基于深度学习的草地生态系统净碳交换模拟

为应用深度学习理论及技术对高寒地区草原生态系统净碳交换(NEE)进行模型模拟,基于全球通量观测网络(FLUXNET)中内蒙古自治区锡林郭勒盟多伦县草原2007—2008年间的CO2通量数据,采用深度学习中基于注意力机制的编码器-解码器框架对NEE进行模拟,使用随机森林模型计算光量子通量密度(PPFD)、土壤温度(Ts)、空气温度(Ta)、降水量(P)、土壤含水率(SWC)和饱和水汽压差(VPD)与NEE关系的重要性得分,并分析该关系的季节性差异。结果表明,深度学习模型的均方根误差为0.28μmol/(m2·s),决定系数为0.93,相比传统的人工神经网络与支持向量机模型,分别减小0.14、0.08μmol/(m2·s)和增加0.29、0.34,说明深度学习模型具有更高预测准确度;在深度学习模型中引入注意力机制后,10次训练预测的标准差为0.002μmol/(m2·s),相比普通深度学习编码器解码器网络模型和长短期记忆网络分别减小0.005μmol/(m2·s)和0.036μmol/(m2·s),验证了注意力机制在预测稳定性上的优势。由随机森林模型计算的环境因子重要性得分显示,由非生长季向生长季过渡的3—4月间,PPFD(33.5)与VPD(30.0)对NEE的变化起主导作用;进入生长季后的5—6月间,SWC(50.5)是NEE变化的主要影响因素;7月P(3.8)较少,PPFD(26.8)与SWC(60.1)协同作用NEE的变化;8月PPFD(2.8)与SWC(6.9)相对充足,VPD(41.5)与P(42.7)成为影响NEE的主要因素;9月后PPFD与P均急剧减小,并维持稳定,温度系数Q10较生长季略增大,并在1月达到最大值5.96,因此,在非生长季1—3月Ts(44.6)与10—12月Ts(54.2)通过影响植物呼吸成为影响NEE的决定性因子。高寒地区草地生态系统生长季的NEE变化主要受辐射、温度和水分的影响,非生长季主要受温度影响,且辐射、温度、水分的影响程度存在明显季节性差异。与支持向量机等传统机器学习算法相比,深度学习理论及技术在生态模型模拟领域具有更好的应用前景。     

新疆绿洲覆膜滴灌棉田碳通量特征研究

基于涡度相关技术,对新疆典型绿洲棉田进行了连续4年的碳通量观测,并探讨覆膜滴灌棉田生育期内碳通量的构成和特征。结果表明:生长盛期(6—9月),棉田的总初级生产力(GPP)和净生态系统碳交换(NEE)日变化明显,峰值约出现在14:00。生态系统呼吸(Res)日变化稳定,与膜下土壤温度日变化稳定有关。日间GPP随太阳净辐射(Rnet)增加而增大,可用直角双曲线方程描述;且最大光合速率的峰值出现在7月。各碳通量的季节变化不同:GPP和NEE与LAI的季节变化一致,峰值出现在7月;而Res的峰值出现在6月。月累积GPP在6—9月间主要分配给NEE;而其余月份则分配给Res。整个生育期内(5—10月),总GPP平均为816.2 g C/m2,其中NEE占58.6%,这表明生育期内覆膜滴灌棉田表现为碳汇。     

覆膜滴灌紫薯农田水热传输规律及其对环境因子的响应

农田水热传输过程的量化对于农业用水管理和作物灌溉制度的制定具有重要意义。本文利用波文比通量观测系统实测数据和气象站资料,对覆膜滴灌紫薯农田的水热通量变化规律及其对环境因子的响应进行了研究。结果表明：潜热通量是全生育期覆膜滴灌农田能量支出的主要部分,显热通量和土壤热通量支出占比较小,全生育期潜热通量、显热通量、土壤热通量支出占比分别为69.12%、25.14%、6.57%。不同天气条件下,显热通量的大小和变化范围均小于潜热通量。潜热通量对降雨和灌溉的响应最为显著,且降雨影响程度大于灌溉。净辐射、气温对潜热通量的影响较大,表层土温和风速变化的影响则较低,各环境因子主要通过直接和间接作用共同对潜热通量产生影响。该研究成果可以深化对覆膜滴灌紫薯农田水热传输规律的认识,为作物高效用水提供理论依据。     

