针对柑橘叶部病害检测中精度不足、病斑细小易混淆、果园背景复杂等问题，提出一种轻量化检测算法（AGLU-YOLO）。该方法在主干网络C3k2模块中融合AdditiveBlock与卷积门控线性单元（CGLU）共同构成 C3k2_AdditiveBlock_CGLU 模块，前者以加性建模增强长程依赖与全局上下文表征，后者通过深度可分离3×3卷积与点卷积实现条件门控，抑制复杂纹理导致的误激活并强化小尺度病斑响应；同时在特征融合阶段加入AFCA注意力机制以提升跨层语义交互与多尺度鲁棒性。其次为满足边缘部署需求，采用LAMP分层重要度剪枝算法对通道/层级进行联合压缩，并进行轻量微调以恢复精度；随后将模型导出为ONNX并通过TensorRT实施算子融合与低精度推理优化，实现低时延、高吞吐的实时检测。通过在自制数据集实验验证，AGLU-YOLO在Precision、Recall与mAP@0.5指标上相较基线YOLOv11n分别提高3.1、4.4与5.1个百分点，且兼顾体积与识别速度，展现出更强的鲁棒性与多尺度病斑适应性，可有效满足柑橘叶病快速、准确识别的应用需求。

农业数据库文本的自动化关键词抽取，是实现其智能化利用与服务的重要环节之一。针对传统关键词抽取方法难以挖掘文本深层语义关联，而基于语义嵌入的方法又易受语义表征偏差与关键信息稀释影响等问题，本研究通过模型创新提出适合农业数据库文本的更精准的关键词抽取方法。通过引入共现词分析增强TextRank词图的语义关联与边权精度，构建特征统计模块提取候选关键词；同时融合Bert-base-Chinese预训练模型实现文本的向量化编码并通过向量相似度计算提取候选关键词；最后采用多源融合决策根据两个模块的输出结果及词语位置经融合加权生成最终的关键词列表，形成融合BERT语义嵌入与TextRank词图及共现词分析多特征的关键词抽取方法（BWE-COW-TR）。用该方法在农业科技文献数据集上进行关键词抽取实验获得的精确率（49.83%）、召回率（58.29%）和F1值（0.5373），均显著高于基线模型。其F1值比KeyBERT、TF-IDF和TextRank分别提高了70.90%、51.74%和45.77%。研究结果表明，本研究提出的方法在农业数据库文本关键词抽取效果上显著优于目前常用的KeyBERT、TF-IDF和TextRank方法。

精确的短期价格预测对于我国食用菌类市场至关重要，而常见食用菌类价格波动对菇农的收入和生活质量产生了深远影响。本研究以贵州省金针菇价格为例，应用了ARIMA模型、AR模型和STL季节性分解方法，基于贵州省金针菇历史价格数据，通过探索性数据分析、参数优化及模型验证，深入探究了气候、季节及经济指标对价格的影响。实证分析结果显示：所建模型能够准确预测食用菌价格走势，为市场供需调节和生产规划提供了科学依据，促进了食用菌产业的健康发展与农民增收。

针对动物疫病数据多源异构、时空关联及小样本不平衡等特征，本文构建并实现了基于多模块协同的动物疫病智能分析与预警平台（ReEpi）。该平台覆盖“数据—分析—预警—可视化”全流程，集成数据治理、统计分析、流行病学建模、分子演化分析、空间地理分析、智能诊断及风险预警等功能模块，采用可复用的松耦合架构设计，结合Streamlit前端与Python科学计算生态，兼顾易用性与可扩展性。集成测试与初步应用显示，平台在准确性、稳定性及交互体验上表现优异，可有效支撑农业大数据环境下的动物疫病分析与辅助决策。

我国北方一熟制与两熟制种植过渡区作为农牧交错带的重要部分，主要位于“美丽中国中脊带”的中段，利用遥感技术开展本区域耕地信息时空动态变化监测研究有助于有效保护耕地和敏感农业生态环境、合理开发利用土地资源，且对围绕区域可持续发展目标制定科学区域发展战略与规划等具有重要意义和作用。研究基于Google Earth Engine（GEE）平台在遥感大数据处理与分析上的优势，利用多源、多分辨率遥感影像构建耕地遥感识别特征集，通过随机森林分类器获取研究区耕地信息，分析其时空变化特征。1）研制生产的2000−2020年间11期耕地遥感产品，基于抽样交叉验证方法总体精度优于90%、Kappa系数超过0.80，而基于官方耕地面积统计数据验证整体精度亦在65%−80%，二者互补表明该遥感产品具有较好的可靠性与可用性。2）在空间分布上，耕地资源具有明显的优势地貌特征，主要分布于海拔低于3 500 m、坡度<15°、地形位指数<1.24的平原和丘陵区域，且分布重心向西南方向迁移了12.88 km。3）在时间变化上，2000−2020年近20年间耕地资源总面积呈小幅度减少趋势，至2020年减少了188.17万 hm²，尤其以优质耕地减少最为显著，除陕西省以外，各省、直辖市均呈减少趋势。且此通过协同集成利用多源遥感数据和其他多元数据以及最新的科技赋能支撑手段与途径，实现大范围、长时序、高精度的耕地动态监测与分析，合理制定科学发展规划，实施差异化的耕地保护措施与奖惩机制、优化土地利用结构等是缓解我国北方种植制度过渡区耕地资源持续减少、防止治优质耕地被占用的重要保障。

