早熟陆地棉品种与气候因子互作对棉纤维品质的影响

[目的]研究早熟陆地棉品种与气候因子互作对棉纤维品质的影响,为选择品质优良的早熟陆地棉品种提供理论依据和指导信息.[方法]采用EXCEL 2003和SPSS19.0软件,对参试品系3年的试验数据进行相关性和逐步回归分析,分析棉纤维品质性状与品种特性及气象因子间的相互关系,建立最优回归模型,研究关键影响因子.[结果]出苗...     

中国蔬菜绿色全要素生产率时空特征与空间错位

为评估中国蔬菜绿色生产率,提升蔬菜生产绿色发展水平,推进农业高质量发展。该研究采用超效率SBM-ML模型、空间错位指数、主成分分析法等方法,探究2011—2020年中国30个省市蔬菜绿色全要素生产率的时空格局演变与空间错位特征,识别影响中国蔬菜绿色全要素生产率的主要因素。研究结果发现：1）2011—2020年中国蔬菜绿色全要素生产率整体呈下降趋势,由1.023 1降低到0.741 4,蔬菜生产与生态环境可持续发展的协调程度降低,其中技术效率下降和技术退步共同拖累了蔬菜绿色全要素生产率的提高。2）2011—2020年中国蔬菜绿色全要素生产率增长呈“东高西低,南高北低”的空间分布特征。北回归线以南产区蔬菜绿色全要素生产率最高,西北产区蔬菜绿色全要素生产率最低,其差异主要取决于水土资源供给状况与市场需求规模等因素。3）2011—2020年中国蔬菜绿色全要素生产率与技术效率的空间错位由北向南大致呈现“正向错位—负向错位”的变化趋势,整体以低错位为主。东北产区、中部产区地势平坦,农业生产条件良好,有利于蔬菜规模化种植。2011—2020年中国蔬菜绿色全要素生产率与技术进步的空间错位呈显著的“东正西负”的空间分布特征,且空间错位程度较大,负向错位省份数量由13个增至17个。由于蔬菜生产过于追求经济效益,忽视了绿色生产技术的投入。4）经济发展水平、资源环境禀赋和交通通达性是影响中国省域蔬菜绿色全要素生产率变化的主要因素,其中城镇化率和人均可支配收入等经济要素对蔬菜绿色全要素生产率的影响最为明显。研究结果可准确把握现阶段蔬菜绿色生产现状,为农业绿色转型发展提供借鉴。     

大数据运作平台下的植保机作业布局研究

为进一步提升无人植保机应用的合理性与高效性,以大数据运作平台技术为支撑,针对其作业布局展开研究。通过系统分析植保机作业过程与主要控制组件,根据田间飞行作业特点,确定系列核心控制参数,并依据大数据布局内部算法分配规则建立大数据运作模型。同时,考虑各系统模块的数据耦合性,生成大数据运作平台下的植保机作业布局并进行试验,结果表明:在各自占空比一定条件下,喷洒流量在0.3~0.6L/min波动时,所获取的流量误差控制在6.33%~15%;选取关键对比控制参数,较一般作业布局状态而言,基于大数据平台作业布局下的植保机续航能力可提升7.79%,试验效果良好。该布局优化充分提高了植保机的作业效率,可为类似农机系统布局提供改善思路。     

乌兰布和沙漠地区土地利用动态变化分析

以乌兰布和沙漠为研究靶区,以GIS和RS技术为手段,利用解译的1986,1995,2000年和2004年的土地利用现状图,对该区域的土地利用动态变化过程及其驱动因素进行分析.结果表明:不同年份其景观基质差异较大,1986年为沙漠和其他未利用土地,1995年为沙漠和草地共同构成,呈现出复合型特点;而2000年之后,沙漠以其57%以上的面积而成为唯一的景观基质.从土地利用类型的稳定性来看,耕地、建设用地和沙漠的稳定性最强,在不同时间段内,其保持自身面积不变的比例均在85%以上.从土地利用类型的变化方向来看,最重要的转化方向有两个,一是林地、草地、水体、建设用地向耕地的转化;一是耕地、林地、水体和建设用地向草地的转化;另外盐碱地、沙漠和其他未利用土地之间的相互转化也非常重要.从不同时期土地图斑随时间的双向变化分析发现,该区域既有退耕还林还草、积极治理沙漠、改造盐碱地的事实,也同时存在着毁林毁草开垦荒地,以及荒漠化土地扩展的现实.该区域土地利用变化的驱动因素主要为降水、人口和牲畜数量,以及农牧业经济地位变动,同时大的政策因素影响也不容忽视.     

不同生态因子对生物结皮中土生绿球藻生长的影响

通过对生物结皮中土生绿球藻(Chlorococcum humicola)的分离、纯化及培养,初步探讨了pH、光照强度、温度和3种不同浓度的K ,Ca2 ,Mg2 等因子对土生绿球藻生长的影响.结果表明:pH和温度对土生绿球藻生长的影响极显著,Ca2 ,Mg2 浓度影响显著,K 和光照强度影响不显著.最适pH为 12,最适温度是25 ℃,Ca2 和Mg2 的最适浓度分别为1.77×10-4 mol/L和2.04×10-5 mol/L.其研究结果将为生物结皮的进一步人工培养奠定理论基础.     

