国家茶叶产业技术体系南昌综合试验站专家到遂川县调研茶产业工作

9月13—14日，国家茶叶产业技术体系南昌综合试验站杨普香站长到遂川县调研茶叶产业工作。杨普香与随行人员深人到该县汤湖、戴家埔两乡镇茶叶企业、茶叶专业合作社与产茶大户详细了解茶叶生产情况，有针对性地进行了问卷调查。同时在汤湖、戴家埔、高坪、左安等乡镇选取具代表性的茶园，     

婺源两茶叶品牌荣登全国百强榜

2014年中国茶叶企业产品品牌价值评估由浙江大学CARD中国农业品牌研究中心、《中国茶叶》杂志社、中国农科院茶叶研究所和中国茶叶网联合开展,采用“浙大CARD农产品品牌价值评估模型”,对全国178个茶叶企业产品品牌进行评估产生全国百强。婺源两家企业上榜,婺源鄣公山茶叶实业有限公司的“鄣公山”品牌价值1．2亿元,江西婺源林生实业有限公司的“林生”牌价值0．69亿元,分别排名78位、98位。     

玉米秸秆生物炭对Cd2+的吸附特性及影响因素

以玉米秸秆生物炭为实验材料,研究了生物炭吸附重金属Cd2+的性能,分析了吸附温度、吸附时间、初始pH值以及生物炭粒径对吸附的影响,并对吸附前后生物炭样品进行傅里叶变换红外光谱分析(FITR)、X-射线衍射(XRD)和X-射线光电子能谱(XPS)表征以分析吸附机理。结果表明:玉米秸秆生物炭对Cd2+的吸附可用Langmuir等温方程较好地拟合,在不同温度下其饱和吸附量分别为18.49 mg·g-1(288.15 K)、23.51 mg·g-1(298.15 K)、23.59 mg·g-1(308.15 K)和24.43 mg·g-1(318.15 K),吸附动力学过程可以由准二级动力学方程很好地拟合,约40 min即达平衡,pH值为5时吸附量最大,生物炭粒径对吸附无明显影响。结构表征表明,生物炭对Cd2+的吸附机理主要为表面羟基(-C-OH)和羰基(-C=O)与Cd2+发生络合化学反应作用。     

湖南省水资源费改税问题研究

水资源费改税的根本目的在于通过税收杠杆的作用抑制水资源的过度开采和浪费、节约和保护水资源,通过对湖南省水资源费征收现状和水资源费征管存在问题的论述,说明了水资源费改税的必要性,并提出一些推进水资源费改税实践性的结论和建议。     

教室贴吧好处多

多年的班主任工作实践,使我深深地体会到,如果不能及时、准确地把握班级学生的思想脉搏,在管理中就会处于被动地位,管理效果往往不理想.尖子生是各科老师的掌上明珠,自然不必说,可后进生的发展却始终是萦绕在我心头的结.一次偶然的经历让我解开了这个结.     

2014年江西省“振兴杯”茶叶制作行业职业技能竞赛在遂川举行

4月19日，2014年江西省“振兴杯”茶叶制作行业职业技能竞赛在江西遂川县市民广场隆重举行。省人社厅副厅长陈利克出席启动仪式并宣布竞赛开幕，副市长肖玉兰致词，开幕式由市人社局局长曹秋根主持。     

遂川县出台发展茶叶基地扶持政策

茶叶产业是遂川县的特色传统产业．是农民增收、农业增效的重要途径。遂川县政府为做大做强茶叶产业．加大了对茶叶基地建设的扶持力度，出台了《遂川县茶叶基地建设奖补办法》，每年安排1000万元以上专项资金用于扶持茶叶基地建设：     

利用ASTER遥感资料提取南京城郊土地利用信息的研究

土地资源是社会经济发展最基本的物质基础，利用遥感技术可对土地资源进行分类调查。在对地观测方面，高光谱遥感与一般遥感影像相比,能提供更高质量的信息源。先进的空间热辐射反射计(ASTER)覆盖可见光、近红外、短波红外和热红外的14个波段，分辨率从15 m到90 m，对长江流域环境监测、地表覆盖变化、短期气候预测、自然灾害监测等，对于了解该区资源、生态与环境具有重要的意义。该文利用2001年ASTER数据对南京城郊地区进行了土地利用分类，首先采用多元统计方法提取分类特征波段。然后以非监督分类获得初始训练样本，对训练区进行多次像元提纯后，运用监督分类方法对南京城郊土地利用信息进行分类。研究表明，多种分类方法相结合可从ASTER影像更好地提取土地利用信息，达到较好得分类精度。     

生物炭在土壤改良和重金属污染治理中的应用

作为重要的土壤改良剂、污染物质吸附剂的生物炭在农业和环境中具有巨大的应用价值和现实意义,因而受到国内外学者们的普遍关注。本文基于生物炭在农业增产和重金属污染治理方面的国内外研究文献,综述了生物炭的基本特性及对土壤的改良作用,分析了生物炭对土壤肥力及作物增产的影响,阐述了生物炭对土壤重金属污染修复机理,及该领域未来的发展动向,以期为生物炭大规模农用提供参考。     

基于农作物病害检测与识别的卷积神经网络模型研究进展

农作物病害的精准检测与识别是推动农业生产智能化与现代化发展的重要举措。随着计算机视觉技术的发展,深度学习方法已得到快速应用,利用卷积神经网络进行农作物病害检测与识别成为近年来研究的热点。基于传统农作物病害识别方法,分析传统方法的弊端所在;立足于农作物病害检测与识别的卷积神经网络模型结构,结合卷积神经网络模型发展和优化历程,针对卷积神经网络在农作物病害检测与识别的具体应用进行分类,从基于公开数据集和自建数据集的农作物病害分类识别、基于双阶段目标检测和单阶段目标检测的农作物病害目标检测以及国外和国内的农作物病害严重程度评估3个方面,对各类卷积神经网络模型研究进展进行综述,对其性能做了对比分析,指出了基于农作物病害检测与识别的卷积神经网络模型当前存在的问题有：公开数据集上识别效果良好的网络模型在自建复杂背景下的数据集上识别效果不理想;基于双阶段目标检测的农作物病害检测算法实时性差,不适于小目标的检测;基于单阶段目标检测的农作物病害检测算法在复杂背景下检测精度较低;复杂大田环境中农作物病害程度评估模型的精度较低。最后对未来研究方向进行了展望：如何获取高质量的农作物病害数据集;如何提升网络的泛化性能;如何提升大田环境中农作物监测性能;如何进行大面积植株受病的范围定位、病害严重程度的评估以及单枝植株的病害预警。