农药残留联合会议对十二种农药毒理学评价概述

本文依据联合国粮农组织/世界卫生组织农药残留联合会议对十二种农药的毒理学评价结果,着重介绍了以致癌、致畸、致突变作用为主要特点划分的三类农药及其毒理学表征。     

林丹致癌作用研究概况

本文通过启动、促成和作用方式的研究,较全面地详述了林丹对大、小白鼠的致癌危险性.大量结果证实,林丹对大白鼠既不能诱导肿瘤,亦无致癌作用,对小白鼠则有不同结果.有试验表明,当林丹使用剂量大于160mg/kg饲料时,有可能导致增生瘤或肝细胞腺瘤.如此高的剂量已超出了可忍受限度.机制研究表明林丹对小白鼠的致癌作用系非遗传机制.     

多环芳烃前处理技术的研究进展

多环芳烃是具有多个苯环的芳香族有机化合物,具有致癌、致畸、致突变作用.由于PAHs种类繁多,分布范围广,与人类的日常生活关系密切,且难降解,因此在环境中能存在很长时间,所以人们对环境中的PAHs更加关注.本文系统地综述了大气、水体、土壤和污泥中多环芳烃的前处理技术.     

多环芳烃前处理技术的研究进展

多环芳烃是具有多个苯环的芳香族有机化合物,具有致癌、致畸、致突变作用。由于PAHs种类繁多,分布范围广,与人类的日常生活关系密切,且难降解,因此在环境中能存在很长时间,所以人们对环境中的PAHs更加关注。本文系统地综述了大气、水体、土壤和污泥中多环芳烃的前处理技术。     

水稻土施用城市污泥盆栽作物后土壤中多环芳烃(PAHs)的残留

多环芳烃类化合物 (ＰＡＨｓ)是由 2个或多个苯环以不同方式聚合而成的一组有机污染物 ,它们在环境中稳定、持久 ,许多ＰＡＨｓ化合物属于美国环保局 (Ｕ .Ｓ .ＥＰＡ)的“优控污染物” ,有的还具有“三致”(致癌、致畸、致突变 )作用。ＰＡＨｓ在环境中无处不在 ,在城市污泥中     

砷对植物光合作用影响的研究进展

砷(As)对植物具有剧毒、致畸和致突变效应,是植物生长的非必需元素,严重影响植物的光合作用,而光合作用对植物生存至关重要.本文从植物的外部毒害症状、叶绿体超微结构、光合色素、光合速率和光合作用过程等方面综述了As对植物光合作用的影响,并展望了As对植物光合作用影响的研究方向.     

林丹的作用机制

本文根据动物染毒后的生理生化效应.离体培养和模型试验的结果,重点介绍了林丹作用机制研究的进展情况.     

林丹环境安全性评价研究

为了评价林丹在环境介质中的持久性,对林丹的土壤降解、水解、光解与快速生物降解性进行了试验研究。结果表明,林丹的土壤降解半衰期为36．9～68．6d,水解半衰期为8．94～2310d,对光反应稳定,难以快速生物降解。林丹对斑马鱼的96h—LC50为4．22μg·L^-1,对环境生物具有极高的毒性;林丹在金鱼体内的生物富集系数BCF〉1000,具有较高的生物富集性。根据试验结果推断,林丹在环境介质中具有极强的稳定性,很容易在食物链中发生生物积累。     

湛江市区不同利用类型土壤的PAHs污染特征和来源

多环芳烃(Polycyclic Aromatic Hydrocarbons,简称PAHs)由于具有致癌、致畸、致突变等特性,以及存在较大的健康风险而成为国内外重点研究的污染物之一[1-2]。土壤作为一种重要的环境介质,是PAHs的重要储库和中转站,承担着90%以上的PAHs环境负荷[3]。近年来,我国土壤PAHs     

大蒜在鱼病防治上的应用

大蒜素是一种无副作用、对环境没有污染的绿色药物型饲料添加剂．应用在水产养殖中具有改善饲料适口性、促进食欲、健胃杀菌、驱虫保健、促进生长等特点，且在水产动物体内无积存、无耐药性，没有致畸、致癌、致突变等副作用。在病害防治中应用十分广泛。     

