长三角区域农业遥感应用：进展、挑战与展望

【目的 】理清长三角区域农业遥感发展现状,剖析现阶段农业遥感应用关键问题及挑战,有助于推进区域农业遥感关键技术创新发展,促进农业遥感产业化瓶颈问题解决,提升遥感技术在区域农业农村现代化转型发展中的服务能力。【方法 】文章梳理了农业遥感研究现状及区域内遥感应用实践情况,归纳总结了农业遥感应用面临的困难与挑战,给出了区域内农业遥感产业化落地应用发展的建议。【结果 】现阶段长三角区域农业遥感研究应用虽然取得了一定成效,但区域内地物类型复杂多变、农业用地斑块破碎、有效遥感数据缺失、淡水养殖解译困难是现阶段农业遥感应用面临的重要挑战。【结论 】长三角地区需要聚焦农业遥感科学问题,深入关键技术创新,将遥感技术的优势进一步扩大。同时面向区域内产业特色需求,着力解决农业生产管理实际问题,以推动区域农业遥感快速发展。     

江苏省农业物联网管理服务平台建设成效及应用潜力分析

农业物联网技术是推动现代农业智能化发展的新兴技术,已广泛应用于农业生产的各个环节.文章阐述了江苏省农业物联网管理服务平台在规范和标准化农业物联网集成、促进农业物联网技术推广应用、提升数字农业管理能力、提高农业物联网专业化服务水平等方面取得的成效,结合平台应用现状,分析了平台应用潜力,并提出了加快应用主体数据对接、强化物联网技术模式发布及推广、加强数据分析利用、探索长效服务机制等促进平台发展的建议.     

基于GWO-LSTM的设施蔬菜温室温度预测

温度是设施生产中作物生长的主要制约因素之一,提前预测温室温度对精准调控温室环境具有重要的指导意义。因此提出一种基于灰狼优化算法的长短期记忆网络模型预测温室温度,该模型利用灰狼优化算法(Grey Wolf Optimizer, GWO)对长短期记忆网络(Long Short-Term Memory, LSTM)模型参数进行调整优化。以江苏省农业科学院阳光板温室2020年9月23日—12月21日期间的试验数据对该方法进行验证。结果显示：在预测时间步长30 min时,GWO-LSTM的预测均方根误差、平均绝对误差、平均绝对百分比误差和决定系数分别为0.677 6、0.411 4、0.168 7和0.960 4。在预测时间步长60 min内,GWO-LSTM模型预测精度均高于标准LSTM和反向传播人工神经网络(Back Propagation Artificial Neural Network, BP-ANN)。说明所提出的GWO-LSTM模型能够准确地预测未来温室内温度变化,可为制定温室环境智能调控策略提供有效的数据支撑。