保证营造林质量管理对策分析

本文针对营造林质量管理展开讨论,从实践和理论两个方向提出相应对策,具体表现在提高质量验收标准、合理安排管理方式、建立职业责任感以及强化营造林的施工质量等方面,与此同时,提高领导对营造林质量工作的重视,加强对营造林质量工作的组织和领导,使营造林质量管理工作实现多方位的改善。     

搞好施工监理工作中质量控制

通过总结施工监理工作中对核心工程的质量管理控制工作,在结合工程实践的基础上阐述了认真做好监理工作的体会。     

阜阳市颍州区小麦常见病虫害的发生与防治

介绍阜阳市颍州区小麦常见病虫害的发生特点与防治方法,以为当地小麦病虫害的防治提供参考。     

城市垃圾填埋场渗滤液处理技术研究进展

指出了垃圾渗滤液是一种非常复杂、有毒且难处理的污水。介绍了垃圾渗滤液的来源特点,并通过对垃圾渗滤液处理技术的总结,概括了各类技术的主要优缺点和应用范围,探讨了垃圾渗滤液物理化学处理、生物处理及土地处理等几种处理方法的优缺点。针对目前国内外主要垃圾渗滤液处理技术和工艺应用情况,分析了垃圾渗滤液处理工程技术应用中的关键问题,并且简要的阐述了我国垃圾渗滤液处理中面临的问题。     

富氮低氧储粮技术在旧仓房中的应用

针对改造后的苏式仓气密性差,影响现代仓储技术应用的现状,我库在资金不足,不改变仓房构架的基础上,采用双槽管薄膜五面密封技术,增强仓房气密性,以达到富氮低氧储粮技术对气密性的要求,通过制氮设备将粮堆氮气浓度提高至98%以上,并保持53d以上,起到了良好的杀虫和预防害虫的效果,使旧仓房也能实现富氮低氧的绿色储粮。     

吉林蛟河阔叶红松林中甲虫(鞘翅目)群落时间动态分析

【目的】研究阔叶红松林中甲虫的时间动态,为阔叶红松林中甲虫保护与利用以及评价甲虫在维持森林生态系统的作用提供科学依据。【方法】2012―2013年,在甲虫成虫整个活跃期,利用飞翔拦截诱捕器并配合诱剂在阔叶红松林4个样地中采集甲虫标本,每个样地分别布设6条样带。【结果】共采集甲虫7 776头,隶属于33科239种,其中以叩甲科、隐翅虫科、露尾甲科和天牛科物种和个体数量较多,不同采集时间优势类群各不相同,叩甲科是7个采集时间的优势类群,隐翅虫科是5月下旬和8月下旬的优势类群,露尾甲科是5月下旬和6月上旬的优势类群,天牛科是7月上旬至8月下旬的优势类群。叩甲科、隐翅虫科和露尾甲科个体数在5月下旬显著高于其他时间(P0.05),天牛科在7月上旬数量最多。时间变化对甲虫多样性各指数存在显著影响,甲虫个体数高峰期在5月下旬,且显著高于其他时间(P0.05);物种数、多样性指数、丰富度指数的高峰在7月上旬;均匀度指数的高峰在7月下旬。物种数与丰富度指数、物种数与多样性指数具有显著的线性关系(P0.05),物种数的增加能够使丰富度指数和多样性指数升高。【结论】随着时间的变化森林内的温度和林分因子等也会随之改变,各类群甲虫的习性差异较大,使得甲虫个体数的高峰期出现在5月下旬,随着时间的推移,部分甲虫羽化高峰的结束,甲虫的个体数量又迅速下降。随着林内温度升高和植被变得丰富,使得7月上旬甲虫的个体数又出现1个小高峰期。相对于其他类群,叩甲科与6月、隐翅虫科和露尾甲科与5月下旬、天牛科与7月和8月表现出相对较强的相关性。应用飞翔拦截诱捕器比传统采集方法能够显著提高飞翔甲虫的采集效率,这不仅丰富了甲虫研究的采集方法,而且还有助于促进甲虫多样性的深入研究。     