西北旱区葡萄园水碳通量耦合的初步研究

利用涡度相关系统,对我国西北旱区某葡萄园进行了一个生长季度的观测,得到了日尺度水碳通量耦合的初步关系,表明葡萄园水碳通量的变化白天存在较高的一致性,且二者均呈双峰型曲线;在一定时间范围内,二者存在较明显的比例关系,即葡萄园毎平方米毎秒固定1 mgCO2,同时会蒸腾2.2×10-9mm水汽。该研究为揭示葡萄园水碳耦合关系提供了一定的参考依据。     

热带桉树人工林液流特征及其对环境因子的响应

【目的】探明热带桉树蒸腾耗水时间变化规律及其与环境因子的关系。【方法】通过热扩散探针法(TDP)于2016年1—12月对海南省儋州林场桉树树干液流进行实时监测,并同步监测气象、土壤水分等相关环境因子。【结果】①雨季桉树液流瞬时变化特征多为"双峰"型曲线,旱季为"单峰"型,雨季液流到达峰值时间在11:00—11:30之间,峰值平均为8.68 mL/(cm2·h),并在15:00—15:30出现第2个液流峰值,平均峰值为8.16 mL/(cm2·h),旱季液流达到峰值时间在13:00—13:30之间,峰值平均为7.45 mL/(cm2·h);②旱季和雨季桉树液流瞬时速率对相对湿度和大气温度的时滞均为30 min,对光合有效辐射的时滞均为-30 min;③日尺度上桉树平均液流速率为2.06 mL/(cm2·h),最大值出现在7月15日,为4.25 mL/(cm2·h);最小值出现在11月25日,为0.14 mL/(cm2·h),太阳有效辐射(PAR)、大气温度(Ta)、饱和水气压差(VPD)是影响桉树日均液流的主要环境因子,树木胸径大小与日均液流速率正相关;④桉树月均液流速率的变化特征为"单峰型"曲线,雨季液流速率均值为2.53 mL/(cm2·h),旱季为1.80 mL/(cm2·h),最大值出现于7月,为3.42 mL/(cm2·h),最小值在2月,为1.40 mL/(cm2·h),其中PAR、Ta、VPD是主要影响因子。【结论】热带桉树人工林液流存在明显昼夜与季节节律,不同观测尺度下影响桉树液流速率的主要环境因子均为PAR、Ta、VPD。     

陕西关中地区降水对环境因子变化的响应特征研究

在全球气候变化的背景下,探寻和建立降水与环境因子之间的关系,可以为降水、变化环境定量化预测研究建立理论和方法基础,兹分析了陕西关中地区主要县市的温度、日照时数、风速和空气相对湿度4个环境因子与不同频率的降水间的影响与响应特征。结果表明,温度因子变化对25%、50%、75%频率的降水影响最为显著,降水对相对湿度的响应程度紧随其后,且相对湿度对5%频率的丰水情况影响更为显著。而日照时数对于各频率的降水影响也较为显著;各频率的降水,对风速的作用和影响关系均表现为不显著。表明较高的温度、相对湿度和较大的日照时数将有利于关中地区降水的丰沛化。研究结果可为揭示关中地区环境变化的特性,进一步为生态环境建设和水资源合理开发利用研究提供依据。     

