碾后白米形变消除规律试验

为解决碾后白米抛光时碎米多的问题,该研究以碾后的白米为原料,研究温度、相对湿度以及含水率对白米形变消除时间的影响规律,采用二次旋转组合试验方法设计试验,比较了白米形变消除后抛光与碾后直接抛光的整精米率。用EXCEL软件和SAS软件处理数据,建立相关数学方程。结果表明：在试验参数范围内（温度5～45℃,含水率13%～17%,相对湿度25%～85%）,碾后白米的形变经过46～69?min可以消除;含水率、环境温度和相对湿度对形变消除时间影响显著;白米消除形变后抛光的整精米率明显高于直接抛光的整精米率。所建数学模型对碾后白米形变消除具有指导作用。     

黄土高原植被恢复提高大于0.25mm粒级水稳性团聚体在土壤增碳中的作用

本研究选择陕北黄土高原绥德、吴旗、宜川3个地区,调查分析了不同植被恢复类型（草、灌、乔）下05cm表层土壤水稳性团聚体粒径分布及其有机碳含量的变化。结果表明:不同植被恢复类型均显著提高了 2mm和2～0.25mm 两个粒级的水稳性团聚体及其有机碳（SOC）的含量,但不同植被恢复类型的作用在3个地区有所不同。与农地相比,在绥德,油松和柠条、分别使 2mm和2～0.25mm粒级的水稳性团聚体中的SOC含量分别提高了99%～153%和219%～350% ,但苜蓿没有明显作用;在吴旗,苜蓿、沙棘、刺槐分别使 2mm和2～0.25mm水稳性团聚体中SOC含量分别提高了28%～30%和85%～130%,而刺槐对 2mm水稳性团聚体没有作用,而使2～0.25mm粒级的水稳性团聚体SOC含量提高了210% ; 在宜川,白草、羊胡草、狼牙刺和油松使 2mm和2～0.25mm粒级的水稳性团聚体中的SOC含量分别提高了405%～932%和724%～1130%。植被恢复土壤增碳主要是提高了2～0.25mm和2mm 两个粒级的水稳性团聚体中SOC的含量,提高值分别为514%和470%,占土壤有机碳库增量的49%和43%,而对其它粒级水稳性团聚体中SOC含量的贡献小于16%。以上研究结果说明,植被恢复稳定土层结构、促进土壤水稳性大团聚体中SOC的形成,可能在黄土丘陵侵蚀景观土壤固碳过程中起重要作用。     

半干旱黄土区地上生物量对立地因子的响应

半干旱黄土区地形破碎、沟壑纵横、生态环境脆弱,其生态恢复过程受到全世界生态学者的普遍关注.生物量是生态系统获取能量的表现形式.以位于黄土丘陵沟壑区的植被自然恢复10a的合沟流域地上生物量为研究对象,分析不同立地因子对地上生物量的影响规律.结果表明:1)不同立地类型地上生物量从大到小依次为沟底、阴向沟坡、阴向梁坡、阳向沟坡、梁顶、阳向梁坡;2)梁坡和沟坡的地上生物量随坡度升高均呈现反S形态,梁坡的地上生物量最大值出现在20°～25°处,最小值出现在35°～40°处,沟坡的地上生物量的最小值出现在30°～35°处,最大值出现在40°～45°处;3)坡向对地上生物量的影响是显著的(P=0.049),其余因素的影响不显著.可知,该区地上生物量的分布规律是植被对不同立地类型水分、光照等自然条件综合利用的结果.     

沼液施用对土壤与植物中磷分布的影响

以余杭青菜地潮土、红壤为例,选取未施加沼液、正常施加沼液以及加倍施加的土壤剖面各3条,研究沼液施加对土壤和植物磷(P)分布的影响,为畜禽废弃物资源化利用和瓜果合理施肥提供科学依据。结果表明:(1)沼液施加能够提高表层土壤的总P含量,而对深层土壤的总P含量影响不大;(2)沼液施加后,土壤中的Fe-P含量会有显著增加;(3)青菜茎和叶中的总P含量随沼液施加量的增加而增加,其中叶增加的趋势最明显。     

气候变化与土壤湿度关系的研究进展

在分析气候变化与土壤湿度关系研究现状的基础上,综述了该研究的进展。首先,描述了用数值模拟方法研究气候变化与土壤湿度之间关系的现状;论述了该研究取得的成果和需要进一步研究的问题;其次,简要总结了目前研究仍显薄弱的资料诊断分析工作及取得的成果。土壤湿度的监测与预报是制定合理的灌溉制度从而实现适时适量灌溉的基础,因此本文对气候变化条件下土壤湿度变化趋势的研究及节水灌溉(特别是干旱地区)具有重要的意义。     