基于系统工程和统计学理论的中国土地整治体系框架构建

中国将生态文明建设提升到国家战略高度,对土地整治工作提出新要求,亟需土地整治体系顶层设计的指引。该文结合国内外土地整治体系的研究现状,在分析现有土地整治体系和土地科学体系在内容组成、侧重点和框架层次等差异的基础上,从人类对土地利用和认知的逻辑思维过程出发,将土地整治体系划分为土地整治核心层、土地整治配套层和土地整治准则层3个层次,具体包括技术体系、理论体系、学科体系、管理体系、文化体系和法制体系等6个部分。依据系统工程理论和统计学理论,提出了土地整治体系框架的构建方法和基本原则,并构建了土地整治体系框架。该体系具有系统性、开创性和引导性3个特点,完善了土地整治体系,形成一个相对系统、科学的体系框架,对中国土地整治事业持续发展具有重要的理论与实践意义。     

三峡库区土壤营养元素分布特征研究

三峡移民工程中土地资源的合理规划利用需要建立在查清区域土壤营养元素背景及分布特征的基础之上,作者利用多目标地球化学调查方法,通过野外实地调查、大面积系统性采集土壤表层样品、测试分析、数理统计,探讨了三峡库区表层土壤中N、P、K、Ca、Mg、S、B、Fe、Mn、Mo、Cl等植物生长必需元素在不同土壤类型中的含量分布特征,以紫色土为例探讨了不同分布高度、不同坡度、不同植被条件对其元素含量分布的影响。结果表明:石灰土是营养元素最丰富的土壤,黄壤是营养元素最低的土壤。母岩对土壤元素分布影响明显,灰岩母岩区土壤营养元素最丰富,砂岩母质区土壤养分元素含量最低;同为碎屑岩类的泥岩、粉砂岩、杂砂岩、砂岩母岩区的土壤相比,泥岩类母岩区的土壤养分元素含量相对较高,粉砂岩母岩区土壤养分元素含量居于泥岩与砂岩母岩区土壤之间。随紫色土分布区地形坡度变化,紫色土Ca、Mg、K元素含量无规律性变化,但随地形坡度变缓,N、S、Mo含量明显增高,Fe、Mn、P含量有增高的趋势;随海拔高度降低,紫色土P、S含量增高,Mn、Mo含量有增高的趋势,而其他元素含量无规律性变化。紫色土在相同的母质、气候及相似的地貌条件下,植被覆盖类型不同,土壤中不同元素分异特征差异明显。总体来说,土壤类型是土壤元素分布的主要控制因素,不同土壤类型的元素含量差异十分显著;不同母质来源的土壤元素差异性显著;紫色土的元素分布除受土壤类型控制外,还受地形坡度、高度、植被条件等其他因素的影响,但不同元素受影响的因素及程度不同。     

生猪养殖业污水排放智慧监管系统的设计与实现

为了对生猪养殖业污水的治理过程进行监控和违规排污预警,该文提出了养殖污水实时监管策略,设计并实现了生猪养殖污水治理智慧监管系统。该系统通过信息采集模块收集养殖污水排放的实时数据,实现养殖污水实时数据监测、预警分析等功能。其中集中治理的监管是根据安装在槽罐车上的GPS数据和污水集中处理厂的信息,判断污水是否被运送到指定地点排放;工业治理的监管是采用模糊推理理论,以监管因子的浓度偏差及偏差变化率为输入量,相应的污水预警等级作为输出量,对监管因子进行模糊化及逻辑推理,建立相应的模糊监管子系统,生成工业治理监管规则及策略;针对生态治理的监管,构建了相应的监管策略和Ecological数学模型,该模型以监管策略为依据,对实时数据进行定性与定量分析预测,实现对偷排漏排、满溢等违规排污现象的判断。试验结果表明,系统预警准确度为96.17%,平均误差时间为33.22 s,违规排污量平均值为15.77 L,能够满足养殖污水排放监管要求,对提高监管效率具有重要意义。     

