作物气象自动化观测技术的研究现状与探索
Research Status and Exploration of Crop Meteorological Automatic Observation Technology
DOI: 10.12677/HJAS.2021.1111142, PDF,    国家科技经费支持
作者: 李 鹏, 谢婷婷, 阙艳红：中国气象局?河南省农业气象保障与应用技术重点实验室，河南 郑州;中国电子科技集团公司第二十七研究所，河南 郑州；张志红*, 马志红：中国气象局?河南省农业气象保障与应用技术重点实验室，河南 郑州;河南省气象科学研究所，河南 郑州；陈海波：中国气象局?河南省农业气象保障与应用技术重点实验室，河南 郑州；周 龙：中国电子科技集团公司第二十七研究所，河南 郑州
关键词: 作物气象；自动化观测技术；现代农业；应用现状；发展方向；Crop Meteorology； Automatic Observation Technology； Modern Agriculture； Application Status； Development Direction
摘要: 作物气象自动化观测技术的开发、应用和推广是一项加速升级传统农业管理模式、促进我国现代农业发展的新的模式和技术途径，可有力支撑现代农业的快速发展。本文详细介绍了国内外研究机构作物气象自动观测技术的发展研究与应用现状，分析了存在的不足和痛点问题，并指出了该技术与应用的关键技术及发展方向。
Abstract: The development, application and popularization of crop meteorological automatic observation technology is a new mode and technical way to accelerate the upgrading of traditional agricultural management mode and promote the development of modern agriculture in China, which can effectively support the rapid development of modern agriculture. This paper introduces the development, research and application status of automatic crop meteorological observation technology in research institutions at home and abroad, analyzes the existing shortcomings and pain points, and points out the key technology and development direction of this technology and application.
文章引用：李鹏, 张志红, 陈海波, 谢婷婷, 马志红, 阙艳红, 周龙. 作物气象自动化观测技术的研究现状与探索[J]. 农业科学, 2021, 11(11): 1046-1051. https://doi.org/10.12677/HJAS.2021.1111142

参考文献

[1] 中国气象局. 农业气象观测规范[M]. 北京: 气象出版社, 1993.
[2] 王建林. 现代农业气象业务[M]. 北京: 气象出版社, 2010.
[3] 侯英雨, 张蕾, 吴门新, 等. 国家级现代农业气象业务技术进展[J]. 应用气象学报, 2018, 29(6): 641-656.
[4] Sadeghi-Tehran, P., Virlet, N., Ampe, E.M., Reyns, P. and Hawkesford, M.J. (2019) DeepCount: In-Field Automatic Quantification of Wheat Spikes Using Simple Linear Iterative Clustering and Deep Convolutional Neural Networks. Frontiers in Plant Science, 10, 1176. [Google Scholar] [CrossRef] [PubMed]
[5] Gibbs, J.A., Burgess, A.J., Pound, M.P., Pridmore, T.P. and Murchie, E.H. (2019) Recovering Wind-Induced Plant Motion in Dense Field Environments via Deep Learning and Multiple Object Tracking. Plant Physiology, 181, 28-42. [Google Scholar] [CrossRef] [PubMed]
[6] 张雪芬, 薛红喜, 孙涵, 等. 自动农业气象观测系统功能与设计[J]. 应用气象学报, 2012, 23(1): 105-112.
[7] 李明, 张长利, 房俊龙. 基于图像处理技术的小麦叶面积指数的提取[J]. 农业工程学报, 2010, 26(1): 205-209.
[8] 杨大生, 吴东丽, 崔石林, 等. 一种基于迁移学习的玉米发育期识别方法研究[J]. 农业科学, 2021, 11(4): 7.
[9] 李涛. 基于深度学习的棉花发育期自动观测[J]. 安徽农业科学, 2019, 47(11): 237-240.
[10] Ubbens, J., Cieslak, M., Prusinkiewicz, P. and Stavness, I. (2018) The Use of Plant Mod-els in Deep Learning: An Application to Leaf Counting in Rosette Plants. Plant Methods, 14, No. 1. [Google Scholar] [CrossRef] [PubMed]
[11] Jin, X., Madec, S., Dutartre, D., de Solan, B., Comar, A. and Baret, F. (2019) High-Throughput Measurements of Stem Characteristics to Estimate Ear Density and Above-Ground Biomass. Plant Phenomics, 2019, 1-10. [Google Scholar] [CrossRef] [PubMed]

为你推荐