浅圆仓"三温"变化特性初探

本文探讨了在春、夏气温上气季节华南地区浅圆仓储粮在不同半径及不同深度的粮温随气温及仓温的变化规律。     

山东南部一次极强降水的结构演变特征分析

为深入了解山东南部地区夏季暴雨发生机制,进一步提高预报准确率,应用常规观测资料、NCEP 1°×1°再分析资料、FY-2E逐时云顶亮温TBB资料、地面加密自动站资料及多普勒雷达资料等,对发生在山东南部地区的一次大暴雨天气过程进行详细分析。结果表明：该过程在有利的天气形势下发生;大气对流不稳定,低层有较强暖平流,中层干冷空气与低层的暖湿空气混合,使大气对流不稳定度加大;强降水出现在上下层正涡度相叠加、低层正涡度增大的过程中;暴雨中心与云顶亮温TBB的最低值中心及强度有密切关系;大暴雨期间多普勒雷达能及时捕捉到冷空气和强回波活动情况,此次强降水过程分别对应2个强降水时段。     

基于深度学习和支持向量机的4种苜蓿叶部病害图像识别

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。     

基于U-Net和分水岭算法的无人机单木树冠提取方法

高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础,而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割,以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点,提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象,在南山实习林场采集积雪背景下无人机遥感影像作为试验数据,构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先,从无人机遥感影像中选取1 000张训练样本,128张测试样本,并对样本进行标注,通过数据增强将1 000张训练样本扩增为16 000张,按照4∶1分为训练集和验证集,对U-Net模型进行训练,在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后,利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后,在深度神经网络U-Net单木树冠提取的基础上,采用MCW算法对提取结果进行优化,并对单木树冠提取效果进行精度评估。结果表明,U-Net+MCW算法对于单木尺度的F测度为74.04%,比单一使用U-Net模型提高了28.52%,以该方法提取遥感影像中的天山云杉树冠信息为基础,计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此,U-Net+MCW算法能够有效解决自然光照条件下,由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素,导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题,是一种低成本、高效率的单木树冠提取方法,能够满足中小尺度山地森林资源调查和监测要求。     

基于多层全连接神经网络的白洋淀水质预测

白洋淀是华北平原最大的天然湖泊湿地,也是雄安新区的重要生态依托,对其水质进行预测,可为其水质保护与管理提供重要依据。利用1996—2015年白洋淀南刘庄、圈头、烧车淀的生化需氧量(BOD)、化学需氧量(COD)、总氮(TN)和总磷(TP)4项水质数据,通过率定与校验,构建了全连接神经网络水质预测模型,对未来3 a白洋淀水质进行了预测。结果表明,白洋淀南刘庄、圈头、烧车淀的各项水质指标都有所改善,但部分点位TN和TP仍然超标。未来应加强入淀河流与淀内污染控制,强化生态补水与水系连通。     

基于改进稠密胶囊网络模型的植物识别方法

植物识别意义重大,但是由于植物种类繁多,规模数据集标注和构建困难,因此植物物种识别作为精细分类任务仍然面临巨大挑战。该研究提出一种改进稠密胶囊网络模型用于植物物种识别。首先,在网络初始端引入自注意力层,通过增加特征图中待识别区域的特征权值以降低背景信息对于识别任务的干扰。其次,在改进模型胶囊层间使用局部约束动态路由算法,实现局部区域内胶囊路由选择和转换矩阵共享机制,降低网络参数规模,减小网络训练学习计算负载。在试验数据集上计算结果表明,当输入图片尺度为32×32像素时,该研究模型平均识别准确率为77.2%,参数规模仅为1.8 M。当输入图片尺度为227×227像素时,该研究模型平均识别准确率为95.1%,参数规模仅为5.2 M。试验结果表明提出的改进稠密胶囊网络模型在识别分类和降低模型参数规模上均有大幅提升。     

