19种菊科植物花药结构及绒毡层的发育类型研究

花药结构和绒毡层的发育类型对菊科植物的系统分类和系统演化具有重要的意义。本研究采用苏木精和苯胺番红整体染色以及石蜡切片的方法,通过显微镜观察,对菊科7族19属19种植物花药结构及绒毡层的发育类型进行研究。结果表明,18种植物的花药由4个花粉囊组成,1种由2个花粉囊组成。花粉囊壁由表皮、药室内壁、中层和绒毡层4层细胞组成,中层细胞在花粉母细胞时期解体。随着花粉粒的形成,药室内壁先“U”形增厚,再进行条带状增厚。花粉母细胞胞质分裂类型有连续型和同时型2种,小孢子四分体以四面体形为主。绒毡层的发育类型有变形绒毡层和分泌绒毡层两种类型,变形绒毡层是管状花亚科植物的共同特点,分泌绒毡层是舌状花亚科植物的共同特点。从向日葵族向菊苣族的逐渐演化过程中,绒毡层的发育类型从向日葵族的变形绒毡层、经过变形绒毡层向分泌绒毡层的过渡类型逐渐演化为菊苣族的分泌绒毡层。变形绒毡层的形态在管状花亚科不同族之间有明显差异,绒毡层的发育类型和形态可以作为亚科和族分类的依据之一。     

无人机可见光遥感影像的农作物信息提取及验证

为实现无人机遥感农作物类别的快速识别提供参考,以贵定县马场河乡马长河村部分耕地遥感影像作为研究对象,采用无人机采集地面农作物遥感影像,分析农作物之间纹理和色彩特征差异,对农作物的类型及面积信息进行提取和检验,获取不同种类农作物的种植基本信息。结果表明:利用色彩纹理特征组合对大豆、水稻和玉米种植信息的提取结果误差分别为7. 01%、9. 71%和1. 75%,提取效果较好。可为农作物分类提取提供参考。     

基于SegNet模型的高原鼠兔的图像分割

针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题，采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割：首先将采集的高原鼠兔图像进行预处理，尺度归一化后制作成与Pascal VOC数据集格式一致的数据集；然后将数据集分为训练集与测试集，采用训练集对SegNet模型训练，测试集对模型进行分割测试。对高原鼠兔图像分割的试验结果表明：与基于活动轮廓的Chan_Vese模型相比，基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%，过分割率和欠分割率分别降低了87.20%、16.52%。     

县级森林经营规划编制关键技术环节研究——以诸城市为例

编制执行森林经营规划,是精准提升森林质量和全面持续开展森林经营的重要基础;县级森林经营规划,是指导县域内各类经营单位编制和执行森林经营方案的重要依据。以诸城市为例,研究探讨县级森林经营规划关键技术环节的编制方法,为县级森林经营规划编制提供参考。     

中国郁金香种质资源与育种研究进展

郁金香是百合科郁金香属多年生草本植物,是世界著名的球根花卉,是花海最常用的植物材料,近年来越来越受到人们关注。该文综述了郁金香的起源、分类和我国分布的重要种质资源,介绍了近年来应用多种手段进行郁金香育种所取得的研究进展,并对今后郁金香资源的利用与育种方向进行了展望,为我国优异的野生郁金香种质资源的开发、保护和利用提出了思路。     

无线网络环境下传输感知图像的模糊处理算法

传统算法在进行传输感知图像的模糊处理时,对模糊隶属函数的计算不准确,因此图像处理峰值信噪比低。针对这一问题,提出无线网络环境下传输感知图像的模糊处理算法。检测传输感知图像的模糊边缘信息;计算传输感知图像的模糊隶属函数;实现传输感知图像的模糊处理。仿真实验结果表明,设计的模糊处理算法传输感知图像处理峰值信噪比最高可达37.04 dB,对照组最高为23.05 dB,设计的模糊处理算法模糊处理能力更强,可以实现对传输感知图像的高质量模糊处理。     

江西省生态旅游资源类型及其特征

为探明江西省生态旅游资源类型，依据国家出台的《旅游资源分类、调查与评价》（GB/T18972-2003）的分类标准，通过对江西省生态旅游资源类型、资源特点等基本情况的调查，建立了江西省生态旅游资源类型划分体系，江西生态旅游资源类型主要分为自然生态旅游资源、人文生态旅游资源和法律保护性生态旅游资源三大类。结果表明，江西省生态旅游资源主要分为8大主类，24个亚类、95个基本类型，分别占国家标准旅游资源分类同类项的100%、77.42%、61%。江西省生态旅游资源具有红、绿、古三色资源优势明显、生态旅游资源功能多样化、生态旅游资源独特性强、生态旅游资源开发潜力大、品牌知名度不高、配套设施不完善等特征。结果研究说明了江西省生态旅游资源的分类体系及特征，为江西省生态旅游资源开发与保护提供理论参考依据。     

基于RNMU的多源星载SAR影像融合与土地覆盖分类

为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。     

基于信息抽取的食品安全事件自动问答系统方法研究

针对从海量食品安全事件新闻报道中很难抽取出所需答案的问题，以食品安全事件语料库为研究对象，提出了一种基于信息抽取技术的自动问答系统。首先，利用深度学习模型TextCNN对用户输入的问题进行分类，得到其所属类型。其次，对于输入问题，借助Lucene搜索引擎找到其最佳匹配文档。再次，根据输入问题的类型，从食品安全事件数据库（采用信息抽取技术自动提取的一个结构化数据库）中筛选出该文档所包含的答案候选句集合。最后，利用深度学习模型Bi LSTM及基于答案候选句上下文的特征提取方法构建一个答案抽取模型，该模型能从给定的答案候选句集合中提取出最终答案。为检查基于食品安全事件数据库的答案候选句筛选方式及基于答案候选句上下文的特征提取方式对整个自动问答系统性能的影响，进行了多种比较实验，结果表明含有基于食品安全事件数据库的答案候选句筛选方式和基于答案候选句上下文的特征提取方式的问答系统表现最佳，其回答准确率达到44%。这相比于传统的问答系统，具有明显的优势。