科研产出
基于多源数据的北京生态涵养区生态产品供给与经济发展耦合协调度研究
《北京大学学报(自然科学版) 》 2024 EI 北大核心 CSCD
摘要：结合生态涵养区的特点,构建生态产品供给与经济发展两个系统评价指标体系,采用综合评价法评估生态产品供给和经济发展状况,采用耦合协调度模型分析北京市生态涵养区2019年生态产品供给与经济发展的耦合协调度及其耦合协调类型.结果表明,2019年北京市生态涵养区各乡镇生态产品供给和经济发展差距较大,生态产品供给能力的高值和较高值区域主要分布在怀柔区、密云区和延庆区,经济发展水平较高的区域主要分布在各区的城镇以及靠近北京市近郊的乡镇.北京市生态涵养区各乡镇生态产品供给与经济发展的耦合度介于0.648~0.999之间,处于高水平耦合阶段.耦合协调度值介于0.312~0.600之间,耦合协调度内部差异较大,整体耦合协调水平不高,呈现较弱的耦合协调关系.北京市生态涵养区各乡镇生态产品供给与经济没有实现同步发展,生态产品供给滞后型和经济发展滞后型的乡镇大约各占一半.建议北京生态涵养区应立足于不同的资源优势,根据生态产品供给和经济发展状况采取不同的策略,实现两者的互补和相互促进.
全文链接
请求原文
基于同步荧光技术的牛肉中掺杂猪肉鉴别方法研究
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：牛肉是我国重要的食用肉品类，近年来随着人们对牛肉需求的不断增加，将猪肉冒充或添加在牛肉中出售的现象也日益严重，亟需简单、快速的检测肉品掺假的方法。首先分析了牛肉和猪肉的三维荧光光谱特征差异，确定同步荧光的波长差；采用激发-发射固定波长差为160 nm的同步荧光光谱，对牛肉掺杂猪肉的情况进行了定性判别和定量分析。以测试集、验证集和预测集样本的判别正确率作为定性判别模型的评价指标；以相关系数（r）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）作为定量分析模型的评价指标。实验结果表明：牛肉和猪肉的三维荧光光谱有显著差异，牛肉在Ex/Em为270/320、 330/400、 350/500、 430/515和410/570 nm处有荧光峰，猪肉的三个荧光峰分别在Ex/Em为270/320、 330/400和430/515 nm处。设置同步荧光波长差为160 nm,能采集到牛肉的3个荧光峰，且其中两个位于峰顶。牛肉、猪肉、掺假肉SVM定性判别模型的校正集准确率为97.56%,预测准确率可达92.31%。对比了无处理、 MSC处理和SNV处理的牛肉中猪肉掺加量PLS预测模型，无处理的PLS模型最优，其rc、rp、 RMSEC和RMSEP分别达到0.978 6、 0.959 0、 0.059 7和0.092 7。基于同步荧光技术结合SVM和PLS的牛肉掺假猪肉定性判别和定量分析检测模型具有较高识别率和检测精度，可以较为准确、快速地检测牛肉中是否掺杂猪肉。
全文链接
请求原文
基于改进YOLO v8的轻量化稻瘟病孢子检测方法
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：稻瘟病由稻瘟病孢子通过空气进行传播,严重影响水稻产量,因此,稻瘟病孢子的检测对于稻瘟病早期诊断与防治具有重要作用.针对现有方法存在检测速度慢的问题,本研究基于YOLO v8模型提出了一种稻瘟病孢子检测方法RBS-YOLO.首先,该算法在主干网络中引入PP-LCNet轻量化网络结构,减少模型每秒浮点运算次数并降低模型内存占用量,其次在颈部网络中引入高效多尺度注意力模块(Efficient multi-scale attention module,EMA),并将原损失函数改进为WIOU损失函数,提高了模型识别稻瘟病孢子的精确率与平均精度均值.改进后的RBS-YOLO模型精确率与平均精度均值分别为97.3%和98.7%,满足稻瘟病孢子的检测需求,模型内存占用量与每秒浮点运算次数分别为3.46 MB、5.2 × 109,同YOLO v8n相比分别降低41.8%与35.8%.RBS-YOLO模型与当前主流的YOLO v5s、YOLO v7、YOLO v8n模型对比,每秒浮点运算次数分别降低67.3%、95.1%、35.8%.研究结果表明RBS-YOLO模型能够满足稻瘟病孢子实时检测的需求,且有利干部署到移动端.