基于深度学习的菜用大豆荚型表型识别方法

人工智能在农业上的应用是目前的研究热点,在作物的高通量表型组学研究方面具有很好的应用前景。为了对种质资源和育种中间材料的表型进行精准化、智能化、高通量的采集,本研究将最新的目标检测算法和传统的图像处理方法相结合,将基于YOLOv5和图像处理的智能数据采集技术应用于菜用大豆荚型表型的识别。结果发现,该技术能够自动化、批量化地提取一张图片内单粒荚、双粒荚、三粒荚和四粒荚的个数,并获取这些豆荚的长宽数值。通过与实际的豆荚粒数进行对比发现,本研究方法的最大平均精度达98.96%以上,高于传统的深度学习分类网络;与实际的长宽数据进行对比,长宽决定系数均在95.23%以上。本研究所采取的基于深度学习的智能数据采集技术具有识别速度快、精准度高的优势,能大幅降低人工测量的时间成本和人力成本,提高品种选育的工作效率,为菜用大豆荚型的表型性状的高通量、智能化和精准化获取提供了一种新技术。     

鄂东南5个典型湖泊的水体光学特性研究

为了探究水体光学特性的时空变化特征及影响因素,于2018—2019年对鄂东南5个典型湖泊（仙岛湖、梁子 湖、网湖、策湖和青山湖1号）进行了周年调查;通过分析光学衰减系数（Kd）等重要水体光学参数,得到了各湖泊光合 有效辐射衰减特征及影响因子,可为该地区富营养化湖泊的水生植被修复提供参考。结果表明：（1）鄂东南5个典型 湖泊之间的透明度、悬浮物、叶绿素a差异极显著（P<0.01）。（2）仙岛湖和梁子湖的溶解性有机物浓度较低,年均值分别 为（1.38±0.39）、（2.36±0.92）m-1,与其他湖泊差异极显著（P<0.01）。（3）年均光学衰减系数的空间分布规律为：仙岛湖 （[ 0.36±0.21）m-1]<梁子湖（[ 1.81±0.89）m-1]<青山湖1号（[ 3.77±1.89）m-1]<策湖（[ 4.40±1.90）m-1]<网湖（[ 4.70±2.54）m-1], 各湖泊之间存在极显著差异（P<0.01）。（4）仙岛湖光学衰减系数的主要影响因子是溶解性有机物,梁子湖和网湖则主要 受悬浮物影响,溶解性有机物和叶绿素a是造成策湖和青山湖1号水体光学衰减系数较高的重要原因,其中以溶解性有 机物为主。（5）各湖泊的真光层深度与透明度均呈现出极显著相关性（P<0.01）,透明度在一定程度上可以反演真光层深 度,也可为沉水植物恢复区域划分提供依据。     

圆柱桥墩局部冲刷的试验研究

桥墩冲刷是桥梁水毁的主要原因之一,开展桥墩冲刷的研究不但具有重大的学术价值,而且还具有重要的工程应用价值和明显的社会经济效益。文章运用实测数据通过理论推导建立了桥墩局部冲刷深度计算公式,新公式在考虑了多方面因素的同时增加了桥墩布置与水流方向的斜交角度θ,新公式结构简单,便于计算。最后运用已有的工程实测数据对新公式进行了验证。结果表明,新公式的结构是合理的,可安全的应用于实践。     

试论向中草药防治蜜蜂病害的深度和广度发展

蜂业可以说是一项大有前途的朝阳产业.然而因蜜蜂病害防治带来的化学药物残留已成为养蜂者十分棘手的问题,也是阻碍蜂业发展的症结所在.蜂病防治关系到养蜂的效益和成败.某些防治蜂病的药物,易使蜜蜂产生抗药性,不仅使蜜蜂产生伤害,还会污染蜂产品,影响蜂产品出口,给养蜂者造成大损失.许多蜂友利用中草药防治蜂病,已取得满意的效果;中草药防治蜂病,具有药材来源方便,使用方法简单,效果好,不污染蜂产品.因此,利用中草药解决蜂产品无药残蜜蜂病害的防治,应向中草药防治蜜蜂病害的深度和广度发展,这将有利于充分利用我国中草药宝库,促进养蜂业发展.