Patterns of silver eel (Anguilla anguilla L.) sex ratio in a catchment

Abstract –  Changes in the numbers and size-class structure of European silver eels, Anguilla anguilla , in the River Frémur (France) were examined over a 9-year period after installation of downstream eel passes. The number of silver eels migrating downstream peaked in 1999, then decreased strongly and steadily after 2000, reaching relatively low levels. At the same time, a gradual shift in the silver eel sex ratio from a dominance of males (size from 270 to 442 mm, age from 3 to 6 years) to females (size from 366 to 1112 mm, age from 4 to 9 years) was recorded. Possible explanations for the escapement patterns observed are environmental sex determination and the installation of eel passes on the main hydraulic engineering structures in 1992 and 1996.     

洛伐他汀影响人高转移卵巢癌细胞系HO-8910PM转移相关能力的研究

目的研究洛伐他汀对人高转移卵巢癌细胞系HO-8910PM转移相关能力的影响。方法分别运用MTT法、Transwell小室法、细胞粘附人工重组基底膜实验检测洛伐他汀对HO-8910PM细胞的细胞毒作用,对细胞的侵袭能力和趋化运动及对细胞粘附能力的影响。结果洛伐他汀作用HO-8910PM细胞6h后能抑制其体外侵袭、趋化运动和粘附能力,其中8μmol/L抑制率分别为(79.18±0.21)%、(59.40±0.80)%和(14.08±1.28)%。结论洛伐他汀能有效地抑制人高转移卵巢癌细胞系HO-8910PM的侵袭、趋化运动和粘附能力,是潜在的抗肿瘤转移药物。     

草地螟迁飞活动的雷达观测

80年代初期,我国草地螟猖獗为害,其虫源和迁飞问题不清。1984年6月在山西省雁北地区应县应用雷达观测了草地螟蛾的迁飞活动,并辅以地面发生动态调查,查明当地越冬茧密度约达每平方公里2000万头,6月2日羽化率为2.7%,6月10日达66%。成虫在15℃以下不飞行,15—17℃受震动后,在近地面几十厘米高处做数米距离的飞行;18℃以上则能主动飞行;20℃以上大量主动飞行。迁飞的高度在400m 以下,多在80—240m之间。成虫一般白天不起飞,多数在日落前后起飞。飞行方向与气流方向一致,多数向东北方向迁飞。在当地羽化盛期,当出现西南气流、气温上升达20℃以上时成虫大量迁飞。     

农科大学生英语听力教学现状分析及其改革对策探讨

采用问卷调查法,以103名农科大学生和25名大学英语教师为对象,调查了河北农业大学农科大学生大学英语听力教学现状及其影响因素,发现制约其听力水平提高的障碍因素主要为语音、文化背景知识和听力学习策略和技巧等,在此基础上提出了“课中、课外两条线,强化语音训练,补充英语文化背景知识,注重学习策略学习及应用”的农科大学生英语听力教学改革方略及“听前背景知识热身＋听时反复训练至听懂＋听后总结、巩固和提高”的具体改革方法。     

土壤中砷的来源及迁移释放影响因素研究进展

砷是一种高致癌风险的类金属,自然环境中高砷(As)含量可对人类和生态系统构成直接的健康威胁。研究自然环境中砷的来源、存在形式及影响因素有助于进一步理解环境中砷的迁移转化规律,降低人体摄入砷的风险。对文献的分析表明,铁锰氧化物矿物的还原性溶解、黄铁矿及其他硫化物矿物的氧化溶解、铝氢氧化物表面的砷还原、有机质抑制砷吸附以及Eh降低和pH升高是造成砷向环境迁移的主要原因。本文综述了环境中砷的来源及其向环境迁移的多种影响因素,分析了这些因素与砷之间的作用机制,以期为加强砷污染治理提供科学依据。     

基于DH-YoloX的群养马岗鹅关键行为监测

马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX）,该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有效观察到马岗鹅随着日龄增长采食次数逐渐减少;试验鹅每日采食与饮水行为同时出现的比例为83.74%,呈现整体相伴趋势,但也从90.78%降低到74.57%,说明马岗鹅采食与饮水行为随着日龄增加呈现出逐渐分离趋势;试验鹅随着日龄增长休息时间逐渐加多,呈现出肉鸭对笼养的适应性逐步增强;应激行为随机性很强,突发性明显,发现人员随机走动等不规范饲喂带来的应激行为占据很大比例。该研究显示MGBM-DH-YoloX算法能利用监控视频对马岗鹅的关键行为进行智能提取,可为家禽智能养殖监管提供技术支撑。     

