排序方式: 共有45条查询结果,搜索用时 15 毫秒
11.
在新疆地区特殊的气候环境和耕作方式下探索大尺度区域的棉叶螨预测预报方法,分别采用气象数据、遥感数据、气象与遥感数据相结合等3种方法建立螨害预测模型,并对新疆生产建设兵团第八师2017年7月的棉叶螨发生情况进行预测。结果表明,2017年5—6月累积降水量、5月温湿系数、4—6月累积降水量、6月上旬降水量、6月27日绿波段归一化植被指数(green normalised difference vegetation index,简称GNDVI)和改进的简单比值指数(modified simple ratio index,简称MSR)、7月13日比值植被指数(ratio vegetation index,简称RVI)共7种特征是建模的最佳因子。基于气象数据模型预测效果最差,分类准确率为71.4%,F1值为68.8%;气象和遥感数据相结合的模型预测效果最好,分类准确率为82.9%,F1值为83.3%;遥感数据模型预测效果介于两者之间,分类准确率为77.1%,F1值为78.9%。气象数据模型在大尺度区域整体趋势预测上有优势,遥感数据模型对于局部变化比较敏感,气象与遥感数据相结合的模型兼备了二者的优点,预测效果最好。研究成果可为新疆地区棉叶螨的提前预防和统防统治提供理论依据。 相似文献
12.
13.
基于CNN-BiLSTM的棉花产量预测方法 总被引:1,自引:1,他引:0
针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络(Convolutional Neural Network,CNN)和双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)的混合模型(CNN-BiLSTM)进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。 相似文献
14.
15.
康乐县水利扶贫专题调研 总被引:1,自引:0,他引:1
本文通过对水利扶贫工作现状的调研,深层次分析问题存在的根源,提出具体措施建议,为积极探索新时期加快水利扶贫攻坚战略建言献策,以促进整体工作健康发展。 相似文献
16.
17.
18.
确定棉花的氮素营养水平是实施精准施肥的先决条件和基础。近年来,深度学习逐渐应用于氮素营养水平诊断中,但该方法对高性能设备的依赖性较高,限制了其在资源受限边缘设备上的部署应用。针对这一问题,该研究提出一种基于树莓派4B的棉花氮素营养水平诊断方法。研究采用ResNet101网络构建诊断模型,并通过网络瘦身算法对模型进行剪枝优化,最终将剪枝比例为87%的模型部署在资源受限的树莓派4B上。试验结果表明:当剪枝比例达到87%时,模型精度损失2.55个百分点,同时剪枝后模型参数量、计算量和存储体积分别为4.37 M、1.05 G和16.65 MB,明显提高模型在计算能力有限设备上的推理速度,有助于快速、准确地评估田间棉花的氮素营养状况,从而实现对棉花的精准施肥,提高产量和质量。该研究不仅为实现棉花氮素营养水平的大面积快速诊断提供了技术参考,同时对于作物营养水平诊断的智能终端装备研发具有参考价值。 相似文献
19.
20.