简介:摘要 : 叶片湿润时间( LWD)是植物病害模型的重要输入变量之一,它与许多叶部病原菌的侵染有关,影响病原侵染和发育速率。为了准确地预测日光温室黄瓜病害的发生时间和方位,本研究于 2019年 3月和 9月在北京两个不同类型日光温室内按照棋盘格法设置了 9个采样点部署温湿光传感器和目测叶片湿润时间,每隔 1 h采集一次温度、湿度、辐射和叶片湿润数据进行定量估算分析。分析结果表明: BP神经网络模型在两个温室的试验条件下获得了相似的准确度( ACC为 0.90和 0.92),比相对湿度经验模型估算叶片湿润时间的准确度( ACC为 0.82和 0.84)更高,平均绝对误差 MAE分别为 1.81和 1.61 h,均方根误差 RSME分别为 2.10和 1.87,决定系数 R2分别为 0.87和 0.85;在晴天和多云天气条件下,叶片湿润时间的空间分布总体规律是南部>中部>北部,南面是叶片湿润平均时间( 12.17 h/d)最长的区域;由东向西方向上,叶片湿润时间的空间分布总体规律是东部>西部>中部,中部是叶片湿润平均时间( 4.83 h/d)最短的区域;雨天的叶片湿润平均时间比晴天和多云长,春季和秋季分别为 17.15和 17.41 h/d。这些变化和差异对温室黄瓜种群水平方向的叶片湿润时间分布具有重要影响,与大多数高湿性黄瓜病害的发生规律密切相关。本研究为预测温室黄瓜病害分布提供了有价值的参考,对控制病害流行和减少农药使用具有重要意义,提出的区域化分析温室内叶片湿润时间的方法,可以为模拟日光温室叶片湿润时间的空间分布提供参考。
简介:<正>为加强农药管理,逐步削减高毒农药的使用,保护人民生命安全和健康,增强我国农产品的市场竞争力,经全国农药登记评审委员会审议,我部决定撤销甲胺磷等5种高毒农药混配制剂登记,撤销丁酰肼在花生上的登记,强化杀鼠剂管理。现将有关事项公告如下:一、撤销甲胺磷等5种高毒有机磷农药混配制剂登记。自2003年12月31日起,撤销所有含甲胺磷、对硫磷、甲基对硫磷、久效磷和磷胺5种高毒有机磷农药的混配制剂的登记(具体名单由农业部农药检定所公布)。自公告之日起,不再批准含以上5种高毒有机磷农药的混配制剂和临时登记有效期超过4年的单剂的续展登记。自2004年6月30日起,不得在市场上销售含以上5种高毒有机磷农药的混配制剂。二、撤销丁酰肼在花生上的登记。自公告之日起,撤销丁酰肼(比久)在花生上的登记,不得在花生上使用含丁酰肼(比久)的农药产品。相关农药生产企业在2003年6月1日前到农业部农药检定所换取农药临时登记证。三、自2003年6月1日起,停止批准杀鼠剂分装登记,已批准的杀鼠剂分装登记不再批准续展登记。
简介:摘要 : 数十年来,遥感技术一直被用作精准农业的重要数据采集工具。根据距离地面的高度,遥感平台主要包括卫星、有人驾驶飞机、无人驾驶飞机系统和地面车辆。这些遥感平台上搭载的绝大多数传感器是成像传感器,也可以安装激光雷达等其他传感器。近年来,卫星成像传感器的发展极大地缩小了基于飞机的成像传感器在空间、光谱和时间分辨率方面的差距。最近几年,作为低成本遥感平台的无人机系统的出现极大地填补了有人驾驶飞机与地面平台之间的间距。有人飞机具有飞行高度灵活、飞行速度快、载荷量大、飞行时间长、飞行限制少以及耐候性强等优势,因此在未来仍将是主要的精准农业遥感平台。本文的第 1部分概述了遥感传感器的类型和三个主要的遥感平台(即卫星、有人驾驶飞机和无人驾驶飞机系统)。接下来的两个部分重点介绍用于精准农业的有人机载成像系统,包括由安装在农用飞机上的消费级相机组成的系统,并详细描述了部分定制和商用机载成像系统,包括多光谱相机、高光谱相机和热成像相机。第 4部分提供了五个应用实例,说明如何将不同类型的遥感图像用于精准农业应用中的作物生长评估和作物病虫害管理。最后简要讨论了将不同遥感平台和成像系统用于精准农业上的一些挑战和未来的努力方向。
简介:摘要 : 受经济和气候驱动,长江经济带水田空间格局发生了显著变化,影响区域粮食安全与生态安全。本研究基于 1990-2015年土地利用遥感监测数据,利用 GIS的空间分析功能,探究长江经济带水田空间格局动态变化特征,采用当量因子法计算生态系统服务价值( ESV),分析了水田变化的综合影响。结果表明: 1) 1990-2015年长江经济带水田规模持续缩减,共减少了 17390km2,减幅呈增长态势具有显著地域差异,长江中上游与下游的水田减幅相差约为 9.56%。其中下游减幅较大,水田占区域比例随之降低,中上游恰好相反。 2)由于经济建设及水产养殖的发展,水田主要转化为建设用地和水系,水田主要由水系、旱地和湿地等转化而来。长江三角洲城市群、长江中游及成渝城市群的水田变化最为剧烈,建设用地侵占水田扩张的现象分布广泛,水田转为水系主要在两湖平原局部地区。 3)水田与其他生态系统的转化对 ESV是正影响,水田转为水系对此贡献最大,其转化规模决定了不同时期 ESV净增量的大小,水系转化为水田损失的价值最多,建设用地侵占水田次之。不同市域的水田变化情况不一致,因此 ESV增减情况具有明显差异。 4)生态系统服务中水文调节、水资源供给增强的同时,食物生产、气体调节受到严重损害,与水资源规模扩大和水田资源大量流失有直接关系。研究结果有助于揭示长江流域水田的时空变化过程及其对各项生态系统服务的影响,可为区域土地利用规划、农业政策与生态可持续发展提供理论支持。
