武威市葡萄酒产业发展问题研究

近年来我国葡萄酒产业发展迅速,武威作为中国唯一一家"中国葡萄酒城",面对葡萄酒产业历史上前所未有的发展机遇,针对武威市葡萄酒产业发展中存在的问题,提出继续加大对葡萄基地建设的扶持力度;培育龙头企业,打造强势品牌;强化舆论宣传,加大招商引资力度;强化科技研发,加大科技人才支撑力度等推进武威市葡萄酒产业的发展的策略。     

天津市设施种植业生产者状况调查研究

通过对天津市设施种植业生产者的实际调研,发现生产者在实际生产中遇到的问题,分析内在和外在的原因,提出相应的对策研究。     

国内外农业自主创新体系建设评述

从农业制度建设、农业科技投入和农业科研、教育与推广结合等4个方面,总结了国内外典型国家和地区关于农业自主创新体系建设过程的有益经验。     

红蜡蚧生理特性的初步研究

红蜡蚧危害山茶、白兰花、石榴、雪松等近30科50余种园林花木、果树.本文介绍了红蜡蚧的形态特征、生物学特性、危害特点以及防治方法.     

从家庭经营收入分析农户家庭未来发展——以甘肃省为例

农户家庭经营仍是目前中国农业生产的主要形式,随着社会经济发展,农业向现代化、市场化转变,中国的农户家庭经营的局限日益显现。以甘肃省为例,在对甘肃省农户家庭经营做出基本判断前提下,分析了农户家庭经营运行中存在的问题。探讨甘肃欠发达地区农户家庭经营可能的发展变化态势,提出未来农户家庭发展趋势应是部分城市化、部分兼业化、部分专业化。农户家庭的转型需要提高农户生产经营专业化水平,促进农民组织发展,消除城乡人口流动形成的无形壁垒等建议。     

基于系统聚类分析的山东省区域农业竞争力实证研究

本文在构建区域农业竞争力评价指标体系的基础上,运用系统聚类分析方法,综合考查山东省17地市区域农业发展的特征,将山东省区域农业竞争力分为三大类,并有针对性的提出了相应的发展建议,为山东省各地市有效提升区域农业竞争力提供了一定的决策和参考依据。     

都市设施农业科技需求意愿及其影响因素分析

以天津市8个设施蔬菜种植县(区)的问卷调查资料为基础,运用Logistic模型分析了都市设施农业农户的科技需求意愿及其影响因素.结果发现,天津市设施农业农户对良种、栽培技术、病虫害防治技术、优质化肥和农药、新机械和设施的需求较大;设施农业生产特征、信息特征、家庭年收入、主要收入来源、科技信任程度、农业发展水平、地理位置等都对设施农业农户科技需求意愿产生一定影响.     

水稻新品种‘津育粳18’的食味品质分析

以区试对照品种‘津原45’和优质食味米品种‘津川1号’为参照,对‘津育粳18’的外观和食味特性值进行了分析,并通过食味品尝试验对其食味进行综合评价。结果表明,‘津育粳18’稻米的外观、蛋白质含量、脂肪酸含量、淀粉糊化特性以及食味评分与‘津原45’均无显著差异,直链淀粉含量显著高于‘津原45’;与‘津川1号’相比,‘津育粳18’的整精米粒率较低,蛋白质和直链淀粉含量较高,糊化特性较差;从食味品尝评价看,3个品种在味道和粘度上差异不显著,‘津川1号’米饭的外观和综合评价明显优于‘津育粳18’和‘津原45’,硬度强于‘津育粳18’,而‘津原45’和‘津育粳18’的外观、硬度和综合评价差异均不显著。     

基于同态滤波和K均值聚类算法的草原植被盖度测量

针对草原盖度地表测量法费时、费力、重现性差及自然环境下光照不均草原植被图像分割效果不理想问题,应用动态巴特沃斯同态滤波法对草原植被图像进行光照补偿,采用K均值聚类算法对补偿后图像进行分割,最后根据植被盖度定义,实现草原植被盖度测量。试验结果表明:本算法测量标准差、相对误差、均方根误差RMSE和耗时均值分别为0.5 7 0%、3.9 8 8%、0.1 0 0和2.3 5 s,比方格纸测量法标准差低4.6 8 6%,速度提升9 0倍左右。通过对分割效果定性和定量分析,验证了本文算法的草原植被盖度测量精度、稳定性和速度,可为草原盖度研究提供参考和技术支持。     

基于噪声类型及强度估计的狭叶锦鸡儿叶切片图像盲去噪

狭叶锦鸡儿叶切片显微图像在获取过程中不可避免的受到噪声污染,会对后续处理造成不良影响。针对现有噪声类型未知,去噪算法存在速度慢、效果不理想等问题,该文提出图像噪声类型估计-强度估计-去噪这一处理过程,实现对狭叶锦鸡儿叶切片显微图像降噪目的。首先采用平滑区直方图重构和拟合法确定噪声类型;然后在此基础上,应用基于图像块的SVD(singular valuable decomposition,SVD)域图像噪声强度估计法对噪声标准差进行估计;最后在确定噪声类型和强度基础上,采用几何均值滤波(geometric mean filtering,GMF)和三维块匹配滤波(block-matching and 3-D filtering,BM3D)对图像进行联合去噪。试验结果表明:该文噪声类型估计法估计出切片图像噪声类型为加性高斯噪声,高斯函数对随机选取的15幅狭叶锦鸡儿叶切片图像平滑区域直方图数据点拟合优度2R均值为0.996,平均均方根误差RMSE(root mean squared error,RMSE)为0.144 6;采用该文噪声强度估计法估计出的切片图像噪声标准差???[2.5,4.0],处理标准差较小噪声,该文算法处理精度、运行速度和稳定性等方面存在明显优势;GMF-BM3D算法在较好去除图像噪声同时,极大的保留了图像纹理、边缘和细节等信息,同时极大的提高了算法运行速度,处理后的图像BRISQUE(blind/referenceless image spatial quality evaluator,BRISQUE)值为10左右,相当于原图BRISQUE值的1/2左右。与传统BM3D算法相比,去噪效果相当,但耗时约相当于传统BM3D算法的1/9。与小波去噪算法(wavelet threshold,WT)算法相比,虽速度相对较慢,但去噪后图像BRISQUE值比使用WT法低4左右。因此,该算法较好实现了对狭叶锦鸡儿叶切片图像准确降噪,为其后续处理提供了可靠技术支持。