基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(GeneticAlgorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm~3/cm~3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm~3/cm~3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。     

基于堆叠沙漏网络的单分蘖水稻植株骨架提取

针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。     

基于WEB辅助教学平台的设计

根据高校信息化教育的要求和目标,结合应用实例,介绍WEB环境下的网络辅助教学平台的分析、设计与实现的一般要求和方法。     

基于自监督学习的温室移动机器人位姿跟踪

为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明,与不采用遮罩处理的模型相比,采用软遮罩的模型,位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点,采用归一化遮罩的模型,这2项误差则分别减少4.15个百分点和3.86个百分点,2种遮罩均可显著提高模型精度;星型扩张卷积对降低模型误差是有效的,在网络参数不变的前提下,该卷积使姿态估计相对误差减少7.54个百分点;时序一致性约束使姿态估计均方根误差下降36.48%,每百帧累积姿态角误差降低54.75%,该约束可用于提高模型精度及稳定性;该研究的位置及姿态估计相对误差分别为8.29%和5.71%,与Monodepth2相比,减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。     

采用改进CNN对生猪异常状态声音识别

猪只声音能够体现出其生长状态,该研究针对人工监测猪只声音造成的猪只疾病误判以及耗时耗力等问题,研究基于卷积神经网络（Convolutional Neural Network,CNN）的生猪异常状态声音识别方法。该研究首先设计猪只声音实时采集系统,并利用4G通讯技术将声音信息上传至云服务器,基于专业人员指导制作猪只异常声音（生病、打架、饥饿等）数据集,提取猪只异常声音的梅尔谱图特征信息;其次引入多种注意力机制对CNN进行改进,并对CBAM（Convolutional Block Attention Module）注意力机制进行优化,提出_CBAM-CNN网络模型;最后将_CBAM-CNN网络模型分别与引入SE_NET（Squeeze and Excitation Network）、ECA_NET（Efficient Channel Attention Networks）和CBAM注意力机制的CNN神经网络进行对比,试验结果表明该文提出的_CBAM-CNN网络模型在最优参数为128维梅尔频率、2 048点FFT（Fast Fourier Transform）点数、512点窗移下的梅尔谱图特征下相较于其他模型对猪只异常声音识别效果最佳,识别率达到94.46%,验证了算法的有效性。该研究有助于生猪养殖过程中对猪只异常行为的监测,并对智能化、现代化猪场的建设具有重要意义。     

水土流失防治措施对马尾松林土壤微生物群落分子生态网络的影响

水土流失防治措施可以提高侵蚀退化林地的土壤质量。为了探究典型水土流失防治措施对土壤微生物分子生态网络的影响,在南方红壤区马尾松林下建立了水土流失防治措施小区,设置3种不同处理,分别为挖设鱼鳞坑加种植草本,挖设鱼鳞坑加种植草本与灌木,以及对坡面土壤不设置任何措施的对照。利用16S rRNA和18S rRNA基因 Illumina MiSeq 高通量测序技术,测定3种处理下的土壤微生物群落组成,基于随机矩阵的方法构建微生物网络。结果表明,措施实施后,绿弯菌门相对丰度显著降低,变形菌门与酸杆菌门的相对丰度显著升高（P < 0.05）。2种措施处理下微生物网络总节点数、总连接数、平均连通度以及模块性均较高,微生物网络的规模增大,微生物间互相作用更复杂。3个微生物网络均以负互相作用（60.59%～67.49%）为主,措施实施后物种间竞争作用进一步加强。绿弯菌门、放线菌门和变形菌门中的部分菌群在本研究区的微生物网络中起着重要的连接作用,此外,3个微生物网络的部分关键节点所属的菌群相对丰度较低（< 1%）,对于构建微生物网络也具有关键作用。2种措施处理下微生物网络平均路径距离较长,微生物作用的响应速度慢,群落结构稳定性提高,其中挖设鱼鳞坑并种植草本与灌木的措施较挖设鱼鳞坑并只种植草本的措施效果更优。冗余分析表明,土壤容重（R2 = 0.465,P < 0.05）、pH（R2 = 0.377,P < 0.05）、有机质（R2 = 0.383,P < 0.05）、全氮（R2 = 0.545,P < 0.01）、对细菌群落结构有显著影响,土壤含水量（R2 = 0.485,P < 0.05）对真菌群落结构有显著影响。上述研究结果表明,水土流失防治措施实施后土壤微生物群落结构发生明显变化,网络规模增大、物种间互作强度以及微生物群落结构的稳定性提高。     

紫色土坡耕地不同微地形地表汇流网络特征

为了揭示不同微地形汇流网络的特征,通过野外人工降雨模拟试验,结合近景摄影测量技术,在相同降雨历时下,提取并分析了 60,90,120 mm/h雨强下,连续凹陷、间隔凹陷、连续凸起、间隔凸起、凹凸相连、凹凸相间以及对照组7种微地形措施的汇流网络.结果表明:(1)7种微地形的汇流密度随集水面积阈值的增大而逐渐减小,间隔凹陷...     

面向高比例分布式光伏发电消纳的复合型需求侧响应控制

在大力推进分布式光伏发电的形势下,利用负荷侧灵活性资源提升光伏消纳水平并改善电网运行经济性已成为促进新能源发展的重要措施,如何高效进行需求侧响应控制是目前该领域研究的关键问题之一。传统的峰谷分时电价仅根据区域电网内的负荷变化的总体情况确定分时段电价实现削峰填谷,该方法未考虑区域内新增电源的发电特性,从而导致负荷调整的灵活性较差,无法有效解决区域内光伏消纳的问题。该研究针对光伏装机比例较高的区域配电网尤其是乡村配电网,提出一种基于优化调整分时电价时段的激励型需求侧响应和区域集中优化调控相结合的配电网复合型需求响应控制策略。该策略首先结合负荷需求和光伏出力曲线对分时电价峰谷时段进行因地制宜的自适应调整;其次,基于新的电价时段进行用户侧分布式最优出力计划建模,并给出用户侧可削减、可时移负荷的响应调整范围的计算方法;最后由区域调度中心实现负荷集中控制。通过算例对比验证该文方法在计及用户舒适度的基础上,弃光率和系统综合运行成本较优化前均有明显降低,解决了含高比例光伏配电网的光伏消纳及经济运行问题,为配电网精细化管理水平的提升提供了理论依据。     

土壤微生物生物地理学：国内进展与国际前沿

土壤微生物生物地理学是研究土壤中微生物空间分布格局及其随时间变化的一门科学,是土壤微生物学和微生物生态学等领域的研究前沿。近年来,尽管土壤微生物生物地理学研究取得了巨大进展,目前仍面临诸多难题与挑战。本文简要回顾了土壤微生物生物地理学的发展历程,重点介绍近年来我国在森林、草地和农田生态系统中土壤微生物生物地理学研究的主要进展。同时进一步阐述了目前土壤微生物生物地理学研究的国际前沿方向,包括微生物群落空间分布及其驱动机制、群落构建过程与共存网络、微生物地理分布与生态系统功能的关联以及预测微生物群落对全球变化的响应。最后,对土壤微生物生物地理学未来的研究方向进行了展望,强调了清晰的微生物物种定义、微生物群落的时间动态、多组学与合成生物学技术以及高精度的预测模型在土壤微生物生物地理学研究中的重要性。     

利用SAR影像与多光谱数据反演广域土壤湿度

针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。