XiaoMi-AI文件搜索系统
World File Search System植被指数
使用神经网络的全球尺度建模
由于在估计许多含水层的地下水补给和跨边界性质的困难引起的摘要，因此已经提出了大规模估算地下水补给的摘要。已经建立了基于过程的模型以及数据驱动的模型，以满足这一需求。同时，随着可解释的人工智能（XAI）方法的出现，数据驱动的机器学习模型可以利用增强的解释性，同时保持高灵活性。在这项研究中，建立了一个集成神经网络模型，以检查该模型以预测地下水充电的适用性，并有可能从大型数据集中获得新的见解。最近的大量地下水补给数据输入和本研究中整理的阿拉伯半岛的其他投入被送入了该模型，该模型具有与气候，土壤和植物特征，地形和水文地质学有关的多种预测因素。该模型显示出比最近基于全球过程的模型预测地下水充值的模型更高的性能（调整后的R 2：0.702，RMSE：193.35 mm -yr -1）。使用XAI方法作为个人条件期望和沙普利添加说明相互作用值，分析了模型行为，并发现了预测因子和地下水补给率之间可能的线性和非线性关系。长期平均降水量和增强的植被指数显示出与地下水充电率的非线性关系，而坡度，化合物地形指数和地下水位深度对模型结果的重要性较低。大多数模型行为遵循域知识，而预测因子和数据偏斜之间的多相关阻碍了模型的学习。
基于卫星遥感的农作物保险
作物保险虽然很有必要，但在肯尼亚农业中却尚未扎根，现有的少量保险都是以赔偿为基础的，也就是说，农民只能根据评估的作物损失或收成不足获得赔偿。对于普通自给自足的农民来说，这往往既麻烦又昂贵。更好的方法是使用基于指数的保险，即计算一个商定的指数，然后根据该指数的价值向农民赔偿或不赔偿。遥感技术现已在全球广泛应用，它提供了这样一个指数，即归一化植被指数 (NDVI)，它是公认的衡量作物在不同生长阶段健康状况的指标。本文报告了一项于 2019 年中期进行的研究，该研究旨在调查以这种方式应用遥感为肯尼亚米戈里县的玉米农民提供作物保险的可能性。我们获取了 2017 年 5 月（作为保险年度）的 Sentinel 2 影像，并对研究区域进行了分类并生成了 NDVI。叠加一个 8 Km × 8 Km 的网格，并计算每个网格单元的平均 NDVI。获取了 2016 年 5 月的类似影像，并进行类似处理，以提供参考 NDVI 平均值。对于任何网格单元，如果 A p 为保险年度 NDVI，A r 为参考 NDVI，则保险指数计算为 (A p - A r )，如果该值为负数，则会触发农民赔偿。结果表明，在研究区域内约 85 个小农场中，有 30 个有资格获得此类赔偿。建议在研究区域和类似的玉米种植区进一步完善和试点测试这些结果。
AI-ForestWatch：基于语义分割的端到端框架，使用多光谱遥感图像进行森林估计和变化检测
摘要。森林变化检测对于可持续森林管理至关重要。由于毁林（例如野火或开发活动引起的伐木）或造林而导致的森林面积变化会改变森林总面积。此外，它还会影响可用于商业目的的可用库存、碳排放引起的气候变化以及森林栖息地估计的生物多样性，这对于灾害管理和政策制定至关重要。近年来，林业人员依靠手工制作的特征或双时间变化检测方法来检测遥感图像中的变化以估计森林面积。由于手动处理步骤，这些方法很脆弱且容易出错，并且可能产生不准确的（即低估或高估）分割结果。与传统方法相比，我们提出了 AI-ForestWatch，这是一个用于森林估计和变化分析的端到端框架。所提出的方法使用基于深度卷积神经网络的语义分割来处理多光谱空间图像，通过自动从数据集中提取特征来定量监测森林覆盖变化模式。我们的分析完全由数据驱动，并使用 2014 年至 2020 年的扩展版（带植被指数）Landsat-8 多光谱影像进行。作为案例研究，我们估算了巴基斯坦 15 个地区的森林面积，并生成了 2014 年至 2020 年的森林变化图，在此期间，这些地区开展了主要的造林活动。我们的批判性分析显示，15 个地区中有 14 个地区的森林覆盖率有所提高。AI-ForestWatch 框架及其相关数据集将在发布后公开，以便其他国家或地区可以采用。© 作者。由 SPIE 根据知识共享署名 4.0 未移植许可证出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.15.024518]
