基于CLUE-S模型的煤矿城市土地利用变化模拟

以淮南市为研究区,选择1985、1995、2005、2016年土地利用数据,在分析土地利用动态变化特征的基础上,利用CLUE-S模型模拟预测了未来土地利用格局。结果表明：1985—2016年,研究区耕地面积减少11.62%;建设用地和水体面积百分比分别增加7.98个百分点和4.29个百分点。2005—2016年是各地类变化最强烈的阶段,其综合土地利用动态度最大,为13.46%。建设用地变化速率最快,其土地利用动态度为5.19%。土地转移主要发生在耕地、水体和建设用地之间,以耕地向建设用地和水体的转换为主。耕地转为建设用地的面积达207.61 km²,新增水体集中分布在潘谢矿区。加入空间自相关性和土壤质量因子后,耕地和建设用地的Logistics回归效果显著改善,ROC分别增加0.201和0.133。年均降水量是影响耕地变化的主要驱动因子,与耕地分布概率呈负相关;而建设用地变化主要驱动因子为GDP。土地利用模拟的Kappa系数为0.74,CLUE-S模型在研究区域具有较好的模拟能力。运用CLUE-S模型预测了研究区2028、2034、2040年土地利用空间分布,未来...     

基于高光谱与集成学习的单粒玉米种子水分检测模型

为建立单粒玉米种子水分含量的高精度检测模型,制备了80份不同水分含量的玉米种子样本。针对玉米种胚朝上和种胚朝下分别进行高光谱反射图像采集,每份样本取样100粒,波长范围为968.05～2 575.05 nm。采用PCA快速提取单粒种子光谱,经多元散射校正预处理后,分别采用随机森林(RF)和AdaBoost算法建立单粒种子水分检测模型,并集成两种算法特征提出基于加权策略的改进RF用于单粒种子水分含量建模。利用单粒玉米种子胚朝上的光谱信息建立的改进RF模型训练集相关系数R为0.969,训练集均方根误差(RMSEC)为0.094%,测试集R为0.881,测试集均方根误差(RMSEP)为0.404%;利用单粒玉米种子胚朝下的光谱信息建立的改进RF模型训练集R为0.966,RMSEC为0.100%,测试集R为0.793,RMSEP为0.544%。实验结果表明：改进RF的泛化能力和预测精度明显优于RF和AdaBoost算法;种胚朝上的单粒玉米种子水分含量检测模型优于种胚朝下的模型。高光谱检测技术结合集成学习算法建立的玉米种子水分检测模型预测精度高,稳健性好。     

不同喷灌定额下垄作沟播油葵根系生长及分布特征

垄作沟播喷灌技术是集垄作沟播与喷灌技术为一体的节水栽培技术.以不同灌水定额各设4个处理(灌水定额分别为24 mm、30 mm、36 mm、42 mm,灌水5次),以常规覆膜喷灌为对照(灌水定额42 mm,灌水5次).通过测定不同灌水处理下垄作沟播油葵根系生长及分布特征等指标,分析了不同灌水处理对油葵根系纵向、横向生长及...     

化学强化初沉污泥厌氧消化产甲烷潜力研究

该试验以化学强化初沉污泥为研究对象,采用中温/高温(35℃/55℃)厌氧消化方法,研究采用化学一级强化处理工艺(CEPT)产生的化学强化初沉污泥厌氧消化产甲烷效果,并对比化学强化初沉污泥在中温、高温工况的厌氧消化产甲烷性能,明确适合化学强化初沉污泥的处理工艺.研究结果表明,化学强化初沉污泥单位VSS累积产甲烷量和VSS...     

水氮运筹对玉米产量及水氮利用效率的影响

[目的]确定适合豫北灌溉区玉米的高产高效和节水增效的水氮运筹模式.[方法]采用随机区组设计实施了为期3 a田间定位试验,试验设置3个灌水量:灌0水(A1),灌2水(A2)和灌3水(A3);2个氮肥运筹:B1:基肥(70％)+小喇叭口期(20％)+灌浆期(10％),B2:基肥(60％)+小喇叭口期(25％)+灌浆期(15...     

基于无人机多光谱影像的夏玉米SPAD估算模型研究

快速获取作物叶片叶绿素含量对及时诊断作物健康状况、指导田间管理具有重要意义。本研究以关中地区2020年夏玉米为研究对象,获取试验区无人机多光谱影像,提取植被指数,分析所选植被指数与SPAD的相关性,筛选得到模型的输入变量,利用偏最小二乘法(PLS)、随机森林回归(RF)和分层线性模型(HLM)分别构建拔节期、抽雄期、灌浆期以及全生育期的SPAD估算模型,最终选出最优估算模型,以期为快速获取夏玉米SPAD提供参考。研究发现：除NRI之外,NDVI、OSAVI、GNDVI、RVI、MCARI、MSR、CIre与SPAD均显著相关,其中,OSAVI、NDVI与SPAD呈现出较强且稳定的相关性;各个生育期的最优模型均是RF模型,在拔节期、抽雄期、灌浆期和全生育期,验证集R²分别为0.81、0.81、0.73、0.61,RMSE分别为1.24、2.32、3.13、3.20;对于SPAD估算模型,将降雨量、最高气温这两个气象因子与植被指数耦合的HLM模型可以一定程度提升线性模型的估算精度,但其精度低于RF模型。因此,基于无人机多光谱影像的RF模型可以实现夏玉米SPAD的快速准...     

