科研产出
基于小波分析的马铃薯地上生物量估算
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：地上生物量（AGB）是作物长势评价及产量预测的重要指标,因此快速准确地估算AGB至关重要。由于传统植被指数（VIs）估算多生育期的AGB存在饱和现象,因此,利用VIs结合基于离散小波转换（DWT）的影像小波分解（IWD）技术提取的高频信息和连续小波转换（CWT）技术提取的小波系数,探究VIs,VIs+IWD和VIs+CWT对于AGB的估算能力。首先,基于无人机平台分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期的数码影像和成像高光谱影像以及地面实测的AGB数据。其次,利用数码影像通过IWD技术提取3种高频信息和利用高光谱反射率数据通过CWT技术提取小波系数以及构建6种高光谱植被指数。然后,将植被指数、高频信息和小波系数分别与AGB进行相关性分析,并挑选出不同尺度下相关系数绝对值较高的前10波段。最后,以VIs,VIs+IWD和VIs+CWT这3种变量分别使用偏最小二乘回归（PLSR）方法构建AGB估算模型,并对比不同模型估算AGB的效果。结果表明:（1）每个生育期选取的6种植被指数、3种高频信息和10种小波系数与AGB的相关性均达到0.01显著水平,整个生育期相关性均呈现先升高后降低的趋势,其中以小波系数得到的相关性最高、高频信息次之,植被指数最低。（2）对比分析每个生育期的3种估算模型,以VIs+CWT为输入变量的估算效果最好,VIs+IWD的估算效果次之,而VIs的估算效果最差,说明基于小波分析构建的模型适用性较广、稳定性较强。（3）每个生育期分别以3种变量利用PLSR方法构建的AGB估算模型均在块茎增长期达到最高精度(VIs:建模R2=0.70,RMSE=98.88kg·hm-12,NRMSE=11.63%;VIs+IWD:建模R2=0.78,RMSE=86.45kg·hm-12,NRMSE=10.17%;VIs+CWT:建模R2=0.85,RMSE=74.25kg·hm-12,NRMSE=9.27%)。通过VIs分别结合IWD和CWT技术利用PLSR建模方法,可以提高AGB估算精度,为农业指导管理提供可靠参考。
关键词： 马铃薯 地上生物量 植被指数 高频信息 小波系数 偏最小二乘回归
全文链接
请求原文
副猪嗜血杆菌血清4型和13型的分子血清分型研究
《动物医学进展 》 2021 北大核心 CSCD
摘要：为在临床诊断中快速鉴定副猪嗜血杆菌（HPS）血清4型和13型等优势流行血清型,分子血清分型方法较常规的基于特异性抗血清的血清分型方法更加准确和高效。根据HPS血清4型脂多糖合成蛋白基因wcip4和血清13型糖脂转移蛋白基因gltP序列设计特异性引物,分别建立了简便快速鉴定HPS血清4型和13型的环介导等温扩增方法（LAMP）。特异性检测结果显示,HPS血清4型或13型参考菌株检测为阳性,而其他HPS血清型参考菌株及19种其他细菌检测均为阴性;敏感性检测结果显示,在25μL反应体系中,HPS血清4型和13型基因组DNA检测限分别为1 pg和2.5 pg。对已知血清型的22株HPS临床分离株检测结果显示,13株血清4型和5株血清13型分别检测均为阳性,而其他血清型分离株检测均为阴性。结果表明,建立的LAMP方法可用于HPS血清4型和13型的快速鉴定,有助于HPS优势流行血清型的快速调查及疫苗防控。
关键词： 副猪嗜血杆菌 分子血清分型 环介导等温扩增 特异性 敏感性
全文链接
请求原文
果园风送喷雾风力调控方法研究进展
《农机化研究 》 2021 北大核心
摘要：果园风送喷雾技术正朝着智能化和精准化方向发展,风送风力作为果园喷雾主要控制对象之一,对果园喷雾实现按需精准喷药至关重要.为此,从果园风送喷雾风机、风力对喷雾效果的影响和风送喷雾风力调控方法与装备3个方面对现有研究进行了综述,阐述了果园风送喷雾常用风机类型、风机选型时遵循的原则和风力调控对喷雾药液沉积与药液漂移的影响,进而指出风力调控的重要性.在此基础上,对国内外学者和企业在风力调控方法与装备上取得的研究成果进行了分析,归纳总结了果园风送喷雾风力调控方法研究存在的问题和今后发展方向,为后续从事果园风送喷雾风力调控方法研究提供了参考.
