基于深度学习算法的京津冀地区综合干旱评估模型构建

及时准确的干旱评估对社会经济发展和农业生产具有重要的指导意义,当前的干旱评估指标通常仅考虑植被或降水等单方面影响因素,在实际干旱评估中存在一定的局限性。本研究综合考虑降水、温度、地形等多个干旱致灾因子,以主要产粮基地京津冀地区为例,基于2007-2017年地表温度（Land Surface Temperature,LST）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）以及降水等多源数据,利用深度学习框架Tensorflow构建以标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index,SPEI）为目标值的综合干旱评估模型。利用决定系数（R2）和均方根误差（RMSE）对模型进行测试;利用站点标准化降水指数（Standardized Precipitation Index,SPI）、土壤相对湿度数据以及2016年京津冀地区的气象灾害数据,从时间和空间上对模型的可靠性进行验证。结果表明：模型的训练集和测试集在不同月份上均表现较好（R2均大于0.5而RMSE均小于0.55）。模型输出的综合干旱指数（Comprehensive Drought Index,CDI）在密云站上与SPI和SPEI接近,变化趋势基本一致,并且与站点SPI和土壤相对湿度的相关系数分别大于0.7和0.4,均通过了0.01水平的显著性检验。空间上,相较于SPEI,CDI计算的2016年3-7月京津冀地区干旱事件结果与实际情况符合度更高,表明该模型适用于京津冀地区干旱评估。     

玉米秸秆混合还田深度对土壤有机质及养分含量的影响

秸秆还田是提升土壤肥力的重要措施之一,还田深度是影响还田效果的重要因素。本文以黑土为研究对象,分析了连续3年等量秸秆混入不同深度土层对土壤有机质及养分含量的影响。试验包括4个秸秆混合还田深度,0~15 cm(D15S),0~20 cm(D20S),0~35 cm(D35S)和0~50 cm(D50S),秸秆还田量均为10 000 kg·hm^(-2)。研究结果表明等量秸秆混入不同深度土层,导致不同处理秸秆在土壤中的含量(SC)在1.68~6.06 g·kg^(-1)之间,随着秸秆混入土层深度的增加SC值逐渐减小;秸秆混合还田增加了相应土层土壤有机质含量,与D15S处理相比,D20S、D35S和D50S处理土壤有机质增加量分别降低了27.3%,48.4%和67.8%,但是秸秆的有机质转化率在D35S处理达到了最大值,与D15S、D20S和D50S相比分别增加了28.6%,32.6%和17.5%,不同处理土壤有机质增加的总量表现为D35S>D50S>D15S>D20S,土壤轻组有机碳总量表现出相似的趋势;等量秸秆混入不同深度土层没有显著增加相应土层全量养分的含量,但是显著增加了速效养分含量(P<0.05),与初始值相比,D15S、D20S、D35S和D50S处理土壤碱解氮、速效磷和速效钾含量分别提高了7.17%~20.6%、9.16%~38.2%和12.6%~43.7%,其中土壤速效养分增加率在D35S处理达到了最大值,说明秸秆深混还田能够促进养分在土壤深层的积累,增加全层土壤养分的供给能力。因此,建议研究区域秸秆混合还田的深度为0~35 cm,提高秸秆混合还田对土壤肥力的贡献,实现黑土地保护。     

大豆高产栽培技术

<正>一、选地宜选择土壤比较肥沃,保水性好,通气性强,两年未种过大豆的地块。杜绝重茬,避免迎茬,上茬作物施用过阿特拉津的地块最好隔一年种豆。二、精细整地1.整地最好是秋整地。秋季,前茬收获后,用除茬机将茬子打碎,进行秋翻,耕翻深度16~20厘米,接着进行耙地、镇压。耕、耙、压作业后,地表要平整,土壤要细碎,耕层要上松下实,无大土块和暗坷垃。2.施基肥春耙前,亩施腐熟过的有机肥2000公斤、磷酸二铵10     

多变环境下基于多尺度卷积网络的猪个体识别

【目的】通过实现复杂多变环境下非接触式猪个体身份识别,提高畜牧行业的生产效率。【方法】以猪舍环境下猪的脸部图像为基础,提出了一种基于多尺度卷积神经网络在多变环境下的猪个体身份识别模型。利用改进的多尺度网络结构,该模型实现了深度和宽度的扩展,网络深度达到了86层。网络不仅使用了对称和非对称的两种方法拆分卷积核和多通道的方法并行提取猪脸特征,还利用网络融合技术和Batch Normalization结构过滤掉通道中的冗余信息。避免了深层网络参数激增,增强了模型对猪脸特征的提取能力并提高模型的识别速度。利用预处理后的11 695张猪脸数据集训练并验证模型,通过设置7组不同环境下的对比实验,分析改进的模型在复杂环境下的识别效果。【结果】86层的基于多尺度分类网络的识别模型权重大小和每轮样本的训练时间分别为498.4 M和66 s,比16层的VGG网络权重小1140 M,每轮训练速度快8 s。利用7组测试集的对比实验的结果表明,提出的模型在7种环境下的识别率都高于其他网络,尤其是在真实养殖环境下识别率高达99.81%。当猪脸图像中出现遮挡和旋转的情况时,提出的模型识别率皆高于92%。【结论】提出的针对脸部特征的猪个体身份识别模型是有效的,并在多变环境下具有较高的识别率和鲁棒性,为实现一体化管理及追踪溯源的研究提供参考。     

融合多光谱成像与深度学习的作物植株叶绿素检测系统研究

为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared, NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm, SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression, ...     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

《猪业科学》投稿须知

《猪业科学》杂志为月刊,每月25日出版,面向全国发行。内容充实、实用,每期一个主题,充分挖掘、深度报道、全面分析,全面反映养猪产业的最新成果、发展动态和市场经济信息。全彩色印刷、图文并茂适应现代“读图时代”潮流。     

春播和秋播对南方春大豆种子活力的影响

试验采用春播（４月４日）和秋播（７月３０日）两种播期法,研究春播种子活力低,秋播种子活力高的生理生化原因,结果表明,种子发芽率,发芽指数,电导率,过氧化物酶活性和真菌侵染率,这些反映种子活力的生理指标,秋播种子均优于春播种子,此外,秋播种了表皮结构较春播种子致密,种子表面小孔数目少而小,这可能也是秋播种子活力高的原因之一。     

真空井点降水联合加固软土地基的施工技术分析

根据工程实际情况,应用真空井点降水联合加固软土地基的施工方法,通过施工沉降观测和理论分析,对真空井点降水联合预压加固软土地基的施工技术及加固有效深度、有效应力的变化问题进行了研究。验证了真空井点降水联合预压加固施工方法在寒区环境的适用性,分析了在该条件下,本施工方法的加固效果和沉降变化规律,为基础设计和工程施工提供参考依据。     

污水回用深度处理工艺综述

随着工业用水和人口的高速增长,开展污水回用已迫在眉睫。本文以污水回用深度处理为目的介绍了几种处理工艺,为污水的回用提供一些参考。