转盘式对虾开背工艺分析与参数优化

针对目前对虾开背环节工艺不完善、实际应用装备缺乏等问题,以中型南美白对虾为研究对象,探究了对虾开背关键工艺方法,建立了对虾开背过程力学模型,获得影响开背效果主要因素为刀具角度、加工中心盘转速和刀具安置距离;采用单因素试验研究和分析了各因素对开背成功率、虾仁损伤率、虾线裸露成功率和感官评分值的影响,确定影响因素最佳区间为：刀具角度20°~60°、加工中心盘转速10~40r/min和刀具安置距离9~11mm;利用Design-Expert软件进行多因素响应面试验研究分析,并采用多目标优化方法,得到最优参数组合为：刀具角度43.838°、加工中心盘转速28.391r/min、刀具安置距离9.801mm时,开背成功率为99.161%、虾仁损伤率为2.825%、虾线裸露成功率为90.727%、感官评分值为86.944。验证试验结果表明：针对中型南美白对虾,当刀具角度45°、加工中心盘转速28r/min、刀具安置距离9.8mm时,开背成功率为98.89%、虾仁损伤率为3.33%、虾线裸露成功率为87.78%、感官评分值为85.33,与理论优化值的绝对误差均较小,优化后的对虾开背装置性能满足作业要求。研究可为对虾开背工序装置设计和参数选择提供理论基础和科学依据。     

弧形鸭嘴式大蒜正芽播种机设计与试验

为解决大蒜正芽播种问题,设计了弧形鸭嘴式型大蒜正芽播种机,主要由单粒取种装置、鳞芽方向控制装置、直立下栽装置、传动系统以及机架、地轮等部分组成,可一次完成取种、换向、直立栽种和镇压作业。根据大蒜鳞芽外形尺寸参数,对播种机关键零部件进行了优化设计,设计了符合大蒜鳞芽外形尺寸分布的大、中、小3级取种勺;设计了弧形开口换向器,使芽尖弯曲大蒜鳞芽芽尖尽可能露出换向器;设计了中间轴随驱动圆盘同时旋转的直立下栽机构,实现11行下栽鸭嘴同时稳定作业,与弧形换向器配合实现芽尖不小于6mm大蒜鳞芽的正芽。以苍山四六瓣蒜和金乡杂交蒜为试验对象,进行田间播种性能试验,结果表明：行走速度在0.14~0.19m/s范围内,金乡杂交蒜的正芽率达到85%左右,苍山四六瓣蒜的正芽率达到90%左右,单粒率均达到93%以上,整体满足大蒜播种农艺要求。     

基于时序高光谱和多任务学习的水稻病害早期预测研究

水稻病害是影响水稻产量的重要因素之一,水稻病害的早期预测对水稻病害防治至关重要。为了实现水稻白叶枯病害的预测,连续采集了从接种病菌到早期发病共7d的白叶枯病害胁迫下的叶片高光谱图像。利用Savitzky-Golay算法对高光谱图像进行预处理,并利用主成分分析（Principal component analysis, PCA）和随机森林（Random forest, RF）算法提取光谱特征,构建多任务学习(Multi-task learning, MTL)与长短期记忆（Long short-term memory, LSTM）网络融合的预测模型,对水稻病害发病率和潜伏期进行预测,并利用鲸鱼优化算法（Whale optimization algorithm, WOA）对MTL-LSTM模型进行优化。实验结果表明：PCA和RF可以有效地从高光谱图像中提取光谱特征,降低高光谱数据维度,且基于光谱特征构建的预测模型性能优于全波段光谱构建的预测模型性能,建模时间降低约98%。基于时序高光谱构建的预测模型对发病率和潜伏期的预测取得了预期效果,基于前10个特征波长构建的WOA-MTL-LSTM模型取得了最优的预测性能,对发病率和潜伏期预测测试集的R2分别为0.93和0.85,RMSE分别为0.34和2.12,RE分别为0.33%和1.21%。通过WOA算法可以提升MTL-LSTM的预测性能,对发病率和潜伏期预测的R2均提升0.05。研究结果表明RF提取高光谱特征能有效表征全波段光谱,基于时序高光谱的WOA-MTL-LSTM模型可以准确预测白叶枯病害发病率和潜伏期,为水稻白叶枯病害的预防提供了技术支持。     

基于改进YOLOv5s和TensorRT部署的鱼道过鱼监测

为实现在复杂水体下对鱼道过鱼进行监测,提出了一种基于YOLOv5s的改进模型,并用TensorRT部署应用于某水电站鱼道现场。首先,针对水下图像模糊、目标检测困难的问题,提出了将Swin Transformer（STR）作为检测层,提升了模型对目标的检测能力;其次,针对鱼群密集、图像信息少的问题,将Efficient channel attention（ECA）注意力机制作为主干特征提取网络C3结构的Bottleneck,减少了计算参数并提升了检测精度;然后,针对检测目标定位差、回归不收敛的问题,将Focal and efficient IOU loss（FIOU）作为模型损失函数,优化了模型整体性能;最后将模型部署在TensorRT框架进行优化,处理速度得到了大幅度提升。基于实际采集的复杂水体数据集进行实验,结果表明,本文算法mAP为91.9%,单幅图像处理时间为10.4ms,在相同条件下,精度比YOLOv5s提升4.8个百分点,处理时间减少0.4ms。模型使用TensorRT部署后单幅图像推理时间达到2.3ms,在不影响检测精度的前提下,推理速度提高4.5倍。综上,本文算法模型在保证快速检测的基础上,具有较高的准确性,更适用于复杂水体下鱼道过鱼监测。