农业业态概念和新业态类型及其形成机制初探

"业态"概念肇始于零售业领域,逐渐拓展到其他产业领域。农业业态是指不同农产品(服务)、农业经营方式和农业经营组织形式通过组合所呈现的形态。农业新业态的内涵则是指具有可持续与稳定成长性,能达到一定规模的新型农业业态。从农业与其他产业融合的角度,可以把农业新业态归纳为农业与服务业交叉融合型新业态、农业子产业之间的整合融合型新业态、高新技术对农业渗透融合型新业态、综合融合型新业态等四大类型。市场需求、市场竞争、产业转型升级、产业链延伸和相关产业渗透、科技进步、农业政策等多种合力的共同作用是形成农业新业态的动力机制。     

基于系统科学原理的知识组织理论研究

系统科学为知识组织的发展提供了理论基础和方法论基础,知识组织与系统科学是紧密相连的。笔者从系统科学原理角度对知识组织进行分析,以分类法和主题法为例,具体阐述了知识组织中所蕴含的整体性、层次性、相关性、动态性等系统科学原理。     

常见病原菌MAMPs在植物天然免疫中的作用

MAMPs又称病原相关分子模式,在植物的抗病性中发挥着重要作用。在充满潜在致病微生物的环境中,植物能够很好地存活下来,主要功劳在于其具有强大的病原体识别体系和快速的免疫应答系统。植物可以从寄生病原菌和非寄生病原菌中识别几种通用的MAMPs。MAMPs对于病原菌微生物来说,经常是序列高度保守且组成结构不可缺少的。在植物中,MAMPs被其相对应的PRRs识别的过程称为微生物或病原菌引起的免疫。主要介绍了几种常见的MAMPs及其在植物天然免疫研究中的作用。     

浅谈肃北县林地保护利用规划

文章从肃北县自然条件和林地资源现状出发,提出规划期内的林地保护利用目标、林地结构与布局、林地用途管制和林地保护分级管理。     

基于TM遥感影像的森林类型分类方法比较

以吉林省汪清林业局为例,基于Landsat5-TM影像,充分利用遥感影像光谱信息,分别采用动态聚类法和组合监督分类法对该林区的森林类型进行分类,并对分类结果的精度进行比较分析.研究结果表明,利用组合监督分类的精度比动态聚类法分类的精度要高,总体分类精度高11％,其中针叶林、阔叶林、混交林和其他用地的分类精度分别高8％、11％、17％和10％.     

米槁实生苗苗木分级研究

对苗圃内生长1年的米槁实生苗进行出圃前的质量调查,在调查精度为95%的基础上,分析了影响米槁苗木质量的相关因子。以苗高、地径为分级指标,运用SPSS17.0软件进行聚类分析得出米槁实生苗苗木分级标准,Ⅰ级苗为D≥0.83cm、H≥87.6cm,Ⅱ级苗为0.83cm≥D≥0.57cm、87.6cm≥H≥76.4cm,Ⅲ级苗为D0.57cm、H76.4cm。为米槁苗木生产中的质量判别和分级拣选提供了科学的依据。     

北京市大兴区低效林类型划分及改造技术

根据北京市大兴区低效林的实际状况、形成原因、林分位置、功能需求等,将低效林分为杨树用材低效林、农田林网防护低效林、城镇周边功能低效林、绿色通道景观低效林和城镇行道树景观低效林等5种类型。针对各类型低效林的成因,有针对性地提出了各类型低效林的改造技术措施,以期为类似低效林的改造提供借鉴。     

英语词汇中的外来词研究

外来词是英语词汇的重要组成部分。文章试图从词的分类、外来词的类型和对英语词汇的影响等方面对英语词汇中的外来词进行详解,旨在更好地帮助英语学习者掌握这些词。     

基于多时相GF-1WFV 数据的南方丘陵地区甘蔗种植面积提取

南方丘陵地区甘蔗种植具有分散、形状多样等特点,利用中低分辨率遥感数据提取甘蔗种植面积时,数据的有效性和精度都难以满足要求.利用高分辨率GF-1WFV遥感数据,分析比较甘蔗与其他地物类的光谱特征、纹理特征及植被指数时间变化差异,采用多时相迭代方法构建甘蔗提取特征向量决策树模型.利用该模型提取了广西江州区的甘蔗种植面积,经野外实地调查验证,甘蔗面积提取的用户精度为90.13％,生产精度为88.78％,表明GF-1WFV数据是复杂地形下提取甘蔗等农作物的潜力数据源,该提取思路可以为在全国范围内不同地区了解甘蔗种植情况,进行甘蔗长势监测和产量估测提供技术参考.     

基于Zernike矩的马铃薯薯形检测

目前基于机器视觉的马铃薯薯形检测的形状特征单一,相关研究较少,为了进一步探索合适的形状特征参数及检测方法,该文将Zernike矩作为特征参数并利用支持向量机实现了马铃薯薯形的检测分类,准确度较高。首先用截取最佳图像的方法对马铃薯图像进行归一化,使得归一化后的图像具有平移和尺度不变性,然后从归一化的图像中计算具有旋转不变性的Zernike矩参数,通过特征筛选确定分类的19个Zernike特征参数,最后将这些特征输入到支持向量机中,用高斯径向基核函数（RBF）和Sigmoid核函数构建混合核函数,完成马铃薯薯形检测分类,对薯形良好和畸形的检测准确率达93%和100%,能够准确剔除畸形马铃薯并满足实际检测的要求。