饲育原蚕芳草,晨·星的体会

芳草、晨·星是浙江大学动物科学学院蚕学系90年代中培育成的一对夏秋用新品种,其一代杂交种具有体质强、茧质好、产量高、抗氟性能强等优点,深受我县广大蚕农及丝厂的欢迎。我县1997～1999年三个春期分别饲养了410g、962g、475g,均取得了较好的成绩。其饲育经过,种茧调查及生产实绩见表1、表2。表1　1999年春芳草、星·晨饲育经过表品种1龄(d∶h)2龄(d∶h)3龄(d∶h)4龄(d∶h)5龄(d∶h)全龄(d∶h)催青期(d)蛹期(d)全蚕期(d∶h)芳草3∶073∶023∶225∶127∶0022∶19101547∶19星·晨3∶082∶203∶145∶007∶0021∶18101748∶18表2　芳草、星…     

我场实施经济责任制的几点体会

实行生产责任制，是搞好蚕种场的重要关键，此文总结介绍了他们的经验和做法。     

论蚕种场面临的困境与对策

目前蚕种场系统面临困境，本文就此进行了原因分析，并就茧量平衡，提高经营水平，综合开发，政策引导，科技改良等方提出了对策 。     

油奈选优研究

在注意油选种树丰产因素的基础上．进行选优工作．３ａ来通过初选、复选和决选，采用加权评分法与模糊综合评判，选出了果大质优的优良单株９１００１，可供繁殖推广．     

桑叶浸渍消毒防微效果的探讨

家蚕微粒子病是病原性微孢子虫经胚种传染和食下传染而使蚕感染 病的一种毁来性传染病，自1995年秋以来，该病在德清蚕区有所蔓延、扩散，局部地区发生严重的危害。宵仅影响蚕种计划的安排，而且威胁蚕桑生产的安全和蚕种的生存发展，家蚕微粒子病防治已到了迫在眉睫的地步。为此，我们在总结各场近年来防微经验教训及学习兄弟场先进经验的基础上，初步摸索出一条行之有效且具有可操作性的“防微”技术，即采取以桑叶全龄浸渍消毒为主的综合性防治措施，可有效地控制微粒子病的发生和蔓延，下面就桑叶浸渍消毒对微粒子病防治的效果及有关标准和注意问题，谈谈看法和体会。     

基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测

除选择合适的建模方法外,选择合适的特征选择算法来优选建模特征对提高作物病害的遥感监测水平具有重要作用。选取陕西省关中平原西部小麦白粉病为对象,基于Landsat 8遥感影像共提取了18个特征变量,通过相关性分析(correlation analysis,CA)和最小冗余最大相关(minimum redundancy maximum relevance,mRMR)2种特征选择算法筛选出了2组不同的特征变量,分别将其输入Fisher线性判别分析(Fisher linear discriminant analysis,FLDA)、支持向量机(support vector machine,SVM)和AdaBoost 3种方法,构建小麦白粉病发生严重程度监测模型,并对其进行精度验证与对比分析。结果表明,2种AdaBoost模型对小麦白粉病发生严重程度的总体监测精度分别比FLDA模型和SVM模型高出27.9%、27.9%和14.0%、9.3%,mRMR算法筛选特征所建FLDA、SVM及AdaBoost监测模型的总体监测精度分别比CA筛选特征所建模型高出7.0%、11.7%和7.0%,且mRMR算法筛选特征结合AdaBoost方法所建监测模型的精度和Kappa系数分别为88.4%和0.807,为所有模型中最高。说明将AdaBoost方法用于作物病害遥感监测效果较好,在作物病害监测模型的特征变量选择中mRMR算法比常用CA算法更具优势。研究结果可为其他作物病害遥感监测提供方法参考。     

结合Sentinel-2影像和特征优选模型提取大豆种植区

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%～91.91%,Kappa系数在0.72～0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。