基于四川邛崃市、梓潼县、绵阳市安州区、眉山市东坡区、大竹县和泸县6个国家级杂交水稻制种大县（区）气象部门，开展杂交水稻制种气象保障服务现状调研。并从农业气象观测手段、服务支撑技术、服务产品体系和专业技术人才4个方面展开具体分析。围绕杂交水稻制种产业的“繁”“制”“推”环节对气象服务的需求进行探讨，从构建智能观测站网、发展“智慧化”服务技术、完善智慧型社会化服务和加强人才队伍建设4个方面提出了具体对策。为建立现代杂交水稻制种气象保障服务体系提供有益参考。

本文介绍了沙漠化的主要特征及对环境和社会的影响；分析了沙漠化监测与防治方法的优劣势；在此基础上分析了遥感技术在沙漠化研究中的应用，包括遥感数据的获取、处理方法及其应用，重点讨论了遥感技术在土地退化监测、植被恢复和水资源管理等方面的应用；探讨了遥感技术在沙漠化监测和防治领域未来的研究方向和面临的挑战。旨在通过探讨当代遥感技术在沙漠化防治中的研究应用，为促进沙漠化防治工作的进一步发展和完善提供参考。

为开展梨属植物开花期精细化气象服务，提升梨树始花期预报精度。本研究基于1999—2023年四川成都新津区梨树物候观测数据与气象资料，采用Julian日换算法分析梨树始花期特征，运用数理统计方法分析梨树始花期与气象因子的相关性。选取1999—2018年数据资料，利用逐步回归法建立梨树始花期预报模型，并利用2019—2023年数据进行模型预报检验。梨树始花期特征表明，梨树始花期在3月上旬至3月下旬，常年平均始花期在3月13日，始花期最早和最晚相差22 d，花期持续日数最短与最长相差14 d。相关性结果显示，始花期与花前14 d平均最低气温呈负相关（P<0.01)，与花前21 d降水日数呈正相关（P<0.05），花前14 d的7日滑动平均气温稳定通过11.6 ℃后3～10 d为梨树进入始花期的气象指标；梨树花期持续日数与雨日、降水量、日照时数呈正相关（P<0.05），小雨天气有利于延长花期。预报模型建立和检验结果表明，通过当年1—2月≥0 ℃活动积温和1月最高气温能有效预报梨树始花期，较常年花期提前13 d进行预测。本研究为梨花观赏精准化的气象服务提供参考。

基于青海省2018—2022年气象资料、暴雨洪涝灾情资料及逐年经济数据，采用相关分析、曲线拟合等方法分析致灾暴雨对农业生产影响的脆弱性程度。结果表明，研究区致灾暴雨对农业生产的影响范围主要集中在青海东部及海西州东部，近5年（2018—2022年）来，以2022年出现灾情最多，8月出现频率最高，降水持续时间大多不超过1 d；6 h、12 h及日最大降水量是造成该地农作物暴雨灾害单位面积经济损失的主要降水致灾因子，在抗灾能力保持一致时，农作物暴雨灾害单位面积经济损失随着降水量的增大呈逐渐增加的趋势。由于单一要素的脆弱性曲线误差较大，选择构建多要素的农作物暴雨灾害脆弱性曲线：农作物暴雨灾害单位面积经济损失=0.020×12 h最大降水量-0.146×降水持续日数+0.585。该曲线可为未来暴雨洪涝对农业生产的致灾性预估提供参考。

本文从产品质量的稳定性、生产效率、数据分析和管理能力等方面分析了酱香型白酒生产过程中亟待进一步提高的环节，阐述了物联网各层次先进技术在白酒生产环节中的应用，并设计一套酱香型白酒生产的物联网应用系统架构，为物联网技术在酱香型白酒生产中的应用提供参考。

为探究冰雹对油菜的灾损影响。本文通过在野外田间开展模拟试验，用5、10、25和30 mm不同尺度大小的钢球模拟不同尺寸的冰雹，探讨不同直径和相同直径不同密度冰雹对油菜的损害，并对不同直径冰雹对油菜地上部生物量的影响以及油菜冠层光谱进行测定，收集油菜在开花期、终花期的灾害损失情况，并对油菜产量进行统计。结果表明，模拟30 mm大直径冰雹对油菜的灾害损失影响最大；同一直径的模拟冰雹中，密度越大，造成的灾害损失越大；油菜受灾前后的光谱分析所得结论不明显，后续需要开展进一步研究。为降低冰雹对油菜造成的损害、提高作物产量提供参考。

