“林业电气化与自动化”二级学科建设方案的研究——以北京林业大学为例

基于对林业工程及其二级学科在国内外设置情况的研究,分析了林业工程一级学科下新设"林业电气化与自动化"二级学科的必要性,并提出北京林业大学新设"林业电气化与自动化"二级学科的建设方案。一是明确"林业电气化与自动化"二级学科的定位及内涵,即作为以林业工程为基础的多学科相结合的交叉学科,定位于电气化与自动化在林业工程中的应用。二是加强学科队伍建设,包括注重学科人才的培养和学科队伍结构的优化;注重师德师风建设;强化学科团队的科研创新意识,引导学科团队成员聚焦国家重大战略和地方经济社会发展;建立健全学科团队内部的"传帮带"机制等。三是确定学科研究领域,包括林区微电网及电气化、林业生态环境监测与预警、城市园林环境自动监测与控制等研究方向。四是制定学科研究生培养方案,包括明确培养目标、创新培养模式、完善课程体系、深化课程教学改革等。     

农田土壤含水率与坚实度快速信息采集系统

介绍了一种农田土壤含水率与坚实度快速信息采集系统.本系统包括土壤介电传感器、圆锥指数传感器及深度传感器,可以快速、同步、实时地获得0～500mm范围内土壤剖面含水率与圆锥指数信息.同时,本系统还结合了GPS和GIS技术,实现了土壤参数的空间分析,可以更方便地把系统应用于农田信息管理.本系统为实现土壤水分和坚实度的同步测量搭建了一个智能化的试验平台,并且在与德国波恩大学农业工程研究所的合作中成功地应用于田间测量.     

圆锥指数仪贯入沙土过程的三维离散元法模拟

在圆锥指数仪贯入沙土试验的基础上,建立了半圆柱形沙土料床的三维数值模型,利用离散元法对圆锥指数仪贯入沙土过程进行了模拟,讨论了圆锥指数的主要影响因素及其影响规律。研究结果表明:贯入圆锥的铅垂方向阻力、圆锥指数及半圆柱形料床侧壁的正压力均随着贯入深度的增加而增大,且形状窄、粒径大的料床圆锥指数明显大于形状宽、粒径小的料床;贯入后的大颗粒料床侧壁正压力明显大于小颗粒料床;当圆锥贯入速度大于0.2 m/s时,圆锥指数才明显增大,此时贯入过程已经对料床产生较强的冲击效应。最后,把贯入后的料床根据颗粒的位移划分为4个区域,可以直观地判断出贯入过程的影响范围,为实地测量土壤坚实度时取样点间距的选取提供了理论依据。     

基于激光反射的土壤表面粗糙度测量装置设计与试验

为了实时获取土壤表面粗糙度数据,设计了一种基于激光三角测距原理的土壤表面粗糙度专用测量装置.采用激光扫描测距仪测量微位移,其精度高、响应速度快,测距分辨力高达0.1 mm,显著提高了土壤表面粗糙度的测量精度;借助于光电编码盘和螺杆组合实现高精度扫描定位;PDA作为上位机,农田环境下具有方便携带,大容量存储数据和智能化实时处理功能等优点.     

高等农林院校工科专业“自动控制原理”课程教学改革的探讨

该文针对目前高等农林院校工科专业"自动控制原理"教学存在的问题,探讨了通过教学改革提高教学质量的可行性。在分析当前教学在存问题的基础上,分别从教学内容、教学方式与教学实验三个方面入手,提出了改革的措施与建议,尤其强调了农林专业背景与工科内容的有机结合。     

牧场土壤含水率与坚实度空间变异与相关性分

利用土壤水分/圆锥指数复合测量装置,应用精细农作技术体系网格定点测量与GPS定位,在一块面积约1.27 hm2的草地上获取了土壤含水率与坚实度空间分布基础数据,并针对采样过程中出现的数据缺失,用偏最小二乘法对数据进行修补.然后运用克里格插值法进行数字化成图,并在此基础上分别对含水率与坚实度的空间变异性及两者的相关性做了分析.     

基于BP神经网络的土壤容重预测模型

土壤容重是农业生产和研究的重要参数,但因成本高、工作量大等原因,其获取仍是一个紧迫的问题。数学建模技术使得科研人员尝试使用土壤传递函数PTFs间接获取土壤容重值。本研究以复合圆锥指数仪为工具,探讨应用BP神经网络建立PTFs预测土壤容重。选取粘土和粉质壤土作为实验对象,在MATLAB2008a上建立、并评价预测土壤容重的BP神经网络,即PTFs模型。研究中以均方根误差RMSE和决定系数R2为性能指标来评价所建BP神经网络。结果表明,针对复合圆锥指数仪的测量结果,应用BP神经网络算法建立PTFs可以有效预测土壤容重。粘土容重预测的决定系数R2达到0.6973,粉质壤土容重预测的决定系数R2达到0.6868。实验结果还证实土壤容重预测与测量深度无关,但与土壤类型显著相关。     

基于海棠茎干含水率的智能灌溉控制策略研究

茎干含水率的动态变化是研究植物体水分和生长状况的重要指标,准确判断活立木水分亏缺是人工林抚育和城市园林绿化中灌溉策略制定的重要科学依据。以海棠树为研究对象,以茎干含水率为研究参数,通过干旱胁迫试验探究茎干含水率变化与海棠树生理需水的关系。提出以海棠茎干含水率43%和茎干含水率下降值不超过12%为下限指标、土壤含水率33%为上限指标的灌溉控制策略,依据此策略设计了一套智能灌溉控制系统,并通过该系统验证了所提出灌溉策略的有效性与可行性。     

基于卷积神经网络的银杏叶片患病程度识别

银杏是我国一种常见的经济林木,对银杏叶病害进行数字化辨识有助于提高银杏种植产业的管理水平,为其病害预警提供可能。以银杏轮纹病为研究对象,采用卷积神经网络为分类算法,对银杏患病程度进行自动辨识。根据银杏轮纹病的叶片特点,设计了18层卷积神经网络,核心功能主要由四个卷积层,四个池化层、两个全连接层提供。经过多次训练与测试,网络对银杏叶片的5种不同患病程度辨识率最低可达92%以上。将设计的卷积神经网络与传统的BP神经网络、Alex-Net网络进行对比实验,结果表明,卷积神经网络在银杏轮纹病患病程度辨识的应用上具有更高的精度。上述结果对于银杏其他病害或其他植物病害辨识应用中具有一定的借鉴意义。     

大田尺度下车载式土壤多参数测量方法研究

应用自行研制的土壤含水量、电导率与耕作阻力车载测试系统以及EM38电导率测试仪，在特定的耕作和施肥管理制度试验田中进行大田尺度下的土壤多参数车载测量研究。在土壤参数空间分布信息基础上进行相关分析，结果表明复合传感器具备农田土壤含水量和电导率变异响应能力，进一步建立了农田土壤电导率与含水量、耕作阻力以及施肥信息之间的统计预测模型。