柑橘园区红壤水分特征及其对环境气象因子的响应

借助气象自动观测站、土壤水分监测仪等,对柑橘园区2003~2004年内大气总辐射、大气反辐射、大气净辐射、紫外辐射、光合有效辐射、红壤热通量、2 m高度的风速2、m高度的空气温度、2 m高度的空气相对湿度、降水量和日蒸散量等气象环境因子和30 cm土层红壤含水量连续监测分析,发现园区红壤含水量呈现明显的季节性变化,即冬春季高而夏秋季低。红壤水分与气象环境因子中的大气净辐射、紫外辐射、红壤热通量、降水量、2 m高风速和2 m高空气相对温度等达到显著相关。     

基于特征加权融合的鱼类摄食活动强度评估方法

为解决鱼类养殖中投喂精度低的问题,提出了一种基于特征加权融合的鱼类摄食活动强度评估方法。该方法以鱼群为研究对象,利用不同摄食阶段图像的特征对摄食活动强度进行分析,避免了复杂背景中单体鱼的切割。首先,利用图像预处理技术获取前景目标,通过鱼群质心绘制出不同摄食阶段的鱼群游动轨迹;其次,分别提取图像的颜色、形状和纹理等特征;然后,使用Relief特征选择和XGBoost算法筛选出3个摄食评价因子,采用加权融合方法确定每个评价因子的最佳权重;最后,通过融合后的特征对摄食活动强度进行评估。试验结果表明,与传统面积法相比,本文提出方法的决定系数可达0. 904 3,且摄食识别准确率高达98. 89%。该方法在增强鲁棒性的同时,提高了检测和评估效率,可为鱼群摄食行为检测和活动强度评估提供参考。     

乌梁素海沉积物中有机碳的空间分布与储量特征

以乌梁素海沉积物中有机碳为研究对象,用统计学方法,分析其空间分布特征,同时估算了有机碳储量,从而为湖泊湿地生态系统碳循环提供了一定的信息.结果表明,有机碳含量垂直分布总体呈随沉积物深度的增加而降低的趋势,且以12 cm为界将沉积物分为2部分;水平分布总体呈现从湖中央向湖南北逐减的规律,有机碳平均含量为8.22～28.2...     

基于分类梯度提升算法和人工神经网络的食松和樱核圆柏的气孔导度模拟

气孔导度是表征植物蒸腾状态的重要指标,气孔导度的准确量化对于地表水文循环研究具有重要意义。为探索提高气孔导度模拟准确性的方法,本研究利用分类梯度提升算法（CatBoost,CAT）和人工神经网络（Artificial Neural Network,ANN）两种机器学习模型对食松（Pinus edulis）与樱核圆柏（Juniperus monosperma）的气孔导度进行了模拟,并将二者的模拟结果与Ball-Berry模型和Medlyn模型进行了比较。机器学习模型以净光合速率An、叶表二氧化碳浓度Cs、相对湿度RH、饱和水汽压差VPD、叶片温度TL和黎明前叶水势LWP为输入变量,设计了3种建模策略：策略(1)输入变量为An、Cs和RH;策略(2)输入变量为An、Cs和VPD;策略(3)输入变量为An、Cs、RH、VPD、TL和LWP。结果表明(1)Ball-Berry模型和Medlyn模型模拟效果相近,RMSE分别0.013 8和0.013 9 mol/（m2·s）;(2)机器学习模型对气孔导度的模拟效果明显优于Ball-Berry模型和Medlyn模型,不同输入策略下CAT和ANN模...     