从无人机图像中提取的特征解释冬小麦谷物产量变化的主要变量选择 从无人机图像中提取的特征解释冬小麦谷物产量变化的主要变量选择
摘要背景：自动化表型分析技术正在不断推进育种进程。然而，在整个生长季节收集各种次要性状并处理大量数据仍然需要付出巨大的努力和时间。选择具有最大预测能力的最少数量的次要性状有可能减少表型分析工作量。本研究的目的是从无人机图像和关键生长阶段中提取出对解释冬小麦产量贡献最大的主要特征。2018 年春季生长季，无人机系统收集了 5 个日期的多光谱图像和 7 个日期的 RGB 图像。从植被指数和植物高度图中提取了两类特征（变量），共计 172 个变量，包括像素统计数据和动态增长率。变量选择采用参数算法LASSO回归（最小角度和收缩选择算子）和非参数算法随机森林。使用LASSO估计的回归系数和随机森林提供的排列重要性得分来确定每个算法中影响粮食产量的十个最重要的变量。结果：两种选择算法都将最高重要性得分分配给灌浆期前后与植物高度相关的变量。一些植被指数相关变量也被算法选择，主要在生长早期到中期和衰老期间。与使用从测量表型得出的所有172个变量进行产量预测相比，使用选定的变量表现相当甚至更好。我们还注意到，适应性 NE 品系的预测准确度 (r = 0.58–0.81) 高于本研究中具有不同遗传背景的其他品系 (r = 0.21–0.59)。
本地细菌联合体对硬粒小麦（Triticum
摘要 在两个农业季节中，进行了一项田间试验，以量化本地细菌接种剂对不同氮 (N) 施肥量下小麦作物生长、产量和品质的影响。小麦在实验技术转移中心 (CETT-910) 的田间条件下播种，该中心是来自墨西哥索诺拉州亚基谷的代表性小麦作物区。试验采用不同剂量的氮 (0、130 和 250 kg N ha −1 ) 和细菌联合体 (BC) (枯草芽孢杆菌 TSO9、B. cabrialesii subsp. tritici TSO2 T 、枯草芽孢杆菌 TSO22、B. paralicheniformis TRQ65 和 Priestia megaterium TRQ8) 进行。结果表明，农业季节影响叶绿素含量、穗大小、每穗粒数、蛋白质含量和全麦粉黄度。在施用 130 和 250 kg N ha −1（常规氮肥剂量）的处理中，叶绿素和归一化植被指数 (NDVI) 值最高，冠层温度值较低。氮肥剂量影响小麦黄色浆果、蛋白质含量、十二烷基硫酸钠 (SDS) 沉降量和全麦粉黄度等品质参数。此外，在 130 kg N ha −1 的施用量下，施用本地细菌联合体可使穗长和每穗粒数增加，从而提高产量（与未接种处理相比，每公顷增产 1.0 吨），且不影响谷物品质。总之，使用这种细菌联合体有可能显著促进小麦生长、产量和品质，同时减少氮肥施用，从而为提高小麦产量提供一种有前途的农业生物技术替代方案。
从无人机图像中提取的特征中选择主要变量来解释冬小麦的产量变化