葡萄枝条资源化利用研究现状及进展

中国是葡萄生产大国，随着葡萄产业的发展，每年修剪产生大量葡萄残枝，因葡萄枝条资源化利用率低而引起资源浪费和环境污染等突出问题。因此，葡萄枝条作为可再生生物质资源，其开发利用既可以减轻环境污染，改善生态环境，创造新的经济增长点，推进美丽乡村建设，也符合"双碳"发展目标，是实现资源、环境和经济可持续发展的有效途径。该研究围绕葡萄枝条资源化开发利用总目标，从肥料化、燃料化、原料化3个方面对葡萄枝条资源化综合利用现状和研究进展做了系统分析，总结了现有发展存在的问题，并对未来前景进行了展望，以期为葡萄枝条高值高效资源化综合利用和农业绿色可持续发展提供参考。     

基于改进DeepLabv3+网络的马铃薯根系图像分割方法

为实现无接触、低成本的马铃薯根系图像快速准确分割，以阐明内蒙古阴山北麓地区马铃薯的根系时空动态分布特征为目的，该研究提出一种基于改进DeepLabv3+语义分割网络的马铃薯根系图像分割方法，并对其输出的图像进行根系长度计算，获得了马铃薯不同生育时期内不同土层下的根系长度。试验结果表明，改进的DeepLabv3+模型的均交并比(mean intersection over union,MIoU)和平均像素精度(mean pixel accuracy, MPA)分别为94.05%和95.72%,MIoU相较SegNet、PSPNet、U-Net和标准DeepLabv3+分别提高了6.67、4.92、8.80和4.21个百分点；MPA相较SegNet、PSPNet、U-Net和标准DeepLabv3+分别提高了6.7、4.86、8.25、4.53个百分点；训练时间为9.52 h，相较SegNet、PSPNet、U-Net和标准DeepLabv3+分别缩短了6.8、3.99、4.56和3.94 h；浮点运算次数(floating point operations,FLOPs)较SegNet、P...     

采用改进YOLOv5s检测牧区牲畜

畜牧业自动化管理面临的一个关键挑战是如何准确地检测大规模放牧养殖牲畜的种群，确定其数量和实时更新群体信息。牲畜规模化、自动化检测受环境场地等因素影响，当前目标检测算法经常出现漏检、误检等情况。该研究基于YOLOV5s目标检测网络设计了一种牲畜检测算法LDHorNet（livestock detect hor net），参考HorNet的递归门控卷积设计了HorNB模块对网络模型进行改进，以提高检测算法的空间交互能力和检测精度。然后在网络结构中嵌入CBAM（convolutional block attention module）注意力机制，以提高小目标的检测精度和注意力权重，并利用Repulsion 损失函数提高目标检测网络的召回率和预测精度。试验结果表明，所提出的LDHorNet算法的精准率、召回率分别为95.24%、88.87%，平均精准率均值mAP_0.5、mAP_0.5:0.95分别为94.11%、77.01%，比YOLOv5s、YOLOv8s、YOLOv7-Tiny精准率分别提高了2.83、2.93和9.79个百分点，召回率分别提高了6.66和4.95、13.42个百分点，平均精准率均值mAP_0.5:0.95分别提高12.46、5.26和20.97个百分点。该算法对于小目标和遮挡场景下的牲畜检测效果优于原算法与对比算法，表现出良好的鲁棒性，具有广泛的应用前景。     

基于无线传感器网络与GIS的蓝藻水华爆发动态监测与模拟

准确获取水体中物质含量与分布区域是开展蓝藻水华爆发预防、预测、预警工作的基础。针对内陆湖泊蓝藻水华爆发突发性、随机性、区域性等特点,研究了一种基于无线传感器网络（wireless sensors networks,WSNs）及地理信息系统（Geographic Information System,GIS）相结合的蓝藻水华爆发动态监测与模拟方法。利用水质传感器组成多源异构水环境感知单元,获取湖泊水质数据;将改进的灰色理论（A Grey Model,AGM）及BP人工神经网络（BP Artificial Neural Network,BPANN）相结合,从而预测24 h内蓝藻水华的浓度与趋势;结合GIS强大的空间分析能力,实现蓝藻水华变化的空间描述。滇池现场试验结果表明,该方法具有一定的普适性,能够为湖泊环境保护与治理提供理论依据及数据支持。     

