基于随机森林和逻辑回归分类模型的烟叶精选品控指标筛选

为进一步提高细支烟原料的工业适用性及精选效率,选取福建省三明市宁化县的翠碧一号原烟进行外观分类及质量评价。针对细支烟原料需求,通过对各类别烟叶样品的外观质量指标和感官质量指标进行关联分析,应用随机森林和逻辑回归分类模型确定烟叶精选外观品控指标(身份、色度),应用证据权重确定外观指标要求(身份:中等-稍厚,色度:强-浓),模型准确率达82.69%。结果表明,采用模型确定的外观敏感性指标,精选效率大幅提升,选出的烟叶工业适用性也明显提高。     

基于CWT-RF模型估算博斯腾湖湖滨绿洲土壤有机碳含量

为实现博斯腾湖湖滨绿洲土壤有机碳含量的快速估算,结合实测的土壤高光谱数据与土壤有机碳数据,通过连续小波变换(CWT)进行土壤光谱数据预处理,利用相关系数法(CC)、连续投影算法(SPA)、竞争自适应重加权采样(CARS)、遗传算法(GA)筛选的特征波段作为建模输入量,构建随机森林(RF)模型。结果表明：研究区土壤有机碳含量平均值随土层深度增加由12.36 g/kg降低至10.49 g/kg,变异系数平均值为69.62%,空间异质性较强;CWT变换可以有效提高不同土层深度土壤有机碳含量与光谱反射率间的相关性,不同土层深度相关系数均值平均提升约22.41%;光谱数据经过CWT变换构建的模型精度明显提升,RF模型验证集R²与RPD分别平均提高7.09%、10.06%。CC、CARS、SPA、GA方法能消除光谱信息冗余,有效降低CWT-RF模型的输入量与RMSE值,土层深度0～20、20～40、40～60和60～80 cm筛选的特征波段平均压缩至全波段数目分别为8.51%、5.38%、2.21%和3.67%;RMSE值分别平均降低111.67%、135.61%、12.25...     

奥利亚罗非鱼（♀）、鳜（♂）及其子代间遗传关系的研究

罗非鱼生长快、味道好,是人们喜爱的鱼类,现已是世界性养殖鱼类,但它不能忍受低温,因此影响其养殖业的进一步发展。鳜则是名贵性鱼类,但其终生摄食活的鱼虾,这也限制了其养殖的发展。奥利亚罗非鱼(Oreochromisaurea)属鲈形目、鲡鱼科,鳜(Sinipercachuatsi)属鲈形目、脂科,它们间的杂交为科间杂交。鱼类科间杂交成功率很低,种间杂交有时可获得具有双亲性状的杂种鱼,有时也可发生雌核发育[1]。本研究中奥利亚罗非鱼雌鱼性染色体为ZW,其卵子如能在鳜精子刺激下行雌核发育,则可在短时间获得奥利亚罗非鱼纯系。在本文中,利用RAPD标记,对…     

基于无人机遥感与随机森林的荒漠草原植被分类方法

荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机（SVM）、K-最近邻（KNN）和最大似然分类（MLC）法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。     

多子领春木RAPD反应体系的研究

利用RAPD(随机扩增多态性DNA)技术对濒危植物多子领春木进行了RAPD反应体系的研究.以多子领春木叶片为材料,采用改良的CTAB法提取其基因组DNA,进行RAPD反应条件的优化.通过单因子试验,分别研究了模板DNA用量、Mg2 浓度、dNTPs浓度、Taq酶的用量和引物浓度对RAPD反应的影响,建立了适于多子领春木RAPD分析的有效稳定的反应体系,即在25μL总反应体系中,模板DNA的最适用量为10 ng、Mg2 的适宜浓度为2.0 mmol·L-1、dNTPs的适宜浓度2.2 mmol·L-1、Taq酶的用量为1U、随机引物的浓度以2.5 μmol·L-1为佳.     

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。     

基于多源Sentinel数据的县域冬小麦种植面积提取

冬小麦是我国主要的粮食作物之一,及时准确地获取冬小麦种植面积对农业政策的制定具有重要意义。以河南省扶沟县为研究区域,以多生育期Sentinel-1A和Sentinel-2A/B遥感影像为数据源,构建光谱特征、植被特征和极化特征的多生育期数据集,分析各类地物的特征曲线,采用随机森林算法对单生育期单传感器、单生育期多传感器、多生育期单传感器和多生育期多传感器的遥感影像进行精细分类,实现县域冬小麦制图。结果显示：单生育期的雷达影像无法满足制图要求,拔节期的总体精度最高,仅为62.9%,多生育期雷达影像分类精度达到81.9%,基本满足制图要求;单生育期的光学影像和融合影像在成熟期的精度最高,总体精度分别为93.4%和95.1%,Kappa系数分别为92.4%和94.8%,可以绘制较为精准的冬小麦分布图;多生育期融合影像绘制的扶沟县2019年冬小麦空间分布图,总体精度为96.8%,结果最优。研究结果表明融合的多生育期遥感影像可以为县域冬小麦种植面积的提取提供技术依据。     

