为探究流域尺度下地形属性对土壤质地类型变异的影响,以西南地区重庆市彭水县的一个流域为研究区,基于成土母质和地形因子,运用分类回归树(Classification and regression tree,CART)模型,对研究区1165个样点数据进行分析。结果表明:成...为探究流域尺度下地形属性对土壤质地类型变异的影响,以西南地区重庆市彭水县的一个流域为研究区,基于成土母质和地形因子,运用分类回归树(Classification and regression tree,CART)模型,对研究区1165个样点数据进行分析。结果表明:成土母质和地形因子均对土壤质地类型有重要影响,相对重要性较高的因子排序:成土母质(PAR)>风效应(WindEff)>地形湿度指数(SAGATWI);不同母质、不同质地之间地形因子存在显著差异,风效应(WindEff)和漫射辐射(DiffuseIns)分别是奥陶系和志留系母质条件下影响土壤质地分类的相对重要性最高的地形因子;流域尺度CART模型解释率为86.3%,说明CART模型对土壤质地分类精度高。研究表明,基于成土母质和地形因子构建的模型解释效果好,影响显著,可为该地区土壤利用区划和管理提供科学依据。展开更多
农业信息化的理论研究与实践总结是学界的研究热点.利用文献计量学方法,以CiteSpace为手段,基于Web of Science数据库和CNKI数据库,分析了近年来国内外农业信息化领域研究的发展态势,为该领域科研工作者与决策者提供参考.结果显示:国外...农业信息化的理论研究与实践总结是学界的研究热点.利用文献计量学方法,以CiteSpace为手段,基于Web of Science数据库和CNKI数据库,分析了近年来国内外农业信息化领域研究的发展态势,为该领域科研工作者与决策者提供参考.结果显示:国外方面,美国、英国、澳大利亚、荷兰等国家的研究处于国际领先地位;国家科研机构和大学为主要发文机构,其中美国研究机构发文最多;来自荷兰和美国的作者发文最多,但也比较分散;高影响力论文大多来自美国、欧洲等发达国家和地区;来自美国和荷兰等国的期刊较多,且语种多为English;更加关注现代信息技术在具体农业管理和农业生产中的应用研究.国内方面,中国虽与美国、澳大利亚、加拿大、英国等发达国家开展了比较频繁的国际合作,但发文质量存在较大差距;中国农业科学院是相对优势比较突出的机构;研究比较宽泛,且发表刊物总体水平不高,中文核心期刊较少.展开更多
病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)...病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)2002-2022年间作物病害图像识别研究领域发表的相关文献进行分析.结果表明:作物病害图像识别研究呈明显上升趋势;学科领域涉及计算机科学、农学、植物科学、工程、环境生态学、遥感等,体现出明显的综合性和交叉性特点;中国、美国、印度、德国等国家发文数量最多,整体而言各国之间均存在较为密切的交流与合作,其中中美之间合作最为密切;在发文量排在世界前10的研究机构中有6家来自中国,展现出很强的整体优势;MAHLEIN A K、HUANG W J和KHAN M A是发文量排在前3的核心作者;Computers and Electronics in Agriculture、Frontiers in Plant Science、Remote Sensing等期刊为主要发表载体;作物病害图像数据的获取、基于机器学习的作物病害图像识别以及基于深度学习的作物病害图像识别是近20年该研究领域的主要热点和重点.作物病害图像识别的研究深受先进技术推动,尤其是在当前人工智能技术背景下方兴未艾,是面向智慧农业的重要组成部分.而当前数据样本规模偏小,相似症状的不同病害精确识别困难,模型可解释性和泛化性有限等问题依旧制约其进一步发展.构建基于生成式大模型的大规模作物病害数据集,加强多模态数据融合,提升模型的可解释性和泛化性,开展实时监测识别等内容将是未来作物病害图像识别的主要研究方向.展开更多
文摘为探究流域尺度下地形属性对土壤质地类型变异的影响,以西南地区重庆市彭水县的一个流域为研究区,基于成土母质和地形因子,运用分类回归树(Classification and regression tree,CART)模型,对研究区1165个样点数据进行分析。结果表明:成土母质和地形因子均对土壤质地类型有重要影响,相对重要性较高的因子排序:成土母质(PAR)>风效应(WindEff)>地形湿度指数(SAGATWI);不同母质、不同质地之间地形因子存在显著差异,风效应(WindEff)和漫射辐射(DiffuseIns)分别是奥陶系和志留系母质条件下影响土壤质地分类的相对重要性最高的地形因子;流域尺度CART模型解释率为86.3%,说明CART模型对土壤质地分类精度高。研究表明,基于成土母质和地形因子构建的模型解释效果好,影响显著,可为该地区土壤利用区划和管理提供科学依据。
文摘农业信息化的理论研究与实践总结是学界的研究热点.利用文献计量学方法,以CiteSpace为手段,基于Web of Science数据库和CNKI数据库,分析了近年来国内外农业信息化领域研究的发展态势,为该领域科研工作者与决策者提供参考.结果显示:国外方面,美国、英国、澳大利亚、荷兰等国家的研究处于国际领先地位;国家科研机构和大学为主要发文机构,其中美国研究机构发文最多;来自荷兰和美国的作者发文最多,但也比较分散;高影响力论文大多来自美国、欧洲等发达国家和地区;来自美国和荷兰等国的期刊较多,且语种多为English;更加关注现代信息技术在具体农业管理和农业生产中的应用研究.国内方面,中国虽与美国、澳大利亚、加拿大、英国等发达国家开展了比较频繁的国际合作,但发文质量存在较大差距;中国农业科学院是相对优势比较突出的机构;研究比较宽泛,且发表刊物总体水平不高,中文核心期刊较少.
文摘病害是影响农作物品质和产量的重要因素,随着计算机视觉、光学、遥感和物联网技术的进步,基于图像的作物病害自动识别研究发展迅速.为深入了解全球作物病害图像识别的相关研究进展,利用文献计量分析方法对Web of Science核心合集(SCI-E)2002-2022年间作物病害图像识别研究领域发表的相关文献进行分析.结果表明:作物病害图像识别研究呈明显上升趋势;学科领域涉及计算机科学、农学、植物科学、工程、环境生态学、遥感等,体现出明显的综合性和交叉性特点;中国、美国、印度、德国等国家发文数量最多,整体而言各国之间均存在较为密切的交流与合作,其中中美之间合作最为密切;在发文量排在世界前10的研究机构中有6家来自中国,展现出很强的整体优势;MAHLEIN A K、HUANG W J和KHAN M A是发文量排在前3的核心作者;Computers and Electronics in Agriculture、Frontiers in Plant Science、Remote Sensing等期刊为主要发表载体;作物病害图像数据的获取、基于机器学习的作物病害图像识别以及基于深度学习的作物病害图像识别是近20年该研究领域的主要热点和重点.作物病害图像识别的研究深受先进技术推动,尤其是在当前人工智能技术背景下方兴未艾,是面向智慧农业的重要组成部分.而当前数据样本规模偏小,相似症状的不同病害精确识别困难,模型可解释性和泛化性有限等问题依旧制约其进一步发展.构建基于生成式大模型的大规模作物病害数据集,加强多模态数据融合,提升模型的可解释性和泛化性,开展实时监测识别等内容将是未来作物病害图像识别的主要研究方向.
