基于随机森林的烤烟香型分类研究

为找出影响烤烟香型分类的关键因素,以全国6个植烟区域的清、中、浓3个香型烤烟烟叶为研究对象,运用随机森林分类算法对烤烟香型的分类进行系统分析,结果表明:(1)随机森林分类算法对烤烟清、中、浓3种香型整体分类效果正确率达到82.35%,其中对清香型分类效果最好,正确率为100%,对浓香型分类效果一般,中间香型分类效果较差。(2)基于随机森林分类算法输出,影响烤烟香型分类关键的烟叶香味成分主要有:苯甲醇、β-紫罗兰酮、2-环戊烯-1,4-二酮、2-乙酰基-5-甲基呋喃、棕榈酸甲酯、5-羟甲基糠醛、3-羟基-β-大马酮、β-二氢大马酮、糠醛、苯乙醇、二氢猕猴桃内酯等成分。因此,随机森林分类算法能够运用于烤烟香型分类研究中,并在清香型和浓香型分类中取得良好的分类效果,同时找出了能够用于香型分类的关键因素,这对于烤烟原料的深入研究具有一定的参考意义。     

呼和浩特地区不同类型日光温室光热性能研究

本研究主要对新引进的日光温室与当前厚墙体温室的光热性能进行对比研究,为呼和浩特地区日光温室的建设提供参考依据.根据4种类型日光温室小气候监测数据,分析温室内外日平均温度、温室内外日最低温度、温室内外日最高温度、温室内光照度等气象要素变化规律.双膜双被日光温室为室内温度水平最高的日光温室,越冬期间(1月12日-2月21日...     

基于曲线拟合的6种豆的傅里叶变化红外光谱研究

为能够快速的鉴别不同品种的豆,为豆类蛋白、豆类蛋白酶的提取等问题的研究提供研究依据,利用傅里叶变换红外光谱技术结合聚类分析和曲线拟合测试研究6种豆（黄豆、黑豆、蚕豆、红豆、绿豆和红小豆）54个样品的光谱。结果显示,6种豆的红外图谱相似,但在1800~1000 cm^-1范围内红外光谱的峰位、峰形及吸收强度有明显的差异。选取1800~1000 cm^-1范围的光谱图进行二阶导数处理,利用SPSS软件进行聚类分析,聚类分析正确率为100%。利用Origin 8.5软件对1700~1600 cm^-1范围的原始光谱进行曲线拟合处理,6种豆在酰胺Ⅰ带的吸收峰都由9个子峰叠加而成;其中6种豆的蛋白质二级结构中α-螺旋含量、β-转角含量、无规则卷曲结构含量和β-折叠含量不同。结果表明6种豆的蛋白质的二级结构是不同的,傅里叶变换红外光谱(FTIR)结合曲线拟合可以快速简捷地区分不同品种豆类,并能提供豆类所含蛋白质的二级结构的信息。     

基于自然群体随机交配的多iQTL定位的模拟

为了研究多个印迹QTL(iQTL)定位方法,本研究采用随机交配策略对纯系自然群体构建可追溯亲本的永久F₂作图群体,基于模拟SNP基因型数据与真实水稻SNP基因型数据生成表型性状数据,并应用混合线性模型进行多个iQTL定位和遗传效应的参数估计。模拟研究表明,在不考虑群体结构与亲缘关系造成的干扰时,基于纯系自然群体产生的永久F₂作图群体可利用混合线性模型定位到小效应、低遗传率的iQTL,并能估计出iQTL的遗传效应,是一种行之有效的多iQTL定位方法。     

基于机器学习与高光谱数据的湿地植被物种识别研究

为了探索利用高光谱高空间分辨率遥感数据进行湿地植被物种识别,笔者在分析6 种湿地植被原反射光谱、二阶微分及连续统去除光谱的基础上,利用马氏距离法和相关系数法提取特征波段,并将其作为特征参数参与C5.0 决策树分类与信息提取。结果显示：（1）基于机器学习的C5.0 决策树法总体分类精度为79.87%,Kappa 系数为0.765,与监督分类最大似然法相比,植被信息提取总体精度提高9.95%,Kappa系数提高0.114;（2）机器学习C5.0 决策树法与最大似然法相比,其独特的优势在于对藻类的信息提取精度大大提升,狐尾藻和水蕴草的用户精度提升最大,分别提升了18.67%和15.86%。该方法能够实现湿地植被物种信息的高精度提取,为同类研究提供借鉴,为湿地生态健康评价提供科学与技术上的支持。     

基于颜色特征和AdaBoost算法的麦穗识别的研究

单位面积麦穗数是小麦产量预测中的一个重要参数。在应用图像处理技术识别麦穗的个数研究中,提出了一种小麦颜色信息和AdaBoost算法相结合的麦穗检测方法。先用麦穗颜色分割法排除非小麦区域的干扰,然后用AdaBoost算法训练的分类器对麦穗区域进行定位识别。该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了小麦检测准确率。试验证明所用方法能有效去除叶片和秆茎的干扰,对于角度倾抖有一定鲁棒性。在随机抽取的100个样本中检测率为88.7%,有很强的识别能力。     