黄土高原水蚀风蚀交错带小流域土壤水分季节变化特征与主控因素

土壤水分是黄土高原水蚀风蚀交错带生态环境恢复的关键因子,具有明显的时空异质性。以水蚀风蚀交错带的代表性流域—老爷满渠小流域为对象,采用网格法(50 m×50 m)共布设了73个样点,原位观测0—5 m土壤含水率,共测定23次(2013年6月至2019年10月),通过获取每个样点的环境因子,结合经典统计、地统计、随机森林等方法,分析了小流域尺度不同土层深度(每层1 m,共5层)土壤含水率的季节变化特征与影响因素。结果表明:不同土层土壤含水率的空间分布特征和季节性变化规律不同;对于0—1 m土层,土壤含水率在夏季和冬季之间存在显著性差异(p0.05),而对于1 m以下土层,春季平均土壤含水率高于其他季节,但不显著;无论在何种季节,不同土地利用方式、壤土与砂土间的土壤含水率在3 m以上土层均存在显著差异(p0.05),而阴、阳坡的土壤含水率在所有土层均存在显著差异(p0.05);在不同季节,土壤含水率与容重和砂粒呈负相关,与其他环境因子(有机碳含量、黏粒、粉粒、有机碳密度、土地利用、坡向、土壤质地和pH)呈正相关;除有机碳密度和黏粒较为稳定外,土壤含水率与环境因子的相关性均随土层深度增加呈减少趋势;环境因子对土壤含水率空间变异的整体相对贡献表现为土壤性质地形土地利用。研究结果可为研究区深层土壤水资源管理、土壤水文观测与模拟、植被优化布局等提供参考。     

青海省表层土壤属性数字制图

对于土壤景观复杂的大区域,样点往往较为稀疏,如何准确地进行土壤预测制图仍是一个需要研究的问题。本文以青海省为研究区,基于近年采集205个土系调查点数据,采用随机森林模型,分别建立了表层(0～20 cm)土壤全氮、有机碳、粉粒含量和pH四个基本土壤属性与环境协同变量(海拔、坡度、地形湿度指数、年降水量、年平均气温、归一化植被指数、地表温度和地表反射率)之间的定量关系模型,对该地区进行了土壤多要素预测制图,分析了影响土壤空间变异的控制性因素。交叉验证结果显示,全氮、有机碳、粉粒含量和pH的R~2分别是0.61、0.53、0.47和0.54,这说明随机森林模型可解释47%以上的土壤空间变异。表层土壤全氮和有机碳空间分布趋势东南高,西北低,pH呈现出相反的空间模式;粉粒含量东高西低,预测结果高值出现在柴达木盆地和南部玉树、果洛地区。环境变量的重要性分析表明,年降水量对表层土壤全氮、有机碳、pH空间分布模式具有控制性影响,夜间地表温度与表层土壤粉粒含量空间变异具有较强的协同关系。     

鱼粉品质检测电子鼻传感器阵列的多特征数据融合优化

为了提高基于仿生嗅觉的鱼粉品质检测装置的鉴别能力,该文利用自主设计的仿生嗅觉鱼粉品质检测装置,提取鱼粉样本的响应特征信息,对其传感器阵列进行多特征数据融合优化。依据各传感器对样本的响应曲线,提取传感器特征值(10×6个)构成原始特征矩阵,后对传感器阵列特征值进行归一化处理,以紧凑性作为评价特征选择方法合理性的标准,采用了3种单特征排序方法(MIC、χ^2、F-test),3种多特征排序方法(RF、LR、SVM),4种特征递减消除方法(RFRFE、SVMRFE、DTRFE、LRRFE)对不同品质的鱼粉进行分类准确率检验,得到基于随机森林的特征递减消除算法(RFRFE)的紧凑性最好,此时最佳的分类准确率为98.3%,特征数目为33个。优化后的传感器阵列特征发生了明显的变化,传感器阵列由原来的10个变为了8个,去掉了传感器TGS2620和传感器TGS2600,特征值也减少了45%。为了避免选择偏差,采用了10折交叉验证方法,再次得到了RFRFE算法具有更佳的紧凑性。该特征选择方法为利用仿生嗅觉技术鉴别其他动物源性原料样本的特征优化提供了新的方法和参考。