摘要背景：自动化表型分析技术正在不断推进育种进程。然而，在整个生长季节收集各种次要性状并处理大量数据仍然需要付出巨大的努力和时间。选择具有最大预测能力的最少数量的次要性状有可能减少表型分析工作量。本研究的目的是从无人机图像和关键生长阶段中提取出对解释冬小麦产量贡献最大的主要特征。2018 年春季生长季，无人机系统收集了 5 个日期的多光谱图像和 7 个日期的 RGB 图像。从植被指数和植物高度图中提取了两类特征（变量），共计 172 个变量，包括像素统计数据和动态增长率。变量选择采用参数算法 LASSO 回归（最小角度和收缩选择算子）和非参数算法随机森林。使用 LASSO 估计的回归系数和随机森林提供的置换重要性得分来确定每个算法中影响粮食产量的十个最重要的变量。结果：两种选择算法都将最高重要性得分分配给灌浆期前后与植物高度相关的变量。一些植被指数相关变量也被算法选择，主要在生长早期到中期和衰老期间。与使用从测量表型得出的所有 172 个变量进行产量预测相比，使用选定的变量表现相当甚至更好。我们还注意到，适应性 NE 品系的预测准确度 (r = 0.58–0.81) 高于本研究中具有不同遗传背景的其他品系 (r = 0.21–0.59)。
用土著红树林接种剂优化番茄幼苗生长并减少NPK受精
寻找环境友好的产品以减少农作物对合成化肥的依赖提出了一个新的挑战。本研究旨在隔离和选择有效的天然PGPB，以减少对合成NPK肥料的依赖。从红树林（Avicennia Marina）的沉积物和根中分离出41种细菌，并在体外条件下评估其PGP特征。，只选择了两种兼容的杆菌菌株，以单独使用并混合使用以促进番茄幼苗的生长。在锅中以不同的合成NPK施肥率（0、50和100％NPK）评估了在土壤中应用的三种接种剂的效率。实验是在具有三个复制的完全随机设计中设置的。结果表明，几乎所有研究的参数显着增加了不同的接种剂。但是，它们的有效性与合成受精的应用率密切相关。应用细菌接种剂，仅50％NPK显着提高了植物高度（44-51％），数字生物量（60-86％），叶面积（77-87％），绿色平均水平（29-36％）（29-36％），归一化差异植被指数（29％），芽干重量（82-92--92--92-植物）和根干的重量（160）。关于光合活性，这种处理对叶绿素A（25-31％），叶绿素B（34-39％）和类胡萝卜素（45-49％）的浓度显示出积极影响。有趣的是，这些增加确保了与给定100％NPK的对照植物相似或更高的最高值。此外，在接种50％NPK的细菌混合物的植物中记录了番茄芽中N，P，K，Cu，Fe，Zn和Ca的最高积累。在第一次证明，天然PGP细菌衍生自红树林植物物种A.码头对番茄幼苗的质量产生了积极影响，同时降低了50％的NPK。
机器学习驱动的太阳能电池板站点选择和屋顶电位
摘要：利用太阳能是可持续发展和减轻贫困的改变游戏规则。太阳能不仅打击气候变化，而且还为经济机会打开了大门，并改善了服务不足地区的生活质量。太阳能电池板的安装对于应对诸如减少贫困和促进可持续发展目标等全球挑战至关重要。这项工作使用卫星和政府数据来绘制用于太阳能电池板的现场适用性，考虑到高程，风速，表面温度，土地使用土地覆盖，归一化的差分植被指数，一氧化碳一氧化碳水平，太阳能辐照，人口，与居民区，水域，水体，电力，电网和道路的距离。这项研究提供了一个全面的框架，用于评估太阳能电池板站点的适用性，整合环境和基础设施因素以优化放置。对印度拉贾斯坦邦地区的各种机器学习模型，例如XGBOOST，随机森林分类器和随机森林回归。XGBOOST的最佳模型的精度为0.982，精度为0.983，召回0.979，F1得分为0.981。同样，对于准确性，精度，召回和F1分别，测试值分别为0.934、0.882、0.985和0.931。选择XGBoost模型以创建太阳能电池板的适用性图。使用预先训练的Yolov8模型和Google Earth Pro图像混凝土屋顶。然后对屋顶图像进行剪辑和处理以确定边界。边缘检测和轮廓用于计算屋顶区域，根据可用屋顶空间估算太阳能电池板的数量及其潜在发电。本研究提供了一种干净可靠的能源解决方案，可以降低成本并改善欠发达和农村地区的生活质量。通过放置太阳能电池板，对化石燃料的依赖减少，这有助于减少温室气体排放并促进环境可持续性
气候和社会经济的时空分析...
