低风险疾病情境下农村居民健康信息规避行为研究

[目的/意义]本研究旨在揭示低风险疾病情境下农村居民健康信息规避的程度、策略、成因及其关联。[方法/过程]研究采用理论抽样方法和半结构化访谈法收集了江苏省45位农村居民的相关数据。研究采用开放式编码和主轴编码方法对访谈数据进行分析,同时采用社会网络分析软件对规避策略和成因之间的关系进行可视化展示。[结果/结论]（1）农村居民在低风险疾病情境下存在全面型和选择型两种不同程度的健康信息规避。其中,全面型健康信息规避主要发生在信息需求阶段,具体的规避策略为完全不治疗;而选择型信息规避发生在信息获取阶段,具体的规避策略为自己治疗或者拖延治疗。（2）该情境下农村居民健康信息规避的成因主要包括感知风险、对信息源的信任、健康信息素养水平、文化水平、情绪、经济水平、小世界、时间和医疗资源的可及性。（3）农民健康信息规避的成因与规避策略存在特定的关联。文化水平和医疗资源的可及性只对完全不治疗规避策略有影响;情绪因素只对拖延治疗规避策略有影响;健康信息素养水平只对自己治疗规避策略有影响。该研究可为改善农村居民的健康状况提供指导建议。     

基于HSV与形状特征融合的花椒图像识别

光照条件变化会对花椒目标识别率产生影响,关系到机器视觉技术能否有效应用于生产现场的花椒采摘。通过对HSV特性图像识别技术的分析,提出HSV和形状特征融合的花椒识别算法。该算法采用同态滤波方法对光照进行补偿,解决因为光照不均匀而导致的花椒识别率低的问题,最后利用花椒圆度特征,排除树枝及树叶等的干扰,实现花椒的准确识别。利用同态滤波方法对光照进行补偿,对于光照不强或者发生遮挡的花椒图像有较大改善,通过试验得出其平均识别率达到94.0%,比单独采用HSV特性识别时,在顺光,背光和遮阴条件下,识别率分别提高4%,13%和21%,此外在遮阴条件下运行时间缩短14.6%。为遮阴条件下提高花椒识别率提供一种方法。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

高校应对突发公共卫生事件的防控策略研究

近年来突发公共卫生事件频发,探讨高校应对突发公共卫生事件的防控策略显得尤为重要。本文从高校突发公共卫生事件的种类入手,分别从公共卫生教育、物资保证、信息联动、规范化处置等方面,分析高校应对突发公共卫生事件存在的问题,并对高校应对突发事件应采取的有效措施进行了研究探析。     

蔬菜精准管理与安全监控大数据平台总体框架设计

以搭建蔬菜精准管理与安全监控大数据平台为目标,详细分析了蔬菜产业生产环节、加工环节、流通环节和消费环节数据采集需求,提出平台架构由表现层、服务层和持久层组成,设计了基于智能化数据接口和第三方监管的蔬菜精准管理与安全监控的多终端大数据平台总体框架,为监控广西蔬菜产业全流程信息、促进大数据落地应用和推动蔬菜产业健康发展提供了技术支撑.     

新时代省级农业科学院信息公开调查研究

以省级农业科学院为研究对象,在深入调查研究省级农业科学院信息公开的现状后,分析了省级农业科学院信息公开方面存在的问题和不足,提出了进一步提高信息公开思想认识、优化公开平台建设、规范信息公开内容、健全信息公开长效机制等对策建议,以期为新时代省级农业科学院信息公开标准化规范化建设提供参考.     