简介:摘要 : 植被分类是高光谱影像分类中的特定应用问题,光谱特征和空间特征是植被分类中常用的两类特征,比较这两类特征的性能,对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析( PCA)提取光谱特征时,常选择前几个主成分( PCs)作为光谱特征,虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率,针对这一问题本研究提出了一种混合特征提取方法,对高光谱影像在 PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的 PCs用于后续分类。利用一景 AVIRIS高光谱植被影像,从分类精度的角度,首先比较了所提出的混合特征提取方法和原始 PCA、独立主成分分析( ICA)及线性判别分析( LDA) 3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集 1和 2上均获得了最高的总体分类正确率,分别为 82.7%和 86.5%。与原始 PCA相比,本研究提出的混合特征提取方法的总体分类正确率,在数据集 1和 2上分别提高了 1.5%和 2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中,总体上空间特征获得的分类正确率比光谱特征高,特别是 Gabor特征,在两个数据集上均获得了最高的总体分类正确率分别为 95.5%和 96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空 -谱特征方法及其两者有效结合,进一步提高植被分类正确率提供了参考。
简介:摘要 : 准确获取西兰花花球面积和新鲜度是确定其长势的关键步骤,本研究通过对深度残差网络 ResNet进行改进得到一种新型的西兰花花球分割模型,并通过花球部位黄绿颜色占比判断其新鲜度,实现低成本高效准确地西兰花表型信息提取。主要技术流程包括:( 1)基于地面自动影像获取平台拍摄西兰花花球正射影像并建立原始数据集;( 2)对训练图像进行预处理并输入模型进行分割;( 3)基于颜色信息用粒子群结构 PSO和大津法 Otsu对分割结果进一步进行阈值分割,获取其新鲜度指标。试验结果表明:本研究建立的分割模型精度优于传统深度学习模型和基于颜色空间变换和阈值分割模型, 4个评价指标结构相似性指数 (SSIM)、平均精度 (Precision)、平均召回率 (Recall)、 F-度量 (F-measure)结果分别为 0.911、 0.897、 0.908和 0.907,相比于传统方法提升了 10%-15%,且对土壤反射率波动、冠层阴影、辐射强度变化等干扰具有一定的鲁棒性。同时,在分割结果的基础上采用 PSO-Otsu法可以实现花球新鲜度快速分析,其精度超过了 0.8。本研究结果实现了西兰花田间多表型参数的高通量获取,可以为作物田间长势监测研究提供重要参考。
简介:摘要 : 土壤养分作为农业生产的重要指标,含量过少会降低农作物产量,过多则会造成环境污染。因此,快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分,但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力,不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱,提出了一种土壤养分主动式近场遥测方法,可有效避免土壤反射自然光的干扰。该方法使用波长范围 1260~1610 nm的 8通道窄带激光二极管作为近红外光源,通过测量 8通道激光光束的土壤反射率,建立土壤养分中氮( N)关于土壤反射率的计量模型,实现了 N的快速检测。在 74组已知 N含量的土壤样品中,选取 54组作为训练集, 20组作为预测集。基于一般线性模型,对训练集中土壤 N含量与土壤反射率的定量化参数进行训练,筛选显著波段后的计量模型 R2达到 0.97。基于建立的计量模型,预测集中土壤 N含量预测值与参考值的决定系数 R2达到 0.9,结果表明该方法具有土壤养分现场快速检测的能力。
简介:摘要 : 水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合 PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有 695、 507和 465nm 3个高光谱特征波段的红边优化指数( ORVI)。与 Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括 ND528,587、 SR440,690、 CARI、 MCARI的反演结果进行了对比分析,结果表明: IDB数据库中的已有 4种植被指数叶绿素含量反演模型的决定系数 R2分别为 0.672、 0.630、 0.595和 0.574; ORVI植被所建立的叶绿素含量反演模型的决定系数 R2为 0.726,均方根误差 RMSE为 2.68,精度高于其他植被指数,说明了 ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。