基于深度学习与融合地形特征的黄土陷穴面向对象提取方法

黄土陷穴作为黄土高原地区一种特殊的地貌类型及地质灾害,其研究对指导黄土地区水土保持与工程建设工作具有重要意义。现阶段对陷穴的研究多基于传统野外调查,该方式成本高、效率低。为此,该研究开展面向对象与卷积神经网络（Convolutional Neural Networks,CNN）相结合的黄土陷穴自动化提取方法研究,并讨论融合地形特征对CNN模型提取精度的影响。研究选取黄土陷穴发育的典型区域,基于WorldView3遥感数据与ALOS高程数据,通过莫兰指数与灰度共生矩阵熵值确定影像的分割尺度,以面向对象的方式提取黄土陷穴的光谱、形状、纹理以及地形特征,制作融合地形特征与未融合地形特征的两类训练样本,进而训练两种CNN模型对同一区域内黄土陷穴进行提取,根据精确率、召回率以及F1分数评价模型的提取精度、分析对比两种CNN模型的提取结果,并建立支持向量机（Support Vector Machine,SVM）模型与CNN模型进行比较。研究结果表明,融合地形特征进行训练的CNN模型精确率达94.62%,召回率达86.27%、F1分数达90.26%,综合提取性能最好,相较于未融合地形特征训练的CNN模型,黄土陷穴的错分量大大减少,精确率提升18.10个百分点,F1分数提升9.15个百分点;两种CNN模型F1分数均达80%以上,比SVM模型分别高出6.94个百分点,16.09个百分点,提取结果均优于SVM模型;综上,融合地形特征的CNN模型可快速、精确地提取黄土陷穴,从而为黄土地区陷穴防治工作提供支持。     

基于Micro-CT图像处理的稻谷内部损伤定量表征与三维重构

在水稻脱粒、储运、加工过程中,外界机械作用力是造成稻谷损伤破损的主要方式,造成的内部裂纹肉眼无法观察但影响稻谷的存储、加工以及种子的发芽率等.该文利用质构仪对稻谷进行挤压力学特性试验,分析稻谷损伤破碎过程;对受不同载荷的稻谷进行CT扫描试验,结合数字图像处理方法对稻谷进行损伤表征分析与三维重构,旨在提出一种新的稻谷内部损伤定量评价方法.结果表明:伪彩色图像处理可以提高CT图像的视觉分辨率;灰度值以及灰度直方图分析可以识别稻谷的胚、胚乳以及裂纹大小,并定量分析;对分割后的二值图像进行像素点统计分析得到80,100,120,140,160N载荷下的损伤度分别为0,0.26%,0.39%,0.93%,1.79%;重构的三维模型可以看出裂纹一般沿着短轴方向扩展,随着载荷增大,原有裂纹逐渐变宽,并产生新的沿着长短轴的混合裂纹,直到糙米断裂.该研究可为谷物内部损伤定量表征分析提供新思路.     

基于RGBD相机的黑皮鸡枞菌子实体形态视觉测量

子实体的形态是黑皮鸡枞菌育种和栽培过程中关注的重点,传统手工测量方法耗时、费力。为了实现在生长过程中对黑皮鸡枞菌子实体进行快速、准确地监测,提出了一种基于SR300深度相机的自动化在线测量方法。首先,在实验室和栽培工厂采集样本、构建数据集并基于YOLOV4建立黑皮鸡枞子实体识别模型;其次,根据K-means算法对识别所得的包围框分布情况聚类,并以此进行分割,得到最优处理区域后上采样构建不同尺度的子实体图像;最后,融合Grabcut算法提取的不同尺度目标轮廓边界得到测量点信息,并结合深度值矫正待测点的位置,计算真实值。经过现场试验,结果表明该方法能够得到子实体的形态特征,菌盖测量平均绝对误差为0.357 mm,标准差为0.273 mm;菌柄宽度测量平均绝对误差为0.304 mm,标准差为0.209 mm。该方法能够满足工厂中对黑皮鸡枞菌子实体形态自动化监测的需求。