XiaoMi-AI文件搜索系统
World File Search System稻田
iRSVPred：基于人工智能预测主要巴斯马蒂稻种品种的 Web 服务器
种子的纯度是决定作物产量，价格和质量的农业中最重要的因素。大米是全球不同形式消费的主要主食。识别高产和高质量的稻田是一项具有挑战性的工作，主要取决于昂贵的分子技术。基于分子实验室技术的实际和日常用法非常昂贵且耗时，并且还涉及几个后勤问题。此外，稻草农民不容易获得这样的技术。因此，需要开发替代，易于访问和快速的方法来正确识别稻田种子品种，尤其是商业重要性。我们已经开发了基于种子图像的IRSVPRED，深度学习，以识别和差异化十种Basmati大米的十种主要品种，即Pusa Basmati 1121（1121）（1121），Pusa Basmati 1509（1509）（1509），Pusa Basmati 1637（1637） ），耐盐的basmati大米品种CSR 30（CSR-30），DEHRADOON BASMATI TYPE-3（DHBT-3），PUSA BASMATI-1（PB-1）（PB-1），PUSA BASMATI-6（PB-6），Basmati -370 -370 （BAS-370），PUSA BASMATI 1718（1718）和PUSA BASMATI 1728（1728）。该方法在训练集（总计61,632张图像）和内部验证集（总计15,408张图像）上的总体准确度分别为100％和97％。此外，研究中使用的所有十个品种（642张图像），已经达到了大于或等于80％的精度。irsvpred Web-Server可以在http://14.14.139.62.220/rice/上免费获得。
机器学习的高级天气预报
在一项研究中认识到培训数据的重要性（Katiyar等，2020）。由于SAR照片的局限性，例如城市洪水区域代表的扭曲几何形状，阴影区域和不确定性，作者建议在未来的研究中包括其他数据。通过结合DEM数据，几何和阴影区域可以得到照顾。将被淹没的稻田与其他洪水区分开，也可能受益于使用多时间SAR图像和各种极化。通过将洪水前拍摄的图像与洪水中的图像进行比较，可以使用一种变化检测机制，从而大大提高了程序的准确性[18]。
过渡到一个新的阳性绿色...
3，由于气候变化的不利影响和由此产生的温室气体排放（GHGS），近年来，向绿色经济的过渡近年来已经取得了步伐。人类活动（例如农业（稻田），森林砍伐，工业活动和化石燃料（天然气，煤炭，煤炭，石油等），人类活动（例如农业（天然气，石油等））加剧了甲烷的有害发射。由于这些环境困境，在国家特定的全国确定贡献（NDC）下，有持续的适应和缓解措施应对气候变化的不利影响，该贡献的目标是达到1.5 0 c工业前工业水平。
主要的环境驱动因素的丰度，多样性和社区结构在稻田中
最近发现的完整氨氧化剂（comammox硝基螺旋体）包含了进化枝A和B，该进化枝A和B建立了一个独立的一步硝化过程。但是，对于农业土壤中的环境驱动因素或栖息地分布知之甚少。先前对稻田中硝基核心的研究主要集中在小型样品上，并且缺乏对稻田中comammamox硝基螺旋体的多站点研究。在这项研究中，我们对36个稻田的调查进行了调查，旨在了解Comammox硝基核心社区结构，丰富性和多样性以及它们受环境因素的影响程度。comammox硝基螺旋藻被发现广泛分布在稻土中。comammox硝基螺旋向进化枝A的丰度大多低于进化枝B，而其多样性大多高于Bade B.相关分析表明，多个因素影响了Comammox硝基螺旋体的丰度，包括pH，土壤有机物，总碳，总氮，纬度，平均年温度和平均年降水量（P <0.05）。此外，comammox硝基螺旋藻群落和栖息地之间存在明显的关系，表明某些扩增子序列变体（ASV）在特定栖息地中具有独特的主导地位。的系统发育分析表明，comammox硝基螺旋藻的ASV是由稻田中已知序列聚集的，与其他栖息地中的已知序列有显着差异。这可能与稻田的独特栖息地有关。相比之下，comammox硝基螺旋向进化枝B没有显示出明显的栖息地依赖性。这些结果支持稻田中硝基核心的广泛分布和大量的丰富性，并提供了对农业生态系统中氮循环和营养管理的新见解。
低地农业景观中流行的日本鼬鼠的营养可塑性
自然生态系统转化为人类修饰的景观（HML）是陆地生态系统中生物多样性丧失的主要驱动力，尤其是大型捕食者的丧失。他们的灭亡会大大改变食物网，有时会释放出较小的食肉动物，例如野马科的成员。尽管如此，即使是小食肉动物也必须适应人类对候对食物的可用性的影响，从而改变其资源使用。在这种情况下，在农业栖息地种植的农作物会深刻影响社区集会。在这里，我们对2017年7月至2018年8月之间收集的75个日本鼬鼠（Mustela Itatsi）Scats进行了饮食分析，以确定其季节性饮食习惯，该景观由日本东部西部帕迪田（Rice Paddy Fields）占据主导地位。从春季到秋天，日本鼬鼠主要消耗（半）水生和限制动物分类群，特别是侵入性小龙虾（Procambarus clarkii），昆虫（例如，鞘翅目和odonata）以及成年的阿努拉（Anurans）以及所有这些都是易于使用的宠物。在冬季，japanese鼬鼠主要消耗了果实（例如，无花果，五库里卡），由于干燥的稻田和灌溉沟渠中动物猎物缺乏动物猎物的稀缺，因此在SCAT的组合含量相对减少。尽管节俭在芥末饮食中是不寻常的，但我们的发现表明，日本的奶奶酪能够自适应营养可塑性，使它们能够在稻田栖息地中生存在非典型的资源条件下。为了加强在日本保护Mustela Itatsi的广泛努力，我们建议稻米单一培养物的多样化，并鼓励冬季洪水增加水生和半养生动物猎物的可用性。
使用卷积神经网络通过图像处理和分类中的水稻作物检测
人工智能（AI）今天占据了中心排名，尤其是在技术进步无处不在的情况下。在最有影响力的工具中，深度学习已经在专业和学术领域中建立了自己。本文着重于卷积神经网络在检测与大米竞争的杂草方面的有效性。为了实现这一目标，将预训练的Inception_V3模型的扩展用于图像分类，而Mobilenet则用于图像处理。这种创新的方法在大米和杂草之间有挑战性的稻田上进行了测试，这是AI领域的重大进步。然而，两种模型的训练都揭示了局限性：Inception_V3在第10次迭代后表现出过度拟合，而Mobilenet在第一次迭代中表现出较高的波动性和过度拟合。尽管面临这些挑战，但Inception_V3还是以其出色的准确性而脱颖而出。
开发一种对根滞留疾病有抵抗力的中国卷心菜Yamamoto Shori博士，日本Naro Profile
日本概况Yamamoto博士是美国国家农业环境科学研究所（NIAES/NARO）的主任。他目前还在农业土地上使用生物炭领导着碳固存的项目，此外还管理着该研究所。他于2000年获得了东京大学的博士学位，涉及景观结构与萨托玛植物群保护之间的关系。他的研究重点是农业生态系统的可持续管理，尤其是在萨托玛和稻田景观的二级生态系统中生物多样性的保护，这是由农业活动维持的。在这种情况下，他一直在研究农业生态系统管理产生的未使用的生物量的利用。他还参与了Maff和Naro的长期农业研究策略的规划和制定，并负责Niaes和Naro的研究管理已有20年了。