基于环境因子的黄瓜病害预测研究

日光温室中病害的预测预报是病害管理的重要组成部分,也是有效防治和控制病害发生发展的依据,更是农业生产管理和决策的前提。植物生长发育进程明显受到温度的影响,而病害发生又与长时间高温度和高湿度相联系。以往的病害预测多是基于对植物本身的病害特征、种植方法和农药的用量来实现的,多是如何防止。因此,病害早期的预测、预报和防治显得非常重要。为此,根据已有的专家知识库建立以环境数据(即温度和湿度)为输入的神经网络病害预测模型,通过此模型用实际的环境数据再预测未来病害,从而减少病害发生的概率,获得速生高产与优质高效的农产品,实现经济效益最优的目标。     

基于元胞自动机模型的土地利用情景模拟与驱动力分析

土地利用格局的形成过程比其最终形成的结果更为重要。本文以哈尔滨市双城区为例,利用不同时期的土地利用数据,在土地利用变化关键驱动因素分析的基础上,选取了对土地利用变化影响较大的距离变量、邻近土地利用类型数量、单元自然属性、社会经济因素等4方面14个驱动力因子,建立了基于元胞自动机(CA)与人工神经网络(ANN)相结合的土地利用空间格局模拟模型。在此基础上,对研究区自然禀赋、社会经济快速发展、基本农田保护及土地利用规划等不同情景驱动机制下的土地利用空间格局进行了时空模拟,以此解析土地利用变化过程与驱动力因素的响应关系。模拟结果显示：自然禀赋情景下,各地类变化趋势与现在保持一致;在社会经济快速发展情景下,建设用地面积增加明显,主要由旱地和其他用地转入;在基本农田保护情景下,耕地面积比较稳定,各地类变化趋势较为缓和;在土地利用规划情景下,各地类变化较为合理,兼顾耕地保护和经济发展。研究结果显示,该方法对哈尔滨市双城区土地利用格局变化的驱动机制具有较好的解释作用。     

基于神经网络的电涡流缓速器制动力矩特性研究

针对电涡流缓速器在高速时计算力矩同电涡流缓速器的实际输出力矩存在较大偏差的缺点,提出了一种基于神经网络的电涡流缓速器制动力矩模型,研究了现有的电涡流缓速器控制系统,提出了基于神经网络的电涡流缓速器的PWM控制系统,通过实验说明了基于神经网络模型对实际制动力矩曲线的逼近效果非常有效.     

基于MCR-ANN-CA模型的包头市生态用地演变模拟

以内蒙古自治区包头市为研究区,耦合最小累积阻力(MCR)模型、人工神经网络(ANN)和元胞自动机(CA)构建MCR-ANN-CA模型。利用MCR模型量化包头市各用地类型演变为生态用地时的阻力,构建CA适宜性规则;利用ANN模型提取CA邻域转换规则,基于包头市2006、2011年土地利用数据及归一化植被指数(NDVI)、高程、坡度、水体距离、人口密度多项数据,对2016年生态用地演变情景进行模拟,以2016年实际生态用地分布为参照,将该模型模拟结果与CA-Markov模型的模拟结果进行对比(以2016年实际景观分布为参照),结果显示,两种模型模拟结果的卡帕一致性指数(Kappa index of agreement,KIA)分别为0. 89和0. 87,相对误差分别为3. 10%和5. 31%,MCR-ANN-CA模型显示了较高的模拟精度。     

基于CNN-GRU的菇房多点温湿度预测方法研究

有效获取温室出菇房的温湿度空间分布对于优化食用菌环境胁迫、病害预警、出菇房预调控至关重要,但传统的单点预测不能很好地满足菇房整体环境性能评估的需求。针对出菇房内温湿度时序性、非线性、空间分布差异性的特点,提出一种基于卷积神经网络(CNN)与门控循环单元神经网络(GRU)相结合的菇房多点温湿度预测方法。将温室室外历史气象数据、温室室内历史小气候环境数据、多点环境分布特征、通风信息和加湿信息多特征数据按照时间序列构造二维矩阵作为输入,采用CNN挖掘数据中蕴含的有效信息,提取反映温室环境数据相互联系的高维特征,将提取的特征向量构造为时间序列输入GRU网络进行多点温湿度预测。将该预测方法应用于北京市农林科学院的日光温室出菇房内多点温湿度预测,实验结果表明,该预测方法对于出菇房内各点温度RMSE平均值为0.211℃,MAE平均值为0.140℃,误差控制在±0.5℃范围内的平均比例为97.57%;对于出菇房内各点相对湿度RMSE平均值为2.731%,MAE平均值为1.713%,误差控制在±5%范围内的平均比例为92.62%;相比传统的BP神经网络、长短期记忆神经网络(LSTM)和门控循环单元神经网络(GRU),该预测方法具有更高的预测精度。     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

