- 博客(86)
- 收藏
- 关注
RSS订阅原创 第17讲：相关性热图绘制与美化——相关系数 + P 值标注的科学表达
相关性热图是科研数据分析中用于可视化变量间相关关系的强大工具。本文详细介绍了相关性热图的基础概念、绘制步骤及其在科研中的应用场景。首先，通过计算相关性矩阵，使用ggcorrplot包绘制基础热图，并添加显著性信息（P值）以增强分析深度。接着，文章探讨了如何通过高级美化技巧（如使用RColorBrewer和viridis调色板）提升热图的视觉效果。此外，本文还提供了相关性热图在土壤理化指标、农艺性状分析等科研场景中的应用实例，并给出了将相关性热图写入论文的建议写法。最后，推荐了corrplot和Complex
2025-05-21 10:19:48
892
原创 第16讲：热图基础入门——用 pheatmap 与 ComplexHeatmap 解锁多维数据的可视表达！
热图是一种强大的数据可视化工具，广泛应用于科研和数据分析中，用于展示高维数据的模式和趋势。本文介绍了如何使用R语言中的pheatmap和ComplexHeatmap包来创建和美化热图。首先，通过pheatmap快速生成基础热图，并逐步介绍如何改变颜色风格、添加注释、关闭聚类和调整细节。随后，深入探讨ComplexHeatmap的高级功能，如多层注释、分面展示和模块化图形构建，适用于处理更复杂的数据集。文章还提供了热图在农学、生物组学等领域的应用实例，并给出了制作热图的几点建议，如数据标准化、注释简洁和颜色梯
2025-05-21 10:07:38
392
原创 第14讲：科研图表的导出与排版艺术——高质量 PDF、TIFF 输出与投稿规范全攻略！
你可能做过这样的事：图画得很精美，但投稿后被退回，理由是“不符合期刊规范”；尝试用ggsave()导出图，但编辑指出：分辨率太低、字体不清晰、比例失调；想导出 PDF 无损高清，结果图中文字乱码、位置错乱...本讲，就是来解决这些**“投稿最后一公里”的关键问题！**
2025-04-29 21:37:05
726
原创 第13讲：图形尺寸与分辨率设置——适配论文版面，打造专业图稿！
如何导出一张既高清又适合投稿的图？怎么设置宽度、高度、dpi，避免图形变形模糊？本讲将为你揭开**“科研绘图导出”的真相**
2025-04-29 21:26:11
1021
原创 第12讲：组合多图（Patchwork）艺术
多个图如何拼接为一张高质量排版图？如何灵活排列、统一风格、自动标注A/B/C？——这正是patchwork的魔力！科研论文中的“图2”“图3”往往由多个子图组成，是 SCI 插图核心能力之一！
2025-04-29 21:06:48
397
原创 第11讲：分面（Facet）设计艺术——多组数据的优雅排列与统一美学
当你的数据包含多个分类、时间、处理组时，如何优雅地排列展示？——是科研绘图中不可或缺的利器！这一讲，我们全面掌握：让你的图表系统性强、阅读体验极佳！
2025-04-28 16:18:48
652
原创 第10讲：专业注释与标记——图中添加显著性、箭头、分组说明的技巧
一张，不仅展现数据，还要。注释（annotation）就是让你的图表会"说话"的秘密武器！本讲，我们来系统掌握：等技巧，让你的图不仅美观，还精准传递科研信息！
2025-04-28 16:05:57
505
原创 第9讲：坐标轴美学深度优化——刻度线、网格线与边框控制
真正顶尖的图，不仅内容精准，也都藏着设计者的巧思。今天我们聚焦更细节的部分：这些看似微不足道的元素，往往决定了图表的和！
2025-04-28 15:48:24
758
原创 第8讲：坐标轴与刻度优化指南（字体、角度、格式处理）
关键词说明清晰字体易读，大小适中精简坐标范围合适，避免冗长或杂乱规范单位规范、格式统一（科学计数法、百分比等）
2025-04-28 15:08:08
1170
原创 第7讲：图例与标题规范（字号、位置、字体选择技巧）
关键词解释大小适当加粗，突出重要信息字体统一规范，保证国际化对齐根据期刊或美感调整位置简洁图例不堆砌，信息简明一张图，看的不仅是数据，还要看到你对细节的态度。
2025-04-28 14:57:45
1052
原创 第5讲：不同杂志风格主题复刻指南——打造像Nature、Science、Cell那样的高水准科研图表！