2000—2015年西南区县域土地利用变化特征及驱动力分析——以重庆市奉节县为例

综合分析重庆市奉节县土地利用格局时空演变及其驱动力,为优化西南区县域尺度的土地利用规划、生态大保护和区域可持续发展提供理论参考和数据支持。基于RS和GIS技术,利用四期（2000、2005、2010和2015年）土地利用基础数据,从土地利用动态模型和地学信息图谱等方面出发,揭示区域2000—2015年的土地利用动态变化特征及时空演变规律。依据主成分分析模型和线性回归分析模型,并基于奉节县社会经济统计数据,探究研究区土地利用驱动机制。研究期内,研究区土地空间格局呈现以林地和耕地为主体,同时交错分布其它土地类型的特点。耕地、草地和未利用地土地面积分别减少 78.84 km²、3.73 km²、2.54 km²,而林地、水域和居民工矿用地面积分别增加23.36 km²、46.67 km²、9.03 km²。受三峡移民影响,区域土地利用分布格局由整体无序向局部有序的方向发展。研究期的前10年间,土地利用类型转移主要发生在林地、草地和耕地之间,林地→耕地和草地的面积总和分别为849.38 km²和425.17 km²;2010—2015年间林地和居民工矿用地新增面积分别为9.93 km²和7.09 km²。从产业结构调整、政策影响和社会发展等方面探究区域城镇化的驱动机制,城镇化因素、政策因素、经济因素、社会发展因素和农业因素是影响奉节县土地利用类型变化的主要驱动力。     

农业水利工程项目施工成本管理优化

农业是我国立国之本，直接关乎我国经济持续增长，发展农业现代化，加强农业水利工程建设是必然选择。农业水利工程项目涉及内容较为多样，各环节之间联系密切，容易受到客观因素影响加剧施工成本，如何降低工程项目施工成本，对于工程项目效益增长具有重要促进作用。分析了农业水利工程项目特点及施工成本控制存在的问题，提出了优化措施，以期降低工程项目施工成本，带来更大的经济效益，促进农业健康持续发展。      

基于点云的谷粒高通量表型信息自动提取技术

在进行水稻的数字化考种、表型与基因关联分析和数字农业仿真模拟时,需要大量的谷粒表型信息作数据支撑。本文提出了一种基于三维点云的谷粒高通量表型信息自动提取方法,能同时自动获取谷粒的三维模型和40个表型参数,实现谷粒形状的定量和定性描述。首先,通过对谷粒点云数据进行聚类分析,完成谷粒点云的分类;其次,实现谷粒的三维重建,对谷粒离散点云进行柱面构网,获取谷粒点云的三维模型数据;最后,根据不同表型参数的特点,实现了谷粒的三维表面积和体积、长、宽、高、3个主成分剖面的周长和面积等11个基本参数与长宽比、长高比和体积比等11个衍生参数以及18个形状因子的自动提取。利用Handyscan 700型手持式激光扫描仪获取的谷粒高精度点云数据进行实验,成功实现了谷粒表型参数的自动提取,测量结果可达毫米级。基于主成分方法分析了各表型参数的权重。以游标卡尺测量值和Geomagic Studio测量值作为真值,长、宽、高的平均相对误差为1.14%、1.15%和1.62%,体积和表面积的相对误差为零,3个主成分剖面面积的平均相对误差为1.82%、2.12%和2.43%。本文方法与人工测量方法及软件测量方法相比,精度相当,且具有批量、自动、人工干预少(仅数据采集阶段需要人工操作)以及效率高的特点。     

基于时空信息比较的温室环境传感器故障识别

为了提高温室环境测控系统中传感器数据的准确性,针对温室环境参数变化的时间相关性和空间相似性特点,提出了一种基于主成分分析(Principal component analysis,PCA)的故障检测与基于时空信息比较的温室环境监测系统的传感器故障识别方法。首先利用基于PCA的传感器故障检测方法,通过监控统计量T2和SPE的变化实现传感器系统故障检测;再针对检测出故障的传感器节点,对该时刻传感器节点采用基于时空特性的节点信息比较实现不同传感器的故障识别。分别对比基于时间尺度、空间尺度、时空尺度的节点信息比较方法对传感器故障识别的影响进行了分析与试验验证,验证结果表明:基于PCA的传感器故障检测方法能够有效地实现对传感器系统故障的初步检测,提出的基于时空信息比较的传感器故障识别方法,融合考虑时间尺度和空间尺度的节点信息,能够有效地实现传感器具体故障定位;所建立的传感器故障识别方法检测正确率CDR为98.37%、平均虚警率FAR为1.72%,较传统的传感器故障识别方法检测正确率CDR提高了22.067个百分点,而平均虚警率FAR则降低了15.762个百分点,能够有效地保证故障诊断效率、提高故障诊断精度、降低虚警率,具有可靠性和准确性。