有色黏虫板对柑橘木虱的监测及防治研究进展

柑橘黄龙病是柑橘生产中的重大病害,随着其在全球范围内的传播蔓延,该病已成为近年来柑橘生产和研究中普遍关注的热点。柑橘木虱(Diaphorina citri Kuwayama)是传播柑橘黄龙病菌(Candidatus Liberibacter asiaticus)的主要虫媒,对柑橘木虱种群的准确监测与有效防控是控制柑橘木虱传播黄龙病的关键所在。有色黏虫板是一种利用昆虫趋色性,对小型飞行昆虫进行监测与诱杀的重要物理防治手段。有色黏虫板同样适用于监测和诱捕柑橘木虱,但黏虫板的颜色、光源、气候条件、悬挂黏虫板的植物种类及其挥发性信息化合物成分等都会影响黏虫板对柑橘木虱的诱集效果。本文在综合国内外柑橘木虱防控技术的基础上,将近年来利用有色黏虫板,监测与防控柑橘木虱的最新进展进行综述,并对有色黏虫板的发展前景给予展望。     

校园环境噪声监测与评价--以华中师范大学为例

环境噪声是环境质量评价的重要指标。通过噪声监测实验,记录了华中师范大学校园内的噪声污染数据,根据国家标准评估了校园环境噪声状况。试验采用网络剖分法,分别于昼间7:30~10:00和夜间22:00~22:55两个时间段对等效声级进行了测定。实验结果表明:昼间噪声污染更为严重,平均噪声超标率达到26%,夜间噪声污染相对较轻,但噪声超标率也达到19%。校园内不同功能区的噪声来源不同,工程施工产生的噪声是主要的污染源,影响比重达到58%。根据实验结果,校园声环境质量一般,需要对现状提出合理的改进建议。     

光肩星天牛的成虫监测和适期防治分析

以光肩星天牛的发生规律和危害特征为基础,应用引诱剂对其成虫进行动态监测,根据监测数据并结合其生活习性确定防治适期和防治方法,为光肩星天牛的监测和防治提供参考。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

基于RGB颜色空间的早稻氮素营养监测研究

针对双季稻区水稻过量施肥带来环境污染和成本提高问题,设计不同品种氮肥梯度大田试验,应用数码相机获取早稻冠层数字图像,研究不同色彩参数及早稻氮素营养指标的时空变化特征,以期确立双季早稻氮素营养预测模型。结果表明:不同品种同一氮肥处理下图像色彩参数差异不大;拔节期数字图像参数对氮素营养指标敏感;模型构建结果显示,图像参数INT与水稻氮素营养指标构建的模型决定系数(R2)最大,模型预测效果最佳,R2分别为0.895 7和0.924 7;进一步采用多元回归分析和BP神经网络分析法进行预测,预测效果均较好。对预测结果进行检验,发现品种对于模型的构建影响不大,以BP神经网络分析法构建的叶片氮浓度(LNC)模型和以INT为敏感色彩参数构建的叶片氮积累量(LNA)回归模型效果最优,而多元回归分析方法则效果不佳。早稻冠层RGB颜色空间敏感参数与氮素营养指标间相关性较好,可以实现氮素营养的无损监测诊断。     

基于深度学习的牛肉大理石花纹等级手机评价系统

大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。     

Soil protection for a sustainable future: options for a soil monitoring network for Ireland

The increased recognition of the importance of soil is reflected in the UN Post‐2015 Development Agenda with sustainable development goals that directly and indirectly relate to soil quality and protection. Despite a lack of legally binding legislation for soil protection, the European Commission remains committed to the objective of soil protection. However, the achievement of a legally binding framework for soil protection relies on the implementation of a soil monitoring network (SMN) that can detect changes to soil quality over time. As beneficiaries do not pay for the provision of soil information, the options for soil monitoring are limited. The use of existing data sets should be considered first. Using Ireland as an example, this research explored the opportunities for a SMN for Ireland considering three existing national data sets. The options for a SMN are considered in terms of their spatial and stratified distribution, the parameters to be measured and an economic analysis of the options proposed. This research finds that for Ireland, either a 10 or a 16 km² grid interval stratified by land use and drainage class offers the best potential in relation to the spatial distribution of existing data sets to reflect local data at a national level. With existing data, the stratified SIS data using the 16 km² grid offers the best value for money, with baseline costs for analysis, excluding field costs, of between €706 481 and €2.8 million. Acknowledging the impossibility of measuring all parameters with ideal frequency, this study proposes a two‐tier system for optimized monitoring frequency. Parameters must anticipate future policy requirements. Finally, the implementation of a SMN must be accompanied by standardized methods, defined thresholds and action mandates to maintain soil quality within allowable limits.     

国际30年来土壤食物网的研究历程与热点分析

利用文献计量学方法,研究1989—2018年来土壤食物网研究领域的热点内容,概括土壤食物网的研究脉络及国际土壤食物网未来的研究方向。结果显示:土壤生物多样性、食物网的碳氮循环功能及管理方式对土壤食物网结构的干扰是现在研究热点,而土壤食物网功能多样性、系统稳定性、及土壤食物网对全球变化的响应则是新兴的研究方向。