宽甸地区林业资源及其特色产业发展研究

综述宽甸地区自然条件和林业资源概况,介绍林业特色产业的规划布局和建设现状。基于生态文明的发展理念,根据林业资源的特点和优势,提出进一步发展特色林业产业的可行性建议,为充分发挥宽甸地区林业资源潜力提供借鉴。     

城市公园绿地空间布局与供需匹配研究——以兰州市为例

以兰州主城区为例，运用核密度估计法，在对公园绿地空间布局特征分析的基础上，采用改进的两步移动搜索法对公园绿地供需匹配性进行评价，并探究其成因。结果表明:1)公园绿地总体分布呈现整体分散、局部集中的特征；不同类型公园绿地空间布局模式存在较大差异，综合公园呈现“均匀式”布局态势，专类公园呈现“双核心”空间格局，社区公园呈现“西密东疏”的集聚特征。2)主城区公园绿地供需匹配程度总体呈现出“北高南低、西高东低”空间分布特征；从西北—东南向剖面来看，总体呈现出“M”型分布态势；不同类型公园绿地供需比值均大致呈现出“西高东低”的共性特征，但由于各类公园绿地分布数量、面积和服务半径的差异，不同类型公园绿地与人口供需匹配程度也存在差异。3)人口分布、交通路网、公园绿地自身及周边环境是影响城市公园绿地供需匹配度空间分异的主要因素。     

“藏粮于地”战略下高标准农田建设模式研究*

高标准农田建设是我国“藏粮于地”战略的重要抓手,是确保粮食产能的重要支撑。在梳理大量参考文献、政策文件和标准规范的基础上,针对现阶段高标准农田建设存在管理体制不完善、空间潜力不足、投资标准偏低、建设质量不高等问题,总结归纳高标准农田建设模式总体构架,通过对我国高标准农田建设综合评价结果排名靠前和提升较快的省份开展高标准农田建设模式调查研究,围绕管理体制、规划布局、建设标准、资金保障以及实施管理方面,提出系统构建高标准农田建设模式的对策建议,为提高高标准农田建设质量作有益参考。     

基于智能算法的猪饲料配方优化数学模型

在多种原料配比过程中，营养指标因素复杂的实际情况及控制成本保证收益的现实需求，文章结合智能算法背景，进行猪饲料配方优化设计，建立猪饲料配方模型，采用智能算法求解饲料配方的过程，对于生猪饲料配方进行建模，同时优化出饲料配方。结果表明，智能算法的猪饲料配方优化能够解决多种原料配比以及多个营养指标复杂因素，实现快速计算和生产处理，对企业生产者、销售经营者、实际消费者具有十分重大的价值与现实意义。 [关键词]智能算法|猪饲料|配方优化|数学模型     

绿色富硒生物猪饲料中AFB1达标生产工艺优化研究

饲料中黄曲霉毒素(AFB₁)容易超标,检出率达80%~100%,毒性大,具强致癌性,可抑制生猪免疫机能,降低动物生产性能,引起动物继发感染,还会在动物产品中残留而威胁人类健康,给生猪养殖带来经济损失,降低猪肉食品安全性。本文通过使用先进固体发酵系统设备和益生菌发酵技术,采用单因素试验和响应面中试优化,获得发酵降解猪饲料AFB₁的最佳工艺参数为硒浓度0.3 mg/kg,发酵时间12 h,量子波强度30 Hz,益生菌菌种组合CGMCC NO.17328混合CGMCC NO.15611。该工艺将猪饲料AFB₁量从63.41μg/kg降解到2.98μg/kg,降解率达到95.30%,AFB₁含量达到国家饲料安全标准。生产工艺适合养猪场低成本快速生产AFB₁达标猪饲料。     

单基线PolInSAR森林高度反演方法研究

极化干涉SAR(Polarimetric SAR interferometry,PolInSAR)森林高度反演是当前雷达遥感领域的研究热点,近年来出现了多种单基线PolInSAR森林高度反演方法。为了给单基线PolInSAR反演森林高度的算法提供基础,并探索和发展效果更优的反演方法,使用Pol SARpro软件模拟森林平均高度为18 m的L波段(L=23 cm)全极化干涉SAR数据,研究了森林高度反演算法中的DEM差分法、RVoG法、复相干幅度反演法、混合反演法,并基于相干优化法对混合反演法进行了改进;为了更准确地对算法的性能进行比较,给出方位向为48 bin时各算法的距离向剖面的对比图,并选取图像的中间区域,对森林高度位于3~30 m的1 104个样本点,应用均值和均方根误差RSME对5种方法模拟的18 m森林高度进行比较。结果表明:森林高度平均值反演结果由大到小依次为:复相干幅度反演法、混合反演法、改进的混合反演法、RVoG法、DEM差分法,分别为19.40、18.31、18.12、10.55、10.05 m,均方根误差(RMSE)由小到大依次为:改进的混合反演法、混合反演法、复相干幅度反演法、RVoG法、DEM差分法,分别为1.06、1.48、3.49、7.51、8.04 m;说明DEM差分法与RVoG法反演的森林高度存在明显低估,复相干反演法出现明显高估且其离散程度最大,混合反演法和改进的混合反演法与真实值的误差分别为0.31、0.12 m,改进的混合反演法与真实值的相差最小,离散程度最小,均方根误差最小,反演结果最优。改进的混合反演法综合了混合反演法与相干优化法的优点,使其估计的地形相位的均方根误差最小(0.045 rad),森林高度与真实值的误差最小,均方根误差最小,并且具有一定的鲁棒性。     