随着人工智能等新一代信息技术与畜牧养殖业的深度融合，肉牛养殖正朝着绿色、健康、智慧养殖方向转型。从肉牛养殖业务流与信息流融合的视角，以养殖全过程的“动态感知—精准管控—智能决策—应用反馈”为主线，构建肉牛绿色健康智慧养殖的整体框架，包含四个核心模块：动态感知与监测、智能管控与作业、智慧分析与决策、创新集成与示范，打造以数据驱动为核心、技术融合为支撑、智能装备为抓手、产业落地为导向的养殖体系；分析了实施该框架应具备的四项关键技术：智能感知与健康监测、生态环境绿色调控、精准饲喂与生物安全防控技术、智慧系统决策技术，总结归纳了关键技术的概念、最新进展及应用价值；从理论体系深化、关键技术迭代、应用场景适配、产业生态协同等方面，对肉牛智慧养殖的未来发展方向进行了展望，可为推进畜牧业高质量发展与现代化转型提供理论研究与实践参考。

随着数据要素市场化配置改革的不断深化，数据已成为驱动农业新质生产力发展的核心引擎。我国农业领域数据来源多样、覆盖环节广泛，但数据共享流通效率不高、要素价值难以充分释放。可信数据空间（Trusted Data Space，TDS）作为一种新型数据流通基础设施，能够在保障数据可用不可见、主权可控和全程可追溯的前提下，实现数据的可信共享与合规流通，为破解数据安全与共享流通之间的矛盾提供了有效路径。构建农业可信数据空间（Agricultural Trusted Data Space，ATDS）是推动农业数据要素高效配置、赋能智慧农业高质量发展、培育农业新质生产力的重要举措，基于此，本文在系统梳理我国ATDS发展现状的基础上，构建了涵盖功能结构、技术架构及关键支撑技术的技术体系，深入分析了当前ATDS构建过程中面临的主要挑战，并从政策引导、技术研发、制度创新和应用场景落地四个方面提出了针对性对策建议，以期为ATDS的建设实施提供理论依据和实践参考。

农业物联网数据安全挑战加剧，制约规模化应用，且领域内缺少系统性安全能力提升指导框架、数据安全风险碎片化、研究体系不健全，基于此，本文旨在明确农业物联网数据安全治理核心方向，为产业实践提供切实可行的理论支撑与路径参考。研究围绕农业物联网三层架构，融合多方法建立完整研究体系。首先，结合文献梳理法，系统梳理农业物联网技术架构、应用场景及现有安全标准；其次，结合各层架构功能特性，运用多维度风险拆解法，系统识别数据全生命周期安全风险维度；最后借助德尔菲法构建量化评价体系。整体形成“风险识别—体系构建—防护设计”的研究路径，提炼出五大数据安全风险维度、一套量化评价体系及四维协同防护体系。研究填补了农业物联网领域内“重定性轻量化、重架构轻治理”的空白，所提出的五大数据安全风险维度为风险识别提供了清晰框架，含5项一级指标、20项二级指标的量化评价体系及“技术—管理—标准—人才”协同防护体系可直接为数据安全评估与防护实践提供指导，但研究存在一定局限，如评价体系试点范围窄。未来研究将重点扩大评价体系试点研究，并探索与人工智能融合的农业物联网数据安全智能防护模式。

农业数据是驱动智慧农业发展的核心要素，其相关制度的建设的滞后已成为制约农业数字化转型的关键障碍。现行法律体系在数据确权、收益分配和数据流通等方面的制度供给存在结构性矛盾。为破解这一矛盾，需构建财产权与人格权保护结合的复合型产权制度，通过数据分类分级确权机制实现要素权益结构化配置；需基于公平原则设计农业数据收益的多维分配矩阵；应探索建设市场为主、政府协同的混合流通模式，在充分保障数据安全的同时，提高农业数据配置效率。此三维制度框架通过产权界定的法律确定性保障要素市场活力，运用数字正义原则重构收益分配秩序，借助技术治理工具提升流通效率，契合农业数据要素的准公共品属性，能够更好地平衡农业数据作为准公共品的效率与公平，为农业新质生产力的培育提供坚实支撑。

