作物蒸发蒸腾量的人工神经网络模型研究

采用盆栽试验,利用BP-人工神经网络模拟作物的蒸发蒸腾量,分别构建ET1(气象因子)、ET2(气象因子与播种天数)、ET3(气象因子、播种天数和含水率)3种人工神经网络模型,并将预测结果与称重法得到的实际值ET进行比较,结果表明,所构建的ET3模型的计算精度较高,是一种最优的计算作物蒸发蒸腾量的BP-人工神经网络模型。     

基于天气预报估算参考作物蒸发蒸腾量的预测模型比较

参考作物蒸发蒸腾量(ET0)是计算作物需水量和进行灌溉预报的基础要素.利用天气预报可测因子和Penman Monteith公式计算ET0,分别建立多元线性回归模型(MLR)和自适应神经模糊推理系统模型(ANFIS),两种方法的估算值与PenmanMonteith公式计算值没有明显的差异,自适应神经模糊推理系统预测值相对于多元线性回归模型具有整体吻合度好,相关性高.两种预测模型的输入项完全可以从当前短期气象预报中获得,程序运行操作简单,具有实用价值,为实时灌溉预报提供了理论基础.     

参考作物蒸发蒸腾量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸发蒸腾量(ET0)，回归分析了影响ET0的主成分。在此基础上比较了以4因子(平均气温、净辐射、相对湿度、2m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量，由Penman-Monteith法计算所得ETo为输出向量的BP网络ET0预报模型(BP-ET0)。研究表明，BP网络可以用于ET0的预报计算，4因子法和3因子法均简便可行，能满足生产的需要。相比之下，4因子法的精度更高。此研究是对传统ET0计算的补充。     

作物蒸发蒸腾量简析

作物蒸发蒸腾量的研究在节水灌溉中有非常重要的意义。本文主要从作物蒸发蒸腾量估算方法、测定方法和预测模型方面进行了总结。     

用彭曼—蒙特斯模式估算作物蒸腾量的研究

本文论述了彭曼—蒙特斯(Pcnman—Montcith)模式的推导过程,分析了产生计算误差的四个原因。对模式中参数的取值进行了讨论,分别比较了考虑和不考虑气压订正与空气层结稳定性订正时计算值的差异,结果表明不考虑气压订正时的计算值比实测值偏小10％～20％,而空气层结稳定性订正对计算结果的影响不如气压订正的显著。     

河套灌区参考作物蒸发蒸腾量估算方法研究

参考作物蒸发蒸腾量（ET₀）是计算作物需水量的基础,一般用FAO推荐的Penman-Monteith公式（PM公式）计算。但是在河套灌区部分地区缺少辐射数据的观测,因而无法利用PM公式计算ET₀。本文选用河套灌区临河气象站1990—2012年的气象资料,分析了利用PM公式计算参考作物蒸发蒸腾量ET₀与气象要素的关系,发现对ET₀影响最大的气象因素为净辐射,其次为饱和水气压差和平均温度。建立了基于饱和水气压差、温度和风速的ET₀估算公式,验证结算显示相关系数、纳什效率系数和总量平衡系数分别为0.96、0.92、1.00。在风速缺测的条件下,也建立了基于饱和水汽压差和温度的ET₀估算公式。以上两个公式为河套灌区缺资料条件下ET₀的估算提供了简单且准确的估算方法。     

参考作物蒸发蒸腾量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸发蒸腾量(ET0),回归分析了影响ET0的主成分.在此基础上比较了以4因子(平均气温、净辐射、相对湿度、2m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量,由Penman-Monteith法计算所得ET0为输出向量的BP网络ET0预报模型(BP-ET0).研究表明,BP网络可以用于ET0的预报计算,4因子法和3因子法均简便可行,能满足生产的需要.相比之下,4因子法的精度更高.此研究是对传统ET0计算的补充.     