ASTER遥感数据在矿区生态损害现状监测中的应用

德兴铜矿矿山多年开采对矿区生态环境造成极大的损害,为维护矿区可持续发展,生态损害现状调查尤为重要。利用ASTER数据结合野外实测各类地物反射光谱曲线,利用矿物指数提取矿区重金属和粘土污染;采用差值法提取水体污染状况;采用NDVI彩色密度分割法提取矿区植被污染信息。研究表明,铜矿区生态损害现状甚为严重,利用遥感手段监测矿区生态环境是完全可行的。这为矿区土地复垦与生态修复提供了技术支持和决策依据。     

相机与毫米波雷达融合检测农机前方田埂

为满足自主作业农机地头转弯的需求,解决单传感器检测获取信息不足的问题,该研究提出了将相机与毫米波雷达所获取数据融合的多传感前方田埂检测方案,利用视觉检测得到田埂形状后辅助滤除毫米波雷达中干扰点进而得到田埂的距离和高度信息。在视觉检测方面,根据前方田埂在图像中的分布特点,提出了基于渐变重采样选取部分点的加速处理方式,并在此基础上利用基于11维颜色纹理特征的支持向量机进行图像分割和基于等宽假设的几何模型特征进行误分类点剔除,然后拟合提取图像中田埂边界。在毫米波雷达检测方面,提出了竖直放置毫米波雷达的检测方式,以克服安装高度与地形颠簸的影响,并获得前方田埂的高度信息。将相机与毫米波雷达获取的数据进行时空对齐后,利用视觉检测结果滤除毫米波雷达干扰点,并将毫米波雷达获得的单点距离信息进行扩展,形成维度上的数据互补,获得前方田埂的形状、距离、高度等更加丰富准确的信息。测试结果表明,在Nvidia Jetson TX2主控制器上,基于视觉的检测平均用时40.83 ms,准确率95.67%,平均角度偏差0.67°,平均偏移量检测偏差2.69%;基于融合算法的检测平均距离检测偏差0.11 m,距离检测标准差6.93 cm,平均高度检测偏差0.13 m,高度检测标准差0.19 m,可以满足自主作业农机的实时性与准确性要求。     

杂粮供应链区块链多链追溯监管模型设计

针对杂粮产品供应链链条长、主体多、区块链追溯过程数据无法差异化共享、链上数据难以实时监管等难题,通过分析杂粮供应链环节业务流程与监管特性,提出了基于区块链多链架构的杂粮追溯模型,并在此基础上建立多链数据存储架构,设计了基于监管授权组网建链的网络准入机制,并通过智能合约实现数据的链前监管与追溯节点的链上管控。为验证模型有效性,基于Hyperledger Fabric设计并实现区块链追溯系统,对山西忻州杂粮应用案例进行分析。在安全方面,企业组网授权扩散性测试密文平均改变率为82.53%,相关性测试密文平均改变率为82.39%,具备较高的安全性与混淆性。在效率方面,消费者查询公开追溯数据平均时间为0.415 s,监管部门调用跨链接口查询企业敏感追溯数据平均时间为0.871 s。结果表明,该研究设计并实现的面向监管的杂粮多链追溯系统在满足消费者追溯需求的基础上,能够实现追溯数据账本与链间交易记录的实时管控,为农产品区块链追溯监管系统研究提供借鉴与参考。     

火龙果周年液流特征及其对环境因子的响应

为探明火龙果蒸腾规律,采用田间大棚试验,研究了4 a生火龙果树主茎的液流速率,并同步监测相关环境因子,分析其液流特征及其与各因子间的关系。结果表明:火龙果单日液流以春季(3—5月)最高(平均值11.95 g/h),其次是冬季,最小是夏季,呈显著性季节变化;单日液流主要呈单峰曲线,峰值出现频率最多的时段是在10:00-13:00,谷值主要出现在17:00-20:00,随后至24:00液流呈增长趋势,零点到日出前液流速率变化平缓;白天(日出-日落期间)的液流量占全天的49.60%～71.51%,夜间则降低。伴随春季火龙果新梢的大量生长,白天的液流峰值和日液流总量为四季中最高,说明生育期起主导作用,但春季的夜间液流占比(平均31.05%)显著低于其他季节(P0.01);夏季峰值出现的时间分散在上午或者下午,且液流量较低,说明高温和强光产生了抑制作用;其余季节峰值则集中在中午。白天与夜间液流总量呈显著正相关,相关系数为0.917(R~2=0.841,n=84)。瞬时尺度下液流速率与光合有效辐射(Photosynthetically Active Radiation,PAR)呈正相关(P0.01),但与饱和水汽压差(Vapor Pressure Deficit,VPD)等呈负相关(P0.01)。昼夜间液流对空气相对湿度(Relative Humidity,RH)和气温的响应相反。研究结果为火龙果水分及营养管理提供科学依据,在火龙果大棚生产的周年水肥管理中,满足春季需求是重中之重。     

基于迁移学习的葡萄叶片病害识别及移动端应用

为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数据集上学习的知识迁移到本模型中,并设计全新的全连接层。对收集到的葡萄叶片图像使用数据增强技术扩充数据集。基于扩充前后的数据集,对全新学习、训练全连接层的迁移学习、训练最后一个卷积层和全连接层的迁移学习3种学习方式进行了试验。试验结果表明,1)迁移学习的2种训练方式相比于全新学习准确率增加了10～13个百分点,并在仅训练25轮达到收敛,该方法有效提升了模型分类性能,缩短模型的收敛时间;2)数据扩充有助于增加数据的多样性,并随着训练次数的增加,训练与测试准确率同步上升,有效缓解了过拟合现象。在迁移学习结合数据扩充的方式下,所构建的葡萄叶片病害识别模型(GV)对葡萄叶片病害的识别准确率能达到96.48%,对健康叶、褐斑病、轮斑病和黑腐病的识别准确率分别达到98.04%、98.04%、95.83%和94.00%。最后,将最终的研究模型部署到移动端,实现了田间葡萄叶片病害的智能检测,为葡萄病害的智能诊断提供参考。