基于土壤参数的冬小麦产量预测模型

为了实现冬小麦的精细田间管理,研究了基于土壤参数的冬小麦产量预测模型。采用灰色理论对冬小麦土壤电导率 EC值,全氮含量,K+、NO3-以及土壤pH值等因子进行灰色关联度分析,结果表明土壤EC值与土壤全氮含量,K+以及土壤 pH 值的灰色关联度较高。在分析不同生长时期土壤 EC 值,全氮含量,K+、NO3-以及土壤pH值和产量间的相关系数的基础上,采用土壤EC值,全氮含量以及K+作为模型的输入,产量作为输出,建立了冬小麦产量预测BP神经网络（BPNN）模型;采用土壤EC值,全氮含量,K+,灰色关联度作为输入,建立了小麦产量的模糊最小二乘支持向量机（FLSSVM）预测模型。建模结果表明,BPNN 模型的预测决定系数达0.8237,验证决定系数达0.7367;FLSSVM模型的预测决定系数达0.8625,验证决定系数达0.8003。BP神经网络以及FLSSVM预测模型的精度都较高,可以用来评估作物产量,为精细农业变量处方管理提供理论与技术支持。     

基于图像处理和SVR的土壤容重与土壤孔隙度预测

土壤容重和土壤孔隙度是衡量土壤结构的重要参数.传统的土壤容重、土壤孔隙度获取方法费时费力,且大多数预测模型的输入变量获取难度较高.该研究利用土壤粗糙度、土壤阻力与土壤容重的相关关系,以土壤表面图像的颜色参数和纹理参数表征土壤粗糙度,同使用车载式土壤阻力测量系统获得的土壤阻力一起,从信息融合的角度构建了支持向量机回归(S...     

温室黄瓜叶片近红外图像消噪算法与含氮量快速检测

在温室基质栽培条件下,研究了温室黄瓜叶片近红外图像的消噪算法以及叶片氮素含量非线性预测.用普通CCD相机加滤光片采集不同生长时期水果型小黄瓜Deitastar的叶片图像,利用小波变换对黄瓜近红外图像进行小波消噪处理,再采用基于邓氏关联度的图像边缘检测法对图像进行分割,得到信噪比较好的目标图像,之后通过计算灰度值得到黄瓜叶片的植被指数.对获得的各种植被指数与黄瓜叶片氮含量之间进行相关分析后得到CNDVI与氮素含量相关系数最高达0.67,同时GNDVI、NDGI、NDVI与氮素相关性显著且相关系数均高于0.50.采用最小二乘支持向量机算法(LS-SVM)对植被指数同黄瓜叶片含氮量进行拟合,拟合模型的决定系数R2为0.825,验证R2为0.728,达到了较为理想的预测精度.     

基于RCP情景的全球1.5和2.0℃升温下安徽省气候变化及气象干旱预估

为针对未来气候变化及其对农业可能的影响,提出适应性对策建议,应用第5次耦合模式比较计划(CMIP5)中5个GCMs和3种RCPs在全球1.5和2.0℃升温下的预估结果,分析安徽省未来气候变化特征,利用气象干旱综合指数(MCI)预估未来气象干旱时空格局演变,并量化评估的不确定性。结果表明:未来安徽省呈现趋于暖湿的变化特征,在全球相对于工业化前1.5和2.0℃升温背景下,预估全省年平均温度较工业化前分别升高1.8和2.3℃,升温幅度均高于全球平均;年降水量略有增加,年高温日数增多,而暴雨日数在全球1.5℃升温下增加而2.0℃升温期减少。未来安徽省气象干旱化趋势将持续并加重,其中干季更明显,并且全球2.0℃升温下增加更多,干旱日数的变幅与降水类似。未来气候变化不会改变月干旱分布特征,气象干旱频次以秋旱最多,夏旱次之,冬、春旱较少。未来降水量和气象干旱预估都存在较大的不确定性,在全球2.0℃升温下不确定性更大,不确定性主要来源于GCMs。为适应或缓解气候变化的不利影响,应通过调整农业布局、加强农业基础设施建设、选育新品种等方式以抵御气候变化的能力。     

利用佳多黄板诱杀葡萄斑叶蝉越冬代成虫试验

葡萄斑叶蝉[Erythroneur aapicalis(Nawa)]是吐鲁番地区葡萄生产中发生较重的害虫,每年发生面积约1.67万hm2。由于该害虫的天敌自然控制能力较弱,在防治中不能占主导地位,本地区主要依靠高效、低毒的新烟碱类农药进行防治,基本可以控制该虫为害。为了探索新的无公害防治技术,笔     

基于Android的车载式土壤电导率和光谱反射率检测系统

This paper aims to develop a vehicular integrated system collecting soil electrical conductivity(EC) and spectral reflectance.The system could collect soil EC and spectral reflectance automatically when the vehicle moves and save these measurement results with GPS.The information could reflect the characteristics of soil parameters such as soil salinity and water content.Hence, an Android-based vehicular detection system for soil conductivity and spectral reflectance information was developed.Soil electrical conductivity measurement was performed based on improved "current-voltage" four-terminal method.A STS-NIR spectrometer was used for collecting near-infrared spectral reflectance.The system collected the information of soil electrical conductivity and soil spectral reflectance while collecting GPS, which could be used for precision agriculture.The system was tested in a farm of Beijing on March 25, 2014.Soil electrical conductivity of the farmland was measured and soil samples were collected.Water content and soil electrical conductivity were measured in the laboratory.The result of these experiments showed that the system could work stably in farmland and had good prospects.     

