基于中西茶文化分析中医院校英语教育的优化策略

在中医院校英语教育中积极融入茶文化,可以帮助学生更加直接地领悟到西方国家的语言特点,一定程度上影响了中医英语的语言风格与词汇表达方式。可以这样认为,在中医院校英语教育中渗透中西茶文化的差异,能帮助学生全面了解西方英语国家文化,有利于他们提升自己的交际能力。同时,通过了解中西方茶文化差异和中医院英语教学现状,分析中西茶文化在中医院校英语教育的重要性,可以进一步提出中西茶文化差异下中医院校英语教育的优化对策。     

彩叶芋SCoT反应体系的建立与优化

本试验通过单因子试验和正交试验的设计对‘红桃K’彩叶芋的SCoT-PCR反应体系进行研究及优化。研究结果表明,彩叶芋SCoT最佳反应体系为(20μL):引物浓度0.7μmol/L,d NTPs(10 mmol/L)浓度0.5 mmol/L,Taq DNA聚合酶1.25 U,DNA模板80 ng,Mg2+浓度1.5 mmol/L。PCR扩增程序为:94℃预变性4 min,94℃变性45 s,50.4℃条件下退火45 s,72℃延伸90 s,35个循环后,72℃再延伸7 min,最后16℃保存。此外,利用市场上观赏价值较高的9个彩叶芋品种为材料,对确立的‘红桃K’彩叶芋SCoT-PCR扩增体系进行再验证。结果表明,扩增条带清晰,重复后稳定性高,说明该反应体系为鉴定彩叶芋多样性合适的SCoT分子标记体系,同时为后期彩叶芋遗传多样性、分子辅助育种及遗传图谱的建立提供了依据。     

《风沙半干旱区旱地农业综合发展研究》韩文版在韩国出版

为深入贯彻中央关于扩大对外文化交流工作的宣传思想,加强国际传播能力和对外话语体系建设,推动中华文化走向世界,中国农业出版社大力实施出版"走出去"战略,积极推进图书版权输出和海外合作出版工作,不断拓展国际版权市场。日前,作为中国农业出版社版权输出的最新成果,《风沙半干旱区旱地农业综合发展研究》韩文版已由韩国农村振兴厅出版,专门用于韩国农村振兴厅及其下属单位等学习使用。     

深度剖析母猪产程与死胎的相关性

我国PSY(15头左右)与欧美国家(30头以上)之间的巨大差距主要原因是围产期胎儿死亡率过高,其中产死胎是第1位的,30%的母猪在分娩过程中有1~2头以上的仔猪发生死亡,且约有5%~10%的发育正常仔猪在分娩中死亡。从产程过长与仔猪脐带断裂过早、呼吸障碍、代谢损伤和仔猪过大4个方面深度剖析了产程与死胎之间的关系,说明产程过长是导致死胎比例增加的最主要原因。     

北京市绿地生态系统文化服务功能价值评估

城市绿地生态系统在提升市民福祉、美化城市环境方面作用显著。文中运用条件价值评估法与旅行成本法相结合的方式,基于市民认知与支付意愿,定量评估了北京市公园绿地、公共绿地和社区绿地生态系统的文化服务价值。结果显示:公园绿地、公共绿地和社区绿地生态系统的文化服务价值分别为24.74元/m~2、16.70元/m~2和13.36元/m~2;其中娱乐与生态旅游功能、美学功能是最主要的文化服务形式;不同人群的个人基本特征对不同类型绿地生态系统服务功能的利用频率有显著的差异性。     

北京市民对城市绿地的需求偏好及支付意愿分析

运用选择实验法,从覆盖需求、设施需求、景观需求、管理需求四个方面探讨了北京市民对城市绿地的改进偏好及支付意愿,发现:市民对城市绿地的场地设施、景观性和可达性改善意愿较强,其边际支付意愿在1. 70元/年到4. 5元/年之间;市民收入越高、离市中心越近、在京居住年限越长,对于城市绿地有越显著的改进需求。基于此,提出加大绿地空间和设施建设,改善绿地景观设计,扩大公共绿地服务半径,加大园林绿化资金投入水平等建议。     

基于条件随机场的农作物病虫害及农药命名实体识别

互联网农技问答平台现仅依靠人工提供答题服务，响应速度慢，回答质量难以保证。实现智能农技问题解答，构建农技知识库，需要从现有问答数据提取“农作物-病虫害-农药”命名实体三元组。现有对农业中文命名实体识别的研究较少，且准确率较低。根据农作物、病虫害及农药命名实体的特点，针对农技问答数据，提出基于条件随机场的农作物、病虫害及农药命名实体的识别方法。对数据集进行格式整理及自动分词，并对分词后的语料，针对是否包含特定界定词、是否含特定偏旁部首、是否是数量词、是否是特定左右指界词及词性等特征进行自动标注。利用标注后的数据训练CRF模型，可以对语料进行分类，包括判断语料是否属于农作物、病虫害、农药3类命名实体并识别该语料在复合命名实体中的位置，从而实现了对3类命名实体的识别，由此可自动构建关联三元组。通过试验选择特征组合和调整上下文窗口大小，提高了本方法的识别准确度，降低了模型训练时间，对农作物、病虫害、农药命名实体识别的准确度分别达97.72%、87.63%、98.05%，比现有方法有显著提高。     

二次聚类与神经网络结合的日光温室温度二步预测方法

精确预测日光温室温度是实现对温室精准调控的前提。由于温室是复杂非线性系统，受室内外众多环境因素影响，且部分因素难以准确测量和建模，因此，难以通过机理分析建立室外因素精确影响室内温度的物理模型。而现有时间序列分析、人工神经网络等仅基于数据的方法预测准确度也较低。本文提出连续时间段聚类与BP神经网络相结合的二步日光温室温度预测方法。首先，进行二次聚类，对室外温度情况相似的日进行聚类，并将全年划分为若干个类似时间段，根据连续时间段内相似日的数量进行聚类，将全年内的连续时间段归入若干类别。其次，对不同类别的时间段，分别采用BP神经网络建立室外温度、相对湿度、太阳辐射、风速和温室室内温度间的关联模型，通过数据训练，能够较为准确的根据室外环境数据预测室内温度。通过涿州实验农场2年数据试验验证，通过二次聚类，全年连续时间段可划分为3类，通过分别建立BP神经网络并分别训练，结果表明本方法预测误差仅为6.23%，与现有未分类的BP神经网络预测算法对比，本文方法有效地提高了准确度，平均误差降低5.4个百分点。     

湛江口岸进口大豆的杂草疫情及其监管

对2003~2008年间从湛江口岸入境大豆携带杂草疫情进行分析,提出杂草疫情监管措施和杂草检疫建议。