关键词： 稻瘟病孢子 目标检测 YOLO v8 轻量化 注意力机制
全文链接
请求原文
基于CFD-DPM模型的T型网式过滤器冲蚀特性模拟与分析
《排灌机械工程学报 》 2024 EI 北大核心
摘要：为分析滤网冲蚀情况，采用多孔阶跃模型和滤网缩尺模型，结合CFD-DPM两相流模型通过主因素分析方法对滤网冲蚀速率规律进行数值模拟分析与预测，探求整体不同区域滤网的冲蚀效应情况，并通过基于正交试验的多因素主效应分析得出各因素对最大冲蚀速率的影响显著性大小.结果表明：在一定范围内最大冲蚀速率与颗粒粒径呈负相关而与质量流率、流速呈正相关；滤网表面中滤孔面普遍比迎水面更易受冲蚀破坏，背水面几乎不受冲蚀影响；颗粒粒径、质量流率对冲蚀高发区域范围大小影响较小（面积增幅为15.0%～16.7%）,而流速对其影响较明显（面积增幅为50.0%）;显著性检验中，流速、质量流率、颗粒粒径对最大冲蚀速率的P值分别为0.012 80,0.002 69和3.712×10-9,均呈显著性相关.
关键词： 网式过滤器 DPM模型 冲蚀速率 显著性分析 正交试验
全文链接
请求原文
林地土壤溶解性有机质荧光光谱特征及与重金属相关性
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：溶解性有机质(DOM)是土壤有机质中最活跃的成分,影响重金属迁移、转化过程,研究两者间相关性对环境监测和污染评价具有重要价值.采集位于小兴安岭的黑龙江省茅兰沟国家级自然保护区内典型针阔叶混交林表层(0~30 cm)土壤,采用三维荧光光谱-平行因子分析法,揭示林地土壤DOM荧光光谱特征,并进一步分析DOM荧光组分与重金属含量间相关性.结果表明:林地土壤DOM荧光指数在1.468~1.635之间,平均值为1.531,其来源兼具自生源和外生源特征;生物指数在0.563~0.646之间,平均值为0.603,新近自生源贡献率低;腐殖化指数在4.607~8.993之间,平均值为6.491,腐殖化程度不高.林地土壤DOM荧光光谱中共识别出3类5种荧光组分,包括类腐殖质(紫外类富里酸C1和可见类富里酸C2)、类腐殖酸(胡敏酸C3)和类蛋白质(类酪氨酸C4和类色氨酸C5).类腐殖质占总组分和比例(60.12%)最大,显著高于类腐殖酸和类蛋白质,类腐殖酸占总组分和比例(11.25%)最小.C1、C2和C3间均具有明显正相关性,C5与其余4种荧光组分均成显著负相关.5种荧光组分与荧光指数间均具有显著的相关性,仅C5与荧光指数成正相关.林地土壤重金属含量空间分布具有较大差异,As与Cr,Cu、Ni与Zn,Hg与Pb均具有显著正相关性,Hg与Cu、Ni及Zn,Cr与Pb均具有显著负相关性.3类荧光组分与As、Cr和Pb的相关性均不显著,而均与Zn具有显著的相关性.同时,类腐殖质与Cu和Hg成显著相关,类腐殖酸与Cu、Hg和Ni显著相关,而类蛋白质与Ni显著相关.研究结果可为茅兰沟国家级自然保护区林地土壤环境监测提供基础数据,为小兴安岭典型针阔叶混交林土壤重金属污染评价提供参考依据.
