科研产出
覆膜年限和有机肥施用对花生田耕层土壤微塑料赋存特征的影响
《环境科学 》 2024 EI 北大核心 CSCD
摘要：地膜和有机肥料的大量投入已导致我国农田土壤微塑料污染日趋严重.为研究调查山东德州花生农田微塑料污染状况，分析了该区域不同覆膜年限（0、3、5和8 a）和有机肥施用对农田土壤中微塑料的丰度、粒径、颜色和形状等赋存特征的影响.结果表明，覆膜0、3、5和8 a后花生耕层土壤微塑料丰度的平均值分别为65.33、316.00、1 098.67和1 346.34 n·kg-1.随着土层深度的增加微塑料丰度降低，0～10、10～20和20～30 cm耕层中的土壤微塑料丰度分别为1 076.00、603.50和440.25 n·kg-1，并且增加覆膜年限和施加有机肥都显著增加了微塑料的丰度（P＜0.05）.粒径＜1 mm微塑料占总量的77.30%，且随着覆膜年限的增加，小粒径（＜1 mm）微塑料占比显著升高（P＜0.05），随着土层深度的增加，其占比亦逐渐增加，施加有机肥对微塑料粒径没有显著影响.微塑料颜色组成以透明（49.77%）为主，其次是黑色（16.35%）和白色（16.27%），覆膜年限和有机肥施加对土壤中微塑料的颜色影响不显著（P＞0.05），但覆膜年限显著增加了透明微塑料的占比.微塑料类型主要包括纤维类、薄膜类、碎片类、泡沫类和颗粒类，其占比分别为：49.77%、25.41%、19.15%、3.26%和2.41%.耕层土壤微塑料的主要聚合物类型包含聚乙烯（PE）、聚丙烯（PP）和聚苯乙烯（PS），分别占总量的21.37%、18.57%和19.77%.由此，山东德州花生田耕层土壤中普遍存在微塑料，且地膜和有机肥施用是其主要来源，这可为花生田耕层土壤微塑料污染物防控提供重要依据.
全文链接
请求原文
基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例，提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号，对比分析耕地和其他土地利用类型的分形特征，选取上分形信号的第3尺度作为特征尺度，提取商河县耕地空间分布特征；其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价；最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验，并基于点位匹配度和面积匹配度进行评价。结果表明：多季相数据更能反映农作物生长的复杂性，有助于提高耕地信息的提取精度；不同土地利用类型在不同分形尺度的信号值各不相同，分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性；基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高；综合考虑点位匹配度、面积匹配度和空间分布特征，研发方法能有效区分耕地和其他土地利用类型，提取结果更优，且与统计数据有更高的一致性。该方法可准确提取耕地信息，为耕地的动态监测和损害评估提供技术支撑。
关键词： 耕地信息提取 多季相 遥感影像 分形特征 毯子覆盖法 Landsat 8 OLI
全文链接
请求原文
基于农药喷施溯源的精准变量喷药监控系统设计与试验
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：针对现有大田精准施药系统主要以药量变量控制为主，缺乏农药喷施作业数据远程监测与溯源管理等问题，本文设计了基于农药喷施溯源的精准变量喷药监控系统，可实现农药精准变量喷施，作业地块、作业时间、作业面积、农药种类与配比、喷施药量、喷雾压力、实时流量和作业速度等信息的在线监测、实时显示和溯源管理。基于该系统分别开展了施药量计算精度、作业面积计算精度、物联网数据传输稳定性、变量调控系统动态响应、变量调控精度和农药喷施均匀性等试验。试验结果表明，北斗定位测速最大误差为1.33%,平均误差为0.82%,施药量计算误差为1.73%,作业面积计算误差为2.61%,数据丢失率为3.51%;速度连续变化下系统稳定调节时间为4～5 s;不同设定施药量和作业速度下，变量调控精度误差为2.45%;雾滴沉积点密度大于20滴/cm~2下，在喷雾机行走和喷雾方向上的喷雾覆盖率变异系数均小于10%,满足精准变量作业要求。本研究可在实现药量变量调控下对农药喷施数据进行溯源管理，为后续开展大田作物农药残留风险评估提供支撑。
关键词： 喷杆喷雾机 精准施药 变量控制 远程监测 溯源管理
全文链接
请求原文
动态高压微射流对山楂果渣膳食纤维理化和结构特性的影响
《食品科学 》 2024 EI 北大核心 CSCD
摘要：采用动态高压微射流（dynamic high pressure microfluidization,DHPM）技术处理，探究其对山楂果渣膳食纤维结构及理化特性的影响。结果表明，经不同条件下DHPM处理后，山楂果渣中可溶性膳食纤维（soluble dietary fiber,SDF）含量比CK组提高了34.59%～73.54%，亚硝酸盐吸附能力和阳离子交换能力显著增强（P<0.05）；在200 MPa循环3次时，其持水力、持油力、膨胀力达到最大，较CK组分别提高了2.08、8.34、2.25倍（P<0.05）；热重和流变学分析表明，DHPM处理后表观黏度呈下降趋势，热稳定性降低；粒径和扫描电子显微镜图分析表明，经DHPM处理后粒径先减小后增大，表面粗糙，结构疏松，且压力为250 MPa时颗粒发生团聚现象；红外光谱和13C核磁共振分析表明，结晶度减小，部分纤维素、半纤维素和果胶发生降解。因此，DHPM处理能提高可溶性膳食纤维含量、水合特性，增强其亚硝酸盐吸附能力和阳离子交换能力，但热稳定性降低，粒径、表观黏度和结晶度减小。该研究为山楂果渣的高值化利用提供了理论依据。
