一、项目分类 显著效益成果转化 二、成果简介 在茶园管控方面，取得以下成果： （1）探明了太阳天顶角、高度角以及太阳光谱中夫琅和费线对于田间光谱采集的影响规律，提出了融合高光谱和深度图像技术的茶树生理信息定量检测方法。其中，茶树氮肥吸收利用检测方法处于国际领先水平； （2）将共聚焦显微拉曼光谱技术应用于茶炭疽病早期诊断中，可在显症前24h诊断出病害； （3）研制出茶叶信息的快速高通量远程测量系统及装备，开发了茶园实时监测与精细化管理物联网云服务平台，实现了茶园水肥精准管理和病害防控。 在茶叶加工方面，取得以下成果： （1）探明了流水线上堆积状茶叶几何形态差异、紧实度对于光谱测量的影响机制，提出了融合图像灰度共生矩阵和指纹光谱特征的品质在线检测新方法； （2）研制了鲜叶含水率、色素、老嫩度等品质指标的无损快速检测装备，实现了堆积状茶叶品质指标的动态检测； （3）发明了基于生产线上茶叶原料实时品质信息的加工工艺自适应系统，为茶叶加工智能化奠定了技术基础。 在茶叶生产加工信息管理方法，取得以下成果： （1）提炼设计出名优绿茶机械炒制的核心作业机构，把扁形名优绿茶加工过程拆分成数道机械炒制流水工序； （2）探明了扁形名优绿茶机械炒制的关键工艺参数，建立了扁形名优绿茶机械制茶工艺指标数据库和标准； （3）发明了融合传统工艺与现代化信息集成控制的绿茶数字化连续加工智能控制系统，实现从“凭经验做茶”到“看数字制茶”。

各地基建物资设备的海量信息检索与搜索引擎攻关

本发明公开了一种基于用户的统计信道状态信息的预编码方法及系统。该方法包括如下步骤：根据用户的信道状态，将用户分为统计用户和瞬时用户，基站获取所有统计用户的统计 CSI 和所有瞬时用户的瞬时 CSI；对每个统计用户，计算其正交于其他用户的信道空间的正交子空间，并利用该正交子空间设计该统计用户的预编码向量；获取所有瞬时用户正交于所有统计用户的信道空间的正交子空间，并利用该正交子空间设计所有瞬时用户的预编码矩阵。该方法仅利用用户的统计 CSI，不限定基站服务的用户数目，能够同时服务于仅有统计 CSI 的用户和有瞬时 CSI 的用户，并且能够有效避免两类用户之间的干扰。

本发明公开了一种基于极化毫米波辐射的获取目标表面方位信息的方法；通过在无极化辐射环境中分别以三种不同的天线极化旋转角度对包含目标的场景进行成像，得到目标的亮温图像；再计算每个表面的平均亮温值；然后将每个表面的三种不同天线极化旋转角度及其相应的平均亮温值代入曲线方程中，求解出每个表面的表面方位信息角；最后根据表面方位信息角再次对目标进行成像，得到新的亮温图像，进而结合表面方位信息角的终边方向上的亮温变化趋势以及判断原则，得到每个表面的法向量的方位角。本发明能非接触、被动、高精度地获取目标表面的方位角信息，为目标的检测与识别提供更多的有用信息。

北京师范大学环境学院梁赛教授课题组研究成果在《自然》子刊《自然·食品》（Nature Food）以研究论文形式在线发表（Network resilience of phosphorus cycling in China has shifted by natural flows, fertilizer use and dietary transitions between 1600 and 2012）。该研究分析了1600-2012年间中国磷循环网络的韧性，研究结果表明，受自然流动、化肥使用和饮食转变的影响，近几十年中国磷循环网络的韧性呈下降趋势。 磷元素是人类生存和生态系统运转所需要的一种必要营养元素。对人类和生态系统而言，磷循环网络在遭受外部冲击时仍能持续保障磷供给的能力（即韧性）至关重要。已有研究主要通过磷元素代谢路径分析来研究磷资源使用和磷排放问题，较少关注磷循环网络的韧性。本研究首次综合运用生态网络分析等方法，对1600-2012年间中国磷循环网络的韧性进行了测度研究与影响因素分析。 结果表明：为满足中国不断增长的食品消费总量和结构的需求，中国磷循环网络从由土壤自然磷流主导转变为由化肥生产的工业磷流主导，并不断强化。这种变化降低了网络中的冗余路径，从而导致近几十年来磷循环网络的韧性呈下降趋势。城市化进程加剧了磷的单向流动，进一步降低了磷循环网络的韧性。特别是在2000-2012年间，由于人群饮食结构中动物性食物比重不断提高，磷循环网络的韧性下降了11%。如果按这种趋势继续发展，在社会环境的冲击和干扰下，磷供应会逐渐成为影响中国粮食安全的重要因素。 为提高磷循环网络的韧性，本研究提出减少食物损失和浪费、提高“农田到餐桌”食物供应链效率、减少化肥使用、提升磷循环率等措施，并进一步量化这些措施对磷循环网络韧性的提升程度。此外，本研究的框架和指标也适用于分析其他地区和资源的网络韧性，可以为全球可持续发展目标的实现提供科学依据。 本研究由北京师范大学和华东理工大学领衔，国际应用系统分析研究所、意大利欧洲-地中海气候变化中心和意大利威尼斯大学、美国陶森大学、捷克共和国马萨里克大学、美国密歇根大学、中山大学、清华大学、英国伦敦大学学院、广东工业大学等单位组成团队共同完成。北京师范大学梁赛教授和华东理工大学余亚东副教授为论文共同第一作者，北京师范大学梁赛教授、华东理工大学余亚东副教授和英国伦敦大学学院米志付研究员为论文的共同通讯作者。合作作者杨志峰院士对论文完成给予了重要指导。该研究得到国家自然科学基金等项目的资助。

