农业气象大数据共享平台设计与实现

为了适应现代农业气象业务发展,增强海量数据快速处理、多源数据融合智能分析、数据挖掘等数据分析能力,实现农业气象数据和产品在全国范围内的共享,国家气象中心采用开源框架,分布式（Hadoop）大数据技术和Web架构,融合现代农业气象业务技术,构建B/S（Browser/Server即浏览器/服务器）模式的农业气象大数据共享平台,实现多源农业气象数据分布式存储与管理,同时提供网络端数据和业务产品可视化展示。共享平台于2021年业务运行,部署在国家级服务器上,为国家级和31个省级用户提供13大类200余种数据要素和产品的在线快速浏览和查询,实现国家−省级用户通过网络快速浏览、查询业务数据和产品,实现农业气象业务数据资源的共享和交汇,形成统一应用的农业气象大数据共享环境。     

洪河国家级自然保护区春秋季节鸟类组成及迁徙研究

2007年春季和秋季在洪河自然保护区利用网捕法对本区林栖鸟类组成及迁徙多样性进行研究.共设网20片,历时65 d,环志鸟类15科68种1682只.研究发现本区林栖鸟类以鹀科、鸫科、山雀科、莺科和雀科等雀形目鸟类为主;优势种为红胁蓝尾鸲、灰头鹀、田鹀5、银喉长尾山雀、黄眉柳莺等.本地区鸟类春季在4月末开始迁来,5月中旬达到高峰;秋季在9月初开始迁徙,9月末达到高峰.     

基于BP神经网络的棉花水分检测仪设计

采用2-6-1拓扑结构的BP神经网络,运用容阻脉冲转换、智能现场总线等技术,设计了能进行水分的非线性校正和温度补偿的便携式棉花水分检测装置。检测结果表明:经过BP神经网络校正和补偿后,在-20～50℃温度范围内,棉花水分在5%～15%时,测量误差小于±0.4%;棉花水分在15%～25%时测量误差小于±0.5%。该检测装置在很大程度上消除了温度变化对水分测量值的影响,提高了检测信号的抗干扰能力,满足了棉花水分智能检测的要求。     

基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测

冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发，结合卷积神经网络（Convolutional Neural Networks，CNN）和反向传播神经网络（Back Propagation Neural Networks，BP）技术提出了冬小麦县级产量预测方法，使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取，将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合，利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）和样本决定系数（Coefficient of Determination，R2）作为精度指标对试验结果进行分析和评价。结果表明，基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014－2016年冬小麦县级产量验证集中R2达到0.87以上，MAE低于269.48 kg/hm2，RMSE低于346.56 kg/hm2，93%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.2%；在河南省2015－2019年冬小麦县级产量验证集中R2达到0.96以上，MAE低于304.84 kg/hm2，RMSE低于418.14 kg/hm2，91%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。