浅谈国有林场森林分类经营

本文结合大兴安岭地区加格达奇林业局国有林场的实际经营情况，论述了国有林场实行森林分类经营的必要性、并对经营管理体制与措施进行了探讨。     

Influence of Low Light Irradiance on Grain Filling in Rice (Oryza saliva L.) cultivars

Time course of grain filling pattern in two rice (Oryza sativa L.) cultivars, grown under normal and low light intensities, was studied. The number of spikelets, partially filled grains and high density grains were monitored at a 5 day interval during grain filling period from uniform panicles tagged at anthesis. The low light tolerant cultivar Swarnaprabha had more high density grains and less partially filled grains throughout the grain filling period and at harvest compared to cultivar Ratna under both normal and low light intensities. Further, the opening of spikelets in two flushes in Swarnaprabha seemed to result in a more efficient resource allocation and hence better yield as compared to Ratna, in which the opening of spikelets was in a single flush on day 10.     

图书馆业务外包的实施策略

业务外包是一种新型的图书馆管理方法。本文介绍了图书馆业务外包的概念、内容、作用，探讨了实施图书馆业务外包的相应策略。     

丹东市林业资源综合分析

分析了丹东市林业资源现状;指出了目前存在的主要问题;提出了合理开发利用林业资源的措施。     

对我国林产工业发展基本对策的思考

依据世界森林资源与国际林产品进出口的现状,把世界森林资源市场分为6大区,提出重点扶持几家已经上市、资本相对雄厚、具有与国际资本合作经验的公司为主体,背靠作为核心竞争力要素之一的庞大的国内需求市场,整合国内的资源,构成一个松散式的机动灵活的战略联盟,借世界的资源和国际林产品市场,促进我国林产工业发展的对策。     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

常用软件绘制使用林地可行性报告附图方法的比较

使用林地可行性报告的附图是林业专题图类型之一。该类图纸是项目成果重要的组成部分,对文字内容具有补充和说明等作用。本文以一个简单的实例,比较了几类常用软件绘制专题图的各自特点,并简介了综合使用的方法。     

跨膜蛋白VRAC的结构及生物学功能研究进展

跨膜蛋白是一类位于细胞膜上的重要蛋白质,对于维持细胞稳态和调节细胞的生长发育具有关键作用,因此一直受到广泛研究。本文将介绍一种重要的跨膜蛋白——体积调节阴离子通道（Volume Regulated Anion Channel, VRAC）,并全面综述其分子结构特征和多个生理功能,旨在为后续研究工作提供参考。     

基于YOLOv5s改进模型的小白菜虫害识别方法

小白菜是中国种植面积较广、深受大众喜爱的蔬菜,但真实菜地环境中虫害往往出现在叶片的特定区域,且受环境因素如光照和背景干扰较大,影响对其的智能检测。为提高小白菜虫害的检测效率和准确率,该研究提出一种基于YOLOv5s网络框架改进的YOLOPC小白菜虫害识别模型。首先,引入CBAM（Convolutional Block Attention Module）注意力机制,将其放在CBS（卷积层Convolution+归一化层Batch normalization+激活函数层SILU）的输入端构成CBAM-CBS的结构,动态调整特征图中各个通道和空间位置的权重;使用上采样和1×1卷积操作来调整特征图的尺寸和通道数,实现不同层次特征的融合,增强模型的特征表示能力。同时,改进损失函数,使其更适合边界框回归的准确性需求;利用空洞卷积的优势提高网络的感受野范围,使模型能够更好地理解图像的上下文信息。试验结果表明,与改进前的YOLOv5s模型相比,YOLOPC模型对小白菜小菜蛾和潜叶蝇虫害检测的平均精度（mean Average Precision, mAP）达到91.40%,提高了12.9个百分点;每秒传输帧数（Frame Per Second, FPS）为58.82帧/s,增加了11.2帧/s,增加幅度达23.53个百分点;参数量仅为14.4 MB,降低了25.78个百分点。与经典的目标检测算法SSD、Faster R-CNN、YOLOv3、YOLOv7和YOLOv8相比,YOLOPC模型的平均精度分别高出20.1、24.6、14、13.4和13.3个百分点,此外,其准确率、召回率、帧速率和参数量均展现出显著优势。该模型可为复杂背景下小白菜虫害的快速准确检测提供技术支持。     

毛竹入侵对落叶阔叶林土壤理化性质和胞外酶活性的影响

【目的】研究毛竹（Phyllostachys edulis）入侵亚热带北缘落叶阔叶林对土壤理化性质和土壤胞外酶活性的影响,为探究毛竹入侵条件下森林生态系统养分循环过程与固碳潜力及森林的毛竹入侵治理提供科学依据。【方法】在毛竹入侵样带上,选择落叶阔叶林（麻栎林Quercus acutissima）、竹阔混交林（混交林）和毛竹林3种林分为研究对象,采集其林下地表0~10 cm土壤,进行土壤理化性质和土壤酶活性的测定,包括土壤pH、含水率和有机碳、全氮、NH⁺₄-N、NO^-₃-N、全磷、有效磷含量,以及β-葡糖苷酶（BG）、β-N-乙酰氨基葡萄糖苷酶（NAG）、亮氨酸氨基肽酶（LAP）、酸性磷酸酶（AcP）、酚氧化物酶（POX）、过氧化物酶（PER）活性和酶计量(V_C/N、V_N/P、V_C/P),比较不同林分的土壤指标。【结果】①随着毛竹入侵,毛竹林土壤pH值和含水率显著增大,且与混交林、麻栎林差异显著（P<0.05）;其土壤有机碳、NO^-₃-N和全氮含量显著下降（P<0.05）,NH⁺₄-N、有效磷和全磷含量与混交林、麻栎林差异不显著。②土壤碳、氮和磷循环相关的水解酶（BG、NAG+LAP、AcP）活性均随毛竹入侵呈下降趋势,氧化酶（POX、PER）活性变化趋势与之相反;酶计量分析表明,毛竹林土壤的V_N/P显著低于混交林和麻栎林（P＜0.05）,而V_C/N、V_C/P在不同林分间差异不显著。③酶活性的矢量分析表明,毛竹林土壤微生物的磷限制程度高于混交林和麻栎林。④土壤水解酶活性与土壤有机碳、NO^-₃-N、全氮、有效磷含量或pH有显著相关关系,氧化酶活性与土壤性质相关性总体不显著。【结论】毛竹林取代落叶阔叶林（麻栎林）后,土壤有机碳和养分含量及相关水解酶活性降低,不利于原有落叶阔叶林土壤碳库与养分库的保存。