基于MWatNet模型的河套灌区解放闸灌域灌溉水体提取

为提高灌溉农田中灌溉水体的识别精度,以河套灌区解放闸灌域作为研究区,基于Sentinel-2遥感影像,结合灌区实际情况对地表水体提取模型(WatNet)进行改进,得到MWatNet模型并提取灌溉水体。采用总体精度（Overall accuracy,OA）、平均交并比（Mean intersection over union,MIoU）、F1值等水体提取精度指标进行综合评价。结果表明：改进后的地表水体提取模型(MWatNet)在解放闸灌域农田灌溉水体的提取上具有较好的识别精度,模型总体精度达到96%,平均交并比达到83%,F1值为80%,实地调研验证准确度为85.7%;对比原WatNet、水体语义分割模型(Deeplabv3_plus)和水体提取模型(Deepwatermapv2),MWatNet在灌溉水体提取的连结性、剔除道路和城镇干扰等方面,均表现出更好的效果和模型运行效率。利用该模型可以实现灌溉水体定量化表征,为灌溉用水调度提供了数据支撑。     

农户闲置宅基地市场化配置感知风险识别及防控

推进闲置宅基地市场化配置是宅基地“三权分置”改革的主要目标,识别农户宅基地市场化配置的感知风险是稳慎推进宅基地要素市场化配置的基本前提。为科学客观识别农户宅基地市场化配置的感知风险,该研究基于“有监督”的机器学习算法,结合重庆市典型宅改试点的实证,定量识别农户宅基地市场化配置的感知风险,并从“事前预防”“事中防控”“事后防范”3个维度,差异化探讨不同配置方式下的风险防控策略,以期为深化宅基地市场化配置改革提供政策建议。结果表明：1）农户宅基地市场化配置的感知风险等级总体呈“两头低,中间高”的类正态分布。2）就地直接入市中的农民权益风险最高（46.74%）,应联合地方政府、村集体和农户,注重“事前预防”;规划调整入市中的社会稳定风险最高（35.66%）,村集体应注重“事前预防”,而地方政府应注重“事后防范”;复垦指标入市中的耕地保护风险最高（29.13%）,地方政府应注重“事中防控”,而村集体应注重“事后防范”;复绿指标入市中的农民权益风险最高（34.24%）,地方政府应注重“事前预防”。3）4种方式下农户宅基地市场化配置的风险识别结果存在异质性;农户宅基地市场化配置的风险防控既需要“因时而动”,也依赖“多方合力”,需结合不同配置方式的突出致险因子分阶段、分主体协同防控。     

基于PC-RELM的养殖水体溶解氧数据流预测模型

养殖水体中溶解氧浓度一直是最重要的水质参数之一。为了精准地对水体溶解氧进行调控,提高养殖生产效率,降低养殖风险,该研究考虑外部天气条件对溶解氧的影响以及溶解氧自身的昼夜变化特征,提出一种基于正则化极限学习机（principal component analysis and clustering method optimized regularized extreme learning machine,PC-RELM）的养殖水体溶解氧数据流预测模型。首先,采用主成分分析法判断影响溶解氧浓度的强重要性因子,降低预测模型的数据维度;其次,利用熵权法计算各时刻点的天气环境指数,并利用快速动态时间规整算法（fast dynamic time warping,FastDTW）完成时间序列数据流在不同天气环境下的相似度度量;然后使用k-means算法对时间序列的相似度进行聚类分簇,并基于分簇结果完成正则化极限学习机预测模型的构建,实现溶解氧浓度的估算。最后将PC-RELM模型应用到无锡南泉试验基地养殖池塘的溶解氧预测调控过程中。试验结果表明：PC-RELM的预测均方根误差值（root mean square error, RMSE）为0.961 9,与PLS-ELM（partial least squares optimized ELM）、最小二乘支持向量机（least square support vector machine,LSSVM）以及BP神经网络模型进行对比,其RMSE值分别降低了41.54%、54.58%和67.16%。该预测模型可以有效地捕捉不同天气条件下溶解氧的变化特点,具有较高的预测精度和效率。     

基于YOLOv8改进的蚕虫检测与计数方法

该研究旨在解决桑蚕养殖过程中对蚕虫计数的难题,特别是针对蚕虫目标小、分布密集且易被遮挡的特点,通过改进的目标检测算法,实现对蚕虫数量的高效、准确检测与计数,以支持蚕虫的科学喂养与健康成长管理。本文提出了一种基于YOLOv8模型改进的蚕虫检测与计数新方法（SDM-YOLO）。该方法的核心创新包括：1) 引入RCS-OSA模块作为残差模块,替代原YOLOv8中的C2f模块,以增强网络的多尺度特征提取能力并融合不同感受野的信息,提升对密集分布蚕虫的识别能力;2) 改造检测头为动态预测头（dynamic prediction head）,结合尺寸、空间和通道三个维度的特征信息,提高蚕虫识别的精确度,减少误检;3) 优化损失函数,采用EIOU LOSS作为边界框回归的损失函数,以改善密集场景下蚕虫目标的漏检问题。经过试验验证,SDM-YOLO方法在多个评估指标上均表现出色。具体而言,该方法在精确度上达到了88.2%,召回率为87.2%,平均准确度mAP@0.5为93.2%,而mAP@0.5：0.95也达到了74.7%。这些结果充分证明了与一阶段检测模型YOLO系列相比,SDM-YOLO在蚕虫检测与计数方面具有比较明显的优势。