玉米栽培管理知识模型系统的设计与实现

在广泛搜集整理玉米栽培管理知识、数据和专家经验的基础上,对玉米生育指标和调控技术的地域性和季节性变异规律进行系统分析和量化表示,构建了基于作物-环境关系的、可适用于不同时空环境的玉米栽培管理知识模型系统.系统功能主要包括播前技术方案设计和产中动态调控指标预测两大部分.播前方案设计按照玉米栽培管理流程和生育进程来设计,具体包括:产量目标确定、品种选择和品质目标、播期确定、密度和播种量设计以及水肥管理等;产中动态调控生育指标主要考虑叶龄指数、叶面积指数、干物质积累和粒叶比.该系统克服了传统专家系统区域性、分散     

基于模型和GIS的水稻生产管理决策支持系统构建与应用

为实现水稻生产过程的精确化管理,以水稻精确管理知识模型为管理决策的智能依托,以GIS为空间数据管理平台,应用系统工程思想和软构件技术,设计实现了基于模型和GIS的水稻生产管理决策支持系统。该系统具有基本地图操作、信息管理、栽培方案设计、肥水运筹、病虫草害管理、适宜生长指标设计、因苗实时调控、专家咨询以及系统帮助等功能。系统在江苏和浙江部分水稻生产区的应用结果表明,精确管理田块平均产量达10464.8kg/hm2,较常规管理田块增产12·53%,减少氮肥投入31.5kg/hm2。系统的建立为水稻生产全过程变量管理处方的生成提供了模型化和系统化的决策工具,也为其他作物管理决策支持系统的构建提供了基础框架。     

物联网与作物模型在智慧棉花系统中的应用与展望

在已有科技与研究成果基础上,结合数据库技术,构建基于物联网与棉花功能结构模型Cotton XL的智慧棉花生产数字化系统平台。系统利用智能传感器等物联网设备实时采集田间气象、土壤和作物长势等数据以及现场视频图像信息,通过网络传输监测范围内棉株的信息至数据库,结合模型模拟分析,实现远程操控辅助管理、预测判别、智能处理和可视化模拟等功能,从而优化作物栽培管理措施,提升资源配置效率,提高棉花产量与品质,为棉农适应现代农业信息化、智能化、高效化提供有效途径。     

物联网与作物模型在智慧棉花系统中的应用与展望

在已有科技与研究成果基础上,结合数据库技术,构建基于物联网与棉花功能结构模型Cotton XL的智慧棉花生产数字化系统平台。系统利用智能传感器等物联网设备实时采集田间气象、土壤和作物长势等数据以及现场视频图像信息,通过网络传输监测范围内棉株的信息至数据库,结合模型模拟分析,实现远程操控辅助管理、预测判别、智能处理和可视化模拟等功能,从而优化作物栽培管理措施,提升资源配置效率,提高棉花产量与品质,为棉农适应现代农业信息化、智能化、高效化提供有效途径。     

基于组件式GIS的冬小麦遥感估产系统的开发研究

为给政府管理部门和冬小麦生产者提供适用于生产管理与决策支持的空间信息支持,基于组件式GIS的二次开发技术,利用面向对象的可视化编程语言Borland Delphi,设计开发了冬小麦遥感估产计算机软件系统。该系统包括四大子系统模块：数据管理模块、参数运算与模型模拟模块、信息统计与分析模块以及专题图制作与输出模块。通过系统功能和输入遥感图像数据,可实现大范围的冬小麦种植品种区划、面积分布等基本农情信息的简单查询;通过图像计算处理获取植被指数信息,结合样点参数建立长势和产量估算模型,可以进行实时的长势分级监测和产量预报,并且可以输出遥感监测分级专题图等信息产品。该软件系统的开发,是对作物遥感估产方法进行定量化、信息化研究的积极探索。     

基于模型和3S技术的数字麦作系统的设计与实现

为了充分发挥和利用3S技术、生长模型和管理知识模型的优势,探索适合中国国情的精准农业关键技术集成方法及应用模式,以软件开发方法论为指导,充分结合小麦生长模型、管理知识模型和3S技术,应用ASP.NET和C#开发Web应用程序,建立了基于模型和3S技术的网络化数字麦作系统.该系统以品种、气候、土壤及生产条件等为基本输入,具有麦作区划、栽培方案设计、模拟预测、策略分析、动态调控、生长监测、精确麦作、生产力评价、病虫草害管理、智能学习、系统管理和系统帮助等功能.以江苏省部分县市的气象、土壤、品种和生产资料为基础,对本系统进行了初步测试与应用,表明该系统可为农业生产者、管理人员和科技人员提供麦作数字化和科学化的决策支持.     

高光谱遥感技术在精细农业监测上的应用及展望

精细农业已成为现代农业的重要发展方向,高光谱遥感技术能快速、无损、准确地监测作物的生长状况,在精细农业中广泛应用。综述了高光谱遥感技术在作物长势、生理生化特性及产量、品质监测方面的研究进展,并展望了高光谱遥感技术在未来精细农业上的发展趋势。     

长江中下游生态区大豆生长性状及产量的冠层高光谱偏最小二乘回归预测

高光谱遥感能够快速无损地估测作物生长性状及产量,这为作物规模化育种的田间评价与选择提供了高效手段。选用生育时期相似、生长性状有差异的52份大豆品种(系)进行2年田间试验,在盛花期(R2)、盛荚期(R4)及鼓粒初期(R5)测定大豆冠层反射光谱,同步测定大豆叶面积指数(LAI)和地上部生物量(ABM),收获后测定产量。针对不同生育时期冠层光谱与生长性状及产量进行偏最小二乘回归(PLSR)分析。结果表明:不同生育时期LAI的PLSR模型可以解释LAI总变异的54.4%~61.0%;不同生育时期ABM的PLSR模型可以解释ABM总变异的65.5%~67.0%;R5期是利用冠层光谱估测产量的最佳生育时期,其PLSR模型可以解释产量总变异的66.1%。本研究结果可望为大豆规模化育种中大量试验材料的田间长势监测和产量估测提供快速无损预测的技术支持。     

冬小麦播期遥感监测研究现状与展望

播期是影响小麦产量与品质的一个重要因素,冬小麦生产管理对播期的及时和准确监测有强烈需求。遥感数据源的日趋丰富及遥感定量化水平的日益提高,为大面积、低成本监测小麦播期提供了可能。本文对冬小麦播期遥感监测的研究进展进行了回顾,系统归纳了当前国内外播期遥感监测方法,分析了目前冬小麦播期遥感监测中存在的问题。推进高时空分辨率遥感数据的使用、强化多尺度传感器遥感数据融合算法的应用、开展冬小麦生长前期不同播期光谱数据的挖掘、探索冬小麦生长前期光谱与上茬作物时序遥感数据的综合及尝试遥感数据与作物模型同化方法的借鉴是冬小麦播期遥感监测的未来发展方向。     

农业光谱数字技术在作物信息监测上的应用进展

随着精细农业的发展,光谱数字技术已成为数字农业的重要研究方法.绿色植物具有典型的光谱特性,不同的肥水管理、栽培措施及品种类型导致作物生长状况发生变化,从而会形成独特的光谱特征.农业光谱数字技术就是通过寻找作物农学参数敏感波段的光谱反射率及其衍生指数与作物农学参数相关关系及内在规律,基于这样的定量化规律性关系,来监测作物光合、生长、含水量、氮素营养、产量和品质等.