全文链接
请求原文
高光谱图谱结合策略检测小麦单粒种子活力
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：小麦是我国主要的粮食作物，在国民经济发展中扮演至关重要的角色。种子是一切农业活动的基础，种子活力是种子最重要的评价指标之一，高活力的种子拥有良好的田间表现及耐储能力，因此准确鉴别小麦种子活力对我国农业生产具有重要意义。传统种子活力检测技术耗时、对操作人员要求高，且会对种子造成不可逆的损伤。以往利用高光谱成像技术检测种子活力，通常是针对种子批检测，且仅仅利用图像数据或光谱数据中的一种，很少将图谱数据结合用于单粒种子活力检测。为了更深入了解种子活力与光谱的内在联系，高光谱成像的小麦单粒种子快速无损检测研究颇具学术价值。以210粒经人工老化处理过的小麦种子(105粒有活力，105粒无活力)为研究对象，采集种子400～1 050 nm波段内的高光谱数据，随后进行标准发芽试验，确保高光谱数据与发芽实验结果一一对应，按照4∶2∶1的比例将数据集划分为训练集、测试集和真实数据集。利用竞争自适应重加权(CARS)算法选择特征波段，最终得到了30个特征波段，且所选特征波段对应了引起种子活力变化的蛋白质、淀粉和脂类等种子内部营养物质。为挑选出最优分类模型，对于全波段和特征波段光谱数据，利用训练集和测试集数据基于SVM、 KNN、 1DCNN和改进的ECA-CNN机器学习算法分别建立了小麦种子活力预测模型。结果表明，使用特征波段数据建立的模型性能均优于使用全波段数据建立的模型，其中使用特征波段数据建立的ECA-CNN模型性能最好，在避免过拟合的情况下，训练集整体准确率为99.17%,测试集准确率为80%。为避免建模过程对比较分类策略造成影响，利用真实数据集对比整体法和像素法两种分类策略。结果表明，像素法相比于整体法拥有更好的检测效果，整体准确率为86.67%,精确率为92.31%,召回率为80%,均优于像素法。该研究可为快速无损检测单粒小麦种子活力提供科学依据。
关键词： 高光谱成像 单粒小麦 活力 卷积神经网络 光谱特征 图像信息
全文链接
请求原文
多源遥感数据耦合CBA-Wheat模型的冬小麦生物量估算研究
《遥感学报 》 2024 EI 北大核心 CSCD
摘要：生物量是反映作物生长状况的重要指标，及时准确估计冬小麦地上生物量对于产量预测和田间管理决策具有重要意义。综合考虑遥感植被指数VI (Vegetation Index)与数字化生育期ZS (Zadoks Stage)创建的作物生物量模型CBA-Wheat (Crop Biomass Algorithm for Wheat)，虽然适用于全生育时期的冬小麦生物量估算，但是由于模型参数基于地面高光谱数据构建，而卫星遥感数据在应用过程中，需要使用更多的地面实测数据进行模型参数的调试，因而限制了该模型的推广使用。因此，本研究采用遗传优化算法GA (Genetic Algorithm)对CBA-Wheat模型进行全局优化确定模型最优参数，利用高分辨率遥感影像提取VI与试验记录的ZS数据，分别构建以不同VI为输入变量的冬小麦生物量反演模型，并进行验证。结果表明：增强型植被指数EVI2 (Enhanced Vegetation Index2)为输入变量建立的模型精度最高，冬小麦生物量估算验证的决定系数（R2）和均方根误差（RMSE）分别达到0.92 t/hm2和1.37 t/hm2；基于CBA-Wheat模型的生物量估算精度效果优于基于偏最小二乘回归方法的生物量估算精度（R2=0.85,RMSE=1.87 t/hm2）。综上，本研究基于遗传算法优化的CBA-Wheat模型不仅具有较高的反演精度，而且适用于冬小麦多个生育期反演，在使用遥感卫星数据进行大面积生物量预测方面具有较好的应用潜力。
关键词： 冬小麦 地上生物量 遗传算法 CBA-Wheat 多源数据 EVI2 Sentinel-2 遥感
全文链接
请求原文
叶片多理化参数的高光谱遥感与深度学习估算
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：准确的植物叶片理化参数对于监测植物生长状况至关重要。随着深度学习技术的迅速应用，结合深度学习和高光谱遥感技术的植物叶片理化参数分析应用潜力巨大；然而，现阶段结合深度学习和高光谱遥感技术在植物多叶片理化参数的联合估算研究尚少。该研究旨在挖掘结合高光谱遥感技术和深度学习技术开展高精度的多植被叶片理化参数(叶绿素含量、类胡萝卜素含量、水分含量、蛋白质含量和碳基成分含量)联合估算的潜力。首先，通过利用新型PROSPECT-PRO辐射传输模型模拟分析，确定了多个植被叶片理化参数的敏感光谱区域，并设计了LeafTraitNet模型；然后，基于Lopex93数据开展LeafTraitNet模型训练和验证，取得了高精度的叶片参数估算结果。