体外产气法评价全株藜麦与全株玉米混合青贮饲料饲用价值

为提高全株藜麦的饲料化利用率，寻找其与全株玉米的最佳青贮比，试验共设全株藜麦与全株玉米比为100：0，90：10，80：20等11个组合进行青贮发酵，发酵60 d后测定各组青贮料的体外产气发酵指标，使用灰色关联度分析筛选出最佳青贮比例。结果表明，体外发酵至36 h时，各处理组GP趋于稳定，体外发酵减弱接近停止；全株藜麦与全株玉米比例为90：10时，该青贮饲料组合的粗蛋白（CP）和粗脂肪（EE）含量显著高于其他各组（P<0.05），乙酸（AA）、总挥发性脂肪酸（TVFA）含量以及氨态氮（NH₃-N）浓度显著高于其他各处理（P<0.05）。分析表明，全株藜麦与全株玉米比例为90：10时，混合青贮饲料的营养品质和产气发酵特性综合表现最好，可作为优质混合青贮饲料在家畜养殖中推广使用。     

垂直轴风力机翼型涡流噪声的数值分析

为了了解垂直轴风力机翼型涡流噪声特性,以LUT翼型为研究对象,首先利用Fluent进行流场分析,流场计算选用DES湍流模型,再结合Lighthill声类比方法计算翼型周围声场,将数值模拟计算得到的气动特性相关数据与该翼型的风洞试验结果作对比分析,同时分析了不同攻角对该翼型气动噪声特性的影响,最后研究了在攻角为8°时不同雷诺数对该翼型的声压级指向性特征影响.结果表明:数值计算所得气动数据与风动试验数据拟合良好,建立的仿真模型、网格质量和边界条件合理有效;随攻角增加,翼型涡脱落从尾缘向前缘推进,同时涡流脱落强度增大,气动噪声增强;随着雷诺数的增加,翼型四周声压级先增加后减小;雷诺数与声压级关联较大,控制叶片雷诺数有助于降低叶片噪声,为该翼型适用于低噪声垂直轴叶片提供理论基础.     

生物多样性保护优先区生态网络构建与优化——以太行山片区为例

生物多样性保护优先区是重要物种的栖息地，是生物多样性保护工作的重点区域。基于生态学“源”“汇”理论，提取2000-2016年生态系统转移变化较小、生境质量较好的生态斑块和各类自然保护地作为生态源地，采用最小累积阻力模型构建研究区潜在生态廊道，并进行连通性评价，提出生态网络优化方案。结果表明，林地、灌丛是该区域物种迁移和扩散过程中起主导连接作用的景观类型，占生态廊道面积比例的63.9%，其次是草地，占生态廊道面积比例的13.87%；潜在生态网络结构连接度较高，但部分廊道结构较复杂，冗余性较高；通过重力模型优先选择相互作用力>5的生态廊道，并提取出32个生态断裂点和28个“暂栖息地”，最终提出保护生态源地、分级生态廊道、规划暂栖息地和修复生态断裂点等生态网络优化对策，研究结果可为太行山优先区-太行山片区生物多样性保护提供科学方法和建议。     

基于实物期权法的林业投资项目价值评估

当前林业投资项目不再局限于单纯的木材收益，开始将碳汇收益也纳入到项目价值中。而木材和碳汇的价格波动在增加了项目不确定性的同时，对项目价值也产生了一定影响。传统价值评估方法只能评估出项目的静态价值，对于不确定性带来的动态价值无法准确反映。因此，本研究以高峰林场裸地造林项目为例，根据价格波动规律对木材与碳汇的未来价格分别提出了合理假设，并利用Black-Scholes期权定价模型对项目价值进行了评估。通过对评估结果的分析，论证了实物期权法应用于林业投资项目价值评估的可行性及必要性，促进了实物期权法在林业中的进一步发展。     

基于RetinaNet模型的梨小食心虫智能识别计数方法

针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题,基于RetinaNet深度学习目标检测模型,构建了一种普适性更广的梨小食心虫智能识别计数方法.试验结果表明,RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93％,平均计数准确率达95.62％,且该方法对拍摄条件要求低,普适性广,优于Faster R-CNN目标检测模型,完全可以在梨小食心虫监测调查中替代人工进行分类计数.     

拔模对螺旋进气道参数化模型的影响

对螺旋进气道参数化模型是否加入拔模进行了比较,并研究了是否加入拔模对气道性能的影响,得到了相关规律,可以为螺旋进气道的设计及优化提供指导作用。     

高寒草原天然牧草营养品质近红外光谱预测模型的建立

本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。     

改进SSD的灵武长枣图像轻量化目标检测方法

针对加载预训练模型的传统SSD（Single Shot MultiBox Detector）模型不能更改网络结构，设备内存资源有限时便无法使用，该研究提出一种不使用预训练模型也能达到较高检测精度的灵武长枣图像轻量化目标检测方法。首先，建立灵武长枣目标检测数据集。其次，以提出的改进DenseNet网络为主干网络，并将Inception模块替换SSD模型中的前3个额外层，同时结合多级融合结构，得到改进SSD模型。然后，通过对比试验证明改进DenseNet网络和改进SSD模型的有效性。在灵武长枣数据集上的试验结果表明，不加载预训练模型的情况下，改进SSD模型的平均准确率（mAP，mean Average Precision）为96.60%，检测速度为28.05帧/s，参数量为1.99×106，比SSD模型和SSD模型（预训练）的mAP分别高出2.02个百分点和0.05个百分点，网络结构参数量比SSD模型少11.14×106，满足轻量化网络的要求。即使在不加载预训练模型的情况下，改进SSD模型也能够很好地完成灵武长枣图像的目标检测任务，研究结果也可为其他无法加载预训练模型的目标检测任务提供新方法和新思路。     

农村清洁能源政策实施效果影响分析——基于灰色关联度

为研究农村清洁能源政策实施效果,选取农村清洁能源服务政策、农村清洁能源支持政策、农村居民保障政策以及政策产出效益建立农村清洁能源政策效果的评价体系。基于2012-2018年《全国农村可再生能源统计汇总表》采用灰色关联度法进行研究。研究结果表明,农村清洁能源政策中农村居民保障政策对农村清洁能源消费占据了很大的影响,主要原因在于教育水平与收入的提升会增强农村居民对清洁能源使用的偏好。其次是清洁能源支持政策与服务政策。     

苗期娃娃菜田藜科藜属杂草空间分布型及其抽样技术研究

采用随机调查的方式，利用空间分布型检验、聚集强度指标检验和线性回归方法，研究了甘肃黄羊河农场苗期娃娃菜田藜科藜属杂草空间分布型及其抽样技术。结果表明，苗期娃娃菜田藜科藜属杂草空间分布型呈聚集分布。根据平均拥挤度(M*)与平均密度(■)Iwao回归关系，建立了娃娃菜田藜科藜属杂草防治最适抽样模型，N=3.841 6/D2(1.414 6/■+0.052 4)，序贯抽样模型T(1、 2)= 4n±4.995 8 ■。