秦岭南坡青杄林、青杄—华山松—红桦混交林林地土壤特性研究

本文探讨了秦岭南坡青林及青—华山松7红桦混交林林地土壤的养分、化学性质及酶活性特点。结果表明：针阔混交林林地土壤酸性淋溶过程及物质迁移过程比青林地土壤弱；混交林明显地增加了土壤有机质及N素含量而降低了土壤有效P及有效K的含量；阳离子交换量及水解性总酸度青林地土壤比针阔混交林地高而盐基饱和度比针阔混交林地低，说明了在青林地土壤阳离子交换量中置换性酸所占比例较大而盐基离子所占比例较小；脲酶活性是针阔混交林地比青林地高而磷酸酶活性比青林地低，这与两种林地土壤中水解N及有效P含量高低是一致的。     

锐齿栎、油松茎流养分输入和树干基部土壤特性初步研究

研究了锐齿栎、油松茎流化学性质及其树干基部土壤特性,结果表明：油松茎流的ｐＨ值为４．９７,呈酸性;锐齿栎茎流ｐＨ值为６．６０,呈微酸性;茎流中无机态化学物质的总质量浓度油松为３３．４８８ｍｇ／ｋｇ,锐齿栎为２６．１０５３ｍｇ／ｋｇ,其中Ｋ、Ｃａ、Ｎａ、Ｍｇ、ＮＨ＋４－Ｎ５种元素浓度占总浓度的９７％以上,构成了茎流无机态化学物质的主体;树干基部土壤由于受茎流的影响,其ｐＨ值,油松为５．７,比土体低０．５,锐齿栎为５．９,比土体则高０．３;全氮、水解氮和速效钾含量均高于土体,而全磷和速效磷则与土体差异不大;土壤酶活性,两个树种均是树干基部土壤高于土体,特别是脲酶活性油松干基比土体高７１６．６７％;锐齿栎高２９７．６２％,反映出树干基部土壤氮素供应状况较好     

计算机在渔政管理中的应用——捕捞许可证数据库网络系统

作者介绍了《捕捞许可证数据库网络系统》，这是借鉴国内外管理经验提出的，最终实现大连市渔政部门与所属各县区形成一个渔政管理的计算机通讯网络，为进入“全国渔业管理信息系统工程”做基础准备，其目的利用现有渔政设施逐步提高宏观调控能力，循序渐进达到科学化、规范化的管理效果，使渔业生产获取最佳的经济效益和社会效益。     

马尾松毛虫对几种杀虫剂的毒力基线

对马尾松毛虫对溴氰菊酯和敌百虫等 2种杀虫剂的敏感毒力基线进行了研究。结果表明 :敌百虫和溴氰菊酯对马尾松毛虫的致死中量LD50 分别为 0 2 1 81 μg·g-1和 1 2 4 61× 1 0 -4μg·g-1,其b值分别为 4 8和 4 9。由于b值远大于 1 ,说明供试马尾松毛虫种群对这 2种药剂的异质性小 ,敏感性好 ,测得结果可作为相对敏感毒力基线。表 1参 7     

山东省主要玉米杂交种种质基础评述

对1985年－1999年山东省主要玉米杂种和自交系遗传组成进行了综合分析。山东省的玉米杂交种和亲本自交系的利用趋向集中，其中鲁玉2号、丹玉13号、掖单13号、烟单14号、掖单12号、沈单7号等7个杂交种利用占67.32%，黄早4、M017、107、478、E28、340、8112等7个自交系利用占72.04%。亲本自交系的来源也趋向集中，主要是塘四平头系统、Reid系统，玉米种质基础狭窄。本文对新品种选育和种质创新进行了讨论。     

数据库技术在园林植保中的应用现状及趋势

文章阐述了数据库技术在植保领域中的应用和当前的开发现状。介绍了上海市绿化植物有害生物信息查询系统（VPPDIS）的开发情况及其主要功能，并对数据库技术在园林植保中的应用前景进行了探讨。     

