作物产量预测技术在外贸决策中的应用

分析了美国玉米、大豆、花生产量的统计特征，发现三种作物的气象产量都存在着准周期性的变化，玉米、大豆气象产量较好地遵从正态分布。根据需要，每年在３、５、１０月分别作出预测。第一次以统计预测方法为主；第二次以因子分析为主，通过分析气候、海温、大气环流的影响，对作物产量变化作出进一步的估计；第三次根据气象灾害、病虫害、种植面积、市场信息等因素的综合分析，最终作出市场预测。经过三年的使用，证明产量预测与市场预测相结合的方法是可行的，并收到了较好的经济效益     

黄河未来输沙量态势及其适用性对策

[目的] 探索黄河输沙预测的新思路,预估黄河未来输沙态势与输沙量水平,为黄河流域生态治理规划提供参考。[方法] 结合黄河流域水土保持生态修复现状,采用单累积曲线法、滑动平均及频率分析方法,分析1950—2019年黄河主要来沙区间的实测输沙量变化特征及其未来态势。[结果] 1950—2019年黄河输沙量呈现阶梯式减少。1950—2019年黄河中游各站累积实测输沙量随时间的变化可用“左半抛物线”表征。黄河输沙量自1997年以来已进入相对稳定态势,目前已达企稳状态;黄河潼关站未来年输沙量在90%频率下为1.00×10⁸ t左右,在10%频率下为5.00×10⁸ t左右,未来多年平均输沙量为1.40×10⁸ t。[结论] 为了维持黄河输沙量低稳状态,提升水土保持措施质量与标准,补齐“后水土保持”短板,构建完善的水沙关系调控体系,维持黄河下游河道冲淤平衡,是黄河流域生态保护与高质量发展的保障。     

花龄期棉花虫害的电子鼻检测

棉花害虫具有隐蔽性、迁飞性和突发性特点,并且影响因素众多,棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象,采用电子鼻对不同处理的棉花挥发物进行检测。研究表明,主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性,健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析,测试集判别总的正确率为73.4%,健康棉花对照组测试集判别正确率100%,误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型,RBFNN模型对健康棉花对照组的预测正确率均达到了100%,分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据,说明电子鼻可以作为棉花虫害发生的有效监测手段,在农作物虫害监测领域具有潜在的应用价值。     

苍溪县工业园水环境评价及污染防治对策

水环境评价和预测是水资源规划管理的重要内容之一,对促进水资源可持续利用具有重要现实意义。以苍溪县工业园地表水环境监测数据为基础,应用单项标准污染指数法对跌马桥沟地表水环境的影响进行评价,并采用完全混合模型和一维稳态水质模型相结合的方法对排污口下游的地表水进行预测;最后对结果进行了初步分析,并提出了相应的污染防治对策,以期为制定水环境宏观决策及区域经济发展规划提供必要的科学依据。     

基于GIS和随机森林算法的宁东土壤饱和导水率分布与预测

为探明宁东土壤饱和导水率(Ks)的空间分布特征,在宁东采集136个原状土,采用经典统计和地统计方法分析土壤Ks的空间结构特征,并以地形因子、土壤属性等作为辅助变量,运用随机森林法(RF)、普通克里格法(OK)和逐步回归克里格法(RK)对区域土壤Ks进行预测并对3种方法的预测结果进行精度评价。结果表明:Ks介于0.05~7.13 mm/min,平均值为1.46 mm/min,变异系数为106.86%;Ks与容重、孔隙度、高程、坡度、坡向、平面曲率和剖面曲率在不同滞后距离下具有自相关关系和交互相关关系;土壤Ks块金值为38,表明随机因素引起的土壤Ks变异性较大,空间异质比为15.32%,在空间上呈现强变异性;RF法的预测精度最高,其平均相对误差(MRE)和均方根误差(RMSE)绝对值均为最小,相比OK和RK方法预测精度分别提高了5.53%和2.49%,且对局部细节的描述更准确、模拟效果最佳。RF法可以较为准确的预测宁东土壤Ks,为了解研究区土壤水文过程及林草植被建设提供数据参考。     

