红花香椿单木及林分材积生长率模型研究

为解决红花香椿单木及林分材积生长率表缺乏的问题,通过收集样木、样地数据处理、备选模型求解、模型选优、模型优化等思路和过程,建立了红花香椿单木及林分材积生长率模型.经TOPSIS法模型选优显示,单木和林分材积生长率最佳模型均为P=a0D-a2t-a1;利用免疫进化算法(IEA)进一步优化了模型参数,提高了模型预估精度,并据此编制了红花香椿单木及林分材积生长率表.     

凤阳山不同林分土壤腐殖质特征及影响因素

以浙江省凤阳山海拔1 300~1 400 m处不同林分类型(阔叶混交林、针阔混交林、杉木林、竹林)为对象,测定不同土层土壤基本理化性质、酶活性及腐殖质质量分数,分析土壤腐殖质特征及影响因素,为凤阳山自然保护区的土壤肥力和可持续经营发展提供理论依据。结果表明:土壤腐殖质质量分数针阔混交林最高,阔叶混交林、竹林、杉木林次之;胡敏酸质量分数针阔混交林最高,杉木林最低;富里酸质量分数针阔混交林最高,竹林最低。除磷酸酶活性随土层加深无统一规律外,4种林分脲酶活性、过氧化氢酶活性及蔗糖酶活性土壤随土层加深皆呈现降低趋势。土壤pH值、土壤密度与土壤腐殖质质量分数、胡敏酸质量分数和富里酸质量分数均呈现显著的负相关;除磷酸酶活性相关性不显著外,土壤脲酶活性、蔗糖酶活性、过氧化氢酶活性、总孔隙度、毛管孔隙、非毛管孔隙与土壤腐殖质质量分数、胡敏酸质量分数和富里酸质量分数均呈现显著的正相关。凤阳山不同林分类型对土壤腐殖质特征的影响较土层深度更显著,土壤理化性质及酶活性与土壤腐殖质质量分数有着密切关系。     

2021年1月世界农产品供需形势预测简报

根据美国农业部2021年1月期《世界农产品供需预测报告》,2020/2021年度世界主要农产品供需预测结果简述如下。1谷物2020年12月和2021年1月,世界谷物供需预测变化见表1。2020/2021年度世界谷物供应量将达35.24亿t,较2019/2020年度估算值增加4 521万t,比2020年12月预测值下调908万t。2020/2021年度世界谷物产量将达27.14亿t,较2019/2020年度估算值增加4 260万t,比2020年12月预测值下调838万t。     

落叶松毛虫发生量的预测及综合防治措施研究

本文介绍了松毛虫生物学特性,总结了松毛虫种群数量消长规律,分析了气象等环境因子对松毛虫种群数量的影响,从而对落叶松毛虫发生做出准确的预测。根据预测情况进行有效综合防治,收到良好效果。     

河北省食用菌产量预测分析——基于灰色GM(1,1)模型

随着人们消费观念和膳食结构的改变,食用菌需要量大大增加,未来食用菌产量走向关乎着企业的资金投入以及政府政策制定。以河北省食用菌产量为预测研究数据,设计了灰色GM(1,1)模型,对模型预测精度进行残差、后残差检验,借助matlab平台验证模型具有较高的预测精度。运算结果表明,设计的模型精度能控制在2.82%以内,并且具有收敛速度快的特点,具有较高精度,运用此方法对未来5年河北省食用菌产量进行预测,通过分析预测结果,给出了确保河北省食用菌产量稳固增长、产业稳定发展的对策建议。     

林分尺度上的森林火险动态评估

以林分为空间单元,动态评估小班尺度潜在森林火灾风险对于火灾预防管理实践具有重要作用。研究以云南临沧市临翔区多年采脂思茅松林分为对象,采集多年未采脂、采脂条件下的林分因子样本,以火源可及性、死可燃物载量、林分易燃性,以及坡度、坡向、地表湿润度为评估变量,构建小班尺度上的森林火险评估模型,分别评估林分在全国火险等级模型下的基础火险值(BHX)、未采脂条件下的静态火险值(SHX)及采脂条件下动态火险值(DHX)。在地理信息系统(GIS)支持下,利用地图模拟表达采脂活动引起林分可燃物载量和易燃性、火源密度等增加下的火险动态变化格局,并分析林分森林火险等级大幅变化原因。研究结果表明:研究区所有林分具有一致的基础森林火险值(BHX),危险性大;林分可燃物条件差异造成的未采脂林分静态火险值差异较大,大部分小班处于高火险等级;林分因采脂经营活动使各小班火险值呈现不同程度的增加,林分火险等级主要集中在极高火险,火险上升比率大于25%的林分面积超过60%;过度、非规范的采脂经营活动是林分火险等级增加的主要原因。林分是森林经营活动的基本单位,火险评估精细化至不同经营水平下的林分小班尺度,研究对基层林火管理及其它经营措施下火险动态评估具有一定的参考及借鉴价值。     

基于机器学习预测农药对熊蜂和蜜蜂的毒性

熊蜂 (Bombus spp.) 和蜜蜂 (Apis mellifera L.) 是自然界中的重要传粉昆虫，近年来因为农药的大规模不合理使用造成了世界多个地区熊蜂和蜜蜂种群的持续下降。为了更好地评估农药对熊蜂和蜜蜂的毒性，本研究收集了61个共有的农药蜂毒数据，采用12种分子指纹联合8种机器学习算法，分别建立了农药对熊蜂和蜜蜂急性接触毒性LD₅₀值的分类预测模型。结果表明:农药对熊蜂和蜜蜂的急性接触毒性分类模型预测准确率分别达86.7%和80.0%。随机森林 (Random Forest)、神经网络 (Neural Network) 和支持向量机 (SVM) 3种算法联合Fingerprinter、Klekota-Roth Count和Extend 3种分子指纹在本研究中的预测能力较好。此外，分别采用构建的熊蜂毒性预测模型和蜜蜂毒性预测模型开展交叉毒性预测，准确率分别为72.9%和66.7%，表明熊蜂毒性模型预测蜜蜂毒性的准确性高于蜜蜂毒性模型预测熊蜂毒性的准确性。本研究可为设计低蜂毒化合物提供理论指导，同时为开展不同昆虫靶标的毒性交叉预测提供借鉴。