基于茎基部分区边缘拟合的稻株定位方法

准确地定位稻株是水稻株间除草机械作业的前提,提出了侧位俯拍的图像采集方式获取稻株茎基部图像,采用茎基部分区边缘拟合的方法定位稻株,解决了除草期内水稻冠层接连引起的定位不准确问题。首先分析稻株生长形态,探究侧位俯拍稻株茎基部的相机安装参数设定,以及影响成像质量的相关因素,提出了遮光条件下采集图像的方法,构建了具有遮光功能的图像采集系统;其次采用2G-R-B彩色图像灰度化、自动阈值、形态学操作等方法处理并分割稻株图像,检测茎基部边缘并分析其形态特征,并提出了分区边缘拟合定位方法:划分拟合区间为3个子区间,在子区间内进行边缘拟合,以拟合边缘线段中点坐标均值作为子区间茎基部中点,根据中点拟合茎基部中线,以中线中点作为定位的茎基部中心。最后进行了基于茎基部与冠层的稻株定位精度田间对比试验,结果显示:插秧后10~20 d内,基于茎基部的稻株定位误差均在7.0 mm以下,其中10 d、15 d、20 d时的定位误差分别为6.9mm/6.8 mm、5.9 mm/5.8 mm、6.3 mm/6.5 mm(有水条件/无水条件);基于冠层的稻株定位误差在8.0 mm以上,其中插秧20 d后,定位误差超过15 mm以上。试验结果表明,所提出的基于茎基部分区边缘拟合的稻株定位方法,定位精度高,除草适用期长,可满足株间机械除草过程中对稻株精准定位的技术要求。     

基于条件随机场的农作物病虫害及农药命名实体识别

互联网农技问答平台现仅依靠人工提供答题服务,响应速度慢,回答质量难以保证。实现智能农技问题解答,构建农技知识库,需要从现有问答数据提取“农作物-病虫害-农药”命名实体三元组。现有对农业中文命名实体识别的研究较少,且准确率较低。根据农作物、病虫害及农药命名实体的特点,针对农技问答数据,提出基于条件随机场的农作物、病虫害及农药命名实体的识别方法。对数据集进行格式整理及自动分词,并对分词后的语料,针对是否包含特定界定词、是否含特定偏旁部首、是否是数量词、是否是特定左右指界词及词性等特征进行自动标注。利用标注后的数据训练CRF模型,可以对语料进行分类,包括判断语料是否属于农作物、病虫害、农药3类命名实体并识别该语料在复合命名实体中的位置,从而实现了对3类命名实体的识别,由此可自动构建关联三元组。通过试验选择特征组合和调整上下文窗口大小,提高了本方法的识别准确度,降低了模型训练时间,对农作物、病虫害、农药命名实体识别的准确度分别达97.72%、87.63%、98.05%,比现有方法有显著提高。     

基于实习基地建设的园林专业实践能力协同培养模式探索

园林专业具有实践性强的特点。建设实习基地的过程,可以作为园林专业多门课程的实践教学任务,有利于全方位地训练学生的实操能力。将不同课程的实验集中整合在实习基地建设的过程中,协同培养园林专业学生的实践能力。实践表明,该培养模式可以串联多门专业课程,并整合相关课程中重复的实践教学内容。有助于师生之间加强沟通,教学相长,并显著提升学生的学习兴趣和专业综合能力。     

Modelling soil erodibility in mountain rangelands of southern Kyrgyzstan

Soil erosion in mountain rangelands in Kyrgyzstan is an emerging problem due to vegetation loss caused by overgrazing. It is further exacerbated by mountain terrain and high precipitation values in Fergana range in the south of Kyrgyzstan. The main objective of this study was to map soil erodibility in the mountainous rangelands of Kyrgyzstan. The results of this effort are expected to contribute to the development of soil erodibility modelling approaches for mountainous areas. In this study, we mapped soil erodibility at two sites, both representing grazing rangelands in the mountains of Kyrgyzstan and having potentially different levels of grazing pressure. We collected a total of 232 soil samples evenly distributed in geographical space and feature space. Then we analyzed the samples in laboratory for grain size distribution and calculated soil erodibility values from these data using the Revised Universal Soil Loss Equation (RUSLE) K-factor formula. After that, we derived different terrain indices and ratios of frequency bands from ASTER GDEM and LANDSAT images to use as auxiliary data because they are among the main soil forming factors and widely used for prediction of various soil properties. Soil erodibility was significantly correlated with channel network base level (geographically extrapolated altitude of water channels), remotely sensed indices of short-wave infrared spectral bands, exposition, and slope degree. We applied multiple regression analysis to predict soil erodibility from spatially explicit terrain and remotely sensed indices. The final soil erodibility model was developed using the spatially explicit predictors and the regression equation and then improved by adding the residuals. The spatial resolution of the model was 30 m, and the estimated mean adjusted coefficient of determination was 0.47. The two sites indicated different estimated and predicted means of soil erodibility values (0.035 and 0.039) with a 0.05 significance level, which is attributed mainly to the considerable difference in elevation.