歡迎您訪問《智慧農業(中英文)》官方網站! English

Smart Agriculture ?? 2021, Vol. 3 ?? Issue (2): 0-1.

? ?    下一篇

《智慧農業(中英文)》2021年第2期導讀

  

  • 出版日期:2021-06-30 發布日期:2021-09-07

  • Online:2021-06-30 Published:2021-09-07

摘要:

本期共出版12篇文章,分布于“空間信息技術農業應用”專題,“作物模型與可視化”專題,以及“信息處理與決策”欄目。本期內容涵蓋了衛星/無人機遙感等在作物生長、病害、災害監測應用,以及作物模型模擬和產量監測等。每篇文章都具特色,希望本期的出版能為領域研究人員帶來新觀點、新思路、新啟發。

“空間信息技術農業應用”專題刊出5篇文章。中國農業大學王鵬新教授團隊闡述了基于衛星遙感的農業干旱監測研究進展,并簡述了以干旱指數方法和作物生長模型方法為主的農業干旱預測研究進展。北京農業信息技術研究中心李振海博士團隊構建了冬小麥籽粒蛋白質含量多層線性預測模型,解決了模型在年際擴展和空間擴展存在偏差的問題,并實現了冬小麥蛋白質含量預報。美國北達科他州立大學Paulo Flores和張昭博士提出了一種基于無人機圖像處理的自動數據集生成方法,并用多種機器學習模型和深度學習算法對小麥倒伏檢測情況進行分類,最終確定了最佳算法和無人機飛行高度。在農業災害應用研究方面,中國農業科學院農業信息研究所李世娟研究員團隊利用冬小麥葉片及冠層高光譜遙感數據,結合植被指數、歸一化均值距離和光譜微分差信息熵等方法實現了冬小麥澇漬脅迫識別及其脅迫程度判別分析。中國熱帶農業科學院科技信息研究所戴聲佩副研究員等構建了基于衛星遙感的海南島大面積橡膠林葉面積指數LAI估算模型并分析了其變化規律。

“作物模型與可視化”專題刊出3篇文章。塔里木大學白鐵成教授等提出了基于校正WOFOST模型的棗樹生長和水分運移模擬方法,為土壤、氣象、灌溉管理和棗樹生長耦合影響的定量化分析提供了新思路。為提高黃淮海和江淮地區小麥高產優質主產區的冬小麥產量,中國農業科學院農業信息研究所胡亞南副研究員等利用DSSAT CERES-Wheat模型分別開展基準時段和未來40年模型模擬試驗,明確了未來冬小麥生育期內氣候要素和最適播期變化特征。在群體尺度作物模型轉入個體尺度作物模型方面,中國科學院自動化研究所康孟珍副研究員團隊探索了作物不同空間尺度與時間模型建立接口的方法,發現GreenLab模型可以復現DSSAT系統的模擬數據,并進行了三維可視化展示。

最后,“信息處理與決策”欄目為讀者報道了以下內容。北京農業信息技術研究中心樊江川博士團隊通過構建不同光照條件下的玉米出苗過程圖像數據集,使用ResNet50作為新特征提取網絡對Faster R-CNN進行優化,實現了玉米幼苗準確識別和出苗動態連續監測。中國農業大學鄭永軍教授團隊提出了一種蘋果樹原位測產模型,融合產量擬合網絡和改進型YOLOv5果實檢測算法,模型具有較好的精度和魯棒性。仲愷農業工程學院尹航副教授等提出了一種基于經驗模態分解、隨機森林和長短時記憶神經網絡的組合預測模型EMD-RF-LSTM,對于對蝦養殖塘溶解氧濃度具有較高預測精度。農業農村部規劃設計研究院孫麗高級工程師團隊基于中國東北三省Sentinel-2玉米空間分布數據和氣象數據,對比分析了多時間尺度的標準化降水指數(SPI)和標準化降水蒸散指數(SPEI)與旱澇受災率的關系,分析了旱澇狀況對春玉米產量的影響。

撸撸色在线看观看免费 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>