中国居民行为态度、生活方式、幸福感与环境行为关系的研究——基于CGSS2013数据

近年来,我国环境污染问题日益严重,尤其是以雾霾为主的空气污染问题不断加剧,环境保护和环境污染的治理已经成为一个广泛而严肃的社会性问题。基于2013年中国综合社会调查数据,探讨了行为态度、生活方式、媒体使用、幸福感对环境行为的影响。分析发现:我国居民的环境行为在个体因素(性别、教育程度、家庭经济、幸福感)方面存在显著差异;行为态度、生活方式、幸福感和媒体使用都对我国居民的环境行为有显著影响,幸福感越高,媒体使用越多,生活方式更加丰富及多样化,行为态度更加积极乐观,居民的环境行为就也会越多。     

来稿须知

为防止学术不端行为和进一步提高期刊文章质量,本刊特对所投稿件做如下要求,望作者周知。1.稿件应具有科学性、先进性和实用性,论点明确、论据可靠、数据准确、逻辑严谨、文字通顺。     

基于机器视觉的奶牛发情行为自动识别方法

及时检测奶牛发情、适时人工授精、减少空怀奶牛，是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题，提出了一种非接触式奶牛发情行为自动识别方法。该方法首先使用改进的高斯混合模型实现运动奶牛目标检测，然后基于颜色和纹理信息去除干扰背景，再利用AlexNet深度学习网络训练奶牛行为分类网络模型，识别奶牛爬跨行为，最终实现对奶牛发情行为的自动识别。在供试数据集上的试验结果表明，本文方法对奶牛发情的识别准确率为100%，召回率为88.24%。本文方法可应用于奶牛养殖场的日常发情监测中，为生产管理提供辅助决策。     

夜蛾黑卵蜂雌雄蜂鉴别方法及雌蜂寄生草地贪夜蛾卵的行为特征

夜蛾黑卵蜂Telenomus remus被认为是草地贪夜蛾Spodoptera frugiperda卵期的高效寄生蜂。明确夜蛾黑卵蜂基本生物学特征将为其繁育及应用提供重要参考。本研究对雌、雄蜂外部形态及雌蜂寄生行为进行了观察。结果显示,1、除雌蜂产卵器和雄蜂外生殖器等第一性征外,夜蛾黑卵蜂雌、雄蜂个体还具备一些典型的第二性征,可通过触角环节数量、触角棒节和柄节形态以及足和触角的颜色进行区分。2、在同一卵块上,雄蜂先于雌蜂羽化,并撕咬寄主卵壳协助雌蜂羽化;雌蜂羽化后雄蜂会立即求偶并与其交配。3、夜蛾黑卵蜂雌蜂通过利用寄主卵表鳞毛空隙、主动清理鳞毛和移动表层卵粒3种行为策略实现对大部分草地贪夜蛾卵的寄生。本研究建立了夜蛾黑卵蜂雌、雄蜂的鉴别方法,并明确了雌蜂应对夜蛾黑卵蜂卵表结构防御的行为策略。     

农户化肥使用存在的问题及减量对策

探讨了现阶段农户化肥使用中存在的问题、影响因素并给出了减量对策。首先化肥作为一种为促进产量增加的农业化学品,现阶段也带来了环境污染问题、低效利用问题、推升成本及产量边际报酬递减甚至产量负增长问题。现阶段我国化肥使用增量减少总量较大,施肥结构也存在一定程度的不合理性并且农户科技素养需要提高。本文讨论并分析了可能影响农户化肥使用行为的因素,并从科学培训农户、施肥技术改良与强化政策扶持三方面给出了相关减量对策。     

松辽平原玉米带农户生态补偿行为研究——以吉林省为例

本文选取吉林省松辽平原玉米带区域内的九台、德惠、公主岭、梨树和前郭5个市县350个农户调研数据,采用二元Logistic变量计算吉林省玉米带农民生态补偿行为的相关因子。研究发现:农民就业状况、农药与化肥废弃物处理方式、农业技术培训三个因素在1%水平上对农户采用生态补偿行为有显著影响。单一务农者愿意付出更多时间、资金甚至技术换取好销路、高收益和多补贴,故与补偿行为相关度高;农民以货币补偿为初衷,变卖农药和化肥废弃物的情况恰巧实现了补偿行为;培训过农业技术的农户较易执行补偿行为。建议政府加强对农户的补贴力度,增加农户参与生态补偿行为的积极性;针对农药与化肥废弃物处理方式构建长效监督与惩罚机制;加强对农民认知的疏导,适度推广农业技术培训。     

梨小食心虫的寄主定位及其影响因素研究进展

梨小食心虫(Grapholitha molesta Busck)是鳞翅目(Lepidoptera)卷蛾科(Tortricidae)一种具有蛀果习性的世界性害虫,主要危害蔷薇科植物并造成严重经济损失。同其他植食性昆虫一样,梨小食心虫对寄主植物的准确定位关系到觅食、求偶、交配和后代存活,乃至整个种群繁衍等生命活动。基于"梨小食心虫—蔷薇科植物"之间的相互关系,综述了梨小食心虫寄主定位行为的研究现状,并分析影响该行为过程的重要化学、物理和生理等因素,探讨昆虫行为调控技术在梨小食心虫等蛀果类害虫综合防控中的应用前景,为今后研究该类害虫对不同寄主植物的潜在危害及防控奠定理论基础。     

基于卷积神经网络的蜜蜂采集花粉 行为的识别方法

实时监测蜜蜂觅食行为不仅有助于评估当地农作物授粉状况,也有助于及时采取措施提升蜜蜂产品的产量和品质。将计算机视觉技术引入蜜蜂觅食行为(是否携带花粉)的监测,设计5种浅层卷积神经网络(CNN)进行对比分析,并与深层网络GoogLeNet V1的迁移学习进行对比,寻找适合监测蜜蜂觅食行为的最优模型。发现GoogLeNet V1的识别准确率最高,达0.953 6,但训练耗时最长(7 326 s);浅层卷积神经网络中准确率最高的模型为11层神经网络模型(含4层卷积层),测试准确率为0.903 6,耗时相对较短(1 054 s)。最后,对比传统机器学习算法,发现深度学习优势明显。研究表明,GoogLeNet V1深层网络适用于精度要求高、设备条件好的蜜蜂监测环境;而11层卷积神经网络更符合智能养蜂的实际需求。