冬小麦叶绿素含量空间分布成图方法与精度分析

作物叶绿素含量能够反映作物的生长情况,建立大田叶绿素空间分布模型能够直观地表现田间作物长势情况,为开发车载式作物长势空间分布分析系统提供技术支撑,进行了基于地统计学的冬小麦叶绿素含量空间分布成图方法及精度分析。首先,采集了67个样区中心点叶绿素含量和GPS信息,基于地统计学理论讨论了利用稀疏样本点数据建立高精度空间分布图的可行性。随机划分建模集和验证集,基于建模样本分别使用反距离插值法（IDW）和普通克里金插值法（OK）绘制了冬小麦叶绿素含量田间分布图,然后对验证集数据进行分析,比较了2种方法的检测精度,并讨论了实验过程中可能存在的误差源。2种插值方法拟合的预测数据与验证数据均存在正相关关系,基于IDW插值与验证数据相关系数为0.722,协方差为1.361;基于OK插值与验证集数据相关系数为0.517,协方差为0.798。结果表明,IDW插值分析方法更适用于采样点分布不均且距离较近的稀疏样本点空间分布成图。     

基于高光谱成像的马铃薯叶片叶绿素分布可视化研究

针对马铃薯作物叶片进行了叶绿素含量无损检测技术及分布图绘制方法研究,用以指示作物长势并指导精细化管理。首先利用高光谱成像技术采集了65个马铃薯叶片的400个样本点高光谱图像和相应的SPAD值,提取并计算叶绿素测量区域的叶片平均光谱后,分别采用蒙特卡罗无信息变量消除算法（MC-UVE）和自适应重加权算法（CARS）筛选出了12个和23个叶绿素含量敏感波长,建立了马铃薯叶片叶绿素含量偏最小二乘（PLS）回归模型。建模结果如下：基于MC-UVE算法筛选的12个敏感波长的PLSR诊断模型,建模精度R2C为0.79,验证精度R2V为0.73;基于CARS算法筛选的23个敏感波长建立的PLSR诊断模型,建模精度R2C为0.82,验证精度R2V为0.80。择优选取CARS-PLSR模型计算马铃薯叶片每个像素点的叶绿素含量,从而利用伪彩色绘图绘制了马铃薯叶片叶绿素含量可视化分布图,最终实现马铃薯叶片含量无损检测以及叶绿素分布可视化表达,以期为后续马铃薯作物大田冠层叶绿素分布诊断提供支持。     

基于Android手机平台的冬小麦叶面积指数快速测量系统

叶面积指数（Leaf area index,LAI）是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域,在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像,同时手工测量小麦实际叶面积,根据不同测量结果计算3种叶面积指数： 将Android手机图像由RGB空间转换到HSV空间,在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积IArea;由ADC多光谱相机自带软件获取的归一化植被指数（NDVI）和调节土壤植被指数（SAVI）数据反演的叶面积指数ALAI;实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明,随着小麦不同生长期的变化,Android手机平台获取IArea与实际测量叶面积指数LAI的R2大于0.84(P小于0.01),ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R2大于0.83。     

基于Android平台的土壤采样信息自动记录系统

目前土壤采样信息大多依赖于实验人员手动纸质记录。为了更好地记录和处理土壤信息,提出了一种适用于现代化农业的土壤采样信息记录方法,利用Android系统结合服务器和数据库架构实现基于Android的土壤采样信息自动记录系统。整个系统设计包括系统架构设计和软件功能设计。在服务器上使用JSP和MySQL数据库管理系统（Database management system,DBMS）作服务器端,搭建云服务器及农田信息管理数据库。服务器端设计包括在WEB工程中引入JDBC驱动,使服务器直接连接数据库,实现WEB服务器与MySQL数据库的交互。Android客户端设计包括在Material Design设计规范下完成土壤自动采样记录系统Android客户端界面,以及利用JSON数据解析实现对云服务器下MySQL数据库信息的访问和操作。最后对系统软件进行有效性和健壮性测试。试验表明,该系统能有效地显示采样土壤位置的空气温度、湿度、经纬度以及土壤氮素含量等土壤采样信息,并能进行正确的地图位置显示,证明了Android系统在土壤采样记录方面的有效性以及构建系统的可行性。