液流—株间微型蒸渗仪法测定新疆杨蒸发蒸腾量适用性分析

采用液流—株间微型蒸渗仪法测定人工种植环境下新疆杨蒸发蒸腾量,并对此方法的适用性进行了分析。结果表明：在生长季5—10月,新疆杨蒸腾量具有明显的季节变化规律,总蒸发蒸腾量为508.26 mm,蒸发量、蒸腾量所占比率分别为37.1%和62.9%;树干液流速率与叶片蒸腾速率变化表现出较好的一致性,热脉冲法能够用于新疆杨蒸腾测定;液流—株间微型蒸渗仪法和水量平衡法测算结果的相对误差在±15%之内,液流—株间微型蒸渗仪法能够适用于新疆杨蒸发蒸腾量测定。     

河北杨和新疆杨离体叶片诱导不定芽研究

对河北杨和新疆杨离体叶片诱导不定芽的方法进行了研究。结果表明,适合河北杨和新疆杨离体叶片不定芽诱导的最适培养基为:1/2M S+0.25 m g/L 6-BA+0.01 m g/L TDZ+0.25 m g/L IAA;在此培养基中,叶片分化率河北杨可达70%,新疆杨可达52%;平均分化芽数河北杨为6.84个,新疆杨为5.32个。6-BA单独使用对叶片不定芽诱导没有效果,NAA作用不明显。叶片刻伤方式对两种杨树叶片诱导不定芽影响显著,沿中脉横切效果优于去除叶边缘,诱导的不定芽数前者比后者约多3个。光照显著影响叶片不定芽产生的时间,不定芽在3~5 d暗培养后转至16 h/d光照下培养比全程16 h/d光培养发生早15 d左右;光照对分化率和平均分化芽数无显著影响。     

兰州百合和有斑百合的核型研究

【目的】研究兰州百合及有斑百合的染色体核型。【方法】利用染色体常规压片的方法,对兰州百合和有斑百合的染色体数目及核型进行了研究和分析。【结果】兰州百合的核型公式为2n=2x=24=2m+2sm+6st+14t,相对长度为6.35%～12.07%,核型不对称系数为83.25%,染色体相对差异较大。有斑百合的核型公式为2n=2x=24=4m+12st+8t,相对长度为6.11%～12.90%,核型不对称系数为80.11%。【结论】兰州百合的核型类型属于3A型,有斑百合的核型类型为3B型,以有斑百合核型的进化较高,可见不同居群的百合间核型存在差异。     

基于机器学习的油青菜心水分胁迫研究

目的 以油青菜心Brassica chinensis var. parachinensis为试验对象,基于冠层温度研究其生长过程中的水分胁迫变化规律,并利用机器学习方法,以水分胁迫指数(Crop water stress index, CWSI)和光合有效辐射预测光合作用速率。方法 试验期间,在营养生长阶段(V期)和生殖生长阶段(R期)对油青菜心进行不同田间持水量处理,采集冠层温度、空气温湿度数据,建立无蒸腾作用基线(上限方程)、无水分胁迫基线(下限方程),通过经验公式计算CWSI。利用基于密度的空间聚类方法和空气温度研究油青菜心的冠气温差上限分布情况,选取固定值作为上限;以CWSI经验公式为基础,使用不同温度定值的无蒸腾作用基线计算CWSI,验证聚类效果。为更简便获取光合作用速率,使用4种机器学习方法：最邻近节点算法(k-Nearest neighbor,KNN)、支持向量回归(Support vector regression,SVR)、极端梯度提升法(Extreme gradient boosting,XGBoost)、随机森林(Random forest,RF)进行预测,并对比预测效果。结果 在不同田间持水量处理下,CWSI能较好地监测油青菜心水分胁迫状况。通过聚类分析,将V期和R期冠气温差上限分类到2个簇中,得到簇心分别为3.4和4.2 ℃,与CWSI经验公式计算值显著相关,表明使用固定值作为油青菜心冠气温差上限值具有可行性。KNN、SVM、XGBoost和RF预测模型均取得较好效果,相关系数分别为0.873、0.877、0.887和0.863。结论 机器学习方法可用于油青菜心光合作用速率的预测,可以避免使用大型笨重仪器,降低对油青菜心叶片的损伤,减少测量时间。     

中型狼尾草种质资源表型性状的多样性

对采自云南省的25份野生种质和4份驯化栽培种质中型狼尾草材料的16个主要表型性状进行多样性分析,为其相关特性和优良种质资源的筛选提供基础资料。结果表明,中型狼尾草各表型在29份材料间均表现出极显著差异(P0.01),存在着丰富的表型多样性和变异水平,平均变异系数为17.58%,离散程度较高,极差变幅为0.31~51.60。主成分分析表明,叶长、穗长、穗宽、穗柄长、节间长等茎叶与穗部营养性状的变异是中型狼尾草表型变异的主要来源和贡献者,种子相关性状发芽率和结实率的变异程度低,遗传稳定。基于形态性状,把29份中型狼尾草种质聚类并划分为3大居群,聚类结果在一定程度上受到环境因子的影响。依据研究结果,对中型狼尾草种质资源的保护和育种亲本的选择策略给予建议。     