为研究不同物理过程参数化方案对江淮梅雨降水预报的影响,基于WRFv4.4.2,利用GFS预报数据、第六版MODIS土地覆盖类型产品和ERA5-Land观测数据集,使用均方根误差、相关系数、公平技巧评分和偏差评分等方法,模拟评估Ferrier、WSM6和Thompson这3种云微物理过程参数化方案,以及KF、BMJ和Tiedtke这3种积云对流参数化方案共9种组合,对2020年7月14日00：00—17日00：00江淮流域梅雨期一次降水过程的预报效果进行分析。结果表明,（1）积云对流参数化方案对江淮梅雨降水预报有更为明显的影响,使用BMJ可以获得较好的预报结果;（2）WRF模式在山地、城市等区域表现不佳,在平原、农田等区域表现尚可,适用性存在一定不足;（3）在江淮流域北部地区（32.7 °N以上）使用WSM6和BMJ的实验组合综合表现较佳,可较为准确地预报降水过程变化趋势,对小雨和中雨量级的降水落区有较高的预报技巧。为今后江淮梅雨期降水预报提供参考。

为分析温升背景下皖北平原地区1955—2022年降水时空变化规律,利用皖北平原境内5个气象站点1955—2022年降水逐日数据资料,采用现行倾向估计、M-K检验、Morlet小波分析及EOF正交分解等方法,分析研究区近68年降水时空变化规律。结果表明,（1）近68年来,皖北平原年降水和春、夏季降水呈下降趋势,倾向率分别为-0.23、-1.11和-0.05 mm/10 a;秋、冬季降水呈增加趋势,倾向率分别为0.330和1.08 mm/10 a。（2）M-K突变检验显示,秋季降水在1958年发生由少到多的突变,年降水和夏季降水分别在2009年和2010年发生了由多到少的转变,春、冬季未发生突变现象。（3）利用小波分析可知,年降水无明显周期变化,春季震荡主周期16~17 a,夏季震荡主周期3~4和25~26 a,秋季震荡主周期19~20 a,冬季震荡主周期12~13 a。（4）皖北平原年降水和春、夏和秋季降水均呈南—北反向分布形式,冬季呈现东—西反向分布形式,年降水和夏季降水呈现由北向南依次减少的变化趋势,春、秋季呈现由南向北依次减少趋势,冬季呈现由东向西依次减少趋势。

为满足消费市场上不断增长的有机番茄食用与鉴别需求,基于质谱检测数据,本文研究了一种有机番茄快速鉴别深度学习模型。首先,模型使用无监督降维方法对原始质谱检测数据进行降维,提取关键信息;其次,使用长短期记忆网络（Long short-term memory,LSTM）和Transformer网络提取序列信息特征;最后,利用反向传播（Back propagation,BP）神经网络构建分类器,实现面向有机及非有机番茄的精准识别。模型识别准确率在训练集上表现为98.437%,在测试集上表现为97.478%。结果表明,模型在有机及非有机番茄质谱快速检测识别任务上具有一定应用潜力,可部分满足有机番茄市场的发展需求,为有机番茄鉴别提供一定参考。

为探究强对流天气发生机理,更好地为农业生产提供气象服务,本文利用气象信息综合处理系统实况资料、自动站加密观测资料、MICAPS4平台资料、卫星和雷达资料,对2023年7月7日辽宁锦州地区的一次强对流过程的环流形势、对流不稳定条件、卫星和雷达特征进行分析。结果表明,此次过程是发生在东北冷涡天气背景下的强对流天气,高空东北冷涡加强,地面华北低压向东北移动,槽后冷空气补充,冷暖空气交绥,且垂直风切变较强,低层高湿高能环境为此次强对流提供充足的水汽和能量,促使出现了雷暴大风和短时强降水天气。同时,充分利用气象部门发布的农业气象灾害风险评估产品、预报预测产品,以应对强对流天气对农业生产的影响,做好低洼地带农田防护与排涝工作,做好病虫害防治措施。

