预测和田间管理决策具有重要意义,无人机(Unmanned Aerial Vehicle,UAV)遥感影像具有高空间分辨率的优势,被广泛应用于作物理化参数反演,但现有叶绿素含量与叶面积指数反演模型受土壤、阴影等背景噪声...     

土壤有机质含量高光谱估测模型构建及精度对比

土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测，本研究以山东省烟台市栖霞市苹果园为研究区，采集100个土壤样本，利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率，利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理，分析果园土壤的反射光谱特征，研究光谱反射率与其有机质含量的相关关系，筛选土壤有机质含量的敏感波长并构建光谱指数后，分别建立多元线性回归模型（MLR）、支持向量机（SVM）和随机森林（RF）模型，并对模型精度进行验证比较。结果表明，筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数，最终构建的光谱指数分别为NDSI_{（678，709）}、NDSI_{（678，1931）}、NDSI_{（678，2201）}、NDSI_{（709，1939）}和NDSI_{（1939，2201）}。建立的MLR、SVM和RF回归模型中，以RF模型精度最优，其校正样本集R²为0.8804，RMSE为0.1423，RPD达到2.25；验证模型的R²为0.7466，RMSE为0.1266，RPD为1.79，建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此，可以利用RF方法快速预测苹果果园土壤有机质含量，了解土壤养分分布状况，指导农民合理施肥，从而提高果园生产管理效率。