全球气候变化及其影响、对策研究一对IPCCAR4的解读

气候变化问题被列全球十大环境问题之首．并日益成为国际社会的一个热门话题。根据全球气候变化的事实，分析出近50年气候变化的原因很可能主要是人类活动排放的温室气体造成的，并分析全球气候变化对农业、林业、生态系统、水资源、人类健康、工业、人居环境和社会的影响，提出适应和减缓气候变化的对策。     

人工神经网络在API预报中的应用

为更好的反映环境污染变化趋势,为环境管理决策提供及时、准确、全面的环境质量信息,开展城市污染预报研究是十分必要的。将BP神经网络模型引入到大气污染预测预报领域,利用石家庄市2005-2009年春季、夏季、秋季、冬季的4组数据分别建立了4个季节的日空气污染指数的预测模型,并用2009-2010年春季、夏季、秋季、冬季的数据作为独立样本进行预测检验,实验结果表明：通过设置初始权重、学习率、动态系数等参数使基于BP神经网络的大气污染预测模型的精度得到提高,预测值与实际值之间的平均相对误差小,预测值与实际值的相关系数高,得到了较好的预报效果,说明该模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法。     

BP神经网络在渭河水环境质量评价中的应用

为准确和客观地评价渭河水环境质量状况,将改进算法的BP神经网络引入地表水环境质量评价领域,采用渭河2010年(9月7日至10月11日)水质指标监测数据,构建了渭河水环境质量评价模型。通过3个水质监测项目(氨氮、高锰酸盐指数、溶解氧)对渭河水质进行了评价,评价结果与环境保护部公布结果完全一致。结果表明,BP神经网络应用于水环境质量评价具有客观性、通用性和实用性,可以很好地解决评价因子与水质等级间复杂的非线性关系,评价方法简便可靠,预测精度高。     

基于BP神经网络的我国农民收入预测模型

依据1978~2008年影响我国农民收入因素的相关数据,选取从事农业的人口、第一产业产值、乡村就业人员数等13个指标,依据标准化方法和BP神经网络方法,建立了关于农民收入的人工神经网络模型,并进行具体分析。结果表明,模拟值与真实值吻合较好,改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力。在此基础上,提出了增加农民收入的建议：一是推进城镇化进程;二是发展农村中小企业;三是鼓励集约经营;四是加强农村基础设施建设和农业科技投入。     

吉林省农科院种子检验介绍

吉林省农科院种子检验介绍寇立群刘俊屏王秀芬（吉林省农科院玉米工程技术研究中心公主岭市１３１００６）种子是农业生产最基本的生产资料。优良的品种必须具备优良的种子质量才能发挥其增产潜力。为了确保种子质量，为农民提供高质量的种子，开展种子检验技术研究，切实...