极简背景（无网格线）黑色坐标轴+粗线底部图例+简约标签theme(然后每张图都套上+ my_theme，科研图就统一啦！
2025-04-26 13:21:03
491
原创 第4讲：自定义配色与字体指南——让科研绘图质感全面升级！
🌈Set1色系非常适合分类变量！🔥 选项"D"是深色高亮，非常适合热力趋势图！✅ 这种方式超灵活，特别适合期刊要求特定颜色时！目标方法示例统一全局字体加粗标题横纵轴文字加粗图例字体变小中英文混排防乱码font_add()
2025-04-26 13:12:30
471
原创 第2讲：R语言中的色彩美学——科研图表配色指南
在科研可视化中，配色不仅是“好看”，更是“表达”。色彩能突出重点、增强对比、传达变量含义甚至影响读者的情绪与判断。尤其是在SCI论文、学术报告中，一个色彩搭配合理的图能瞬间提升专业感与审美力。本讲我们从色彩原理、R中可调用的色彩库、常见调色方案，到顶刊图例的配色还原，逐步拆解科研绘图中“好色”的秘密。✅ 分类变量建议颜色间差异大，如 Set1、Dark2（Brewer）✅ 对于连续变量，选用渐变色（如 Viridis、Plasma）色彩是科研图的“语言”，不同配色适用于不同数据类型。R 中有丰富的调色包，
2025-04-25 23:40:39
1336
原创 第1讲｜R语言绘图体系总览（Base、ggplot2、ComplexHeatmap等）
它基于**图层叠加（Grammar of Graphics）**理念，模块化绘图，逻辑清晰。其他专用图系统（circlize、survminer、igraph等等）我们将从最基础的色彩理论入手，带你掌握做出“高大上图表”的第一步！（Base、ggplot2、ComplexHeatmap等）不同体系各有所长，未来在不同场景中你可以灵活选择！（比如基因组数据、土壤特性、气候参数矩阵），复杂数据可视化（多组、多条件、多图组合）组学研究（转录组、代谢组、微生物组）几乎是目前最顶级的选择！—— 规范，灵活，美观。
2025-04-25 23:35:33
839
原创 《R语言SCI期刊论文绘图专题计划》大纲
今天开始，我将和大家分享的《R语言SCI期刊绘图专题教程》，内容会从到，从到，确保大家可以学到高质量内容！下面是大纲。
2025-04-25 23:10:36
529
原创 第55讲：农业人工智能的跨学科融合与社会影响——构建更加可持续、包容的农业社会
农业的未来必然是智能化、可持续且包容的。人工智能不仅能提升农业生产效率，更能够在伦理性、公正性、环境保护和社会公平等方面发挥关键作用。
2025-04-24 23:07:50
673
原创 第54讲：总结与前沿展望——农业智能化的未来趋势与研究方向
我们正站在智慧农业的时代潮头，AI技术和前沿科技如AIGC、数字孪生农业、区块链等将推动农业生产、管理、金融等领域的革命。随着这些技术不断成熟，未来的农业将更加智能、高效、可持续。农业智能化的未来不仅是提高农产品产量的工具，更是实现绿色农业、可持续发展的驱动力。作为农学科研者、政策制定者、农民，我们每个人都能在这场变革中找到属于自己的位置。下一讲预告：我们将进入“农业人工智能的跨学科融合与社会影响”主题，探讨AI如何与社会、伦理、政策等多领域融合，助力构建更加可持续、包容的农业社会。
2025-04-24 22:50:42
880
原创 第53.5讲 | 小项目实战：用 SHAP 值解释农作物产量预测模型 [特殊字符][特殊字符]
使用 SHAP 分析后，发现“soil_nitrogen”与“rainfall”对模型预测影响最大，说明氮含量和降雨量是玉米产量的关键变量。我们使用一个简化的玉米产量数据集（可模拟实际数据），训练一个机器学习模型预测玉米产量，并使用 SHAP 值解释模型的关键影响因素。利用这类可解释性分析，有助于科学家与农业管理者。更换模型为随机森林、LightGBM 等；用真实遥感+气象数据集训练，提高实用性。，避免“黑箱模型”带来的误解与风险。加入 LIME 对比分析；
2025-04-24 22:26:53
310
原创 第53讲 农学科研中的AI伦理与可解释性——探索SHAP值、LIME等可解释工具与科研可信性建设之道