抽象目标本研究旨在评估莫桑比克霍乱发病率的社会经济和气候因素，以考虑空间和时间维度。设计了一项生态纵向回顾性研究，使用莫桑比克卫生部2000年至2018年的每月省级霍乱案件。霍乱案件与2000 - 2018年期间进行的莫桑比克人口和健康调查和气候数据有关的社会经济数据有关；相对湿度（RH），平均温度，降水和归一化差异植被指数（NDVI）。贝叶斯框架中的一个负二项式回归模型用于在调整时空协方差，环境因素的滞后效应和社会经济指标的同时对霍乱发病率进行建模。在莫桑比克设置11个省。在19年期间的结果，总共153 941例霍乱病例已通知莫桑比克的监视系统。与参考平均温度相比，霍乱的风险随每月平均温度高于24°C以上的平均温度增加。在19°C的平均温度下，霍乱风险在5-6个月的滞后较高。在较短的滞后1个月时，降水为223.3毫米，导致霍乱风险增加57％（相对风险，RR 1.57（95％CI 1.06至2.31））。霍乱风险在3个月时最大，每月NDVI为0.137（RR 1.220（95％CI 1.042至1.430）），而参考值为0.2。在54％的RH时，霍乱RR在4个月的时间为4个月时增加了62％（RR 1.620（95％CI 1.124至2.342））。我们发现无线电RR 0.29（95％CI 0.109至0.776）和手机RR RR 0.262（95％CI 0.097至0.711）的所有权与低霍乱风险显着相关。结论衍生的滞后模式可以在气候驱动的霍乱预警系统中提供适当的交货时间，这可能有助于预防和管理暴发。
绿色通勤
背景：习惯性地在绿地上下班可能与促进健康有关，包括缓解压力。然而，很少有研究评估过通勤期间接触绿地与压力水平的关系，也没有研究追踪过通勤者的实际路线。目的：评估 1）通过绿地通勤与人们自我感知压力之间的关联，2）这种关联是否受交通方式的影响，3）这种关联是否取决于不同的绿地操作和缓冲区大小。方法：这项横断面研究使用了来自 18-65 岁荷兰成年人（N = 275）的问卷和全球定位系统数据。感知压力量表用于测量人们的压力水平。通过计算土地利用数据 (GREEN LU ) 中的绿地百分比，并使用从 Sentinel-2 (NDVI SE ) 和 Landsat-8 (NDVI LS ) 卫星图像获得的归一化差异植被指数 (NDVI) 来测量绿地。沿通勤路线设置 50、100 和 250 米的缓冲区来评估受试者的环境暴露。使用普通最小二乘回归模型估计关联。结果：协变量调整回归显示，无论缓冲区大小如何，GREEN LU 与压力水平呈显着正相关。相比之下，NDVI 测量始终显示零关联。在分层分析中，我们观察到 250 米缓冲区内的活跃通勤者的 GREEN LU 与压力水平之间存在正相关；然而，对于所有绿地测量和缓冲区大小的被动通勤者来说，关联均为零。结论：我们的研究结果表明，日常通勤期间接触绿地的增加与人们的压力水平之间存在违反直觉的正相关关系。这些关联可能取决于所选的绿地指标、缓冲区大小和考虑的通勤模式。人们体验绿色环境的行为方面（包括通勤）可能会对其健康产生影响。