地膜覆盖对旱作玉米田水热通量传输的影响研究

为探明旱作农田生态系统生态水文过程、提升农田水分利用效率,选取黄土高原东部旱作春玉米田为研究对象,设置露地（CK）和地膜覆盖（PM）两种处理,利用涡度相关系统对两种处理条件下玉米田水热通量进行了连续观测,基于观测结果对两种处理下玉米田水热通量的日、季节变化特征和能量分割进行了分析。结果表明：两个处理各能量通量均存在显著的日、季节变化特征。在快速生长期（拔节期）,降水后CK和PM处理潜热通量（λET）均明显增大,而显热通量（H）和土壤热通量（G）均减小;但在后期（成熟期）,降水对各能量通量变化过程的影响没有快速生长期明显,表明玉米生育期内降水的分布能够显著影响旱作玉米田的能量平衡。玉米生育期内,净辐射（Rn）主要以λET为主,而休闲期Rn主要以H为主。Rn是玉米田λET的最主要影响因子,其次是平均气温和饱和水汽压差,风速和相对湿度对λET的影响相对较小。     

基于神经网络的多功能收割机发动机性能仿真及优化

随着全球经济和工业的快速发展,能源危机和环境保护问题越来越突出,传统内燃式发动机受到了巨大冲击,因此研究高效、节能的发动机显得尤为重要。为此,研究一种压缩比为10.6多功能收割机,并设计了基于MatLab仿真平台的GT-Power神经网络模型,利用神经网络训练和测试的数据自动进行仿真和储存,采用拉丁超立方采样算法设计试验,简化运算过程提高寻优效率。实验结果表明:神经网络模型转矩、比油耗和温度等参数模型预测误差很小、精度很高,可用于多功能收割机发动机的性能预测,使其各项指标参数最优化。     

基于神经网络的传感器非线性校正方法

BP神经网络是基于数值计算的知识处理系统，具备高度非线性映射的能力。为此，通过BP神经网络对样本数据进行训练，得到非线性校正模型及精度值，然后与传统的曲线拟合方法进行比较分析。结果显示，基于神经网络模型的传感器非线性校正方法具有良好的测试精度和实用性。     

基于改进粒子群优化神经网络的拖拉机排放方法研究

针对农用拖拉机排放污染严重的问题,特别是限制氮氧化物（NOx）和碳烟（Soot）的排放,以中国一拖集团某型号农用柴油机为研究对象,采用系统建模仿真、台架试验验证和仿真分析结合的方法对发动机排放优化进行了研究。首先构建了农用拖拉机燃烧室三维模型并导入CONVERGE进行燃烧排放模拟与仿真,通过对模型缸内压力、热释放率试验值与仿真值的对比,证明该模型具有较高精确度,能够较好地描述发动机内部燃烧排放过程。之后以燃烧室的缩口率、凸台深度、燃烧室深度为输入,以发动机NOx和Soot排放量为输出建立人工神经网络作为代理模型。计算决定系数R2和平均相对误差（MRE）来验证人工神经网络的精确度。然后在此基础上提出一种改进的粒子群优化算法,从而获得燃烧室缩口率、凸台深度、燃烧室深度的最佳参数组合,形成新的燃烧室结构并导入CONVERGE软件中进行排放模拟计算并与原燃烧室的排放量进行对比。结果表明采用新的燃烧室结构后能够降低发动机NOx和Soot排放,可为相关农用拖拉机燃烧室系统设计和开发提供参考和思路。