商品化猪丹毒疫苗分类及特点

文章介绍了5种商品化猪丹毒疫苗的种类、毒株组成、抗原含量及相应免疫程序,为了解各种类型的猪丹毒商品化疫苗提供参考。     

湖北省杉木人工林立地类型划分及评价

以湖北省杉木人工林为研究对象,选择166块具有代表性的杉木人工林标准地,并测定样地的常规立地因子。利用数量化理论Ⅰ的方法建立了杉木优势高与立地因子之间的关系模型,对研究区杉木人工林进行立地类型划分及立地质量评价。结果表明,所选择的5个立地因子与优势高数量化拟合的复相关系数为0.639;海拔、腐殖层厚度和坡位这3个立地因子对优势高的贡献率达84.99%,且影响均达到极显著水平;采用海拔、腐殖层厚度和坡位3个因子构建研究区杉木人工林立地类型,共划分为22类;按照优、良、中、差4个评价等级对166块样地所属的立地类型进行立地质量评价,得出湖北省杉木人工林在中海拔、土壤湿润、土壤养分含量较高的立地条件下生产力较高,研究区立地质量整体处于中等偏上水平的结论。     

中国杜鹃花品种分类问题与思考

杜鹃花具有极高的观赏价值，是世界级名花。经过数百年的人工选育，全球杜鹃花品种已超过3万个。我国虽然拥有丰富的杜鹃花资源，但园艺化程度与国外差距明显，其中一个重要原因就是国内杜鹃花品种分类及品种名称较为混乱，阻碍了其进一步应用和发展。文中综述了近年来中国杜鹃花品种分类研究的成果与存在的不足，并展望了研究方向。分析认为，综合植物系统分类学研究及品种亲本来源信息是建立科学品种分类体系的基础，同时运用分子生物学技术和形态性状数量分析等方法进行归类将是重要的研究方向。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

种子重力分选机预分层喂料系统设计与试验

为了提高种子重力分选机分选性能，降低设备使用调节难度，提出了种子进入分选台面的预分层工艺，设计了配套的分层喂料系统，计算确定了结构参数。在SolidWorks中建立了系统模型，采用SolidWorks-Simulation对模型工作应力和位移进行分析。采用SolidWorks-Flow Simulation对流场进行仿真和系统结构参数优化。在5TZX-50型重力分选机上进行试验，利用Design Expert 软件进行Box-Behnken响应面分析，建立了性能指标与影响因素的数学回归模型，选出了气流速度为3.40m/s、振动频率为9.75Hz、导流板倾角为29.65°的最佳组合，该组合下除轻杂率和除重杂率试验值为95.12%和96.37%。试验表明，除杂率与目标优化预测值的误差不大于1.36%，分层喂料系统满足设计要求。     

基于深度学习服务的遥感影像农作物分类系统设计

【目的】深度学习在图像分类方面效果显著,但对机器的硬件配置要求高,将深度学习的技术应用于作物分类的同时,降低客户端的IT成本,开发基于深度学习服务的遥感影像农作物分类系统。【方法】系统采用C/S架构,服务器端部署Caffe的深度学习框架,通过PaaS提供计算服务,统一处理客户端模型训练、影像分类等任务;客户端提供用户界面,负责数据输入、结果解析和可视化操作;客户端和服务器之间通过异步RPC实现网络通信,利用FTP进行数据的上传和下载;考虑到农作物分类在实际应用中的时效性,系统还提供了一个简化的Alexnet模型,在保证分类精度的前提下加速了模型的收敛速度。【结果】通过对采集的428144个农作物样本数据集的应用表明,服务器训练的时间比单机训练缩短了近3倍,该系统不仅能够快速地完成深度学习模型训练的任务,还能实时准确得到遥感影像的农作物分类结果。【结论】该研究进一步推动了深度学习在农业分类方面的应用,同时为遥感技术在农业应用中的发展、农作物面积统计工作和对农业资源进行优化配置提供了重要的科学指导。     

无人机遥感影像面向对象分类方法估算市域水稻面积

针对如何高效地从无人机遥感影像中提取农作物样方数据,用于农作物面积遥感估算,该文以浙江省平湖市为例,利用面向对象分类方法对无人机影像进行水稻自动化识别,作为样方数据与卫星遥感全覆盖空间分布分类结果结合,采用分层联合比估计进行2014年单季晚稻面积估算。然后,与人工目视解译识别方法获取的水稻样方数据推断的区域水稻面积估算的结果进行精度、效率对比分析。研究结果表明:1)利用面向对象分类方法对无人机影像进行分类,总体分类精度达到93%以上,满足构建样本的要求;2)通过区域作物估算对比分析发现,面向对象分类方法对无人机影像进行水稻识别,构建平湖市单季晚稻的样方数据,能够替代人工目视解译样方准确推断区域作物种植面积,有效地提高了无人机影像在遥感面积估算中的应用效率。     

影响安吉白茶产量与品质的灾害性天气分型及分析研究

气象条件是影响茶树生长发育的主要环境条件,年际间气候条件特别是早春气候条件的差异,对安吉白茶的开采和产量波动较大。利用安吉2006—2017年白茶生长期调查资料以及相应时段的气候资料,对影响安吉白茶生长、产量与品质的灾害性天气过程进行分型研究,归纳出3种高影响天气类型,分别为冷空气影响型,强对流大风影响型,温度先低后高型,并对3种天气类型分别选1个典型天气过程个例,重点从天气形势、气候条件、灾情调查等方面,分析对白茶生产、品质造成的影响。结果表明:冬末春初的冷空气强度、影响时间以及影响方式等对安吉白茶的生长、产量及品质有重要的作用;选取上游安徽的阜阳站作为冷空气指标站,对本地冷空气强度预报有12 h的提前量,依据该指标可以及时发布预警信息,指导茶农合理安排生产,减少损失;针对不同的天气类型,给出了相应的防御措施。该结果可为茶农合理安排生产和适时采摘提供指导,同时也为农业气象科技人员进一步提高气象服务的针对性和专业性提供技术支撑和依据。