关键词： 动态高压微射流 山楂 膳食纤维 理化特性 结构特征
全文链接
请求原文
基于无人机多光谱植被指数的生菜全氮含量预测
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：我国露地蔬菜种植规模庞大，生产方式高度集约化，但过量施肥等导致的水氮利用效率低下的问题较为严重。为实现露地蔬菜规模化种植中精准施肥、高效生产的目标，以露地生菜为研究对象，设无氮(N0)、低氮(N1)、高氮(N2)三个处理，通过无人机搭载多光谱相机，建立3种多光谱植被指数(NDVI、 RVI和SAVI)与生菜叶绿素、生物量、吸氮量、全氮含量数据集，并构建单生育期和多生育期氮素诊断模型。结果表明：(1)在莲座期和结球期，生菜各处理NDVI、 RVI和SAVI值表现出随施氮量的增加而增大，但在收获期，N1处理达到最大值。(2)在生菜结球期，NDVI与生菜的产量、吸氮量、叶绿素均存在显著相关性，其中生菜全氮含量与叶绿素在p≤0.01水平下显著相关，相关系数(R)为0.51;综合生菜多生育期，NDVI值与生菜的产量、叶绿素、吸氮量和全氮含量均在p≤0.001水平下达到极显著相关，相关系数分别为0.85、 0.82、 0.81和0.71。(3)通过相应数据集拟合出指数、线性、对数和幂函数4种模型关系，建立生菜多生育期植株全氮最佳预测模型：全氮=16.52ln(NDVI)+73.514;应用生菜全氮估层模型反演基地生产田块，其平均相对误差为3.22%、 RMSE=0.556 6、 NRMSE=0.010 8,说明模型估算效果均较好，通过无人机多光谱遥感对蔬菜氮素诊断具有一定的可行性。
全文链接
请求原文
基于全透射可见-近红外光谱的西瓜糖度在线检测研究
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：糖度是评价西瓜品质的重要指标之一，影响着西瓜的受欢迎程度和销售价格。但体积大、皮厚的自然生物特征为西瓜糖度的快速、无损评估带来了挑战。为探索西瓜糖度快速无损检测，选择230个西瓜作为试验样本，使用自行研制的全透射可见-近红外光谱系统在线采集西瓜光谱数据，在线检测过程中保持光谱连续检测点在西瓜的赤道部位，并分别测量西瓜整果糖度和中心糖度作为理化糖度参考值。首先对样本在线检测过程中产生的多条光谱数据进行均值化处理，并选取波长范围690～1 100 nm的光谱数据，使用蒙特卡洛方法剔除其中的异常样本，使用多种预处理方法（SNV、 SG平滑等）对光谱数据优化，并采用SPXY算法划分样本校正集和预测集以减小因西瓜内部糖度分布差异造成的影响；基于优化的光谱数据构建了线性PLSR模型和非线性LS-SVM模型预测西瓜中心糖度和整果糖度。结果表明，基于SNV和SG组合法预处理光谱构建的LS-SVM模型预测西瓜整果糖度效果最好，其校正集相关系数RC=0.92,建模均方根误差RMSEC=0.37°Brix;预测集相关系数RP=0.88,预测均方根误差RMSEP=0.40°Brix。进一步使用特征波段挑选算法（CARS、 UVE、 SPA等）对光谱数据优化，结果显示构建的模型效果更好，其中使用CARS和UVE组合算法选取的特征波长构建LS-SVM模型预测西瓜整果糖度时效果最好，其校正集相关系数RC=0.94,校正均方根误差RMSEC=0.31°Brix;预测集相关系数RP=0.91,预测均方根误差RMSEP=0.37°Brix,且建模变量从1524个特征变量缩减到39个特征变量。该研究为实际生产中西瓜糖度快速无损检测应用提供了参考。
全文链接
请求原文
基于模型预测控制的菇房空调节能控制方法
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：当前工厂化食用菌生产菇房空调控制方法存在节能效率低、室内温度波动大等问题，提出了一种基于卷积神经网络（Convolutional neural network, CNN）、门控循环单元神经网络（Gated recurrent unit neural network, GRU）与注意力机制（Attention）的菇房空调节能控制方法。该方法以CNN-GRU-Attention组合神经网络为预测模型，结合预测误差补偿和预测模型数据集动态更新机制，实现对菇房室内温度精准预测；建立以空调控制量为状态量的目标函数，分别利用熵权法、主观法明确目标函数权重系数，运用带精英策略的快速非支配排序遗传算法（Non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ）求解出空调在控制时域内最优控制序列，集成滚动优化和反馈机制，实现菇房环境的精准及节能控制。试验结果表明，提出的CNN-GRU-Attention菇房室内温度预测模型，以历史30 min数据预测未来10 min室内温度效果最好，选取的典型日内预测最大均方根误差为0.122℃、最小决定系数为0.807、最大平均绝对百分比误差为0.611%;菇房空调模型预测控制方法对天气波动具有较好的抗干扰能力。与阈值开关法和PID法相比，在空调节能方面，能耗分别减少21%和14%;在控制温度精度方面，RMSE可分别降低72%、46%。