基于神经网络方法的土壤流失量预测研究

生产建设项目土壤流失量的预测直接关系到建设项目的水土保持分析、评价和防治措施体系的布局,目前常用的预测方法因其局限性、不合理性以及精度差等问题往往难以实现准确预测。将人工神经网络的BP算法引入到土壤流失量预测中,将降雨侵蚀力、土壤可蚀性、坡长、坡度、水土保持措施作为影响土壤流失量的主要因子,并以17个生产建设项目水土保持监测实例作为学习样本和检测样本,建立了基于神经网络方法的土壤流失量预测模型。预测结果表明,该模型拟合和预测精度高,具有很强的应用价值,能够满足工程应用需要。     

深度学习技术在农业干旱监测预测及风险评估中的应用

人工智能技术的发展,特别是深度学习的出现,推进了农业新发展,是农业现代化生产的新方向。深度学习具有学习能力强、覆盖范围广、适应力强、可移植性好等优点,其开发模拟数据集可以解决实际问题,在农业干旱的监测预测及风险评估中的应用越来越广泛。本文采用文献综述方法,归纳农业干旱监测预测评估技术的发展与应用,总结深度学习模型的原理、优势和不足,概述深度学习模型在农业干旱监测预测及风险评估方面的实际应用,探讨深度学习数据集要求大、数据预处理耗时长、预定义类别范围窄、遥感图像复杂的问题,并对未来研究方向进行展望。结果表明,近年来农业干旱监测预测及风险评估技术取得重要进展,然而由于农业系统的非线性及干旱灾害发生的复杂性,现有技术在适用地域、对象和精准性等方面仍难以满足新形势下实际农业生产的需求。深度学习方法为农业干旱研究提供了新手段,但深度学习模型无法准确表达作物生长具体过程与机理,可尝试探索通过深度学习模型和作物生长模型的耦合来确保深度学习模型的可解释性。对于修正预测序列中存在的误差,可建立基于深度学习模型与大气环流模式的耦合模型,进一步提升模型对中长期农业干旱的预测能力。针对灾害样本容量有限问题,加...     

江苏省土壤有效硫状况与施肥预测

本文介绍了江苏省土壤有效硫状况，分析了土壤硫平衡情况。目前硫源总量可以满足作物的需求，但随着农作物产量的提高和含硫肥料用量的减少，土壤硫的消费量将逐年增加，预测今后含硫化肥年用量不应少于１００万吨。     

森林凋落物分解研究进展

 森林凋落物分解是森林生态系统养分生物循环的重要环节,而分解过程中所释放的CO2是全球碳素收支的重要组分,开展森林凋落物分解研究是充分认识森林生态系统结构和功能的基础。研究认为:凋落物分解的预测指标可分为3类,即环境指标(如实际蒸散量)、凋落物物理质量(如叶抗张强度)和化学质量指标(如C/N比、木质素/N比和C/P比等);凋落物分解过程中养分释放机制极其复杂,养分动态模式主要有淋溶—释放、淋溶—富集—释放和富集—释放3种,并因凋落物种类、分解阶段和元素本身性质的不同而异;凋落物混合分解并非单一树种分解的简单叠加,因树种组成和比例不同,基质的化学组成会发生变化,从而影响分解者的多样性、丰富度和生理活性,进而直接和间接地影响其分解速率;凋落物混合分解中可能存在无效应、促进效应和抑制效应;现有的研究结果显示,凋落物混合分解的适宜比例应与群落中不同树种的种群比例相一致;CO2浓度升高不仅影响凋落物的化学性质,而且与分解环境中土壤的生物活性密切相关,但CO2浓度升高并不改变凋落物质量与分解速率之间的关系;越来越多的研究显示,CO2浓度升高的环境下,植物群落的物种组成会产生变化,这种变化对养分循环速率的影响远大于单纯大气CO2浓度变化的影响。     

密闭式植物工厂的嵌入网络式环境监控系统

21世纪对蔬菜、林木、药草、香料等各类种苗或植物的大量需求将推动完全使用人工光源的密闭式植物工厂的大力发展。为了配合密闭式植物工厂内的适度环境控制和能源收支核算的研究需要，基于关系数据库MSSQLServer2000和面向对象的程序设计语言VisualBasic6．0开发了通用型嵌入网络式环境监控系统软件。用户可根据实际生产需要选择适当的控制策略和控制目标，也可调整控制参数来增减或改善执行机构的运行。植物工厂内所有控制参数和实时监测的数据和图像都可以动态地进行WEB发布，用户界面友好并实施各级安全自动管理。经过近两年的实际运行，该环境监控系统软件有效地实现了人工光型密闭式植物工厂内的嵌入网络式动态环境监控和电能消耗自动计量。