检索结果-内蒙古大学图书馆

光谱学与光谱分析 2018年第9期38卷 2782-2787页

作者：黄林生王芳翁士状潘芳芳梁栋安徽大学安徽省农业生态大数据工程实验室安徽合肥230601

杀螟硫磷是一种在农作物上广泛使用的有机磷杀虫剂,常用于玉米上害虫的防治。过量或者不合理施用导致的残留积累关系到食品安全和人体健康。常规检测杀螟硫磷的方法有气相色谱-质谱法、高效液相色谱法,其准确性虽好,但存在需要专业人员... 详细信息

杀螟硫磷是一种在农作物上广泛使用的有机磷杀虫剂,常用于玉米上害虫的防治。过量或者不合理施用导致的残留积累关系到食品安全和人体健康。常规检测杀螟硫磷的方法有气相色谱-质谱法、高效液相色谱法,其准确性虽好,但存在需要专业人员介入、样品前处理复杂、检测时间长等缺点。表面增强拉曼光谱(SERS)法具有分析速度快、检测灵敏度高和特异性好等优点,被广泛应用于农产品中痕量残留的快速检测。利用表面增强拉曼光谱结合化学计量学方法实现玉米中杀螟硫磷残留的准确检测。以两步种子生长法合成的纳米金棒作为拉曼增强基底,测量600~1 800cm^(-1)范围内的拉曼光谱。对比杀螟硫磷乙醇溶液和金棒的光谱,确定杀螟硫磷的特征峰在650,830,1 082,1 241,1 344和1 581cm^(-1)处。采用简单预处理方法快速提取玉米中的杀螟硫磷残留。将受污染的玉米样品粉碎后,利用乙醇溶剂对残留进行两次提取,每次获取的提取液经离心获得上清液,将上清液合并混匀,在水浴中蒸发浓缩,浓缩后的上清液用于采集SERS光谱。每个浓度制备50个平行样本。各浓度残留提取液中的残留参考值采用色质联用方法测定。对比残留提取液的光谱,1 082,1 241和1 581cm^(-1)处特征峰强度随残留浓度的降低而迅速变弱甚至消失,650,830和1 344cm^(-1)处的特征峰直至残留浓度为0.48μg·mL^(-1)时依然可见。当浓度低至0.37μg·mL^(-1)时,所测光谱与空白提取液光谱相似。采用主成分分析(PCA)提取不同浓度杀螟硫磷残留光谱的主体信息,其中残留为0.37μg·mL^(-1)和空白提取液光谱的主成分得分重叠,进而判断SERS方法对玉米中杀螟硫磷残留的检测限可达到0.48μg·mL^(-1),低于国家规定的农作物中最大残留限,体现出SERS检测的高灵敏性。选取浓度为14.25μg·mL^(-1)的50个样本分析其650,830和1344cm^(-1)处的特征峰强度变化可知,所采集的光谱呈现出较好的重复性,相对标准偏差(RSD)值仅为3.12%。对杀螟硫磷残留的定量分析采用支持向量机回归(SVR)实现,Savitzky-Golay卷积平滑和小波变换(WT)用于本次光谱数据的预处理。校正集和预测集样本的划分采用Kennard-Stone算法实现,模型的性能采用校正均方根误差(RMSEC)、校正集决定系数(R_c^2)、预测均方根误差(RMSEP)和预测集决定系数(R_p^2)评估。最优模型为SVR结合WT所构建的,具有最小的预测误差,其中校正集的RMSEC=0.103 2μg·mL^(-1),R_c^2=0.999 74,预测集的RMSEP=0.134 1μg·mL^(-1),R_p^2=0.999 60。同时,最优模型的预测值与色质联用法所测值基本一致,其预测回收率为95.31%~100.66%。以上表明,SERS结合化学计量学方法检测玉米中杀螟硫磷残留是准确可行的,且有望推广到农作物中多种农药残留的检测,为农产品的安全检测提供一种新思路。

关键词：表面增强拉曼光谱杀螟硫磷玉米支持向量机回归

来源：评论

学校读者我要写书评

暂无评论

Relief-F筛选波段的小麦白粉病早期诊断研究

引用

红外与激光工程 2018年第5期47卷 210-217页

作者：黄林生张庆张东彦林芬芳徐超赵晋陵安徽大学安徽省农业生态大数据工程实验室安徽合肥230601 南京信息工程大学地理与遥感学院江苏南京210044

为了准确监测小麦白粉病染病早期病情,给喷药防治提供技术指导,论文将染病初期的小麦叶片作为研究对象。首先,利用高光谱图像数据,通过图像特征分割出叶片区域和病斑区域,定量计算病情严重度;其次引入Relief-F算法提取染病早期最敏感波... 详细信息

