杨树固沙林密度、配置与林木生长过程的关系

在科尔沁沙地证明低覆盖度行带式固沙林具有显著的防风效果后,进一步对雨养条件下杨树(赤峰-36号)固沙林的密度、配置及林木生长过程与林龄的动态关系进行研究.结果表明: 1)1～5 a林木的生长基本不受密度的影响,密度大单位面积材积量大;6～11 a是密度对林木生长的显著影响阶段,杨树固沙林的胸径、株高和材积量的增长率随林龄增大而逐年加快;大约在11 a之后趋于稳定;单位活立木蓄积最大(153.39 m3·hm-2)的固沙林密度是825株·hm-2,其他密度按蓄积大小排序依次为540株·hm-2、420株·hm-2和1 215株·hm-2;2)边缘林木的平均胸径和单株材积量分别比林内高20%～70%和90%～260%,且低密度林分的边缘林木的生长优势比高密度林分边缘林木的生长优势更加明显;3)同密度(500株·hm-2)13 a的一行一带式固沙林,其胸径、树高和材积量分别比等株行距的片林高37.4%、17.4%和81%;而10 a的两行一带式的胸径、树高和材积量分别比等株行距的片林高19.8%、16.2%和64.8%,说明行带式配置还具有生物生产力优势.     

沙棘木蠹蛾综合控制技术研究

沙棘木蠹蛾是近几年在我国内蒙古、辽宁、山西、宁夏、陕西和甘肃等地大面积成灾的一种钻蛀性害虫,主要以幼虫危害沙棘的根部和干部.由于该虫以前从未大面积发生危害,相关的研究报道较少.笔者从沙棘木蠹蛾的成灾原因、生物生态学特性、可供监测和防治的性引诱剂,以及天敌种类和自然控制效果等方面进行了较全面的研究,取得了重要研究成果.     

粮仓智能通风控制系统

综合了当今先进的仓储管理技术、电子技术、计算机网络技术、人工智能,通讯技术及防腐防雷技术为一体,设计一套粮仓智能通风控制系统,以实现在外部条件适宜的情况下对粮仓进行通风,达到除热、调湿等目的,进而有效控制粮仓的储粮环境,从而达到安全储粮的目的.     

BP神经网络在储粮害虫分类中的应用研究

综合利用计算机视觉技术和BP神经网络技术,实现对粮仓害虫的无损检测.通过对粮仓害虫图像的CCD图像预处理,获取了几何特征和不变矩等15个特征参数,并通过优化选取其中七个参数输入神经网络进行训练.仿真结果表明训练网络对粮仓四类常见害虫的识别率达到了85%,得到了较好的识别结果.     

德南牛全基因组变异解析和功能基因挖掘

[目的]研究德南牛的群体遗传结构和解析影响其重要性状的关键基因。[方法]通过主成分分析、群体进化树分析、群体遗传结构分析等方法,研究德南牛的遗传结构和与其他品种的亲缘关系;同时,利用全基因组SNP数据,计算德南牛与德国黄牛、南阳牛群体固定指数(Fst)和核苷酸多样性比值(π ratio)、复合似然比(CLR)、XP-EHH等多种选择信号指标,以筛选出德南牛基因组上受到选择的信号,鉴定出重要的候选基因。[结果] 德南牛具有欧洲普通牛(0.789)、东亚牛(0.176)、中国瘤牛(0.035)的混合血统。在θπ和CLR方法中鉴定出93个共有基因,使用FST和XP-EHH方法鉴定出17个共有基因。进行富集以及基因功能注释后,发现这些基因可能与生殖性能(TUBB3、NSD2、GRM1、ERBB4)、生长性状(RFX3、FGFR3、GABRB1、PDE4D)、环境适应性(PGR、GRIA4)和免疫系统反应(P2RY12、P2RY13、GPR87、P2RY14、GPR171)有关。[结论]本项研究发现德南牛血统受德国黄牛影响较多,且挖掘了德南牛基因组内可能具有经济意义的性状相关的选择特征,为德南牛种群的选育提高提供理论支撑。     