本发明公开了一种基于神经网络的反演大气可降水量的MODIS模型改进方法，包括以下步骤：S1：利用MODIS三通道比值法反演大气可降水量PWV，记为PWVMODIS；S2：利用BP神经网络建立测站处的纬度φ、测站处的高程h、年积日doy、PWVMODIS与测站GPS/MODIS反演的PWV残差RES之间的非线性关系；S3：对BP神经网络模型进行训练；S4：将φ、h、doy以及PWVMODIS作为输入参数代入BP神经网络模型，并计算出GPS测站处PWV残差RESBP；S5：利用RESBP补偿PWVMODIS，获得大气可降水量PWV＝PWVMODIS+RESBP。本发明有效提高了建模精度。

项目成果/简介:本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法,旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题,属于茶叶储存时间分类领域.其原理利用电子鼻传感器模拟人感官品评的功能和特征,采集不同时间不同传感器的特征值,构建样本集.利用果蝇算法优化广义回归神经网络,获得广义神经网络的平滑因子,进而构建毛峰茶叶储存时间的FOAGRNN分类模型和方法.本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中,提高预测毛峰茶叶储存时间分类的效率和准确度,为消费者提供茶叶储存时间分类的有效方法.

北京师范大学环境学院梁赛教授课题组研究成果在《自然》子刊《自然·食品》（Nature Food）以研究论文形式在线发表（Network resilience of phosphorus cycling in China has shifted by natural flows, fertilizer use and dietary transitions between 1600 and 2012）。该研究分析了1600-2012年间中国磷循环网络的韧性，研究结果表明，受自然流动、化肥使用和饮食转变的影响，近几十年中国磷循环网络的韧性呈下降趋势。 磷元素是人类生存和生态系统运转所需要的一种必要营养元素。对人类和生态系统而言，磷循环网络在遭受外部冲击时仍能持续保障磷供给的能力（即韧性）至关重要。已有研究主要通过磷元素代谢路径分析来研究磷资源使用和磷排放问题，较少关注磷循环网络的韧性。本研究首次综合运用生态网络分析等方法，对1600-2012年间中国磷循环网络的韧性进行了测度研究与影响因素分析。 结果表明：为满足中国不断增长的食品消费总量和结构的需求，中国磷循环网络从由土壤自然磷流主导转变为由化肥生产的工业磷流主导，并不断强化。这种变化降低了网络中的冗余路径，从而导致近几十年来磷循环网络的韧性呈下降趋势。城市化进程加剧了磷的单向流动，进一步降低了磷循环网络的韧性。特别是在2000-2012年间，由于人群饮食结构中动物性食物比重不断提高，磷循环网络的韧性下降了11%。如果按这种趋势继续发展，在社会环境的冲击和干扰下，磷供应会逐渐成为影响中国粮食安全的重要因素。 为提高磷循环网络的韧性，本研究提出减少食物损失和浪费、提高“农田到餐桌”食物供应链效率、减少化肥使用、提升磷循环率等措施，并进一步量化这些措施对磷循环网络韧性的提升程度。此外，本研究的框架和指标也适用于分析其他地区和资源的网络韧性，可以为全球可持续发展目标的实现提供科学依据。 本研究由北京师范大学和华东理工大学领衔，国际应用系统分析研究所、意大利欧洲-地中海气候变化中心和意大利威尼斯大学、美国陶森大学、捷克共和国马萨里克大学、美国密歇根大学、中山大学、清华大学、英国伦敦大学学院、广东工业大学等单位组成团队共同完成。北京师范大学梁赛教授和华东理工大学余亚东副教授为论文共同第一作者，北京师范大学梁赛教授、华东理工大学余亚东副教授和英国伦敦大学学院米志付研究员为论文的共同通讯作者。合作作者杨志峰院士对论文完成给予了重要指导。该研究得到国家自然科学基金等项目的资助。

本项目研发一种基于国际先进的微环流分析技术的原位水质监测系统，体积小，成本低，试剂损耗量较小，维护周期长。基于此仪器进行高密度水质监测网络的搭建，并通过无线技术将水质监测网络的数据上传到服务器，通过算法对数据进行分析，完成快速、准确的污染溯源，为水域污染的进一步防、治提供一种实时、有效的手段。