得到以下结论：(1)基于PROSPECT-PRO辐射传输模型辅助实测开展植被光谱特征选择十分必要；叶绿素(约434和约676 nm)和类胡萝卜素(约445 nm)两类色素的光谱吸收峰均主要位于可见光区域；然而，其与叶片光谱的相关系数绝对值最大的点却不是各自的吸收峰位置，这可能是因为叶绿素和类胡萝卜素对光谱吸收的相互影响。(2)水分的吸收峰主要位于950～2 500 nm范围内，这与叶片蛋白质和碳基成分的吸收区域重叠，因此削弱了后者的高光谱遥感估算精度。基于PROSPECT-PRO辐射传输模型和Lopex93数据集的叶片参数相关性分析结果表明，叶片水分含量与950～2 500 nm范围内叶片光谱反射率相关系数绝对值接近1,而叶片蛋白质和碳基成分含量与950～2 500 nm范围内光谱反射率相关系数较低。(3)三种传统统计回归方法和LeafTraitNet模型的叶片理化参数估算精度可以基于其估算总nRMSE而排序为：LeafTraitNet(总nRMSE=0.84) 关键词：
深度学习
高光谱遥感
叶片蛋白质含量
叶片叶绿素含量
叶片类胡萝卜素含量
全文链接
请求原文
单HST履带式拖拉机差速转向控制系统研究
《农业机械学报 》 2024 EI 北大核心 CSCD
摘要：针对单路静液压传动（Hydro static transmission,HST）履带式拖拉机自动转向控制时存在平稳性差、转向控制分辨率低和单边制动转向对土壤破坏严重的问题，提出了一种基于状态反馈的差速转向控制系统。首先分析了单HST实现差速转向的机构原理；其次，根据履带式拖拉机运动学模型，设计了基于脉宽调制原理(Pulse width modulation,PWM)的差速转向控制方法，通过精确调节转向液压缸行程实现更高的转向控制分辨率和稳定性；接着应用STM32F4单片机为核心的控制器同时进行直线路径规划和转向控制，完成车载控制器设计；最后分别开展在水泥路面和田间3种速度条件下的实车试验。试验结果表明，在速度2、3、5 km/h条件下，水泥路面直线跟踪距离绝对偏差平均值分别为1.6、2.2、3.1 cm，标准差分别为2.7、2.9、3.6 cm；田间地面直线跟踪距离绝对偏差平均值为1.7、1.9、2.9 cm，标准差为2.2、2.1、3.4 cm。结果表明，该系统在不同环境下均表现出优于传统单边制动转向控制效果，显著提升了转向精度和平稳性。
全文链接
请求原文
融合文本与知识图谱的蛋鸡疫病智能诊断模型
《农业工程学报 》 2024 EI 北大核心 CSCD
摘要：针对利用单一文本描述进行蛋鸡疫病诊断存在关联信息分析不够全面、未能提供完整蛋鸡疫病知识，进而导致在复杂蛋鸡疫病诊断中存在准确率不高等问题，该研究提出一种采用基于转换器的双向编码预训练模型（bidirectional encoder representation from transformers,BERT）融合蛋鸡典型疫病知识图谱和文本的方法，结合双向长短期记忆（bidirectional long short-term memory,BiLSTM）神经网络构建了BERT-LHDKG(BERT-laying hens disease knowledge graph)诊断模型，实现对滑液囊支原体、新城疫、传染性鼻炎等38种蛋鸡典型疫病的智能诊断。模型通过引入表示知识图谱的三元组向量，使模型更全面地结合疫病文本和知识图谱数据对蛋鸡发病情况进行综合分析；通过增加BERT模型的Embedding结构，将文本特征向量与三元组向量在BERT模型内部相加形成融合向量，有助于模型提取更有用的特征进行疫病分析和诊断。性能对比试验结果显示，BERT-LHDKG诊断模型的宏准确率为94.27%，宏召回率为94.12%，宏F1为94.01%，与TextCNN、结合CNN(convolutional neural networks)的BERT模型、结合BiLSTM的ERNIE模型等深度学习模型相比，宏准确率分别提升了10.02、2.64、2.18个百分点，宏召回率分别提升了10.28、2.29、2.29个百分点，宏F1分别提升了10.66、2.51、2.19个百分点。对于蛋鸡养殖过程中容易发生的病毒性疫病、细菌性疫病、中毒性疫病和代谢性疫病，BERT-LHDKG诊断模型的宏F1分别为96.43%、95.57%、96.72%、98.24%，性能均优于其他对比模型。研究结果表明融入知识图谱可以使模型将疫病文本中的实体、关系链接到知识图谱中对应的实体，丰富文本的语义信息，提升模型全面理解文本内容的能力，进而提高模型进行疫病诊断的准确性和鲁棒性，为畜禽疫病智能诊断提供了新的思路；此外，基于BERT-LHDKG诊断模型开发的蛋鸡疫病诊断Web系统以人机对话的形式提高了养殖户远程诊断蛋鸡疫病的灵活性。
全文链接
请求原文
