基于近红外光谱的沼液挥发性脂肪酸含量快速检测

挥发性脂肪酸（Volatile Fatty Acids,VFA）作为厌氧发酵过程的重要中间产物,其在厌氧反应器中的累积能够反映出产甲烷菌的不活跃状态或厌氧发酵条件的恶化。为了实现对农牧废弃物厌氧发酵进行过程分析和状态监控,将近红外光谱（Near Infrared Spectroscopy,NIRS）与偏最小二乘（Partial Least Squares,PLS）相结合构建玉米秸秆和畜禽粪便厌氧发酵液乙酸、丙酸和总酸含量快速检测模型。将竞争自适应重加权采样法（Competitive Adaptive Reweighted Sampling,CARS）与遗传模拟退火算法（Genetic Simulated Annealing algorithm,GSA）相结合构建CARS-GSA算法对沼液中的乙酸、丙酸和总酸进行特征波长优选,原始光谱数据1 557个波长点经预处理和波长优选后,得到乙酸、丙酸和总酸特征波长变量分别为135、101和245个,建立的回归模型验证决定系数分别为0.988、0.923和0.886,预测均方根误差（Root Mean Squared Error of Prediction,RMSEP）分别为0.111、0.120和0.727,相对分析误差分别为9.685、3.685和3.484,与全谱建模相比RMSEP分别减少了17.78%、15.49%和1.22%,能够满足农牧废弃物厌氧发酵过程发酵液中乙酸和丙酸含量的快速检测需求,基本满足总酸的检测需求。结果表明,通过构建CARS-GSA算法优选乙酸、丙酸和总酸的敏感波长变量,参与建模的波长点数量显著减少,有效降低了变量维度和模型复杂度,提升了回归模型检测精度和预测能力,为快速准确检测沼液VFA提供了新途径。     

基于改进极限学习机的水体溶解氧预测方法

为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机（Extreme Learning Machine,ELM）的水产养殖溶解氧预测模型。首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构建水体溶解氧浓度预测模型。最后,将SPLS-ELM（Selection Based Partial Least Square Optimized Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.3232,与最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization,PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s,预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线,能够满足水产养殖实际生产对水体溶解氧预测的要求。     

基于特征金字塔注意力与深度卷积网络的多目标生猪检测

在生猪饲养环境中,猪只黏连、杂物遮挡等给生猪个体多目标检测带来很大困难。该研究以猪圈群养生猪为研究对象,以视频帧为数据源,提出一种适用于生猪形体检测的特征金字塔注意力(FeaturePyramidAttention,FPA)与Tiny-YOLO相结合的模型FPA-Tiny-YOLO。该模型将注意力信息融入到特征提取过程,在不大幅增加计算量的前提下即可提升特征提取能力、提高检测精度。对8栏日龄20～105 d的45头生猪视频截取图像进行图像处理,获得标注图片4 102张,构建了4种深度FPA模块分别加入YOLOV3与Tiny-YOLO模型中。试验表明,深度为3的FPA模块(即FPA-3)的Tiny-YOLO模型在测试集上对群养生猪多目标检测的召回率Recall、F1与平均检测精度m AP指标值最佳,分别达到86.09%、91.47%和85.85%,比未引入FPA模块的Tiny-YOLO模型均有不同程度的提高。选用不同的IOU(Intersection Over Union)和score阈值超参数值对模型预测结果均有不同程度影响;将测试集图像按照是否黏连与遮挡划分4种场景来探究该模型的鲁棒性。试验表明,加入FPA-3模块后Tiny-YOLO的Recall、F1与m AP比Tiny-YOLO分别提升6.73、4.34和7.33个百分点,说明特征金字塔注意力信息有利于精确、有效地对不同场景群养生猪进行多目标检测。研究结果可为后续开展生猪身份识别和行为分析移动端应用提供参考。     

利用最小水分限制范围评价东北黑土区免耕和垄作的土壤水分稳定性

为明确耕作方式对黑土土壤水分稳定性的作用,提高黑土区雨养农业对气候变化的适应性,该研究基于黑土区长期免耕定位试验,利用最小水分限制范围(Least Limiting Water Range, LLWR)评价免耕(NT)和垄作(CT)管理下土壤含水率有效性及其变异特征。结果表明:1)在0～5、5～10、10～20和20～40 cm 4个土层中,NT处理显著降低了5～10 cm的LLWR,其他3个土层LLWR差异均不显著;2)在平水年(2014)、枯水年(2015)和丰水年(2016),NT管理下作物生育期内0～40 cm平均土壤含水率正常率分别为48%、72%和85%,年间变异系数为0.23;CT的土壤含水率正常率分别为56%、20%和51%,年间变异系数为0.38;3)在丰水年,NT与CT的平均有效储水量差值最小,NT比CT高8.95mm;在枯水年相差最大,NT的平均有效储水量比CT高13.99mm。因此,NT管理下土壤水分更稳定地分布在LLWR内,在极端降雨年份(枯水年和丰水年)优势尤其明显。     

基于PLSR-BP复合模型的红壤有机质含量反演研究

对红壤地区土壤有机质进行快速预测,以满足智慧农业与精准施肥的需要。以江西省奉新县北部为研究区域,采用1 km×1 km标准格网划分研究区进行采样,共得到红壤样本248个。对土壤光谱进行了包含分数阶导数在内的3种数学变换方法,将经过P=0.01显著性检验的波段用于模型的构建,选用偏最小二乘回归(PLSR)和BP神经网络建立土壤有机质含量预测模型。结果表明:当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优,训练集R~2=0.89,RMSE=4.68g·kg~(-1),验证集R~2=0.87,RMSE=5.55g·kg~(-1),RPD=2.75。1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息,有助于其含量预测。PLSR-BP复合模型预测精度优于单一模型,能够较好地预测红壤有机质含量,为精准农业快速监测红壤有机质含量提供了新的途径。     