人们的居住需求对居住空间的影响

随着时代的发展,人们对居住空间的需求不断变化。本文从生理因素和心理因素的层面分析了当代住宅建筑形态的变化过程和趋势。提出作为当代的建筑师只有从人们的居住需求出发,更深层次地体验人们的心理感受及行为模式,才能创造出人们满意的居住空间。     

白蚁消化纤维素机理研究进展

白蚁利用自身及体内共生微生物分泌的纤维素酶降解食物中的纤维素成分,来满足新陈代谢需要.据美国国家生物技术信息中心GenBank数据库统计,目前已有4科6属9种白蚁及其体内共生物的纤维素酶基因被克隆测序.同源性分析表明,白蚁及其共生物编码内切β-1,4-葡聚糖酶的基因,在序列上有较高的相似性.     

犬实验感染CDV的病理学研究

对实验感染犬瘟热病毒的病犬进行了系统的病理学观察,并用酶标ＳＰＡ法对病犬脏器组织中ＣＤＶ抗原进行了定位检查。结果表明,淋巴系统各器官组织是ＣＤＶ急性感染早期首先侵犯的靶器官。脏器组织的病理改变与ＣＤＶ抗原检出呈正相关。脏器组织中包涵体的检出与形态结构具有一定的特征性和示病意义,但采用免疫组化方法检查ＣＤＶ抗原,更具优越性。作者认为,ＣＤＶ９３０３９株和ＣＤＶ９３０４１株是致病力很强的泛嗜性ＣＤＶ。     

基于CNN-Transformer的农作物病虫害知识问答意图识别与槽位填充联合模型

意图识别与槽位填充是农作物病虫害知识问答中问题理解的两个重要任务。在已有面向农业领域的研究中,上述任务仍被视为两个完全独立的子任务,并且未充分利用意图识别与槽位填充的语义信息。为此,该研究提出一种基于CNN-Transformer的意图识别与槽位填充联合模型（CDPCT-IDSF）。该模型根据农作物病虫害文本语义复杂设计CNN网络与多层Transformer结合强调局部的有用信息以缓解语义缺失问题;然后在Transformer解码器中引入对齐保证输入与输出一对一关系以提高识别正确槽位标签的能力。此外,进一步构建了包含20个意图类别、12个槽位类别和11242条标注样本的农业病虫害知识问答数据集进行对比试验,CDPCT-IDSF模型在该语料库上的槽位填充F1值为94.36%,意图识别精度为92.99%,整体识别精度为87.23%,优于其他对比模型,结果证明了所提模型在农作物病虫害意图识别与槽位填充任务上的有效性,可为面向农作物病虫害的知识问答研究提供理论支撑。     

矿区生态监测的地理加权遥感生态指数构建及评价

矿区生态是陆地生态系统的重要组成部分,准确监测矿区生态对保护生态环境、维持生态平衡具有重要意义。遥感技术为矿区生态监测提供了有效手段,针对遥感生态指数（remote sensing ecological index,RSEI）在矿区生态监测中存在监测精度低、针对性弱和指标权重空间上均一化问题,该研究对RSEI进行了改进。首先,考虑矿区特殊的生态成因,在绿度、热度、湿度、干度的基础上加入煤尘污染因子构成矿区遥感生态指数;然后,利用地理加权主成分分析法确定各指标的空间权重,构建了地理加权遥感生态指数（geographically weighted-remote sensing ecological index,GW-RSEI）;最后,以山西省大同煤田为例,基于多期遥感影像对GW-RSEI在矿区生态监测中的有效性、适用性进行了验证。结果表明：GW-RSEI能准确捕捉矿区大气中的煤尘污染,从整体和局部尺度实现了矿区生态的精准监测,有效提高了矿区生态监测的精度;地理加权主成分分析法能够明确表征矿区生态的空间异质性和生态环境变化的空间连续性;2000—2020年大同煤田的GW-RSEI均值分别为0.51、0.48、0.46、0.59、0.56,整体生态环境经历了先恶化后改善的过程,其东南部生态环境变化趋势与整体一致,而西北部生态环境呈现先改善后恶化的变化趋势。研究成果为准确监测矿区生态提供了一种更加科学、有效的方法。