Hu Xin, Hong Baoning, Du Qiang, et al. Influence of water contents on shear strength of coal-bearing soil[J]. Rock and Soil Mechanics, 2009, 38(8): 2291－2294. (in Chinese with English abstract)[30]

土的抗剪强度是工程设计中重要的依据指标,同时也是土壤精准耕作,大型农业器具设计的一个基本参数。紫色水稻土长期处于淹水状态,为研究其抗剪强度的水敏感性特征,该文以重庆市合川区钱塘镇大柱村国土整治项目区内紫色水稻土为试样,采用调控含水率变化,通过三轴不固结不排水试验研究其抗剪强度的水敏感性特征,并为实际工程中处理紫色水稻土提出建议。结果表明：1）同一围压下,紫色水稻土的最大主应力差随着含水率的增加而减小;相同含水率下,随着围压的升高最大主应力差增加,但这种增加趋势随土壤含水率的增加而减小。2）当含水率处于界限含水率附近时,抗剪强度随含水率的增减变化较为缓慢;含水率大于某一值后紫色水稻土抗剪强度随含水率增加而减小。3）紫色水稻土的粘聚力随含水率的变化具有明显的峰值,呈先增大后减小的趋势。4）紫色水稻土内摩擦角与含水率之间具有明显的线性负相关性。该研究可为地区农业基础工程的设计到施工,以及工后更好地控制路基路堑的稳定性等提供参考。     

基于NIR和GIS的甘蔗含糖量与种植条件关系研究

为监测较大区域内甘蔗产量及含糖量的时间、空间变化情况,了解地区、环境及土壤成分与甘蔗含糖量的关系,为甘蔗栽培提供指导,以日本琉球群岛南大东岛甘蔗栽培区为对象,用NIR方法测定甘蔗含糖量及其他成分含量,采用GIS技术建立地块位置、甘蔗产量、含糖量及P、K含量和土壤K含量数据库。在此基础上,建立3个栽培年度甘蔗含糖量、单产与甘蔗汁P、K含量的空间分布图,发现甘蔗含糖量与降水量及种植区水环境密切相关。对甘蔗含糖量及P、K含量和土壤K含量的相关分析表明,甘蔗含糖量与甘蔗汁P含量呈正相关,而与甘蔗汁和土壤K含量均呈负相关。     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

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。     

融合卷积神经网络与视觉注意机制的苹果幼果高效检测方法

果实表型数据高通量、自动获取是果树新品种育种研究的基础,实现幼果精准检测是获取生长数据的关键。幼果期果实微小且与叶片颜色相近,检测难度大。为了实现自然环境下苹果幼果的高效检测,采用融合挤压激发块(Squeeze-and-Excitation block, SE block)和非局部块(Non-Local block, NL block)两种视觉注意机制,提出了一种改进的YOLOv4网络模型(YOLOv4-SENL)。YOLOv4模型的骨干网络提取高级视觉特征后,利用SE block在通道维度整合高级特征,实现通道信息的加强。在模型改进路径聚合网络(Path Aggregation Network, PAN)的3个路径中加入NL block,结合非局部信息与局部信息增强特征。SE block和NL block两种视觉注意机制从通道和非局部两个方面重新整合高级特征,强调特征中的通道信息和长程依赖,提高网络对背景与果实的特征捕捉能力。最后由不同尺寸的特征图实现不同大小幼果的坐标和类别计算。经过1 920幅训练集图像训练,网络在600幅测试集上的平均精度为96.9%,分别比SSD、Faster R-CNN和YOLOv4模型的平均精度提高了6.9百分点、1.5百分点和0.2百分点,表明该算法可准确地实现幼果期苹果目标检测。模型在480幅验证集的消融试验结果表明,仅保留YOLOv4-SENL中的SE block比YOLOv4模型精度提高了3.8百分点;仅保留YOLOv4-SENL中3个NL block视觉注意模块比YOLOv4模型的精度提高了2.7百分点;将YOLOv4-SENL中SE block与NL blocks相换,比YOLOv4模型的精度提高了4.1百分点,表明两种视觉注意机制可在增加少量参数的基础上显著提升网络对苹果幼果的感知能力。该研究结果可为果树育种研究获取果实信息提供参考。