油茶产业发展新论

油茶是我国特有的重要木本油料植物,有悠久的栽培历史。油茶产业2008年以来快速发展取得了显著成效,呈现出特色产业的巨大潜力。笔者概述了油茶产业形成和发展的基础,总结了近年发展所取得的成效,辩明了油茶产业的定义、内涵与发展趋势;从生产、技术、市场和社会等层面分析产业发展过程中存在的问题和瓶颈,提出了未来发展的定位与目标。针对产业发展现状和趋势,提出了顶层设计、修订全国油茶产业发展规划;科学构建油茶产业链,明确各环节功能与利益;整合科技资源,重点攻克油茶产业发展的技术瓶颈;开发多样化的生态产品,拓展油茶产业领域;大力推广新品种和低产林改造;推进标准化生产技术提升油茶丰产栽培水平;创新经营模式,调整油茶产业生产组织形式;搭建油茶产业发展的大数据与交易平台;强化规范市场产品质量控制;加大政府权威宣传力度积极创建油茶知名品牌;加强人才培养与技术服务等11条建设性建议。笔者从油茶产业发展的宏观角度疏理了应对产业发展瓶颈的对策,对进一步促进油茶产业健康有序发展有积极影响和重要意义。     

低磷胁迫对不同油茶无性系幼苗生长及养分利用效率的影响

选择砂培处理的油茶无性系幼苗为对象,采用裂区设计,以0、0.05、0.5 mmol/L 3种磷处理水平(P₀、P₁、P₂)模拟低磷胁迫,研究低磷胁迫对5个油茶优良无性系生长及氮、磷、钾吸收利用效率的影响差异。结果表明:不同油茶无性系间耐低磷胁迫差异显著; 随低磷胁迫的加剧,各无性系的生物量和氮、磷吸收量减少,而利用率增加。无磷和低磷时湘林67和湘林69两个无性系的生物量和磷吸收量、利用效率均较高,叶片氮磷比(N/P)和叶片Δ(N/P)均较低,表明这两个无性系具有较好的体内磷养分循环利用机制,具备良好的耐低磷胁迫能力。     

间种对油茶林地土壤理化性质及幼林生长量的影响

采用野外调查与室内分析测定的方法,研究了间种对油茶幼林土壤理化性质及生长量的影响。结果表明：在油茶幼林地间种花生和红薯,一定程度上降低了土壤的水分含量,但间种土壤养分含量均优于对照地土壤养分含量,微生物数量也显著高于对照地微生物数量。同时,间种还提高了油茶的新梢长和树高,增加了林地的经济收益。实施油茶幼林间种对改善土壤的理化性质及提高油茶生长量是有效的。     

基于相机拍照的油茶果形状特征提取研究

【目的】为实现油茶果实尺寸及大小分布的快速获取,提出一种基于相机拍摄的油茶果形状特征参数批量化提取方法。【方法】首先将采摘油茶果摆放于含刻度尺的背景板,利用相机快速获取油茶果图像并进行校正;然后利用Mask R-CNN模型对图像油茶果进行快速检测计数,根据生成的掩码采用椭圆拟合法统计油茶果特征参数(长轴长、短轴长、面积、周长)的像元个数;最后结合背景板刻度尺计算的像元大小,获取油茶果特征参数,同时利用实测值进行精度验证。【结果】Mask R-CNN模型的平均识别准确率和召回率分别为99.55%和91.19%,测度值为95.22%,满足用于统计油茶果形状特征参数的要求。对油茶果面积的估测精度最高,决定系数(R²)、平均绝对误差(MAE)、均方根误差(RMSE)分别为0.999 0、10.75 mm²、14.88 mm²;其次为周长和长轴长,短轴长的估测精度最低,其R²、MAE、RMSE分别为0.864 7、3.15 mm、3.74 mm。【结论】该方法实现了油茶果采摘后的快速准确计数以及形状特征参数的批量化提取,可为大量果实特征参数的快速准确检测提供参考,为指导油茶果实分级和快速测产提供科学依据。     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

深度学习在基于叶片的油茶品种识别中的研究

【目的】采用深度学习方法开展基于叶片的油茶品种识别研究，开发油茶品系图像识别技术，为油茶品种鉴别提供科学依据。【方法】选择自然光照条件下生长的11个油茶品种叶片作为研究对象，采集完整、无明显病虫害的叶片，以白色硬纸板为背景，利用智能手机对叶片的正、背面进行图像采集，通过可用性筛选去除无效图像，构建图像数量为2 791张的油茶叶片品种数据集，采用深度学习网络(GoogLeNet、ResNet)对11个油茶品种的叶片图像进行识别研究。【结果】GoogLeNet和ResNet网络均能满足基于叶片的油茶品种识别要求，总体识别准确率、召回率的调和平均值(F₁)分别达94.0%和80.7%;其中GoogLeNet网络识别效果更好，平均准确率、召回率、多分类模型指标宏观F₁(Macro F₁)和微观F₁(Micro F₁)分别为94.1%、94.0%、94.0%和96.9%,其对油茶品种编号1和编号8的识别召回率高达100%。【结论】深度学习网络(GoogLeNet、ResNet)能够实现基...