为了准确监测小麦白粉病染病早期病情,给喷药防治提供技术指导,论文将染病初期的小麦叶片作为研究对象。首先,利用高光谱图像数据,通过图像特征分割出叶片区域和病斑区域,定量计算病情严重度;其次引入Relief-F算法提取染病早期最敏感波段和波段差,计算出白粉病病害指数PMDI(Powdery mildew disease index);并通过分析病情指数DI(Disease index)与11种植被指数(含PMDI指数)的相关性及线性模型,得出PMDI模型有最高的决定系数(R^2=0.839 9)和最低的均方根误差(RMSE=4.522 0),效果优于其他病害植被指数的结果(其中,Normalized Difference Vegetation Index,NDVI的模型决定系数最高,R^2=0.777 1,RMSE=5.336 4);最后,选择PMDI和NDVI植被指数分别构建小麦白粉病染病早期病情严重度的支持向量回归模型。结果表明:经敏感波段筛选构建的PMDI指数的预测结果更好,预测模型的R^2=0.886 3,RMSE=3.553 2,可以实现小麦白粉病早期无损诊断,这为指导作物病害喷药防治提供重要的技术支撑。

关键词：图像分割光谱特征 Relief-F 支持向量回归小麦白粉病

来源：评论

学校读者我要写书评

暂无评论

安徽省茶树春霜冻害的风险评估

引用

中国农业气象 2021年第10期42卷 870-878页

作者：刘瑞娜陈金华陈曦曹雯安徽省农业气象中心/安徽省农业生态大数据工程实验室合肥230031

应用安徽省茶种植区45个气象站点1981−2017年气象资料和1998−2017年茶叶产量资料,选取霜冻害发生综合频率、坡向敏感性指数、茶园面积和灾年减产率变异系数4个因子,利用加权指数求和法构建了茶树霜冻害风险指数,借助ANUSPLIN插值模型和... 详细信息

应用安徽省茶种植区45个气象站点1981−2017年气象资料和1998−2017年茶叶产量资料,选取霜冻害发生综合频率、坡向敏感性指数、茶园面积和灾年减产率变异系数4个因子,利用加权指数求和法构建了茶树霜冻害风险指数,借助ANUSPLIN插值模型和地理信息系统开展了安徽省茶树霜冻害风险评估。结果表明:安徽省茶树春霜冻害高风险、中风险和低风险区域面积为118×10^(4)hm^(2)、337×10^(4)hm^(2)和353×10^(4)hm^(2)分别占评价区域总面积的14.6%、41.7%和43.7%。高风险区主要分布在大别山茶区的金寨县、霍山县、岳西县、潜山县等和江南茶区南部海拔600m以上的高山区域,零星分布在江北茶区北坡地带。中风险区多分布在大别山茶区和江南茶区海拔低于600m的山区,呈斑块状分布在江北茶区的丘陵和低山区。低风险区集中分布在芜湖−宣城−铜陵−池州沿江一带,零星分布在江南茶区的低山区。构建的风险指数总体能客观反映安徽省茶树霜冻害风险水平,可为茶树霜冻害风险管理提供依据。

关键词：霜冻害风险指数风险评估减产率茶叶

来源：评论

学校读者我要写书评

暂无评论

基于RAdam卷积神经网络的水稻生育期图像识别

引用

农业工程学报 2021年第8期37卷 143-150页

作者：徐建鹏王杰徐祥琚书存安徽省农村综合经济信息中心合肥230031 安徽省农业生态大数据工程实验室合肥230031

为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特... 详细信息

为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特征进行持续自动拍摄,对采集的水稻图像进行预处理,得到水稻各发育期分类图像数据集;采用ExG因子和大津法(Otsu)算法相结合的方法对水稻图像分割,减小稻田背景干扰;对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期图像分级识别的性能,选取性能较优网络模型并进行了网络参数调优;对比试验了不同优化器下模型准确率和损失值的变化,选取了RAdam优化器。结果表明,采取基于RAdam优化器卷积神经网络构建的模型,在真实场景下分类识别准确率达到97.33%,网络稳定性高、收敛速度快,为水稻生育期自动化观测提供了有效方法。

