基于改进VGG卷积神经网络的棉花病害识别模型

为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。     

林业资源信息服务—内涵、模式与实证

大数据时代的林业资源数据已成为一种基础性资源,以林业资源信息服务的方式实现跨部门、跨行业的信息共享和业务协同。本研究明晰了林业资源信息服务的界定和基本特征,设计了林业资源信息服务的逻辑模式、架构模式和部署模式,通过在国家林业局和辽宁省开展的林业资源监管服务系统构建过程中对理论研究结果进行了实践应用和反馈修正,可为大数据环境下的林业资源信息服务体系及其关键技术的研究奠定一定的理论基础。     

天山云杉林无人机可见光影像树冠信息提取方法研究

高精度轻小型无人机森林树冠参数信息提取方法是森林资源监测和生态功能评估的重要基础。以新疆山地森林优势树种天山云杉为研究对象,在南山实习林场采集积雪背景下无人机遥感影像并进行预处理,对比分析3种方法(以光谱为特征空间的面向对象法、以光谱+纹理为特征空间的面向对象法、随机森林法)提取天山云杉林树冠参数信息的精度。结果表明:3种方法提取天山云杉林分郁闭度精度均高于93%,其中以光谱为特征空间的面向对象法最优,精度可达93.73%;3种方法自动提取单木树冠面积与目视解译结果的R~2均大于0.91,虽然随机森林法的统计指标最优,但面向对象法可获得完整的单木树冠闭合曲线,故以光谱+纹理为特征空间的面向对象法效果较优;面向对象法的最优分割尺度为29,纹理特征的加入会导致郁闭度提取精度降低0.66%,但会优化单木树冠面积提取效果。     

基于U-Net和分水岭算法的无人机单木树冠提取方法

高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础，而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割，以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点，提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象，在南山实习林场采集积雪背景下无人机遥感影像作为试验数据，构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先，从无人机遥感影像中选取1 000张训练样本，128张测试样本，并对样本进行标注，通过数据增强将1 000张训练样本扩增为16 000张，按照4∶1分为训练集和验证集，对U-Net模型进行训练，在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后，利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后，在深度神经网络U-Net单木树冠提取的基础上，采用MCW算法对提取结果进行优化，并对单木树冠提取效果进行精度评估。结果表明，U-Net+MCW算法对于单木尺度的F测度为74.04%，比单一使用U-Net模型提高了28.52%，以该方法提取遥感影像中的天山云杉树冠信息为基础，计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此，U-Net+MCW算法能够有效解决自然光照条件下，由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素，导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题，是一种低成本、高效率的单木树冠提取方法，能够满足中小尺度山地森林资源调查和监测要求。     

基于CiteSpace的林木腐烂病研究现状与趋势分析

为全面系统了解林木腐烂病国内外研究现状和进展情况,检索Web of Science(WOS)核心集和中国知网(CNKI)1990—2022年收录的林木腐烂病相关研究文献,运用CiteSpace 5.8.R3软件对纳入文献的国家、机构、作者共现、关键词聚类及突现等数据进行可视化分析。经筛选,共纳入WOS文献621篇、CNKI文献1886篇。国际上林木腐烂病研究热度总体呈上升趋势,研究国家以中、美为主,研究机构以高校为主,国内机构和学者非常活跃,合作较多,国家之间合作不足。目前较活跃的高频关键词聚类为taxonomy（分类）、antifungal activity（抗真菌活性）、mycovirus（真菌病毒）和病虫害等。国际上林木腐烂病研究热点及趋势在维度上不断发展,聚焦bark（树皮）、purification（纯化）、lectin（凝集素）、diversity（多样性）等热点问题,国内研究集中于福美砷、木质部、树势、桥接等传统角度,并逐渐关注孢子角、发病规律、抑菌活性等主题的中国国情下的研究。     

加强我国农业重大科技基础设施布局的思考

重大科技基础设施是国之重器，政府加强“两新一重”投资的重要内容。抓住“十四五”规划重大契机，科学优化农业重大科技基础设施布局，对引导中央投资向“三农”领域倾斜、推动农业高质量发展和建设世界科技强国等意义重大。文章通过剖析发达国家重大科技基础设施布局现状，总结其规律和经验，提出了加强我国农业重大科技基础设施布局的建议。     

近60年中国沙尘暴灾害风险因子时空信息服务研究

针对沙尘暴灾害研究中存在的多专题、多时相、多层次海量数据管理与分析的共性问题,研究基于时空数据模型有效组织了近60a中国沙尘暴灾害风险因子数据,利用层架构模式设计了沙尘暴灾害风险因子管理系统的体系结构,以地统计和空间分析理论为基础提出了沙尘暴气象因子专题制图方法,通过瓦片式地图技术构建了沙尘暴大数据量高性能瓦片地图服务,综合应用WebGIS理论与技术设计并实现了系统主要功能。典型应用案例分析表明,该系统的构建方法与技术在提供沙尘暴灾害风险时空数据的高效管理服务和辅助决策信息服务方面是切实有效的。     

基于土地承载潜力的养殖总量控制研究:以江苏省东海县为例

为确定江苏省连云港市东海县畜禽适宜养殖量,本研究基于氮平衡分析畜禽土地承载力。结果表明:2015年,东海县全年农作物氮养分需求量、猪粪氮当量、化肥施用量(以氮计)分别为4.39万、2.52万、4.44万t,可见东海县具有足够的畜禽粪污消纳能力和较大的降低化肥施用潜力。以氮养分计,东海县畜禽养殖承载潜力为199万头猪当量,还有77万头猪当量的盈余。不同乡镇存在较大差异,山左口、双店、石梁河等3个乡镇稍有超载,应适当调减养殖量;牛山街道和石榴街道2个乡镇靠近城区,禁养区、限养区面积较大,应逐步减少养殖量;黄川、桃林、安峰、白塔埠等4个乡镇尚有一定的发展空间,可维持现有养殖量或适当扩大养殖量;其余乡镇发展潜力较大,东海县畜禽养殖应逐步由养殖密集区域向这些乡镇转移。     

基于GA-BP神经网络的灌木生物量估测模型

【目的】应用以遗传算法优化的BP(GA-BP)神经网络构建灌木生物量估测模型,以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象,应用遗传算法优化BP神经网络的结构、初始权值和阈值,通过BP神经网络训练构建荆条最优地上生物量估测模型,并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明,GA-BP神经网络模型和回归分析模型的模拟精度分别为77.65%和71.79%,估测精度分别为81.46%和75.64%,GA-BP神经网络模型的精度略高于回归分析模型。【结论】应用GA-BP神经网络构建灌木生物量模型是可行的,能够实现灌木生物量的快速估测。