甘肃省草原产草量动态监测模型

利用MODIS数据和地面实测资料,研究了甘肃省不同草原区的最适草原生物量遥感估算模型,并反演了甘肃省2005-2009年的草原产草量,分析了其空间分布特征.结果表明,不同草原区适合的植被指数和反演模型类型存异,其中河西走廊高平原荒漠草原区适合的植被指数是RVI、模型类型为对数模型,甘南高原草甸草原区适合的植被指数是EVI、模型类型为指数模型,而黄土高原温性草原区适合的植被指数是NDVI、模型类型为二次多项式模型.甘肃省2009年草原总产鲜草3 718.30万t,整体呈现东北低、西南高的空间变化过程,形成3个高产中心,分别是甘南高原、祁连山北麓中东段和陇南南部.与1985年相比,2005年草原明显减产(相对变化率V=19.34％),但2005-2009年间甘肃省草原产草量有总体上升的趋势.     

再谈肉种鸡的光照管理

正肉种鸡的饲养管理目标是获得更多的种蛋和雏鸡,这就需要正确的管理措施,首先限制饲喂肉种鸡,让其按照设定好的体重、生长曲线来生长。然后设定一个适合种鸡发育的光照程序,能够使肉种鸡在正确的时间达到性成熟、适时开产、顺利上升到产蛋高峰并有良好的生产持续性。光照管理中不仅要考虑到光照长度、强度和光照刺激,还要注意光不应性、光照颜色和灯泡类型等几个方面,让肉种鸡按     

中国不同品种谷子抗性淀粉分布规律

抗性淀粉是谷子中的重要功能成分。对来自中国4个生态区10个省份216个谷子品种抗性淀粉含量进行分析。结果表明,中国谷子地方品种抗性淀粉平均值为2.43%,含量变幅为0.00%~6.74%,变异系数为50.26%,呈偏正态分布;不同生态区谷子抗性淀粉含量从高到低依次为内蒙古高原、华北平原、东北平原、黄土高原,且内蒙古高原和黄土高原之间差异显著(P0.05);不同省份抗性淀粉含量存在一定差异,其中黑龙江谷子抗性淀粉含量显著高于内蒙古和甘肃(P0.05),其他省份间差异不大;不同省份谷子(黑龙江除外)和不同生态区品种谷子抗性淀粉含量以2.00%~4.00%为主。     

K步稳定的鞋印花纹图像自动聚类

目的 鞋印是刑事侦查的重要物证之一,如何对积累的大量鞋印花纹图像进行自动归类管理是刑事技术迫切需要解决的问题之一。与其他类图像不同,鞋印花纹图像具有种类多但数目未知、同类花纹分布不均匀且同类花纹数目少的特点。基于鞋印花纹图像的这些特点,用目前典型的聚类算法对鞋印花纹图像集进行聚类,并不能取得很好的效果。在对鞋印花纹图像进行分析的基础上,提出一种K步稳定的鞋印花纹图像自动聚类算法。方法 对已标记的鞋印花纹图像进行统计发现,各类鞋印花纹之间在特征空间上存在互不相交的区域(本文称为隔离带)。算法的核心思想是寻找各类鞋印花纹之间的隔离带,来将各类分开。过程为:以单调递增或递减的方式调整特征空间中判定两点为一类的阈值,得到数据集的多次划分;若在连续K次划分的过程中,某一类的成员不发生变化,则说明这K次调整是在隔离带中进行的,即聚出一类,并从数据集中删除已标记的数据;选择下一个阈值对剩余的数据集进行划分,输出K步不变的类;依此类推,直到剩余数据集为空,聚类完成。结果 在两类公开测试数据集和实际鞋印花纹数据集上进行实验,本文算法的主要性能指标都超过典型算法,其中在包含5792枚实际鞋印花纹数据集上的聚类准确率和F-Measure值分别达到了99.68%和95.99%。结论 针对鞋印花纹图像特点,提出了一种通过寻找各类之间的隔离带进行自动聚类的算法,并在实际应用中取得了很好的效果。且算法性能受参数的变化以及类的形状影响较小。本文算法同样适用于具有类似特点的其他数据集的自动聚类。