气吸滚筒式垄上三行大豆密植排种器设计与参数优化

针对1.1 m大垄垄上三行密植大豆栽培技术配套播种机不得不采用单行播种单体前后错排使用,导致播种机结构复杂、通过性差等问题,研究设计了一种与垄上三行大豆密植栽培模式配套的气吸滚筒式大豆排种器。通过理论分析初步确定其主要结构参数并建立充种过程力学模型,运用三因素五水平二次正交旋转中心组合试验方法,以真空度、作业速度、型孔孔径为试验因素,以粒距合格指数、重播指数、漏播指数、各行排量一致性变异系数为目标函数,参照国标GB6973-2005《单粒(精密)播种机试验方法》实施参数优化试验。结果表明:当参数组合为型孔孔径4.5 mm、真空度4.7~5.9 k Pa、作业速度低于9.1 km/h时,该排种器的合格指数≥95%、重播指数≤3%、漏播指数≤2%、各行排量一致性变异系数≤6.5%。研究结果为气吸滚筒式三行大豆排种器的开发奠定了基础。     

基于混合蛙跳算法的马铃薯病害图像分割优化

针对Otsu算法对直方图呈现多峰多谷的复杂马铃薯病害图像分割效果不佳的问题,结合混合蛙跳算法(shuffled frog leaping algorithm,SFLA)提出了一种Otsu-SFLA分割优化模型,将Otsu病害图像的分割结果作为SFLA算法的优化起点,进行复杂背景的马铃薯病害图像的分割优化,将马铃薯叶枯病、马铃薯晚疫病、马铃薯菌核病、马铃薯根腐线虫病、马铃薯灰霉病的病害图像作为分割对象进行分割,分割匹配率分别为97.0%、96.2%、96.9%、95.7%、94.8%,平均分割匹配率为96.1%,错误率分别为1.6%、1.1%、1.2%、1.1%、1.4%、平均错误率为1.3%,正确率分别为95.4%、95.1%、95.7%、94.6%、93.4%,平均正确率为94.8%,表明Otsu-SFLA模型可有效从复杂马铃薯病害图像中获取病斑区域。     

Cotton Image Segmentation Algorithm Based on Fusion Method of Markov Random Field and Quantum Particle Swarm Cluster

[Objective] The aim of this study was to improve the cotton image segmentation accuracy in a picking robot image processing system. [Method] An image segmentation algorithm based on a fusion method of Markov random field and quantum particle swarm optimization clustering was proposed. The process of the proposed algorithm is as follows: first, transform the RGB (red, green, blue) images into grayscale; second, use it to segment these images; finally, the threshold of the connected area is set on the basis of the segmented image to obtain the target area. Then, the cotton front image and the cotton side image are selected from the images collected from different angles. The segmentation experiment was carried out by using this algorithm, and compared with the Otsu algorithm, the fuzzy C-means algorithm, the quantum particle swarm image segmentation algorithm and the Markov random field image segmentation algorithm. [Result] The results showed that the segmentation accuracy and peak signal to noise ratio of the proposed algorithm were 98.94% and 77.48 dB. When compared with the Otsu algorithm, fuzzy C-means algorithm, quantum particle swarm optimization algorithm and Markov random field algorithm, the average segmentation accuracy and peak signal to noise ratio of the proposed algorithm increased by 2.47%–4.56%, and 9.81–13.11 dB, respectively. [Conclusion] The proposed algorithm had higher segmentation accuracy and higher peak signal to noise ratio than the other algorithms tested.     

Identifying Soil and Plant Nutrition Factors Affecting Yield in Irrigated Mature Pistachio Orchards

The main objective of this study was to evaluate the potential use of a hybrid Genetic Algorithm-Artificial Neural Network (GA–ANN) method for predicting pistachio yield and for identifying the determinant factors affecting pistachio yield in Rafsanjan region, Iran. A total of 142 pistachio orchards were selected randomly and soil samples were taken at three depths. Besides, water samples and leaves from branches without fruit were taken in each sampling point. Management information and pistachio yields were achieved by completing a questionnaire. Primarily, 58 variables affecting pistachio yield were measured, and then 26 out of them were selected by minimizing mean square error (MSE) using a feature selection (FS) method. The results showed that the accuracy of the method was acceptable. Furthermore, the sensitivity analysis showed that the main determinant features affecting the pistachio yield were the irrigation water amount, leaf phosphorus, soil soluble magnesium, electrical conductivity (EC), and leaf nitrogen.