来自博弈论的思想，SHAP值衡量每个特征对模型输出的“贡献度”，适用于树模型（如XGBoost、LightGBM）、深度学习等。优点理论扎实，支持局部和全局解释；可视化友好，如力图（force plot）、特征重要性图等。农学示例# 全局特征重要性图用SHAP值解释“影响小麦产量最强的前5个变量”，比如可能是：降雨量、施氮量、土壤pH、历史平均温度等。AI工具再强大，如果缺乏可解释性与伦理支撑，在科研领域将难以持久发展。让我们用SHAP、LIME等方法，赋予AI“透明性”，助力构建可信、可用、可问责。
2025-04-24 22:00:18
1026
原创 第52讲：农业AI + 区块链——迈向可信、智能、透明的未来农业
在农业的未来图景中，AI是“智能大脑”，而区块链是“信任基石”。二者合力，为农业注入智能预测、自动执行与数据透明，打破信息孤岛，提升农业金融、碳汇、保险、流通等全链条效能，打造绿色、高效、可持续的新型农业格局。如果你对“农业区块链平台设计”、“智能合约在农业中的构建”、“AI预测模型实战”等话题感兴趣，欢迎留言或订阅下一讲分享！
2025-04-24 00:07:16
969
原创 第51讲：AI在农业政策支持系统中的应用——用人工智能点亮科学决策的新范式
农业政策支持系统（Agricultural Policy Decision Support System, APDSS）是一种集数据分析、模型模拟、情景预测为一体的智能辅助平台。引入 AI 后，它变得更加动态、高效、智能化。应用场景对应AI技术举例数据理解NLP + 机器学习政策文本分析、情绪挖掘预测建模时间序列 + LSTM/XGBoost粮价波动预测、气象风险预警优化决策强化学习 + 多目标优化补贴策略优化、耕地保护方案生成。
2025-04-23 23:55:47
1077
原创 第50讲：AI+农业金融与风险预测场景实战
农业金融不是孤立的，它承载着农业稳定、农民增收、粮食安全的重任。AI技术正推动其走向更高效、更精准、更公平的方向。无论你是农业科技研究者、政策制定者，还是一线服务农户的从业者，希望今天的分享能为你打开一扇关于AI+农业金融未来的新窗口。“AI在农业政策支持系统中的应用”，敬请期待！
2025-04-23 16:06:10
850
原创 第49讲：AI驱动的农业碳汇估算与生态价值评估 —— 打造更“绿”的智慧农业未来
AI不仅可以帮助我们种出更多粮食，还能帮助我们更“绿”地种植、管理与评估。农业碳汇，不再只是政策倡导下的空谈，而正在变成数据驱动、AI赋能、生态收益可量化的全新体系。📢 下一讲，我们将进入“AI+农业金融”与风险预测场景，揭示农业保险、信贷中的智能评估之道，敬请期待！
2025-04-23 15:41:34
928
原创 第48讲：空间大数据与智慧农业——时空大数据分析与农业物联网的融合实践
空间大数据，顾名思义，是具有空间位置信息的海量数据，常见于：遥感影像（卫星、无人机等）GPS定位数据（农业机械、牲畜移动轨迹）地理信息系统（GIS）中的土地利用、土壤、地形数据气象、水文、灾害等时空连续监测数据它的“空间性”使得我们可以对农业系统进行时空建模、态势预测与动态决策支持。
2025-04-22 10:11:18
697
原创 第47讲｜AI驱动的农业碳汇估算与生态效益评估：让农业更“绿”，更“低碳”！
农业碳汇指的是通过农业活动（如保护性耕作、秸秆还田、覆盖作物、农田林网、湿地恢复等）将二氧化碳固定于植物体或土壤中的过程。它的重要性在于：✅缓解气候变化：减少大气中二氧化碳浓度✅提升土壤健康：增加有机质含量，增强保水保肥能力✅推动绿色农业：结合低碳与可持续发展目标AI在农业碳汇估算与生态效益评估中，不仅提高了效率与精度，更为农业绿色转型注入强大动力。“不只是算一棵树能吸收多少二氧化碳，更要用AI让千万棵‘数据树’筑起绿色农业的未来！
2025-04-22 10:02:58
334
原创 第46讲｜AI+种植结构优化：让作物布局更聪明，农业更可持续！
在农业管理中，**“种什么、种在哪儿、怎么种”**始终是贯穿始终的核心问题。而随着全球气候变暖、极端天气频发，传统的“按经验种地”方式面临巨大挑战。今天，我们进入一个全新领域：AI驱动的种植结构优化。
2025-04-22 09:52:13
980
原创 第45讲｜AI与精准农业：传感器+人工智能，赋能现代农业管理
在传统农业向智慧农业迈进的征程中，“精准”二字逐渐成为关键词。精准农业，尤其是在施肥、灌溉、播种等关键环节上，已经从经验管理走向了数据驱动。而这一切的背后，离不开传感器网络与人工智能（AI）的深度融合。
