摘要： 建立科学合理的县域耕地质量评价体系对快速准确摸清耕地质量家底和建立耕地保护分区具有重要指导意义。该研究基于主成分分析法建立最小数据集精选指标，构建土地评价与立地条件分析（land evaluation and site assessment，LESA）体系，开展耕地质量综合评价，分析耕地质量区域分布特征及差异性特征并划定耕地保护分区。结果表明：1）自然质量指标最小数据集由砂粒、有机质、全钾、有效磷、pH值、综合污染指数、耕层质地、容重、阳离子交换量组成，立地环境指标最小数据集包括排水条件、连片度、生态兼容性、河流距离、路网密度、灌溉能力、农田林网化率、耕地利用类型。2）采用LESA评价模型计算耕地自然质量指数及立地环境指数，确定LESA体系为FLESA=0.5FLE+0.5FSA（FLE、FSA、FLESA分别为耕地立地环境条件、自然质量条件和综合分值），采样点综合评价分为51.517～81.838。综合比选各插值误差检验结果后采用普通克里金法进行耕地质量结果空间插值，评价单元耕地质量综合评分为52.148～79.624。3）铁岭县耕地资源可划分为5个等级区：1级区划分为永久基本农田核心保护区，占比20.52%；2级区划分为耕地自然地力条件重点治理区，占比36.79%；3级区和4级区耕地土壤和立地条件均存在多样性的限制因素，可划分为耕地综合整治区，占比36.33%；5级区划分为耕地生态自然保育区，占比6.36%。4）经计算基于最小数据集与LESA相结合的评价结果有效系数为0.615，相对偏差系数为0.009，说明该体系耕地质量评价结果准确，可信度较高。该研究成果简化了县域耕地质量评价指标体系，量化了自然质量与立地条件协同关系，为开展耕地质量提升和保护利用提供了理论和方法依据。
摘要： 土壤抗冲性作为评定土壤抗侵蚀能力的重要参数，对于揭示土壤侵蚀规律具有重要的现实意义。为归纳土壤抗冲性自提出以来的发展历程，该研究详细梳理了1962-2022年中国土壤抗冲性研究的相关成果，客观评价了各时期表征指标及测定方法的优缺，系统分析了土壤抗冲性的影响因素及机理；同时基于中国知网（CNKI）和Web of Science数据库，借助CiteSpace网络图谱可视化手段分析了作者之间和机构之间的合作关系以及关键词所体现的热点话题。结果表明：1）土壤抗冲性表征指标和测定方法多样化导致相关研究结果难以比较；2）植物根系、土壤理化性质和坡度等因素对土壤抗冲性的影响机理存在争议，尚需进一步验证；3）土壤抗冲性数学模型主要围绕黄土区植物根系的增强效应而建立，较少涉及其他指标因子。该研究不足很大程度上限制了土壤抗冲性的发展，并阻碍了与其他学科的交叉与融合。今后的土壤抗冲性研究须结合现代技术重点监测坡面和流域尺度径流冲刷与土壤抗冲的相互过程，揭示土壤结构体间抵抗径流破坏和推动下移的能力。以区域水土保持与生态环境的效应评价和预测为导向，落脚于土壤侵蚀防控和水土流失综合治理，为未来水土保持工作的发展提供重要的决策依据。
摘要： 莲藕病虫害的发生将会严重影响莲藕品质与产量,开展早期诊断识别对藕田病虫害及时对症对病防治、增加莲藕生产质量与经济效益具有重要意义。为此,本文以荷叶病虫害高效、准确识别为目标,提出了一种基于改进DenseNet的荷叶病虫害识别模型。首先对模型的浅层特征提取模块进行改进,并在Dense Block与Transition模块中引入Squeeze and Excitation注意力机制模块和锐化的余弦相似度卷积,并基于Plantvillage数据集进行迁移学习,实现了91.34%的识别准确率。本研究实现了对荷叶腐败病、病毒病、斜纹夜蛾、叶腐病、叶斑病的识别,并首次将改进后的DenseNet分类模型推广应用于藕田无人机图片的病虫害检测中,可对莲藕以及其他水生蔬菜病虫害智能防治提供有益指导。
摘要： 生态沟渠是中国南方地区农业面源重要拦截磷污染的措施，受生态沟渠自身特征和环境因子影响，不同研究中生态沟渠对磷的去除效率差异较大。通过文献检索平台CNKI和Web of Science，收集研究磷在生态沟渠迁移转化过程的文献，经过筛选后，建立生态沟渠磷迁移数据库，共包含334项数据，通过统计分析系得到生态沟渠对TP的平均去除效率为47.16%。基于Mann-Whitney U检验和K-W检验方法，分析不同因素（植被类型、沟渠材质类型、强化措施、气候温度、水力停留时间）对生态沟渠TP去除效率的影响。研究结果表明：不同植被类型中，多种人工植被的生态沟渠去除效果最好，其TP平均去除效率为53.93%；不同沟渠材质中，边坡半衬砌的生态沟渠的TP平均去除效率为58.22%，效果最佳；不同强化措施类型中，基质类更有助于提高生态沟渠对TP的去除效果，其去除平均去除效率达到53.53%；不同气候温度区间中，温度在＞25～35℃时生态沟渠对TP去除效率最高，平均值为57.18%；不同水力停留时间条件下，超过24h时生态沟渠对TP的平均去除效率最佳，达到72.12%。该研究成果可为中国南方生态沟渠磷拦截效应评估、沟渠设计提供技术支撑。
摘要： 小麦条锈病和小麦黄矮病是严重威胁小麦生产的重大病害，病害的早期识别对病害防控具有重要意义。现有病害识别模型对相似表型症状识别困难，对早期病害的识别准确度低。为此，本研究构建了一种改进的快速区域卷积神经网络（Faster Regions with CNN Features，Faster-RCNN）的病害识别方法。该方法采用卷积核拆解和下采样延迟策略优化了深度残差网络（Deep Residual Neural Network，ResNet-50），用优化后的ResNet-50作为主干特征提取网络以增强所提取特征的表达力，同时简化模型的参数；并采用ROI （Region of Interest）Align改进ROI迟化层以降低特征量化误差，提升识别的精度。在自建的涵盖200余种不同发病时期、不同抗感性的小麦叶部图像数据集上进行试验，结果表明：改进的Faster-RCNN识别方法比其他SSD （Single Shot Multi-Box Detector）、YOLO（You Only Look Once）和Faster-RCNN网络模型的平均精度均值（mean Average Precision，mAP）分别提升了9.26%、7.64%和14.97%。对小麦条锈病、小麦黄矮病、健康小麦和其他黄化症状小麦识别的平均mAP可达98.74%；对小麦条锈病和小麦黄矮病轻、重症识别的平均mAP可达91.06%。同时，模型损失函数值降低最快，整体性能表现最优。进一步开发小麦病害智能识别系统部署研究模型，使用微信小程序进行田间小麦病害的识别。在最大并发100的条件下，小程序平均返回时延为5.024秒，识别返回成功率为97.85%，对两种小麦病害及其细分轻重症识别的平均准确率为93.56%，能够有效满足实际应用需求，可用于指导病害的科学防控。