全文链接
请求原文
基质厚度对青绿苔草生长和草皮质量的影响
《草地学报 》 2021 北大核心 CSCD
摘要：为探讨青绿苔草（Carex leucochlora）草皮生产的适宜基质厚度,本研究以草炭土为基质采用盆栽试验分析了5种基质厚度（1 cm,2 cm,3 cm,6 cm,10 cm）对青绿苔草生长和草皮外观质量的影响。结果表明:基质厚度显著影响青绿苔草生物量、根系、草皮外观质量和重量,基质厚度从1 cm增加到10 cm,其干重、草皮重量、根冠、根系总根长、表面积、体积均显著增加（P<0.05）,而根系平均直径显著降低（P<0.05）;草皮高度、密度、均一性、盖度、色泽均呈增加的趋势,但基质厚度高于3 cm时,各指标差异不显著。综上所述,以草炭土为基质生产青绿苔草无土草皮是可行的,综合考虑各指标,适宜基质厚度以3 cm左右为宜。
全文链接
请求原文
不同施肥水平对温室番茄生长、氮吸收及产量品质的影响
《中国土壤与肥料 》 2021 北大核心 CSCD
摘要：以温室番茄为研究对象,基于水肥一体化技术研究了5种施肥水平（以N计,N0:0 kg/hm2、N1:150kg/hm2、N2:300 kg/hm2、N3:450 kg/hm2、N4:600 kg/hm2,N-P-K=15-5-25）下番茄生长和氮素养分累积动态变化,探究水肥一体化技术下不同施肥水平对番茄生长发育、氮吸收及肥料利用率的影响。结果表明:N2处理下的番茄植株呈矮壮化生长,株高较N4处理下降15.9%（P<0.05）,茎粗较N4处理增加27.8%（P<0.05）。N2处理具有较高的叶片SPAD值,其在番茄定植后55与115 d时较N4处理分别增加10.7%和13.2%（P<0.05）。随生育期推进,番茄植株地上部干物质量与氮累积量增加呈"慢-快-慢"的趋势,提高施肥水平可增加番茄植株地上部干物质量与氮累积量,但施肥处理间并无显著性差异。果实品质受到施肥的显著影响,其中N2处理的可溶性固形物较N0处理增加28.3%（P<0.05）,可滴定酸含量比处理N0和N4分别增加22.5%和19.8%（P<0.05）。施肥增加了番茄产量,但施肥水平过高对产量并无显著提升,其中N2处理产量较N0处理增加了13.2%,且与处理N3、N4相比无显著差异。温室番茄的氮素利用效率（NUE）和肥料偏生产力（PFP）均随施肥水平升高而显著下降,N2处理的NUE和PEP分别为N4处理的1.82和1.74倍（P<0.05）,N2处理下温室番茄的氮肥农学利用率最高,为N3、N4处理的1.9和2.9倍（P<0.05）。综合考虑番茄生长、产量品质及肥料利用率等指标,本试验条件下,N2施肥水平为供试水肥一体化条件下的适宜肥料用量。
全文链接
请求原文
围框淹灌仪器法测定土壤田间持水量试验研究
《农业工程 》 2021
摘要：田间持水量是重要的土壤水分常数之一,是开展墒情评价和旱情分析,指导科学灌溉不可缺少的基础信息.传统的土壤田间持水量测定方法操作复杂,给土壤墒情评价带来一定难度.通过将先进的无线土壤测量传感技术与传统的围框淹灌法相结合,提出了一种基于无线传感器的新方法,利用"滑动平均含水量法"和"移动平均法"计算确定土壤田间持水量,并在陕西、北京、吉林和河北不同土壤类型的农田开展验证试验.结果表明,与传统环刀法相比,围框淹灌仪器法测定结果的平均相对误差为4.89%,不同质地土壤上测定结果均比较稳定,两种方法测定的田间持水量随土层深度的变化规律一致.围框淹灌仪器法测定土壤田间持水量具有可靠性和便捷实用性,是土壤墒情监测与评价的有效方法,适宜推广应用.
关键词： 围框淹灌仪器法;土壤田间持水量;土壤墒情;自动监测;滑动平均含水量法;土壤含水量动态
全文链接
请求原文
基于加速度计的肉牛次级采食行为自动识别方法研究
《中国农业信息 》 2021
摘要：【目的】肉牛采食行为包括卷食、咀嚼、卷食—咀嚼等几种次级行为。监测肉牛次级采食行为有助于评估牛只的健康状况和营养水平。文章旨在利用加速度传感器研究肉牛次级采食行为识别方法,对比不同监测部位对次级采食行为识别的影响。【方法】将加速传感器安装在肉牛的鼻子、右颌、左嘴3个部位,检测次级采食行为的加速度信号,经过衍生变量函数计算,扩充数据维度,使用ExtraTreesClassifer选择出9种重要特征,运用XGBoost算法识别肉牛采食次级行为（卷食、咀嚼、卷食—咀嚼、其他）,最后使用HMM-viterbi算法修正次级行为识别结果。【结果】XGBoost和HMM-viterbi在鼻子、右颌、左嘴3个部位识别的平均结果相同,XGBoost识别的平均准确率、精确率、F1得分和召回率分别为0.95、0.93、0.93和0.93,HMM-viterbi修正后识别的平均准确率、精确率、F1得分和召回率均为0.99。因此,运用HMM-viterbi模型可以有效修正行为识别结果。在XGBoost识别结果中,鼻子部位识别次级行为的得分较高,考虑长期佩戴传感器的稳定性,推荐采用鼻子作为检测部位。【结论】在肉牛鼻子部位佩戴加速度器,利用XGBoost结合HMM-viterbi的方法可以自动识别肉牛次级采食行为。
全文链接
请求原文
基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题,提出了一种基于注意力机制及多尺度特征融合卷积神经网络（Multi-Scale Feature Fusion Convolutional Neural Networks based on Attention Mechanism,MSFF-AM-CNNs）的番茄叶片缺素图像分类方法。首先根据番茄叶片缺素特点提出了多尺度特征融合结构（Multi-Scale Feature Fusion Module,MSFF Module）;其次在DenseNet基础上,结合浅层网络主要提取纹理、细节特征,深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法,通过不同形式引入注意力机制及多尺度特征融合结构,使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能;同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明,MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升,其中缺氮和缺钾叶片的准确率分别提高了 8.06和6.14个百分点,召回率分别提高了 6.31和5.00个百分点,F1得分分别提高了 7.25和5.55个百分点,平均识别准确率可达95.92%,具有较高的识别准确率及广泛的适用性,能够满足番茄叶片缺素图像的高精度分类需求,可为植物叶片缺素识别提供参考。
关键词： 图像识别 缺素 蔬菜 多尺度特征融合 注意力机制 卷积神经网络
全文链接
请求原文