基于近红外光谱的棉花毛籽蛋白质和油分含量快速检测

【目的】建立棉花毛籽蛋白质和油分含量的近红外检测校正模型。【方法】检测样本的蛋白质含量和油分含量，根据光谱-理化值共生距离算法（sample set partitioning based on joint X-Y distance sampling, SPXY）按照3∶1的比例将426个样本划分为包含320个样本的校正集和106个样本的预测集，结合多元散射校正和一阶导数等光谱预处理方法对模型进行优化，并采用线性偏最小二乘法（partial least square method, PLS）、支持向量机（support vector machine, SVM）和随机森林（random forest, RF）3种方法对比分析建立棉花毛籽蛋白质和油分含量的近红外快速测定模型，以决定系数、均方根误差和剩余预测偏差作为模型的评价指标。【结果】SVM模型和PLS模型在校正集的拟合效果较好，决定系数均大于0.8，但对预测集的拟合决定系数不到0.8，说明模型均存在过拟合现象；而RF模型在校正集和预测集的拟合效果都非常好，决定系数均大于0.9，其中蛋白质含量预测模型的决定系数、预测均方根误差和剩余预测偏...     

火干扰对森林和草原土壤影响的研究现状及展望

火是森林和草原生态系统的重要干扰因素，火干扰后的土壤理化性质、土壤微生物群落等变化对森林和草原生态系统结构和功能的恢复具有重要影响。近年来，国内外学者对森林和草原火干扰开展了研究并取得一定成果。笔者综述了火干扰对森林和草原土壤的理化性质及微生物等方面的研究现状，并提出了今后可从加强构建火干扰模型、提高草原火干扰对土壤影响等方面提出了展望，以期为研究火干扰对森林和草原土壤影响的研究提供理论依据。     

基于Arrhenius方程建立湿米粉货架期预测模型的研究

旨在为湿米粉生产企业改进工艺、优化运输贮藏条件提供技术支持。以课题组开发的2N+2L标准湿米粉、旧工艺的湿米粉和市售湿米粉3种不同工艺的产品为研究对象,探讨其在不同贮藏温度下品质的变化规律,建立湿米粉的动力学模型并预测其货架期。结果显示,在4℃、10℃及25℃下贮藏的3种不同工艺湿米粉,微生物指标和感官指标对品质劣变均有一定影响。2N+2L标准的湿米粉在4℃、10℃及25℃下货架期分别为96 h、72 h和36 h,优于其他2种产品。在此基础上,以感官品质的整体接受度为限制因子指标,建立了3种产品的货架期预测模型。经验证,该模型的预测值与实测值相对误差小于10%,表明模型准确有效,在湿米粉行业具有良好的应用前景。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

山西日光温室逐日极端气温预测模型研究

利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。     

基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。     

西宁冬季日光温室气温变化规律研究

利用青海省大通县日光节能温室的小气候观测数据和同期气象站资料,系统研究日光温室内外温度的变化特征,建立基于逐步回归方法的温室内最高和最低气温预报模型。结果表明：（1）不同天况下温室内气温的日变化规律均呈“单峰”型,且变化幅度为：晴天＞多云＞阴天;（2）不同天况下温室内日最高和最低温度明显高于室外最高和最低温度;（3）相关分析表明,温室内日最高温度和日最低温度与日照百分率的相关性最高,与10 cm地温的相关性最低;（4）建立的模型能较好地预测不同天气条件下温室内最高和最低温度,多云和阴天天气下的模拟效果优于晴天。研究结果为高寒冷地区生产避开低温冷（冻）害,掌握冬季绿叶菜的适播期,及时播种提供决策依据。     

辽西日光温室温度变化规律及温度预测模型

为了设施农业的发展,拓宽农业气象服务范围,减轻低温冷害对日光温室农业生产的影响。利用多年多点日光温室大棚内外气象观测资料,采用相关及温度变化速率分析方法,对日光温室内温度变化特征进行研究并建立预测模型。结果表明,日光温室内气温有明显的日变化和季节变化。不同的天气状况、不同季节产生不同的温变速率,晴天温度速率大于多云及阴天;寒冷期温变速率大于非寒冷期。大棚内温度日变化为“1升2降”,季节变化呈U型。日光温室内外温差随着外界气温的下降而加大,12月至翌年2月呈抛物线型变化。应用棚内温度预测模型,预报2012年2月中旬棚内最低温度,预报值平均绝对误差-0.7℃,平均相对误差-11.4%。     

山东寿光冬季日光温室内温度变化特征及低温预报

为了提高设施农业气象服务水平,减轻气象灾害对日光温室蔬菜生产的影响,利用2008-2011年冬季日光温室内外气象观测资料,采用相关及逐步回归分析方法,对冬季日光温室内温度变化特征及最低气温预报模型进行分析研究。结果表明,晴天和多云天气下日光温室内的气温有明显的日变化,且晴天状况下温度变化幅度要大于多云天气;连阴天时日光温室内气温较低,严重影响植物正常生长发育。日光温室内最低气温与室外气温及室内湿度、气温、地温相关性较好。试验建立了日光温室内最低气温预报模型,利用最新资料对模型进行预报检验,不同天气状况下日光温室内最低气温预报值平均绝对误差小于1℃,平均相对误差低于10%。     