大花卷丹鳞片室内繁殖研究

研究室内不同基质(蛭石、锯沫、沙子)、不同温度(19℃、23℃、27℃)和不同低温(5℃)时间(0d、15d、30d、45d、60d)对大花卷丹鳞片产生小鳞茎的影响。结果表明,不同基质对大花卷丹鳞片形成小鳞茎的影响为锯末增量率最高,锯末和沙子鳞片增量率差异显著;沙子鳞片腐烂率高,鳞茎直径大;蛭石繁殖率高,根数多,芽短。不同温度对大花卷丹鳞片产生小鳞茎的影响是19℃鳞片增量率、繁殖率和鳞茎直径较大,芽短;23℃根数多;27℃鳞片腐烂率最高。不同低温时间对大花卷丹鳞片产生小鳞茎的影响是5℃0d根数和繁殖率高,5℃0d与15d、45d及30d与45d根数差异显著,0d和30d根数差异极显著;5℃15d芽最短,5℃0d和15d、30d、45d芽长差异极显著;45d鳞茎直径、鳞片增量率和腐烂率最高,5℃45d和60d鳞片增量率差异显著;60d鳞片腐烂率最高,与30d差异显著。综合来看,大花卷丹鳞片不需5℃处理,蛭石包埋19℃产生小鳞茎效果好。     

基于优化卷积神经网络的玉米螟虫害图像识别

【目的】随着人工智能和大数据技术的不断发展,针对常规玉米虫害识别方法存在的准确率和效率低等问题,本文提出了一种基于改进GoogLeNet卷积神经网络模型的玉米螟虫害图像识别方法。【方法】首先通过迁移学习将GoogLeNet的Inception-v4网络结构知识转移到玉米螟Pyrausta nubilalis虫害识别的任务上,构建模型的训练方式;然后通过数据增强技术对玉米螟虫图像进行样本扩充,得到神经网络训练模型的数据集;同时利用Inception模块拥有多尺度卷积核提取多尺度玉米螟虫害分布特征的能力构建网络模型,并在试验过程中对激活函数、梯度下降算法等模型参数进行优化;最后引入批标准化(BN)操作加速优化模型网络训练,并将该模型运用到玉米螟虫害识别中。【结果】基于TensorFlow框架下的试验结果表明,优化后的神经网络算法对玉米螟虫害图像平均识别准确率达到了96.44%。【结论】基于优化的卷积神经网络识别模型具有更强的鲁棒性和适用性,可为玉米等农作物虫害识别、智能诊断提供参考。     

不同土壤水分条件对酸枣生物量与耗水特性的影响

【目的】通过盆栽试验研究酸枣生物量与耗水特性的关系,为酸枣的生产管理提供参考。【方法】以1年生酸枣为研究对象,用称质量控水法控制土壤水分含量,设重度胁迫(SD,含水量为田间持水量的35%)、中度胁迫(MD,含水量为田间持水量的55%)和适宜水分(CK,含水量为田间持水量的75%)3个水分处理,测算不同水分处理条件下酸枣的耗水量、单株生物量、组织含水量、叶片数及叶面积,分析酸枣生物量与耗水特性的关系。【结果】不同土壤水分条件下,酸枣耗水量差异很大,土壤水分含量越高,酸枣耗水量越大;适宜水分条件下酸枣的平均耗水强度为0.1178kg/(株·d);土壤越干旱,酸枣组织含水量越低,在中度和重度胁迫水分条件下,酸枣的平均耗水强度分别为0.0868和0.0723kg/(株·d);酸枣的全年耗水量高峰出现在7月底到8月中旬。3个水分条件下,酸枣生物量和组织含水量均表现为CK>MD>SD,叶片数和叶面积最大值表现为CK>MD>SD,叶片数最大值的出现时间以SD早于MD和CK。【结论】水分供应越少酸枣组织含水量越低,而且即使在适宜的水分条件下,酸枣的组织含水量也低于700g/kg;生长后期落叶,叶片对气孔的控制能力下降,导致生长后期耗水量的反常增加;酸枣存在明显午休现象;干旱导致的过早停止生长是酸枣植株矮小的主要原因。     