关键词：图像识别神经网络模型水稻 RAdam ResNet50 生育期

来源：评论

学校读者我要写书评

暂无评论

小波分析与支持向量机结合的冬小麦白粉病遥感监测

引用

农业工程学报 2017年第14期33卷 188-195页

作者：黄林生刘文静黄文江赵晋陵宋富冉安徽大学安徽省农业生态大数据工程实验室合肥230601 中国科学院遥感与数字地球研究所数字地球重点实验室北京100094

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦... 详细信息

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦合K-mean和Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机(support vector machine,SVM)与小波特征(Gabor)结合SVM(Gabor SVM)的方法分别建立河北省晋州市小麦白粉病发生监测模型,并对2种模型的监测精度进行对比。结果表明:归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio index,SR)和地表温度3种特征参量可较好地表征小麦白粉病的发生情况,Gabor SVM的总体精度达到86.7%,优于SVM的80%。因此,小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测,对提高病害监测精度具有重要应用价值。

关键词：遥感支持向量机病害白粉病小波特征

来源：评论

学校读者我要写书评

暂无评论

基于BCC_CPSv2模式的淮河流域月参考作物蒸散概率订正预报

引用

农业工程学报 2022年第23期38卷 61-69,F0003页

作者：曹雯段春锋徐祥程智汪栩加安徽省农业气象中心/安徽省农业生态大数据工程实验室合肥230031 安徽省气候中心合肥230031 安徽省气象科学研究所安徽省大气科学与卫星遥感重点实验室合肥230031

参考作物蒸散(Reference Crop Evapotranspiration,ET0)预报在农业水资源配置、区域干湿演变评估方面有着重要作用。该研究基于国家气候中心第二代气候预测系统(Beijing Climate Center Second-Generation Climate Prediction System,BCC_CPSv2)模式预报数据和1991-2020年淮河流域地面气象观测数据,利用分位数映射法对模式预报的气象要素进行概率订正,采用Penman-Monteith公式计算ET0,并评估了订正前后BCC_CPSv2模式对淮河流域月ET0和气象要素的预报性能。结果表明:1)模式对平均气温、净辐射和相对湿度的预报值较观测值偏小,风速预报值在3-6月偏小,其他月份偏大,4个气象要素预报的均方根误差(Root Mean Square Error,RMSE)分别为1.84℃、1.70 MJ/m2d、15.79%和1.39 m/s;气象要素预报偏差导致2-6月ET0预报值较计算值偏小,1月和7-12月偏大,区域平均RMSE为0.59 mm/d,绝对百分比误差(Mean Absolute Percentage Error,MAPE)为21.9%。2)概率订正有效降低了气象要素和ET0的预报误差。气温、净辐射、相对湿度和风速预报订正值的RMSE均小于订正前;80%月份ET0预报订正值的RMSE小于订正前,区域平均RMSE减小了0.23 mm/d,MAPE减小了11.2%。3)夏半年和冬半年ET0预报误差的首要来源分别是净辐射和相对湿度,主要是由于模式对这2个要素的预报精度较低且ET0对其敏感,误差容易传递。可见,基于模式概率订正的月尺度ET0预报方法精度较高,可以为水资源优化管理、灌溉制度制定和农业中长期需水决策提供参考。

关键词：蒸散气候模式预报概率订正淮河流域

来源：评论

学校读者我要写书评

暂无评论

经济发展、城乡二元化对城乡居民收入差距影响的实证分析

引用

统计与决策 2018年第3期34卷 147-150页

作者：高文武徐明阳范佳健龙莹安徽大学经济学院合肥230601 安徽大学安徽省农业生态大数据工程实验室合肥230601

城乡居民收入差距是经济发展中突出的经济问题和社会问题。文章以安徽省为例,选取安徽省1995—2016年的时间序列数据,采用泰尔指数衡量安徽省城乡居民收入差距水平,利用广义可加模型实证分析了安徽省经济发展、城乡二元化对城乡居民收... 详细信息

城乡居民收入差距是经济发展中突出的经济问题和社会问题。文章以安徽省为例,选取安徽省1995—2016年的时间序列数据,采用泰尔指数衡量安徽省城乡居民收入差距水平,利用广义可加模型实证分析了安徽省经济发展、城乡二元化对城乡居民收入差距的影响。结果表明,安徽省经济发展、城乡二元化与城乡居民收入差距具有较复杂的关系。其中人均GDP增长率、城市化水平、城乡社会保障差异与城乡居民收入差距之间分别是正相关性、波浪型和波动性上升的关系。

关键词：城乡居民收入差距经济发展广义可加模型安徽省

来源：评论

学校读者我要写书评

暂无评论

基于白光数字频域图像的旋转轴微位移检测方法

引用

仪器仪表学报 2016年第S1期37卷 46-52页

作者：冯博徐超邵德洋罗时现安徽大学安徽省农业生态大数据工程实验室计算智能与信号处理教育部重点实验室

针对旋转轴偏离轴线的微位移,提出一种非接触、在线检测的新方法。在恒定光源下,显微摄像机采集同一摄像区旋转轴偏离前后的图像,通过改进的白光散斑数字频域逐点分析法进行相移计算,得到黑白相间的干涉条纹。从白光数字频域干涉图像中... 详细信息

