海上风机与养殖网箱融合系统中网箱系泊绳张力与导管架基础结构安全性研究

海洋牧场与海上风电融合发展是现代渔业和清洁能源产业融合发展的典型代表,能够构建“海上粮仓+清洁能源”的新产业模式。本文基于福建漳浦六鳌海上风电场风机导管架构建养殖网箱与海上风机融合系统,运用Aqua-FE?有限元工具探究极端波流条件下不同网箱布设深度、波流入射角、生物附着程度对网箱系泊绳张力的影响;采用海洋工程专用设计软件SACS,计算分析风机导管架结构在波流及网箱系泊绳张力作用下的应力分布,评估养殖网箱系泊绳张力对风机导管架基础结构安全性的影响。结果表明,网箱布设深度的增加能够减少网箱系泊绳最大张力,显著改善网箱风机整体结构受力状态;波流入射角的改变对于网箱风机整体结构安全性影响不大;网衣生物附着程度的增加会显著增加网箱系泊绳最大张力,从而造成风机导管架基础杆件大量失效。综上所述,养殖网箱可布设于适当水深以减少受力,同时应及时清理附着生物,适当增加网箱系泊点附近的导管架杆件和导管架底部桩土点杆件的壁厚,以确保养殖网箱与海上风机融合系统结构安全。该结果可为深入研究网箱与风机融合系统的受力,评估该系统的安全性,优化设计养殖网箱与风机融合系统提供数据支撑。     

滩涂泥蚶养殖技术

一、泥蚶习性泥蚶活动能力差,不能潜入较深的泥层里生活,喜欢栖息在河口或内湾风浪平静、潮流畅通,稍有淡水注入的低潮线泥涂上,营浅埋生活。活动是依靠斧足的伸缩在涂面上匍匐运动。泥蚶对温度的适应能力很强,适温范围为2.5～38.5℃,生长最适温度范围为15～28℃。泥蚶对海水比重的适应能力随个体大小而异,成蚶适应范围1.008～1.022,最适范围为1.010～1.014。低于1.004时会造成死亡。泥蚶是滤食性摄食的,饵料组成有:有机碎屑、浮游硅藻、底栖硅藻、舟形藻、曲舟藻、菱形藻、骨条藻、圆筛藻、重轮藻、海发藻及小型浮游动物(如拟铃虫、薄龄虫…     

水稻全层施肥技术及试验研究

通过对水稻全层施肥技术的试验,结果表明:全层施肥促进水稻中后期分蘖,增加有效穗数,增加每穗粒数,降低空秕粒,提高水稻产量,还具有减少施肥次数,降低成本的作用。     

纳米蒙脱土对脲醛树脂性能的影响

探讨纳米蒙脱土对脲醛树脂胶黏剂性能的影响。试验表明,将未处理的纳米蒙脱土直接加入到脲醛树脂中,基本不能改善脲醛树脂的性能。纳米蒙脱土通过插层处理使之变为有机纳米蒙脱土后,能显著改善脲醛树脂的综合性能,用其生产出的胶合板、刨花板、MDF的主要性能指标均有较大提高。     

基于无人机影像自动检测冠层果的油茶快速估产方法

快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks)网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R~2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892～0.913和28.01%～31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。     

基于无人机影像的冠层光谱和结构特征监测甜菜长势

甜菜是中国北方地区重要的经济作物。快速、准确、高通量的获取甜菜的地上部和块根鲜质量、块根含糖率、叶绿素含量对甜菜生产具有重要意义。该研究采用无人机搭载数码和多光谱相机,获取甜菜叶丛快速生长期、块根及糖分增长期和糖分积累期的数码影像和多光谱影像,提取了冠层的结构特征和光谱特征。选择随机森林回归（Random Forest Regression,RFR）和偏最小二乘回归（Partial Least Squares Regression,PLSR）2种建模方法基于获取的冠层特征,构建甜菜全生育期的地上部和块根鲜质量、块根含糖率和SPAD（Soil and Plant Analyzer Development）值估算模型。研究结果表明,随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.9～0.94、0.88～0.9,rRMSE范围分别为7.6%～17%、8.8%～20%。对SPAD值的预测均较弱,R2分别为0.66和0.67。为了减小输入变量集的大小以及去掉对预测不敏感的变量,该研究采用置换重要性（Permutation Importance,PIMP）来筛选冠层光谱特征和结构特征中对预测有重要影响的变量。结果表明基于筛选出的重要性特征构建的随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.89～0.94、0.74～0.91,rRMSE范围分别为7.3%～19%、7.6%～19%。对SPAD值的预测均较弱,R2分别为0.65和0.68。进一步表明随机森林回归模型在精度上略好于偏最小二乘回归模型。同时基于PIMP筛选变量的方法在保持原有精度的同时能实现降低数据收集复杂性的目的。研究结果为基于无人机遥感技术快速、准确监测甜菜长势和估测块根类作物的根部活性物质提供了参考。     

基于深度学习的玉米拔节期冠层识别

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3 000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略。其次在Google Colab云平台训练SSDLite-MobileDet网络模型。为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置。结果表明,田间玉米冠层识别模型精度达到91%,检测视频的帧率达到89帧/s以上。研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础。     

基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数（Crop Water Stress Index,CWSI）,通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明：1）相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高（用户精度为95.9%）,提取的冠层温度更接近实测温度（r=0.788）,可以准确获取图像冠层温度。2）相比于冠层温度,CWSI与土壤含水率的相关性更高（r= -0.738）,CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。     

黄淮海旱作区土壤压实度空间分布特征及其影响因素

为探究旱作区农田不同层次土壤压实度特征,基于2017年采集的255个土壤样品,运用Mann-Kendall突变检验法、地统计学和冗余分析等方法,探究黄淮海旱作区耕作层和压实层空间分布特征,分析不同层次的土壤压实度的空间变异特性及影响因素,并提出了最佳土壤压实度范围。研究结果表明:旱作区耕作层和压实层厚度均呈现由北向南递增的趋势,耕作层最大厚度可达22.50 cm,最低仅有10.21 cm;压实层厚度最大可达17.50 cm,最小值也达到7.50 cm。从不同层次来看,耕作层和压实层的压实度具有空间分布一致性,耕作层压实度高值区主要分布在河南省东部、安徽北部及河北北部地区,最大值可达87.68%以上,低值区则主要集中在山东西北部以及河北南部地区。和压实层压实度相比,耕作层压实度是影响粮食产量的主要因素,且在70%～80%时获得较高产量。分析表明,土壤压实度受到年降水量、平均气温、土壤自然属性等环境因子和机械耕作等人为因素综合作用的影响。研究结果可为黄淮海农田土壤压实情况的改善及管理措施的科学制定提供理论支撑。