本研究聚焦高标准农田建设政策，采用PMC指数模型为研究方法构建政策评价框架，旨在为农业土地资源管理的持续优化提供理论依据与实践指导。研究首先对政策文本进行语义分析与结构化建模，通过提取政策关键词，并结合社会网络分析法构建关键词共现矩阵，最终形成包含10个维度（如政策工具、实施效果、受体覆盖等）和49个细分指标的多层次评价体系。在实证环节，研究选取东北黑土区、华东平原区和中部丘陵区三大典型农业带的10项高标准农田政策样本，开展区域差异化比较研究。通过计算综合绩效指数和构建三维政策评价矩阵，系统识别了不同政策方案在实施效率、覆盖面和可持续性等方面的显著特征。研究认为，现行政策体系在目标协同和执行保障方面运行良好，能够有效促进高标准农田建设，但在动态适应机制建设方面仍有改进空间。因此，本文提出了四方面的优化路径：一是制定政策弹性适应机制，提高农业生产技术变革的响应速度；二是制定分步目标体系，编制高标准农田政策专项技术路线图；三是完善差异化激励机制，制定激励约束标准。四是强化政策重点、明确政策目标，通过扩大调控手段、明确实施细则来提高政策的影响力。本文创新性地将PMC指数模型引入到高标准农田建设政策中，构建高标准农田政策评价指标体系，对10项高标准农田建设政策文件进行量化评价、分析并开展区域差异化比较研究。未来，研究还需针对政策执行效果展开深入探讨。

地黄是我国重要的道地中药材，规模化种植的地黄常受多种害虫侵袭，导致叶片孔洞频现，严重影响地黄的产量与品质。然而，当前基于深度学习的虫害孔洞检测方法面临田间环境复杂、目标尺度小、形态不规则等挑战。本研究构建了面向田间复杂环境的地黄叶片虫害孔洞图像数据集（Rehmannia Pest-induced Hole Dataset, RPHD）。该数据集包含初始采集版本（298张图像，5 059个标注）与精校增强版本（291张图像，2 678个高质量标注）。通过系统化的图像预处理流程，包括基于内容感知的裁剪与分辨率统一（1024×1024）、自适应双边滤波去噪与光照均衡化，并结合精细化人工标注与多轮交叉校验质量控制机制，显著提升了数据集的目标判别性。实验采用YOLOv10n、YOLOv11n和YOLO12n三种主流目标检测模型对数据集进行基准评估，对比两个版本在不同模型上的性能表现。结果表明，在三个模型上，使用精校增强数据集训练均取得显著性能提升：YOLOv10n的mAP@0.5从40.3%提升至87.2%，YOLOv11n从48.9%提升至92.1%，YOLO12n从51.2%提升至93.0%。该数据集为地黄小目标病虫害检测算法研究提供了标准化、高质量的基准数据支持，可供其他农作物相关研究借鉴，有助于推动农业视觉检测技术的实用化与智能化发展。

数据摘要：

蠼螋作为玉米田中常见的捕食性节肢动物，具有一定的控害作用。研究玉米田中蠼螋的分布情况及种群动态，对保护玉米田生态平衡、优化害虫防治策略具有重要的参考价值。本研究以河南省新乡市原阳县河南现代农业研究开发基地为监测区域，在玉米田开展了为期5年的系统监测。通过不同方式定期诱集蠼螋，构建了河南省北部玉米田蠼螋资源数据集。该数据集采用规范的采样方法，保证了数据的连续性。数据集记录了蠼螋的种类组成、数量变化等信息，所获数据初步呈现了当地玉米田蠼螋资源现状，对制定害虫防治策略具有一定的指导意义。

数据摘要：

耕地资源的高效利用是保障国家粮食安全和促进农业可持续发展的基石。皖江平原作为长江经济带的重要粮食生产基地，具有典型的稻—麦、稻—油两熟制种植传统。然而，受农村劳动力转移、种植效益波动及气候变化等因素影响，该区域冬闲田现象日益频发。由于皖江平原冬季多云雨、地块破碎且种植结构复杂，传统基于单一光学遥感或中低分辨率影像的监测手段难以精准识别细碎的冬闲田地块，导致缺乏高精度、长时序的专题数据集，限制了对区域耕地利用效率的科学评估。本研究基于Google Earth Engine（GEE）云平台，构建了2019—2024年多源遥感协同观测数据集。首先，选取每年冬季关键物候期的Sentinel-1合成孔径雷达（SAR）与Sentinel-2光学影像，提取SAR后向散射系数（VV/VH）、光谱波段及归一化植被指数（NDVI）构建多维特征立方体，以克服云层干扰并捕捉物候特征。其次，基于352个冬闲田样本与325个非冬闲田样本，采用“随机森林（RF）预分类 + 边缘细化网络（FR-Net）”的级联制图策略。利用RF模型生成初始概率图，再通过引入残差结构的FR-Net深度学习模型进行语义分割与边缘优化，有效解决了破碎地块的边界模糊问题。本数据集包含2019年至2024年逐年的皖江平原冬闲田空间分布栅格数据，空间分辨率为10 m，坐标系为WGS 1984 UTM Zone 50N。数据结果显示，研究区冬季撂荒现象广泛且持续。经独立样本验证，本数据集的六年平均F1分数为87.21%，总体精度（OA）为85.64%，具有较高的制图精度与空间一致性。该数据可直接服务于农业部门的冬闲田开发利用规划、粮食产能潜力估算以及农田生态系统碳循环研究，为区域农业种植结构调整与政策制定提供可靠的数据支撑。

数据摘要：