学科分类
/ 1
3 个结果
  • 简介:摘要 : 本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题,首先提出专业化远程管理平台设计时应具有大原则:专业化、标准化、云平台、模块化以及开放性。基于这些原则,本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于 WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下,平台部分关键技术的实现方法,包括采用低精度 GNSS定位系统前提下的作业面积的计算方法、 GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等,并提出了以地块为核心的管理平台建设思路;同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。

  • 标签: 传感技术 数据融合 管理平台 大田农业机械 物联网 GNSS
  • 作者: 徐凌翔 1 陈佳玮 1 丁国辉 1 卢伟 2 丁艳锋 1 朱艳 3 周济 1 4*
  • 学科: 农业科学 > 农业基础科学
  • 创建时间:2020-06-02
  • 出处:《智慧农业(中英文)》 2020年第1期
  • 机构:1.南京农业大学作物表型组学交叉研究中心 /中英植物表型组学联合研究中心 /江苏省现代作物生产协同创新中心 /现代作物生产省部共建协同创新中心,江苏南京 210095; 2.南京农业大学工学院 /江苏省现代设施农业技术与装备工程实验室,江苏南京 210095; 3.国家信息农业工程技术中心 /农业农村部农作物系统分析及决策重点实验室 /智慧农业教育部工程研究中心 /江苏省信息农业高技术研究重点实验室,江苏南京 210095; 4.数字科学研发部,英国国立农业植物研究所 /剑桥作物研究中心,剑桥 CB3 0LE,英国
  • 简介:摘要 : 植物表型组学研究正逐渐向综合化、规模化、多尺度和高通量的方向快速发展。本文首先介绍了植物表型研究的最新动向。然后针对室内表型监测平台的特点和各类室内表型针对的表型性状进行了系统介绍,包括产量、品质、胁迫抗性(包括干旱、抗冷热、盐胁迫、重金属和病虫害)等。在此基础上,本文还根据通量、传感器集成度和平台大小等把一些国内外流行的室内植物表型平台进行了分类,并介绍了这些室内表型平台在植物研究中的应用情况。同时,本文还介绍了室内表型数据的管理和解析方法。最后,本文着重讨论了室内表型平台的发展方向,并结合中国植物研究的实际情况对表型组学在中国的发展提出了展望,以期为中国植物表型研究提供指导和建议。

  • 标签: 植物表型组学 室内表型监测 产量性状 品质性状 抗性表型 表型数据管理和解析分类
  • 作者: 刘守阳 1 2 3* 金时超 5 6 郭庆华 5 6 朱艳 4 Fred Baret1 2 3*
  • 学科: 农业科学 > 农业基础科学
  • 创建时间:2020-06-02
  • 出处:《智慧农业(中英文)》 2020年第1期
  • 机构:1.南京农业大学作物表型组学交叉研究中心,江苏南京 210095; 2.法国农业和环境科学研究院 CAPTE实验室,阿维尼翁 210095,法国; 3.南京农业大学江苏省现代作物生产协同创新中心,江苏南京 210095; 4.南京农业大学国家信息农业工程技术中心 /教育部智慧农业工程研究中心,江苏南京 210095; 5.中国科学院植物研究所植被与环境变化国家重点实验室,北京 100093; 6.中国科学院大学,北京 100049
  • 简介:摘要 : 冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台( D3P)模拟生成了 100种冠层结构不同的小麦品种在 5个生育期的三维冠层场景,记录了从原始冠层结构中提取的绿色叶面积指数( GAI)、平均倾角( AIA)和散射光截获率( FIPARdif)信息作为真实值 ,进一步利用上述三维小麦场景开展了虚拟的激光雷达( LiDAR)模拟实验,生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征( H)和绿色分数特征( GF)。最后,利用人工神经网络( ANN)算法分别构建了从不同 LiDAR点云特征( H、 GF和 H+GF)输入到 FIPARdif、 GAI和 AIA的反演模型。结果表明,对于 GAI、 AIA和 FIPARdif,预测精度从高到低对应的点云特征输入为 GF+H > H > GF。由此可见, H特征对提高目标表型特性的估算精度起到了重要作用。输入 GF + H特征,在中等测量噪音( 10%)情况下, FIPARdif和 GAI的估算均获得了满意精度, R2分别为 0.95和 0.98,而 AIA的估算精度( R2=0.20)还有待进一步提升。本研究基于 D3P模拟数据开展,算法的实际表现还有待通过田间数据进一步验证。尽管如此,本研究验证了 D3P协助表型算法开发的能力,展示了高通量 LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。

  • 标签: 冠层光截获 高通量表型 LiDAR 数字化植物表型平台( D3P) 小麦冠层