基于PCA-LSTM神经网络的凡纳滨对虾养殖水质预测

基于上海奉贤区2个水产养殖合作社2014—2018年和2021年的检测数据,选取水温(T)、溶解氧(DO)、高锰酸盐指数(I_Mn)、总磷(TP)、总氮(TN)、氨氮(TAN)、亚硝酸盐氮(NO₂^--N)、硝酸盐氮(NO₃^--N)共8个水质指标进行研究,提出了基于主成分分析(Principal component analysis, PCA)和长短时记忆神经网络(Long short-term memory neural network,LSTM)的预测模型。首先采用主成分分析法对数据进行特征提取和降维,选取高锰酸盐指数(I_Mn)和氨氮(TAN)作为水质预测指标,建立基于PCA法的LSTM模型;接着采用PCA-LSTM模型对不同养殖塘的水质进行预测;最后,将其与单一LSTM模型进行对比以验证模型的优劣。结果表明:PCA-LSTM模型可用于凡纳滨对虾养殖池塘水中I_Mn和TAN的预测, 预测结果优于单一LSTM模型。     

抚育间伐对秦岭南坡锐齿栎天然次生林碳密度的影响

【目的】探索森林抚育间伐强度对秦岭南坡锐齿栎天然次生林不同碳库的影响,为秦岭林区锐齿栎林合理抚育间伐提供参考。【方法】在陕西省宁东林业局沙沟林场,按照不同坡向(阴坡和阳坡)和抚育间伐强度设置锐齿栎天然次生林标准地24块,间伐强度分别为林分蓄积量的5%,15%和25%,并设置不间伐的对照样地。通过样地调查,研究不同强度间伐3年后锐齿栎天然次生林植被层、枯落物层以及土壤层有机碳密度的变化规律。【结果】5%间伐对阳坡和阴坡乔木层碳密度均无显著影响,而阳坡15%,25%间伐的林分乔木层碳密度分别比对照低10.53%和21.00%,阴坡分别低14.91%和23.39%;阳坡5%,15%间伐的林分乔木层有机碳密度增加量分别比对照高19.03%和21.19%,而25%间伐的林分与对照无显著差异;阴坡5%间伐的林分乔木层有机碳密度增加量比对照高16.76%,而15%和25%间伐的林分均与对照无显著差异;阳坡、阴坡林下灌木和草本植物碳密度均随抚育间伐强度的增加而增大;不同抚育间伐强度对枯落物层和土壤层有机碳密度均没有显著影响;5%间伐对2个坡向的锐齿栎次生林总有机碳密度均无显著影响,15%,25%间伐分别使阳坡林分总有机碳密度降低7.10%和13.64%,使阴坡林分总有机碳密度降低8.84%和13.66%。【结论】抚育间伐在一定程度上降低了秦岭南坡锐齿栎天然次生林的碳储量,然而合理的抚育间伐强度能够提高其乔木层单位面积碳吸存量;秦岭南坡锐齿栎天然次生林在阳坡采取15%间伐强度、阴坡采取5%间伐强度短期内有利于提高林分的固碳能力。     

小陇山林区锐齿栎原始林的径级结构与物种多样性

【目的】研究甘肃小陇山林区锐齿栎原始林的径级结构与物种多样性特征,为小陇山林区锐齿栎次生林经营提供参考。【方法】以小陇山林区的锐齿栎原始林为研究对象,在研究区测设面积为100m×100m的样地,运用样地每木定位调查和小样方调查方法,统计分析乔木层树种的重要值和主要树种的径级结构,并调查乔木层、灌木层、草本层的物种组成及数量,计算各林层的多样性指数。【结果】锐齿栎原始林群落物种组成丰富,主要伴生树种有鹅耳枥、地锦槭、光叶泡花树、鄂椴等;林分直径结构为典型的倒J型分布,锐齿栎种群的径级结构呈典型的正态分布;该群落乔木层容纳物种数53种,Shannon-Wiener指数、Pielou均匀度指数和优势度指数分别为3.130,0.955和0.063;灌木层有物种数46种,Shannon-Wiener指数1.395,优势度指数0.547,Pielou均匀度指数0.462;草本层共有物种数58种,Shannon-Wiener指数1.899,优势度指数0.358,Pielou均匀度指数0.653。【结论】小陇山锐齿栎原始林群落物种组成丰富,径级结构呈典型异龄林特征,群落中乔木层树种多样性较高,树种分布均匀且优势树种集中性低;草本层和灌木层物种多样性低,物种分布不均匀且优势树种集中性高。