为加强对研究区农业气象强对流天气发生发展情况的分析和研究,利用高空观测中的位势高度、风向风速和温度等常规观测资料,地面自动站逐小时降水、风向风速及露点温度等地面加密资料,以及雷达回波等实况资料,对2023年6月11日研究区强对流天气的大气环境特征与触发机制进行分析。结果表明：（1）在500 hPa副高偏弱,受东部沿海低槽的槽后西北风拟制的情况下,中低层无明显辐合系统和低空西南急流,而在有利的不稳定层结、能量条件和触发机制共同作用下,研究区仍有可能出现强对流天气。由于中低层无明显辐合系统和低空西南急流,水汽输送和辐合条件较差,导致强降水的范围不大、强度较弱。（2）受高空500 hPa东部沿海低槽的槽后西北气流影响,高空有弱冷平流,低层有弱暖平流,为强对流天气的发生提供了一定的环流条件。本次强对流天气主要是由强烈的热力不稳定和对流触发条件造成的,对流有效位能达2 593.1 J/kg、对流稳定度指数Δθ_se850-500为17.8 ℃、K指数37.5 ℃、沙氏指数SI为-3.16 ℃、抬升指数LI达-7.38 ℃、下沉对流有效位能DCAPE达1 145.5 J/kg,有利于雷雨大风天气的发生。而动力不稳定条件较差,垂直风切变较弱,因而大冰雹不容易生成。（3）本次强对流天气是由地面中尺度辐合线,低层850、925 hPa和地面干线,925 hPa和地面湿舌等共同触发而产生的,其中850、925 hPa和地面的露点温度梯度分别达5.5、3.9和6.6 ℃/100 km。目的在于为后续的强对流天气预警预报提供参考。

浅层地温对作物种子发芽和生长具有重要作用。本文利用五道沟实验站近50年浅层地温（0~40 cm）实测资料,采用Mann-Kendall检验、斯皮尔曼相关性分析、气候要素变化趋势分析和其他气候要素筛选,分析研究区近50年浅层地温年、季尺度演变规律,提出浅层地温与气温、降水量、风速、日照时数和水汽压力差多气象要素的相关性,并构建了多元回归预测模型。结果表明,（1）年际变化上,研究区域各层地温均呈现上升趋势,各层地温的变化趋势基本一致。各季浅层地温变化趋势不尽相同,冬季地温趋势率最大,春季、夏季和秋季浅层地温升温趋势在较小范围内波动。（2）在Mann-Kendall突变检验中,0、10、15、20和40 cm浅层地温分别在2012、2018、2015、2017和2017年发生突变,在这些年份发生突变后地温有明显上升趋势。（3）冬季浅层地温与气温呈极强正相关关系（R²>0.8）,不同季节下研究区风速、日照时数和水汽压力差与浅层地温存在一定的线性相关性。（4）建立了不同季节浅层地温与各气候因子预测模型,并且用该模型对2022年月平均地温进行拟合检验,该模型精度较高,可用于研究区地温预测。

本研究以M地为研究区,基于多时相Sentinel-2影像数据,采用典型植被指数NDVI和EVI时间序列变化特征构建决策树分类模型,提取研究区莓茶种植区域并绘制莓茶种植区域图;利用决策树分类方法、最大似然法和支持向量机进行分类精度对比。结果表明,（1）M地莓茶种植主要分布于中部与北部的T地、M地和G地,东部与南部的D地和Q地分布较少;（2）通过3种分类结果对比发现,决策树分类方法（总体精度为97.2%,Kappa系数为0.963）最优,其次为支持向量机（总体精度为92.9%,Kappa系数为0.896）,最大似然法分类效果（总体精度为91.7%,Kappa系数为0.888）最差。该研究可为莓茶种植范围提取在数据源与时序特征构建方面提供参考。

农作物病害是严重影响农业生产的关键因素之一。近年来,深度学习技术迅速发展,其在农作物叶部病害检测和识别领域的应用逐渐受到关注。本文对基于深度学习的农作物病害识别方法进行总结,分析了该技术在农作物病害识别中的应用,从田间环境、成本和数据量等方面入手探讨其需要解决的一些问题,并对其发展进行了展望,为今后农作物病害识别的深入研究与发展提供参考。

“大数据+”网格化监测系统综合效能的提升,对改善大气环境质量具有现实意义。本文以华中地区W市为例,分析了其环境空气网格化监测系统现状,揭示了其存在的共性问题,并提出解决方案,为环境空气网格化监测系统综合效能提升提供参考。