2025-04-22 09:37:51
627
原创 第44讲：玩转土壤数据！用机器学习挖掘地球皮肤的秘密 [特殊字符][特殊字符]
在这篇分享中，我们：✅ 理解了为什么土壤建模值得做✅ 完成了一个完整的 SOC 预测建模流程✅ 实现了从点数据到空间预测图的跨越✅ 初窥机器学习与农业环境科学融合的威力土壤并不沉默，它有它的语言。机器学习，正是你与它对话的桥梁。
2025-04-22 09:32:04
448
原创 第43讲：部署自己的边缘AI农田监测案例 —— Jetson Nano + 遥感图像识别实战
这个案例从模型构建 → 模型转换 → Jetson部署，完整走通了一个“AI落地农业现场”的实践路径。不需要超级计算资源、不需要专业团队，一个研究者、一台Jetson Nano，加一点动手能力，你就能拥有属于你的“农田智慧眼”。
2025-04-21 08:19:53
390
原创 第42讲：走进智慧农业的“感知神经系统”——农田遥感 + 边缘计算的融合实践
遥感和边缘计算的融合，标志着智慧农业从“智能采集”向“智能反应”跃迁。它不仅提升了数据时效性和使用效率，更让农业决策变得“聪明而主动”。🚜未来农田，像大脑一样思考；而你我，将是这场农业智能革命的设计师。如你需要，我也可以配套提供案例代码（例如用Jetson Nano部署图像识别），欢迎告诉我你感兴趣的方向！
2025-04-21 08:17:15
814
原创 第41讲：AI驱动的农业决策支持系统——让农业管理更智能，决策更高效！
农业决策支持系统是一种集成多种数据源、建模方法和交互界面的智能系统，用来：辅助种植决策（如播种时间、品种选择）优化施肥、灌溉和病虫害管理预测产量和气候风险制定农业政策和区域发展规划它融合了气象、土壤、遥感、作物模型、机器学习等众多模块，是“农业智慧中枢”的核心组成部分。
2025-04-21 08:15:27
946
原创 第40讲：农业AI平台与开源工具推荐 —— 打造属于农业科研者的数字化利器
农业AI平台和开源工具的繁荣，打开了我们与未来农业智能化的连接口。但要记住，工具只是辅助，真正重要的是你能否提出科学问题、设计解决方案，并通过工具实现它！下一讲，我们将进入“AI驱动的农业决策支持系统”，继续探索智慧农业的无限可能！也欢迎你留言告诉我：你最常用的农业AI工具是什么？🚜📊。
2025-04-21 08:10:03
925
原创 第39讲｜决策树与作物分布建模：可解释的AI助力农业智能推演
优势说明✅ 可解释性每一个分类决策都清晰可视，适合向农业部门或农户解释✅ 小数据友好对数据要求低，适合欠发达地区建模✅ 易于部署可结合QGIS/R/python轻松部署在农业信息系统中。
2025-04-21 07:53:00
529
原创 第38讲｜AI + 农业病虫害预测建模
核心环节内容数据获取虫情+气象+遥感+管理数据特征工程滑窗序列、NDVI变化、统计特征等模型构建LSTM/XGBoost/ConvLSTM等预测目标虫口密度、爆发概率、风险等级等应用输出空间图、报告、智能平台。
2025-04-20 21:51:12
807
原创 第37讲｜AI+农业气象建模：预测极端天气对农业的影响
气候变化加剧下，极端天气事件（干旱、洪水、热浪、寒潮等）对农业系统的冲击日益严重。它们可能导致作物减产、耕期延迟甚至农业灾害。而随着人工智能与气象建模的融合，我们有了更强大的工具，去预测未来风险、模拟响应机制并进行更科学的农业决策。
2025-04-20 21:48:49
746
原创 第36讲：作物生长预测中的时间序列建模（LSTM等）
LSTM 是一种改进的循环神经网络（RNN），可以有效解决传统 RNN 的“长期记忆丢失”问题。它的核心思想是：🔁保留关键的过去信息，同时丢弃无用的旧信息，从而更好地预测未来。在作物建模中，LSTM 可以根据连续多天的气象和遥感数据，预测后续某天的作物长势（如 NDVI、生物量等）。
2025-04-20 21:43:15
768
原创 第35讲：构建属于自己的遥感大模型平台，并接入地理数据工作流
关键词：遥感大模型、平台搭建、地理数据工作流、API接入、Web服务、深度学习部署、时空数据处理
2025-04-20 21:36:56
1035
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人