低风险疾病情境下农村居民健康信息规避行为研究

[目的/意义]本研究旨在揭示低风险疾病情境下农村居民健康信息规避的程度、策略、成因及其关联。[方法/过程]研究采用理论抽样方法和半结构化访谈法收集了江苏省45位农村居民的相关数据。研究采用开放式编码和主轴编码方法对访谈数据进行分析,同时采用社会网络分析软件对规避策略和成因之间的关系进行可视化展示。[结果/结论]（1）农村居民在低风险疾病情境下存在全面型和选择型两种不同程度的健康信息规避。其中,全面型健康信息规避主要发生在信息需求阶段,具体的规避策略为完全不治疗;而选择型信息规避发生在信息获取阶段,具体的规避策略为自己治疗或者拖延治疗。（2）该情境下农村居民健康信息规避的成因主要包括感知风险、对信息源的信任、健康信息素养水平、文化水平、情绪、经济水平、小世界、时间和医疗资源的可及性。（3）农民健康信息规避的成因与规避策略存在特定的关联。文化水平和医疗资源的可及性只对完全不治疗规避策略有影响;情绪因素只对拖延治疗规避策略有影响;健康信息素养水平只对自己治疗规避策略有影响。该研究可为改善农村居民的健康状况提供指导建议。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

基于深度学习的牛肉大理石花纹等级手机评价系统

大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。     

国际30年来土壤食物网的研究历程与热点分析

利用文献计量学方法,研究1989—2018年来土壤食物网研究领域的热点内容,概括土壤食物网的研究脉络及国际土壤食物网未来的研究方向。结果显示:土壤生物多样性、食物网的碳氮循环功能及管理方式对土壤食物网结构的干扰是现在研究热点,而土壤食物网功能多样性、系统稳定性、及土壤食物网对全球变化的响应则是新兴的研究方向。     

互联网+背景下智慧农机大数据平台发展策略研究

随着“互联网＋”时代的到来，数据挖掘、数据共享、云计算等信息技术为农机的智能化和信 息化管理提供有效方法和手段。为更好的推动农业经济发展，有必要借助先进的信息技术手段，搭建 一个基于“互联网＋”的智慧农机管理信息数据共享平台，使我国农机管理进入大数据时代，推进智慧 农业发展。     

“互联网+"背景下农村网络扶贫新思路的探讨

本文通过分析“互联网+”时代下网络扶贫的三种新模式，指出了政府、企业、农户三方力量 各自在网络扶贫中的定位和职责，进一步夯实网络扶贫基础，从而提高扶贫治理成效。     

影响北方白菜型冬油菜主要农艺性状变异的气象因子分析

为探究影响北方冬油菜农艺性状的气象因子，以新疆自治区阿勒泰、乌鲁木齐和喀什为研究试点，选择陇油6号、陇油7号、陇油8号、天油2号、天油4号、天油7号共6个抗寒性不同的白菜型冬油菜品种为研究材料，采用适定性分析法和相关性分析法，研究气象因子对冬油菜的株高、主花序角果数、单株角果数、角粒数等农艺性状的影响。结果显示：随纬度降低越冬率增加，农艺性状变劣，其中千粒重、株高和角粒数变异系数较小，分别为5.86%、6.23%和12.63%，单株角果数的变异系数较大，为28.25%；参试品种间，强抗寒品种陇油6号和陇油7号的农艺性状变异系数较小，弱抗寒品种天油2号等变异系数较大；农艺性状与越冬率显著正相关（P<0.05），角粒数与各种气象因子的相关性均达显著水平（P<0.05）；积雪天数、年降雨量和最大积雪厚度对农艺性状具有正效应，累积贡献率达到0.877，最冷月最低气温、地面极端低温、负积温和年均气温对农艺性状具有负效应，累积贡献率达到-0.871。因此，在北方寒区，选择强抗寒冬油菜品种有利于保持农艺性状稳定，获得较好产量与效益。     

论科技情报的信息媒介意义

科技情报作为一种重要的信息媒介。作者着重地阐述了其具备的宏观俯瞰,微观入里的导引功能。就其科技情报意义与林业科研及生产领域上的信息交流而言提出了自己的见解。