本文基于生猪养殖中存在的人工定期巡检养殖管理造成的系列问题,如人力物力浪费、难以实时监测养殖环境和不能及时反馈养殖异常环境等,设计了基于物联网的生猪养殖环境监测系统。该系统通过多种传感器实时检测猪舍环境中的温湿度、光照强度及有害气体浓度,数据处理后通过WiFi传输到云平台,实现远程监控。结果表明,该系统能够实时准确获取养殖环境信息,并实现自动化环境调控和远程监控,为生猪生长提供适宜的环境,具有一定的应用价值。

为进一步促进农业水利灌溉智能化发展,提高水资源的利用效率,本文探索物联网技术在农业水利灌溉中的应用。分析农业水利灌溉系统的发展现状,总结物联网技术的应用优势,如实时监测土壤温湿度,提升农作物产量和品质,增强灌溉系统的适应性和扩展性。实践证明,在农业水利灌溉系统中应用物联网技术,对实现水资源的优化配置和高效利用具有非常重要的意义,可以有效缓解水资源紧缺问题,促进农业产业可持续发展。

在智慧林业背景下,全面了解香榧的生长习性是实现其种植精细化管理的基础。香榧种植大数据平台采用以STC12C5A60S2芯片为核心的控制箱,采集香榧种植气候和土壤等环境数据,并通过以太网接入方式将数据转发到云端大数据平台进行统计分析,最终通过数据可视化大屏展示数据分析结果。香榧种植大数据平台能够实现香榧种植环境信息实时监测,可节省人力成本,提升工作效率,有效提升香榧种植效益。

为了解黑龙江省植被动态变化及探究植被与气候因子之间的关系,本文基于2000—2020年植被生长季（4—10月）的MOD13Q1-NDVI数据,分析其植被空间分布、时空动态变化及变异系数CV;同时结合气候因子,分析植被归一化植被指数（NDVI）变化与气温、降水和相对湿度的响应特征。结果表明,2000—2020年该地区植被生长季NDVI多年平均值为0.57,总体呈北部和东南部高,东北部和西南部低;21年来植被生长季NDVI整体呈显著改善趋势,年变化率为0.003 5（P<0.01）。植被改善区域远大于其退化区域,且以明显改善为主,仅3.35%的区域呈退化趋势;NDVI的变异系数以低波动和相对低波动为主,分布占比为38.77%和51.89%;植被NDVI与气温、降水和相对湿度均呈正相关性。气温、降水和相对湿度对植被NDVI变化的相对贡献率分别为28.00%、26.17%和45.83%;相对湿度是影响植被NDVI变化的主要气候因子。

本文利用淮北平原五道沟实验站1972—2021年降水径流106场实测资料,以径流曲线模型（SCS-CN）为基础,确定了该地区的径流曲线数（CN值）,对模型参数进行了敏感性分析,引入降水量与前期影响雨量优化模型主要参数（CN值）,验证期（2010—2021年）借助模型效率系数E、R²及RE对传统SCS-CN模型及改进后模型进行可靠性检验。结果表明：（1）降水量P和初损率λ为定值时,CN值越大,对径流预测结果的影响越大;计算径流量Q随初损率λ的增大呈减小趋势;随着CN值增大,计算径流量Q及初损率λ对CN值的变化敏感性越低;当降水量越大时,初损率λ对降水量的敏感性越低,初损率λ的取值对计算径流结果的影响可以忽视。（2）参数优化后的SCS模型中的R²=0.864,E=0.780,模型总体平均相对误差为26.67%,标准SCS-CN模型的R²=0.782,E=0.230,模型总体平均相对误差为366.67%,改进后模型评价指标均高于标准SCS-CN模型,对研究区的径流预测更具有适用性。

农业智能传感器是一种智能感知农业环境参数的设备。在智慧农业发展背景下,现代农业的信息化、智能化发展离不开农业智能传感器的广泛应用。农业智能传感器的应用与普及可以帮助农民精确地制定种植策略,提高作物的产量和质量,减少资源浪费和环境污染。本文阐述了智慧农业背景下农业智能传感器的应用现状,剖析了农业智能传感器自身、数据传输通信和数据处理方面存在的问题,并提出了解决措施和建议,为推广应用农业智能传感器提供参考。