山区农民下山迁移后土地经营方式和宅基地开发利用研究

我县以贯彻统筹城乡经济社会发展战略为契机，结合加快城市化建设步伐，促进人口集聚和产业集聚，优化城乡资源配置，积极引导和鼓励居住在高山、深山的农民下山脱贫，2003年，制订了《遂昌县下山移民工程8年规划》和《遂昌县“下山移民工程”实施意见》，正式启动了“下山脱贫工程”。特别是2004年省委、省政府决定实施乌溪江库区困难群众异地脱贫工程以来，我县进一步加大了下山脱贫工作力度。通过两年的实施，建立了下山脱贫小区16个，共安置下山脱贫2442户，9555人，总投资达3．6亿元。下山脱贫工作取得了一定的成效。下山迁移后农民的行路、饮水、用电、上学、就医、通讯、娶亲、发展等问题得到逐步改善，生活质量得到提高。使多数农民十分“牵肠挂肚”的“责任田”（原承包土地）和“难以割舍”的“老房子”（原宅基地）问题也逐步得到完善解决。     

土壤颗粒大小对水,肥保持和运移的影响

试验利用电导法在稳态供水条件下，对不同粒级土壤中溶质的移动及其施肥土壤中Ｎ的向下迁移过程及迁移数量进行定性和定量研究，讨论了土壤颗粒大小对土壤持肥，持水特片的影响，并揭示了不同粒土壤不溶质Ｎ的迁移与水分运动的关系。     

磷指数模型在美国的应用和发展

磷是植物生长必需的营养元素之一,在农业生产中起着关键作用。然而,长期过量的磷肥投入导致土壤磷素水平增加,进而加大了土壤磷素流失风险,造成农业非点源磷污染,同时这也成为导致水体富营养化的主要因素之一。因此,识别和管理农业非点源磷的流失风险关键区,成为面源污染亟待解决的关键问题。磷指数模型起源于20世纪90年代,是评估农田磷流失潜力和指导磷管理决策的重要工具之一。根据研究区特点,美国众多学者在各州设立了不同的磷指数指标体系,优化了磷指数的组成因子、计算方法和分级标准。本文对美国各州磷指数模型评价体系进行了综述和评价,指出了磷指数模型的局限性,提出了改进方向,以期为我国磷素管理方法提供借鉴。     

农村水环境政策与污染的时空迁移特征及关系

为了揭示农村水污染与政策治理的时空演化关系,在测算政策力度与污染强度的基础上,绘制两指标的重心迁移轨迹,并结合夏普利值分解法确定各省份所属的“政策-污染”类型,进一步采用格兰杰因果检验法深入剖析各类型下政策与污染的因果关系。结果表明：政策与污染的重心均位于我国东南部,但两者的迁移轨迹联动性较差,前者呈现“偏南-偏西-偏北-偏东”的迁移趋势,而后者整体向南迁移;从政策与污染的关系来看,“增长-降低”型省份的污染降低导致政策力度增长,且东、西部省份增长的动因有所不同;“降低-降低”型省份的污染降低会导致政策力度下降,但在具体污染维度上存在政策关注失衡现象;所有“污染增长”型省份在两指标上不存在格兰杰因果关系。建议在未来政策制定中考虑政策与污染结果的联动性,加强政策的精准性、协同性和前瞻性,这将有助于提升政策规制的效率和效果。     

基于迁移学习的花类图像分类方法研究

传统的花类识别方法和普通卷积神经网络模型无法对花类图像进行准确的特征提取,花类之间较高的相似性使得分类识别较难。针对以上问题,为提高图像识别率,提出一种基于VGG16网络的迁移学习方法,对花卉图像进行分类。首先对花卉图像进行数据加强,然后对数据集预训练模型进行迁移学习,修改全连接分类层,最后对优化器与激活函数进行微调,得出分类结果。实验表明：该模型在花类分类识别中比传统方法和普通卷积神经网络模型得出的准确率高,迁移后准确率达到89.10%。     