考虑植株氮垂直分布的夏玉米营养诊断敏感位点筛选

探明夏玉米氮素营养生化指标(叶绿素a、叶绿素b、类胡萝卜素、叶片氮含量和叶片氮积累量)与叶片SPAD值垂直分布特征及两者间定量回归关系,确立基于叶绿素仪的夏玉米氮营养无损诊断敏感叶位和叶片部位,以实现氮营养时空变化的快捷和精准监测。利用2018-2019年连续2季不同氮营养水平下夏玉米关键生育期主茎各叶位(顶1叶~顶12叶,TL1~TL12)和叶片部位(每张叶片从叶片基部开始根据叶片长度每20%分为1个测试区间) SPAD值及氮营养指标数据,研究基于偏最小二乘(partial least square, PLS)回归模型的夏玉米不同位点SPAD值与氮营养指标间关系,确定可稳定指示夏玉米氮营养空间异质性变化的敏感叶位及叶片部位。结果表明,不同叶位间夏玉米叶片SPAD值和氮营养指标于植株间分布均呈典型的"钟型"特征,至TL5或TL6时达至峰值。同一叶位不同部位间SPAD值由20%至100%位点时则逐步升高,且80%~100%位点间无显著差异(P>0.05)。PLS分析结果显示,夏玉米不同叶位SPAD值与氮营养指标间模型精度决定系数(coefficient of determination, R2)和相对分析误差(relative percent deviation,RPD)范围分别为0.693~0.821和1.425~2.744。不同测试位点R2和RPD值范围则分别为0.660~0.847和1.607~2.451,满足模型精确诊断需求。此后,基于PLS模型中各叶位和叶片部位无量纲评价指标变量重要性投影值(variable importance for projection,VIP),确定顶4叶(TL4)完展叶60%~80%区间为夏玉米氮营养诊断的敏感区域,VIP值均高于临界值1.40,预测效果较为理想。研究可为实现氮营养的高效、快捷诊断和精准施氮提供参考。     

智能化变电站二次安全措施

<正>智能化变电站选用合并单元、智能电子装置、智能化开关和网络化二次设备分层技术,利用光纤网络代替了传统二次回路,与常规的变电站有着显著区别,如何有效、安全地布置二次安全措施,满足保护及自动化工作的现场需要,成为亟须解决的问题。1保护装置校验为防止运行设备误动作,常采取的二次安全措施如下。退出联跳或启动失灵GOOSE软压板。退出联跳或启动失灵GOOSE软压板,是防止保护装置校验过程中误跳     

“铁榛二号”品种选育报告

介绍"铁榛二号"平榛新品种的选育过程,阐述其植物学特征、品种特性、果实内营养成分含量、物候期及栽培技术要点。通过区域试验和生产示范,该品种均表现出果壳薄、高产、优质、出仁率高等特点,5a区域试验平均比对照增产23.09%,2013年11月该品种通过辽宁省林木品种审定委员会审定,对发展铁岭市平榛生产有重要的推广应用价值。     

基于地基激光雷达监测不同地表覆盖条件的土壤侵蚀试验研究

土壤侵蚀量是土壤退化风险评估的重要指标,地基激光雷达(TLS)为土壤侵蚀量动态监测提供新技术手段,但野外不同地表覆盖条件对监测精度的影响尚不明确。基于2019年11月和2021年7月在鹰潭红壤生态实验站获取的地表裸露、石块、稀疏象草、马尾松、马尾松+石块,马尾松+稀疏象草等不同地表覆盖条件的6个径流小区两期TLS数据,运用移动曲面拟合滤波和反距离加权插值方法估算土壤侵蚀量,结合实测侵蚀量数据评价TLS精度,并探讨不同地表覆盖条件下TLS的最小变化识别度(minLOD)。研究表明,TLS监测精度与土壤侵蚀量呈正相关关系,更适用于中等强度以上或长时间发生明显侵蚀的土壤侵蚀区监测。不同地表覆盖条件下minLOD为4～60 mm,TLS监测相对误差(RE)依次为：地表裸露(RE=–9.4%)<马尾松+石块(RE=12.6%)<石块(RE=15.5%)<稀疏象草(RE=–18.9%)<马尾松(RE=23.4%)<马尾松+稀疏象草(RE=–25.2%);地表覆盖条件不仅影响土壤侵蚀强度、地表粗糙度,也产生点云滤波及空间插值误差,进而影响TLS识别minLOD准确度和土...     

基于机器学习的干旱区土壤盐渍化定量估算

【目的】探讨对土壤盐渍化进行快速、准确监测技术与方法。【方法】利用 353 个地面表观电导率数据,以及从 Worldview-2 影像获取对应采样点的波段反射率值,结合两波段组合植被指数和三波段组合植被指数,筛选最佳二维、三维波段组合方式,引入人工神经网络、K 近邻和支持向量回归来构建区域土壤盐渍化定量反演模型。【结果】(1) WV-2影像的红边和近红外波段与 ECa 呈现显著相关(P < 0.01)。(2) 二维植被指数(RVI₍(B5-B2))、NDVI₍(B6-B2))、DVI₍(B2-B6)))和三维植被指数(3DVI₍(B2-B6-B6))、3DVI₍(B3-B5-B6))、3DV₍I(B5-B2-B1))、3DVI₍(B2-B1-B6))、3DVI₍(B2-B1-B6))、3DVI₍(B6-B1-B2))、3DVI₍(B5-B3-B7)))的波段组合计...