藏东南18种杜鹃属植物花粉形态的比较

利用电子显微镜，对藏东南18种杜鹃属植物花粉的形态特征进行观察与分析，以期为分类鉴定提供孢粉学依据。18种杜鹃属植物分属于杜鹃亚属、常绿杜鹃亚属、糙叶杜鹃亚属。结果表明，供试花粉均为四合体花粉，四合体直径以大萼杜鹃最大，林芝杜鹃最小。单粒花粉球形或近球形，为3孔沟，黄杯杜鹃萌发孔的长宽值最高，为17.38 μm×3.32 μm，而林芝杜鹃萌发孔的长宽值最低。花粉外壁由大小、形状不一的颗粒组成，其中黄毛雪山杜鹃和白毛杜鹃的颗粒形状较为特殊，为长颗粒状。综合认为，花粉形态特征不宜作为分类鉴定的主要依据，但仍具有积极的参考价值。     

基于注意力机制和残差网络的苹果叶片病害分类

苹果叶片病害的高效准确识别有助于合理使用杀虫剂、肥料等农业资源，进而保证苹果的产量与质量。为提高苹果叶片病害识别的准确率，提出一种残差网络与注意力机制结合的苹果叶片病害识别模型：P-D-ECA-ResNet101。首先构建苹果叶片病害数据集，然后使用常见的4种网络模型在构建的数据集上进行训练，选取训练效果最好的ResNet101为骨干网络模型，通过推迟下采样(delayed downsampling)、拆解大卷积层以及引入高效通道(efficient channel attention module, ECA)注意力模块对ResNet101网络模型进行优化，最后通过特征图可视化展示改进后网络模型的识别机制。试验结果表明，推迟下采样可以增强模型特征提取能力，拆解大卷积层可以有效减少模型的复杂度，引入ECA注意力模块可以削弱无效特征信息对模型的干扰。改进后的P-D-ECA-ResNet101模型在构建的苹果叶片病害测试集上的平均识别准确率达到96.20%,相较于原模型ResNet101提升了2.20百分点。特征图可视化分析表明改进后的P-D-ECA-ResNet101模型可以更好地聚焦于病...     

人居环境视角下居民垃圾分类意愿实证研究及政策建议——基于河南省郑州、洛阳、商丘和漯河四地市的调研

基于河南省人居环境现状,分别对郑州、洛阳、商丘和漯河四地市进行了实地调研,通过建立二元Logistic模型,分析了影响居民垃圾分类意愿高低的因素。结果表明:文化程度、经济发展、政策支持对提高居民垃圾分类意愿具有较强的正相关影响,而居民人居环境满意度对提高垃圾分类意愿具有负相关影响;女性相比男性的垃圾分类意愿更高,城市居民相比农村居民的垃圾分类意愿更高。基于此结论,从政府和社会两个方面分别提出了相关建议,以供参考。     

观点·声音

中共中央办公厅国务院办公厅:加快培养农业生产经营人才近日,中共中央办公厅、国务院办公厅印发《关于加快推进乡村人才振兴的意见》。意见中明确加快培养农业生产经营人才,培养高素质农民队伍。深入实施现代农民培育计划,重点面向从事适度规模经营的农民,分层分类开展全产业链培训,加强训后技术指导和跟踪服务,支持创办领办新型农业经营主体。     

试论新时代农业新业态的特征和实践要求

通过对新时代农业新业态的概念界定,将农业新业态划分为两种类型,一是融合型,包括高新技术融合型、产业融合型、产业内部重组融合型、新型经营主体融合型、资源开掘型;二是分离型。并呈现创新性、开放性、共享性和协调性四大特征,从发挥市场在资源配置中的决定性作用、同城乡融合发展相结合、紧紧围绕农业供给侧结构性改革主线、深化体制机制改革等方面提出了新时代农业新业态的实践要求。     

基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法

为快速、高效地利用高光谱成像技术诊断小麦赤霉病病症,分析了卷积层结构与光谱病症特征的关联性,并重点研究了高光谱的像元分类建模方法。首先,基于深度卷积神经网络的2种典型结构,构建了不同深度的卷积神经网络,比较了小麦赤霉病高光谱数据点集的训练和测试结果。结果显示:Visual Geometry Group(VGG)结构随着网络深度的增加,模型损失值不断下降;残差神经网络(ResNet)结构随着深度增加,损失值没有明显降低,说明ResNet网络的深度与模型性能无关。从测试集评测模型泛化性可知,具有4个基础单元模块的22层VGG网络在所有深度卷积模型中最优,其建模和验证准确率远高于传统的支持向量机(SVM),分别为0.846和0.843,测试集准确率为0.742。以VGG为基础单元构建的深度神经网络,能有效提取小麦赤霉病病症的高光谱特征。研究结果可为大尺度小麦赤霉病的智能成像诊断提供理论基础。     

基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。     

基于叶片形态的毛竹单叶叶面积模型

【目的】毛竹叶片小、易卷曲的特点增加了叶面积测量的难度和测量误差,本研究旨在建立快速、便捷、准确测量毛竹叶片面积的模型。【方法】采集7个省份的毛竹叶片,对毛竹叶片形态进行分类,利用叶长、叶宽数据和扫描所得实际叶面积进行建模,并采用均方根误差、卡方、赤池信息量准则和预测精度检验模型的精度,同时与叶面积仪测定结果进行精度比较。【结果】1)根据长宽比,毛竹叶片可以分为3类,分别是类三角形叶片(长宽比≤7.2)、长椭圆叶片(7.2长宽比≤8.3)和细长条叶片(长宽比8.3); 2)对毛竹叶面积和叶形态学指标的相关分析显示,叶片长度与宽度的积对叶面积影响最大,相关系数为0.993; 3)建立以叶片长宽积为自变量的叶形分类拟合模型,其决定系数为0.990 1、均方根误差为0.159 6、卡方值为10.368 1、赤池信息量准则为-6 317.10、预测精度为97.73%,其预测结果最佳,优于叶形不分类的整体拟合和叶面积仪测量结果。【结论】基于叶片形态分类的毛竹叶面积拟合模型仅需测定叶片的长和宽,便可准确预测叶片面积,其精度不但优于叶面积仪与整体拟合结果,而且测量过程快速、便捷。该模型可解决长期困扰的毛竹叶片面积测量难题。     

湖北省杉木人工林立地类型划分及评价

以湖北省杉木人工林为研究对象,选择166块具有代表性的杉木人工林标准地,并测定样地的常规立地因子。利用数量化理论Ⅰ的方法建立了杉木优势高与立地因子之间的关系模型,对研究区杉木人工林进行立地类型划分及立地质量评价。结果表明,所选择的5个立地因子与优势高数量化拟合的复相关系数为0.639;海拔、腐殖层厚度和坡位这3个立地因子对优势高的贡献率达84.99%,且影响均达到极显著水平;采用海拔、腐殖层厚度和坡位3个因子构建研究区杉木人工林立地类型,共划分为22类;按照优、良、中、差4个评价等级对166块样地所属的立地类型进行立地质量评价,得出湖北省杉木人工林在中海拔、土壤湿润、土壤养分含量较高的立地条件下生产力较高,研究区立地质量整体处于中等偏上水平的结论。     

基于深度迁移学习模型的花卉种类识别

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法。本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型。对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73%,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值。