基层农业推广人员能力建设与农业气象灾害防灾减灾

通过对农业推广与气象灾害防灾减灾相结合的必要性和基层农业推广人员能力建设的分析,提出了以强化农业气象灾害防灾减灾为视角进行基层农业推广人员能力建设的一些举措。     

巴基斯坦农业推广现状、问题与发展趋势

巴基斯坦农业发展滞缓与其巨大的发展潜力极为不相适应,传统农业仍居于主导地位.巴基斯坦农业推广存在的问题,一是研究体系薄弱,研究—推广—教育部门之间缺乏协作.二是农业推广服务供给不足,且与需求脱节.从其发展动力看,提高农业部门竞争力是原动力,国际组织的支持是重要推力,私有企业是提供推广服务的市场动力,非政府组织具有从事推广的巨大潜力.其发展趋势有:以农业研究为突破点,强化农业研究—推广—农民的联系;构建复合的、需求导向的、性别差异的和参与式的具有广泛使命的农业推广体系;从单项技术推广到全方位的推广支持;整合农业教育、研究与推广,建立推广部门与利益相关方的功能链接;科学配置推广学科专家和改善农业推广条件、创新服务战略.     

2008年反季节松花菜产业化实践与思考

庆元县岭头乡自2002年启动以松花菜品种为主的反季节蔬菜产业以来,历经“起步-发展-萎缩-再启动-再发展-再萎缩”的波动历程,具有地域优势、精心培植的反季节蔬菜产业摇摇欲坠,难以巩固。究其原因主要是菜价年度季节性波动大,菜农收益不稳,时赚时赔;从深层次分析则是由于产业化水平低,导致区域产业缺乏市场适应性、价格缓冲性,抵御风险能力弱。     

基于改进YOLOv5网络的复杂背景图像中茶尺蠖检测

茶叶的产量和品质深受病虫害的影响。茶尺蠖是一种常见的茶叶害虫,精确检测茶尺蠖对茶叶病虫害防治有重要意义。由于茶尺蠖和茶树枝、枯死茶叶的颜色、纹理相近,茶尺蠖的体积小、形态多变、被遮挡等问题,现有方法检测茶尺蠖的精度不高。该研究提出一种基于深度学习的复杂背景图像中茶尺蠖检测方法,该方法使用YOLOv5为基线网络,利用卷积核组增强对茶尺蠖的特征提取,在不增加计算量的条件下减少复杂背景对茶尺蠖检测结果的干扰;使用注意力模块关注茶尺蠖整体,根据茶尺蠖的大小和形状自适应调节感受野,降低因目标大小形状不一导致的漏检;使用Focal loss损失函数减少前景和背景的类不平衡对检测结果的影响。试验结果表明,所提方法用于复杂背景图像中茶尺蠖的检测,可以达到0.94的召回率,0.96的精确度和92.89%的平均精度均值。与基线网络相比,该方法的平均精度均值提高了6.44个百分点。使用相同的数据集和预处理的对比分析表明,该方法优于SSD、Faster RCNN和YOLOv4等其他经典深度学习方法,平均精度均值比SSD、Faster RCNN、YOLOv4分别高17.18个百分点、6.52个百分点和4.78个百分点。该方法可实现对茶尺蠖的智能检测,减少人力成本,有助于实现精准施药,提高茶叶的产量和品质。     

破解丘陵区县域城乡统筹中农业产业化难题——以四川富顺为例

四川丘陵区是全省人口稠密区,又是传统农业区,自然资源相对贫乏,工业化、城镇化水平低,成为全川社会经济发展的难点和相对贫困集中区。如何通过城乡统筹发展,挖掘农村内生发展能力,破解农业产业化难题,走出传统农业困境,成为问题的核心。通过对富顺县的分析,提出了相应发展建议和展望。     

城市土地利用的生态状况时空变化分析——以北京市房山区为例

从土地利用动态和景观格局分析两个不同的角度,对2001~2009年房山区土地利用的生态状况进行了综合分析。结果表明:房山区的土地利用综合动态度达到了较高水平,其中建设用地变化幅度最大。此外建设用地的破碎化程度及景观优势度在上升;全区整体景观的破碎化、无序性呈增长趋势。导致其变化的驱动力主要包括区域GDP及城市总体规划等社会经济和政策因素。     

生态税与草地资源可持续利用探析

草地资源的可持续发展客观上要求将草地资源的社会、经济和生态成本纳入到经济活动中,以使草地资源的外在成本内部化。生态税是将草地资源外部性内部化的一种非常有效的手段,其主要优点在于通过把生态环境费用纳入到经济生活中,既可修正市场价格和提高政府政策有效性,又履行了谁破坏谁付费的原则,是对生态补偿制度的完善和发展。     

草地资源与新农村建设

分析了草地资源的重要地位,在农村建设中存在的问题,并分析了在新农村建设中草地资源开发利用可以选择的途径,最后进行了总结与展望。     

透气培菌袋袋栽香菇试验

对4种规格透气培菌袋进行袋栽香菇效果试验,结果与常规培菌袋相比,透气培菌袋改善了袋内菌丝的生育环境,菌丝生长速度快、子实体分化早而多,增产20％以上;同时省去刺孔通气环节,起到简化栽培工艺、省工省力的作用。     

基于多路卷积神经网络的大田小麦赤霉病图像识别

为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别。首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像。然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征。最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能。该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2 745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助。