重金属污染区耕地轮作休耕治理农户参与意愿实证研究

  目的  研究我国农村重金属污染区耕地轮作休耕治理农户参与意愿,分析影响农户参与重金属污染区耕地轮作休耕治理影响因素,为我国重金属污染耕地长期治理的有效实施提供参考依据。  方法  基于343户的调查数据,构建累积logistic回归模型,探究我国重金属污染区耕地轮作休耕治理农户参与意愿及其影响因素。  结果  相比于男性,女性更愿意参与重金属污染轮作休耕治理（?0.1341）;农户参与意愿与受教育程度（?0.098）、家庭收入（0.2591）正相关,但与年龄（0.2036）负相关;农户参与意愿与轮作休耕治理政策了解程度（0.3049）、治理过程评价（0.0985）正相关,参与意愿受亲朋好友（?0.1110）影响较大,由于信任度原因现阶段农村基层组织政策宣传对农户参与意愿影响较小;农户参与意愿与轮作休耕后家庭收入变化（0.4851）正相关;农户参与意愿与自有耕地污染程度（?0.3995）负相关,与农户对环境关注度（?0.1953）呈负相关。  结论  农户个体特征及基本情况、参与后的家庭收入变化、耕地污染特征及对环境感知、政策宣讲及实施过程对农户参与意愿具备实质性影响。因此,要提高基层村组在政策宣讲和政策执行过程在农户心中的信任度;提高农业从业人员的受教育水平,降低农业从业人员平均年龄;增加农户家庭收入,拓宽农户收入来源渠道;从环境保护和收入层面加强治理的预期效应宣传,逐步消除农户污染治理与自身收入平衡的矛盾心理。     

基于SBERT-Attention-LDA与ML-LSTM特征融合的烟草问句意图识别方法

针对烟草领域中问句意图识别存在的特征稀疏、术语繁多和捕捉文本内部的语义关联困难等问题,提出了一种基于SBERT-Attention-LDA(Sentence-bidirectional encoder representational from transformers-Attention mechanism-Latent dirichlet allocation)与ML-LSTM(Multi layers-Long short term memory)特征融合的问句意图识别方法。该方法首先基于SBERT预训练模型和Attention机制对烟草问句进行动态编码,转换为富含语义信息的特征向量,同时利用LDA模型建模出问句的主题向量,捕捉问句中的主题信息;然后通过更改后的模型级特征融合方法ML-LSTM获得具有更为完整、准确问句语义的联合特征表示;再使用3通道的卷积神经网络(Convolutional neural network,CNN)提取问句混合语义表示中隐藏特征,输入到全连接层和Softmax函数中实现对问句意图的分类。基于烟草行业权威网站上获取的数据集开展了实验验证,实验结果表明,所提方法相比其他几种深度学习结合注意力机制的方法精确率、召回率和F1值上有显著提升,与BERT和ERNIE(Enhanced representation through knowledge integration and embedding)-CNN模型相比提升明显,F1值分别提升2.07、2.88个百分点。     

基于累积logistic回归模型的重金属污染耕地轮作休耕治理满意度影响因素实证研究

研究农村重金属污染耕地轮作休耕治理满意度状况及其影响因素,为当前我国耕地重金属污染治理实施提供参考依据。基于湖南省4区县10个村镇400户调查数据,构建累积logistic回归模型,探究农村重金属污染耕地轮作休耕治理的满意度情况及其影响因素。研究发现受教育程度越高对当前环境治理的效果和收入满意度评价越积极,受教育程度每提高一个层次,满意度提高一个层次的可能性分别增加18%和24%;家庭收入与环境治理满意度及收入满意度呈负向影响,家庭收入每提高一个层次,满意度提高一个层次的可能性分别减少16%和10%;调查对象年龄越大对当前环境治理的效果评价越积极,年龄每增加一个时间段,满意度提高一个层次的可能性增加80%。相反,年龄对收入的满意度评价却呈负向影响,年龄每增加一个时间段,满意度降低一个层次的可能性增加10%;农户拥有耕地受污染程度与环境治理及收入满意度呈正向影响,农户自有耕地受污染程度越高,满意度提高的可能性分别增加23%和16%。加强农村重金属污染耕地治理政策与治理效果的及时宣传,切实提高农户家庭收入的质量和效率,稳步提升农业从业人员的平均受教育水平和环境认知水平、促进农户积极参与耕地保护和环境治理过程中。     

四川丘陵地区农作物秸秆综合利用现状及发展建议——以内江市市中区为例

农作物秸秆是农业生产的重要副产品。通过实地走访调查，结合2019～2022年秸秆综合利用调研结果，分析内江市市中区秸秆综合利用现状，剖析存在问题，并提出适宜的发展建议。