基于近红外光谱和深度模型转移预测烟丝总糖含量

模型转移主要用来解决一台仪器上开发的模型应用于新场景进行预测的问题。化学计量学领域开发了大量的模型转移方法可以实现多元校正模型转移。然而,随着深度学习技术在光谱数据建模中的广泛应用,传统的多元校正模型转移方法已不适合处理基于神经网络结构的深度学习模型。因此,本文利用深度模型转移策略,将一台仪器上构建的烟粉深度学习模型迁移到新仪器上用于烟丝总糖含量的检测。结果表明,深度模型转移无需标准样品构建传递函数,即可实现对不同仪器、不同样品物理状态之间的准确预测,与重新建立的偏最小二乘(PLS)和卷积神经网络(CNN)模型相比,其预测均方根误差分别降低了33.2%和27.2%。无标样深度模型转移支持在不同应用实践之间广泛共享、扩展深度学习模型,具有较好的应用前景。     

海南岛火山岩砖红壤铁质风化壳主量元素特征[1]

通过对海南岛西北部火山岩砖红壤铁质风化壳剖面样品进行X荧光光谱法检测、风化特征指数及质量迁移系数的计算,揭示海南岛新生代火山岩砖红壤铁质风化壳的主量元素分布、风化强度和迁移特征。风化壳主量元素以Fe2O3、Al2O3、SiO2为主,K、Na、Ca、Mg等易溶组分较低;Fe2O3、Al2O3富集、SiO2淋失的热带地区风化特征。风化层CIA指数高达95%以上、Fe2O3/Al2O3上升,BA值较低, SiO2/Al2O3、SiO2/R2O3、BA下降;以Zr为参比元素,铁、铝迁移系数大于1,最大可达4.029,钠、钾、钙、镁、硅、锰迁移系数小于1,可低至-0.996。研究认为海南岛西北部火山岩风化壳表现为典型的脱硅富铁,铁质元素强烈富集,其它元素淋失明显,且铁铝元素发生了的分异,是比较成熟的风化壳。     

药用植物珍珠菜提取物ZE4调控卵巢癌细胞增殖、侵袭和迁移的分子机制

珍珠菜是中国传统中药,含有异槲皮苷、黄芪甲素、槲皮素、山奈酚、芦丁等黄酮类成分,珍珠菜具有抗肿瘤、抗氧化、保肝、抗菌等活性。本研究试图探讨珍珠菜提取物ZE4对卵巢癌细胞增殖、侵袭和迁移的影响及其相关机制。研究表明,与对照组相比,不同浓度的ZE4处理的A2780细胞增殖抑制率显著提高(P<0.05),且呈现出剂量、时间依赖性。不同浓度ZE4较对照组明显降低A2780细胞侵袭数和迁移数、CyclinD1、MMP-2、p-Akt蛋白水平(P<0.05),显著提高E-cadherin、p-FoxO3a蛋白表达量(P<0.05),均呈剂量依赖性。抑制剂LY294002作用于A2780细胞后,相比于对照组,细胞增殖抑制率、E-cadherin、p-FoxO3a蛋白水平显著升高(P<0.05),细胞侵袭数、迁移数和CyclinD1、MMP-2、p-Akt蛋白水平明显下降(P<0.05)。与ZE4 (75μg/mL)组比较,IGF-1和ZE4组细胞增殖抑制率、E-cadherin和p-FoxO3a蛋白水平降低,细胞侵袭数、迁移数和CyclinD1、MMP-2、p-Akt蛋...     

基于迁移学习的芒果成熟度分类算法研究

成熟度判别是芒果采收及储藏的重要依据.为了适应移动设备硬件算力的限制,对比了传统机器学习方法和迁移学习方法在芒果成熟度鉴别方面的表现,优选最佳模型并开发了芒果成熟度分类软件.试验采集了不同成熟度的小台农图像100张,进行数据扩充后按照8:2划分为训练集和测试集,以准确率、F1值和预测时间作为模型评价指标,分别采用k近邻(K-NearestNeighbor, KNN)、支持向量机(Support vector machine, SVM)、朴素贝叶斯(Naive bayes, NB)、决策树(Decision tree, DT)机器学习算法模型和AlexNet、ResNet18、VGG16、GoogleNet和SqueezeNet迁移学习算法模型进行训练和测试,并对比分析各模型的表现.结果表明：机器学习虽然运算速度快,但分类的准确率明显低于迁移学习,迁移学习的分类准确率均在90%以上.但综合考虑模型的分类准确率和计算能力认为Resnet18表现最佳,它在迭代20次后准确率达到98.75%,而测试时间仅为74.66 ms,优于其它深度学习模型.