关键词： 菇房 预测模型 模型预测控制 多目标优化 神经网络
全文链接
请求原文
基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测
《农业工程学报 》 2024 EI 北大核心 CSCD
摘要：氮素是冬小麦生长发育必不可少的大量元素，无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径，但是过多变量造成了信息冗余和模型复杂的问题。针对此问题，该研究提出了一种“相关分析+共线性分析+LASSO(least absolute shrinkage and selection operator)特征筛选”的多层级植株氮含量敏感特征的筛选方法，引入约束系数向量的L1正则化实现特征的稀疏性，将某些特征的系数缩小为0，基于冬小麦关键生育期（拔节期、孕穗期、开花期、灌浆期）无人机影像提取的65个光谱和纹理特征，采BP神经网络（back propagation,BP）、Adaboost、随机森林（random forest,RF）和线性回归（linear regression,LR）4种机器学习算法构建了冬小麦植株氮含量预测模型。结果表明：相关分析筛选出51个通过0.01显著性检验的变量；基于共线性分析，当LASSSO正则化参数λ取值为0.08时，17个敏感特征变量被筛选。基于筛选的敏感特征变量，BP、Adaboost、RF和LR 4种算法建立的植株氮含量预测模型均达到了0.01水平差异显著性，且BP、Adaboost和RF 3种预测模型的精度具有高度的一致性，模型R~2均为0.81,RMSE分别为0.36%、0.38%和0.37%，说明该研究提出的多层级特征筛选方法不仅使得模型变得简洁，而且稳健性高，可为智慧农业氮肥精准监测、智慧管理提供技术支撑。
关键词： 无人机 冬小麦 氮素 多层级特征筛选 LASSO回归 机器学习 最小二乘回归
全文链接
请求原文
面向葡萄知识图谱构建的多特征融合命名实体识别
《农业工程学报 》 2024 EI 北大核心 CSCD
摘要：为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题，该研究提出了来自转换器的双向编码器表征量（bi-directional encoder representation from transformer, BERT）和残差结构（residual structure, RS）融合的命名实体识别模型（bert based named entity recognition with residual structure,BBNER-RS）。通过BERT模型将文本映射为字符向量，利用双向长短时记忆网络（bi-directional long-short term memory, BiLSTM）提取局部字符向量特征，并采用RS保留BERT提供的全局字符向量特征，以提高字向量的语义丰富度，最后通过条件随机场（conditional random field, CRF）模型对特征向量解码，获取全局最优序列标注。与其他命名实体识别模型相比，提出的BBNER-MRS模型在葡萄数据集上表现较好，在葡萄人民日报、玻森、简历和微博数据集上F1值分别达到89.89%、95.02%、83.21%、96.15%和72.51%。最后该研究依托BBNER-MRS模型，提出基于深度学习的两阶段式领域知识图谱构建方法，成功构建了葡萄知识图谱，研究结果可为相关从业人员提供技术和数据支持。
关键词： 信息化 深度学习 知识图谱 命名实体识别 BERT 残差结构
全文链接
请求原文
基于Sentinel-2与时序Sentinel-1 SAR特征的赣南柑橘种植区识别方法
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：为准确获取柑橘果园空间分布信息，实现柑橘种植结构调整、产量估算和资源管理，以赣南3个柑橘种植主产区（信丰县、安远县及寻乌县）为研究区域，针对南方地区多云多雨导致传统光学影像较为缺乏的问题，使用Sentinel系列数据和PIE-Engine平台，构建和优选了光谱特征、植被水体指数特征、红边波段特征和纹理特征，并引入时间序列Sentinel-1合成孔径雷达（SAR）数据的后向散射系数，共同探讨不同特征组合对柑橘种植园的识别提取效果，基于随机森林算法并融合Sentinel-2与时序Sentinel-1 SAR特征识别提取了赣南柑橘种植区。结果表明：5、9、11月柑橘种植园与其他地物的平均后向散射系数分离性最佳，是识别提取柑橘的关键时期；指数特征及纹理特征参与分类改善了分类效果且提高了分类精度；相较于单一SAR特征及指数、纹理特征，加入时序SAR特征的分类结果中总体精度达90.084%,Kappa系数达0.863,错分、漏分误差较小，符合实际地物分布情况，说明了时序SAR特征的可用性和实用性。本研究可为多云多雨的南方柑橘果园的识别提取提供参考。
关键词： 柑橘 种植区识别 PIE-Engine 时序SAR Sentinel卫星
全文链接
请求原文