塑料大棚小气候特征及预报模型的研究

为揭示塑料大棚室内气象要素季节变化和日变化规律,建立一个适合本地的塑料大棚小气候预报模型,本研究以浙江省慈溪市草莓塑料大棚为研究对象,收集2007年12月-2008年4月大棚内外气象数据,系统研究温室内外温度、湿度的季节变化和日变化特征,分析室内与室外的最高、最低气温的关系。研究表明,室内的气温、相对湿度明显高于室外,室内与室外的最高温度相差5~10℃,最低温度相差3~6℃。室内空气温度与相对湿度成线性负相关。在此基础上,建立基于逐步回归方法的温室内空气温度预报模型,并利用独立数据检验,结果表明模型对冬季和春季的逐时气温预报值与实测值基于1:1线的决定系数（R2）分别为0.912、0.887;标准回归统计误差（RMSE）分别为2.3℃和2.7℃,该研究结果可为慈溪市设施农业环境调控及小气候预报提供支持。     

基于智能算法的储粮通风过程中温度场预测

粮食的储备对于一个国家来说十分重要,是关乎民生的重要战略资源。储粮对于温度要求十分严格,机械通风是保持粮仓环境温度的重要方法。针对传统机械通风不能准确识别通风时机而导致的风机损耗和粮食损害问题,选用RBF神经网络建立温度预测模型,利用粒子群算法（Particle Swarm Optimization,PSO）及列文伯格-马夸尔特算法（Levenberg-Marquard,LM）优化网络的参数。仿真结果可以看出,用PSO算法和LM算法优化后的神经网络模型预测精度更加准确,与用PSO优化后的RBF神经网络进行比较后可知,PSO-LM-RBF算法预测误差小,模型更加稳定。     

日光温室不同种植位置温光变化及对结球生菜产量的影响

研究旨在探索基于日光温室条件下科学高效的种植模式,为实现日光温室蔬菜科学化种植、统一化管理、标准化生产奠定理论基础。通过监测分析温室不同种植位置的气温、地温、湿度以及光照强度,研究不同种植位置的温湿度及光照变化规律。同时,选取8个结球生菜品种,分畦测定不同品种生菜的产量,研究日光温室不同种植位置对结球生菜产量的影响。结果表明,温室不同种植位置的温度、湿度、光照强度均存在较大差异,气温、地温由南向北逐渐升高,光照强度先升高后降低。由于温光条件的差异导致结球生菜南北两边的长势都不均匀,不同品种生菜产量由南向北呈现出较为一致的规律性,即北边产量高于南边,靠近棚边最南边的位置与其他区域生菜产量存在显著差异。试验研究温室不同种植位置的温光等环境条件变化规律,为温室蔬菜科学化种植提供了理论依据。     

内蒙古东部温室大棚温度特征分析及预报模型建立

为了充分掌握温室大棚内温度变化规律,实现温棚内极端温度的预报、预警,提高农业气象服务保障能力,充分利用2012年全年的内蒙古东部赤峰市温室大棚内、棚外的逐小时气温对比观测资料,分析温棚内气温的月平均日变化、典型日变化和最高气温、最低气温出现的次数和概率;分析温棚内最高气温与最低气温变化规律、温棚内外气温相互关系,利用回归的方法建立晴天温室大棚内温度预报模型。结果表明,不同季节的棚内气温日变化差异明显,棚内最高气温春秋季出现在9:00—10:00时、13:00—14:00时,冬季出现在12:00—15:00时;最低气温春季出现在5:00—7:00时、秋季6:00—7:00时、冬季7:00—8:00时;回归分析方法能较好地模拟棚内温度变化,对最低气温预报上具有更好的效果。     

内蒙古日光温室大风灾害风险区划研究

大风灾害是影响内蒙古设施农业生产的主要气象灾害之一,为给内蒙古设施农业规划布局提供科学依据,结合实地设施农业大风灾害调查数据,以地面大风观测资料和温室风载荷指标为基础,计算日光温室大风致灾指标,进行大风灾害预警等级划分,并通过构建设施农业风灾评估模型,研究内蒙古不同地区日光温室的抗风能力。从日光温室大风灾害综合风险指数来看,中、高风险地区主要集中在中西部地区,沿山地区风灾风险总体较高,尤其是阴山北麓地区,春、秋季灾害风险较高。原因是该地区主要成产季大风天气较多,危险性指数较高,同时阴山北麓地区海拔较高、人口密度较大,敏感性和暴露度较高,成为影响设施农业生产的主要风灾因子,因此,阴山北麓区在发展日光温室时要尽量避免大风天气的影响,东南部燕山丘陵地区风灾风险较低,考虑风灾的影响,该地区最适宜日光温室发展。本研究可为内蒙古设施农业风灾风险预警服务及风灾防御措施的制定提供技术支撑。