针对旋转轴偏离轴线的微位移,提出一种非接触、在线检测的新方法。在恒定光源下,显微摄像机采集同一摄像区旋转轴偏离前后的图像,通过改进的白光散斑数字频域逐点分析法进行相移计算,得到黑白相间的干涉条纹。从白光数字频域干涉图像中条纹的个数和角度,可知转轴在旋转过程中偏移量和方向。该方法仅需单光源、单目图像,在不影响转轴正常工作的条件下即可完成旋转轴微形变在线实时检测,而且分别率高、线性好,具有实际运用价值。

关键词：白光数字频域图像分析旋转轴微形变频域图像干涉傅里叶变换

来源：评论

学校读者我要写书评

暂无评论

皖南茶叶生长季气候资源变化特征及其影响分析

引用

广东农业科学 2021年第4期48卷 14-22页

作者：徐建鹏伍琼王晖安徽省农业气象中心安徽合肥230031 安徽省农业生态大数据工程实验室安徽合肥230031

【目的】通过分析气候变暖背景下皖南地区茶叶生长气候资源变化特征,为皖南地区茶叶生产合理利用气候资源、应对气候变化提供科学依据。【方法】利用安徽省皖南山区19个气象观测站1971—2019年的逐日平均气温、日照时数、降水量、相对... 详细信息

【目的】通过分析气候变暖背景下皖南地区茶叶生长气候资源变化特征,为皖南地区茶叶生产合理利用气候资源、应对气候变化提供科学依据。【方法】利用安徽省皖南山区19个气象观测站1971—2019年的逐日平均气温、日照时数、降水量、相对湿度等资料,分析气候变暖背景下皖南山区茶叶生长热量、光照、降水等气候资源及开采期变化特征。【结果】近50年安徽省皖南山区茶叶生长热量资源呈极显著增加,其中年平均气温、≥10℃活动积温和适宜生长日数增幅分别为0.29℃/10年、111.7℃/10年和2.7 d/10年;光照资源极显著减少,年均日照时数降幅为57.5 h/10年;降水资源变化不一,其中降水量呈增加趋势、增幅为13.7 mm/10年,相对湿度极显著降低,降幅为0.5%/10年。【结论】气候变暖造成皖南山区早生种和中晚生种茶叶开采期极显著提前,提前幅度分别为4.2、3.6 d/10年,气候变暖带来的气温和降水的变化对皖南山区茶叶产量影响较大。

关键词：茶叶开采期气候资源变化特征皖南气候影响

来源：评论

学校读者我要写书评

暂无评论

利用成像高光谱区分冬小麦白粉病与条锈病（英文）

引用

红外与激光工程 2017年第1期46卷 42-50页

作者：梁栋刘娜张东彦赵晋陵林芬芳黄林生张庆丁玉婉安徽省农业生态大数据工程实验室安徽大学安徽合肥230601 国家农业信息化工程技术研究中心北京100097 南京信息工程大学地理与遥感学院江苏南京210044

病害胁迫是造成小麦减产及危及世界粮食安全的主要因素之一。如何准确区分相似病害并科学诊断病害严重度,成为国内外研究热点。文中针对中国冬小麦种植区常见的两种真菌疾病——白粉病和条锈病,采用高光谱成像系统获取两种病害侵染的小... 详细信息

病害胁迫是造成小麦减产及危及世界粮食安全的主要因素之一。如何准确区分相似病害并科学诊断病害严重度,成为国内外研究热点。文中针对中国冬小麦种植区常见的两种真菌疾病——白粉病和条锈病,采用高光谱成像系统获取两种病害侵染的小麦叶片图谱合一数据,通过主成分分析法对影像数据进行降维、密度分割法对病害面积进行分割后,得到识别病斑准确率达到97%;进一步分析侵染白粉病和条锈病的叶片病斑区域的光谱特征差异,选择第二主成分图像筛选两种病害的敏感波段,得到识别白粉病的敏感波段为519、643、696、764、795、813 nm,条锈病的敏感波段为494、630、637、698、755、805 nm。最后对筛选出的敏感波段建立白粉病和条锈病支持向量机(SVM)判别模型并验证,得到两种病害的区分精度为92%。综上,利用高光谱图像协同解析可在叶片尺度实现小麦白粉病和条锈病的有效判别,这为开发病害区分仪器提供了重要的理论基础。

关键词：高光谱主成分分析(PCA) 支持向量机(SVM) 密度分割病害判别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：