火烧对结缕草草地杂草的防控研究

在结缕草萌动前对结缕草草地进行火烧处理,研究生长季内不同月份火烧对结缕草草地杂草的控制效果。结果表明:整个生长季内火烧对结缕草草地杂草株数、植物量(地上,干重)均有较好的防控效果,平均防控效果分别为23.97%、39.90%;株数防控效果最好为5月份,为40.95%,植物量防控效果最好为10月份,为65.74%;火烧对结缕草草地杂草的防控效果在春季主要表现在防控杂草的数量(株数),在秋季主要表现在防控杂草的重量(地上植物量)。     

科尔沁沙地典型人工固沙林群落中少花蒺藜草入侵地土壤特性

对科尔沁沙地2个典型人工固沙林小叶杨(Populus simonii)和黄柳(Salix gordejevii)群落中优势种少花蒺藜草(Cenchrus pauciflorus)生境地土壤养分进行测定分析.结果表明:少花蒺藜草2生境地中土壤pH 值在7.35～7.80之间,土壤有机质含量在4.86～5.90 mg·kg^-1之间,碱解氮含量在21.4～59.07 mg·kg^-1之间,有效磷含量范围为 1.13～2.22 mg·kg^-1,速效钾含量在78.24～173.20 mg·kg^-1之间.土壤有机质及速效养分含量随着少花蒺藜草生长期的变化均有不同程度的下降,入侵地土壤沙化加重.     

论生物多样性与建设海南国际旅游岛的关系

经过多年的研究和实践,人们已深刻地认识到,海南省的发展战略应该积极发展服务型、开放型和生态型经济,形成以旅游业为龙头、以现代服务业为主导的特色经济结构。显然要实现这个宏伟的目标,生物多样性的保护和持续利用就是最根本和最关键的问题。如果作为生态旅游基本资源的季节性雨林、红树林、海洋生物资源和农业生物多样性被毁,一切都将是一纸空文。本文就拟简略地探讨一下有关这些方面的问题,并提出一些建议供有关方面参考。     

广州市森林公园游客满意度影响因素分析

在借鉴相关研究的基础上,筛选出影响森林公园满意度的关键指标,设计调查问卷。采用分层抽样法对广州市11个森林公园进行调查,以随机方式对游客进行拦截访问,对所获数据进行描述性统计分析、交叉分析、相关性分析和回归分析。结果表明：广州市森林公园的游客满意度主要受管理服务、内部环境、景点项目、游览路线、指示系统、停车设施、可达度、喜爱度、忠诚度等因素的影响,其中环境安静、温湿舒适、停车方便、公交地铁和（高速）公路便利、距常住地距离合意等为核心因素,管理有序、空气清新、植物丰富、景观怡人、购物餐饮租车和卫生小憩设施便利等为重要因素,景点布局新奇、游览路线合理、指示系统清晰等为边缘因素,但影响程度明显分为不同层次,但多数影响因素与游客属性没有显著差异。因此,广州市森林公园建设与管理应坚持以提高游客满意度为抓手,努力实现游客健康休闲环境与设施的供求匹配。     

食品加工工艺的安全防火措施

随着我国食品加工行业的迅猛发展,食品加工工艺的机械化程度大大提高,用火用电危险品日益增多,容易发生火灾,存在一定的安全隐患,食品加工负责人必须加强火灾防范意识,防止和减少因火灾造成的经济损失和人身安全事故的发生。     

Fire resistance performance on restrained high strength Q460 steel beams

为了研究约束高强度Q460钢梁的抗火性能,在已有约束钢梁分析理论的基础上,引入残余应力,提出了约束钢梁的抗火性能分析方法,并采用普通强度约束钢梁试验数据对分析方法进行了验证。考虑高强度Q460钢材高温下力学性能参数,利用所提出的方法分析了约束高强度Q460钢梁的抗火性能,并与普通强度Q345钢梁进行了对比。对影响约束高强度Q460钢梁的抗火性能参数进行了分析,包括荷载比、残余应力、轴向约束刚度、转动约束刚度和受火方式等。研究表明：所提出的分析方法准确可靠,高强度Q460钢梁抗火性能与普通强度钢梁具有较大的区别,高强度Q460约束钢梁的抗火性能明显优于普通强度约束钢梁。荷载比、轴向约束刚度、转动约束刚度、受火方式对高强度Q460约束钢梁有较大影响。     

蠕变模型对约束钢梁抗火性能分析的影响

钢材在高温和荷载作用下产生明显蠕变变形,影响火灾中结构的变形和受力性能。现有的蠕变模型较多,但没有一个广泛适用的蠕变模型。不同的蠕变模型对钢结构抗火分析结果有很大影响。为了量化蠕变模型对约束钢梁抗火性能分析的影响,对5种常用的蠕变模型进行了对比分析。采用编写的约束钢梁计算程序,分别计算5种蠕变模型下约束钢梁的抗火性能并与试验数据进行对比。结果表明,采用Norton蠕变模型的计算结果与试验数据吻合最好。最后对影响约束钢梁抗火性能参数进行了研究,研究发现,Harmathy蠕变模型对约束梁抗火性能分析结果影响最大;不同蠕变模型对不同荷载比、约束刚度下的约束钢梁抗火性能影响程度均不同。     

Prediction of pine mistletoe infection using remote sensing imaging: A comparison of the artificial neural network model and logistic regression model

In this study, the prediction of pine mistletoe distribution in Scots pine ecosystems was explored using remote sensing variables to compare the multilayer perceptron (MLP) artificial neural network (ANN) and logistic regression (LR) model performances. For this purpose, 109 sample plots were distinguished in pure Scots pine forests (natural) in the Eastern Black Sea Region of Turkey. Distinguishing mistletoe-infected stands (69) and uninfected stands (40) was performed with field observations. The variables acquired from Landsat 8 (Level 1) images were used as independent variables for independent-sample t-test, MLP ANN and LR models. Remote sensing variables indicated that mistletoe-infected stands were in drier areas with a lower vegetation-leaf area index. Based on the performance results of both models, the sensitivity (SEN), specificity (SPE), positive predictive value (PPV), negative predictive value (NPV) and accuracy of the MLP ANN model were superior to those of the LR model. The prediction percentages (SEN, SPE, PPV and NPV) of mistletoe-infected stands were better than the prediction percentages of uninfected stands. The prediction accuracies of LR and MLP ANN models were 74.3% and 89.6%, respectively. However, all remote sensing variables were included in the prediction equation of the MLP ANN model, while the thermal infrared 1 (TIRS1) variable was included in the LR model. In the MLP ANN model, the TIRS1 variable also had the highest normalized importance (100%). The area under the curve (AUC) value for identifying the mistletoe-infected stands of Scots pine forests used by the MLP ANN model (0.892 ± 0.034) was higher than in the LR model (0.838 ± 0.039), explaining the more accurate predictions obtained from the MLP ANN model. The MLP ANN model showed much better performance than the LR model. The results of this study are expected to make important contributions to the identification of potential mistletoe-infected areas.