低纬高原山区暖冬年与冷冬年油菜品种稳定性和适应性对比分析

为有效评价并推荐丰产性、稳产性和适应性好的山地油菜品种在低纬高原山区推广应用,采用灰色关联度、AMMI模型和模糊聚类等分析方法,对玉溪市典型的暖冬年(2012年)与冷冬年(2015年)4个不同海拔试点的7个参试油菜品种进行稳定性和适应性对比分析。结果表明:(1)暖冬年和冷冬年主要气象因子与油菜产量的关联度有明显差异;(2)AMMI模型中暖冬年的基因、基因与环境互作两者方差分量均显著高于冷冬年,而环境方差分量则明显低于冷冬年;(3)基因型与环境间的互作对暖冬年与冷冬年的主要农艺性状影响存在较大差异。低纬高原山区应主推‘云花油早熟1号’、‘花油6号’、‘玉红油1号’和‘花油5号’等优质油菜品种。     

基于CAN总线的智能化节水灌溉系统的研究

随着我国农业的迅速发展,农业的用水量日益增多。在灌溉系统中合理地利用自动化控制,大力发展节水技术,可以提高水资源利用率。针对我国农业生产中灌溉所存在的问题,设计出基于CAN总线智能化节水灌溉系统。该控制系统是通过PC客户端、传感器节点、下位机、阀门控制节点等几个部分,实现多点远距离参数检测、数据通讯和驱动执行机构,是一种经济性好、体积小、工作稳定性强、易于推广的智能节水灌溉控制系统。     

基于AHP法的城市公园景观适老性评价与分析

在大量青壮年劳动力外流,日趋老龄化的中小型城市中,如何利用城市自身景观资源,结合老年人对户外活动的需求,满足老年人的心理及生理健康,加强建设中小型城市适老性景观建设具有重要意义。以福建省南平市延平区4个主要城市公园为对象,通过层次分析法,模糊综合评价法,构建适老性景观评价体系,结合大量本地老年人的调查问卷,对4个城市公园适老性景观进行综合评价,针对调查结果提出适老性景观的改造意见,为进一步推动城市山地公园及滨水公园的适老性景观改造提供参考。     

基于模糊相似优先比的闽台两地果树气候相似性分析

选取台湾主要果树种植区代表站点高雄作为引种源地, 选择年平均气温、最冷月(1月)平均最低气温、历年极端最低气温、年降水量、年日照时数、年平均风速、年平均相对湿度7个因子作为比较因子, 采用模糊相似优先比法对闽台两地7个气候因子和果树气候进行相似性分析, 并划分相似性优先等级, 制作相似性空间分布图。结果表明: (1)漳州市沿海大部、厦门市同安区与台湾省高雄市果树气候相似程度较高; 莆田市区、泉州市大部、漳州市西部相似性中等; 闽中大山带(鹫峰山 戴云山 博平岭)以西的大部分县市农业气候相似性差或不相似, 为不适宜引种区; 其余县市农业气候相似性程度较差, 若要引种, 必须采取保护地栽培。(2)福建省中南部沿海尤其南部沿海地区的气候因子与台湾省高雄市的相似性比较高(年降水量除外)。(3)采用模糊相似优先比法研究闽台两地的果树气候相似性是可行的, 研究结果与实际种植情况相符。研究结果可为地方政府或其他相关部门开展果树优化布局提供决策依据。     

车辆半主动悬架控制器的设计与研究

根据半主动悬架系统的研究现状,设计了嵌入式智能控制器,采用模糊神经网络控制算法,调节车辆半主动悬架系统阻尼系数,在8位单片机上实现了该算法,并且在实验室进行了台架试验,试验结果表明,所设计的控制器可以满足半主动悬架控制系统的要求.     

广东1个鲮原种群体的种质特征及遗传多样性分析

收集西江流域肇庆段的野生鲮鱼苗进行跟踪观察,记录其生长情况,测量形态参数,结果表明,该批鲮原种存在体色及生长性能等方面的分化一种体色淡黄,命名为子群体h,一种体色青,命名为子群体q;子群体h的生长性能优于子群体q。从2个子群体中各取24个个体进行RAPD分析。20条随机引物扩增共获得了179条清晰稳定的条带,其中多态性条带为82条。用popgen软件进行RAPD数据处理,结果是总群体的平均杂和度为0.1281,遗传距离为0.1232;子群体h的平均杂和度为0.1248,遗传距离为0.1151;子群体q的平均杂和度为0.1164,遗传距离为0.1010;2个子群体间的遗传距离值为0.1383。这个结果表明,该原种群体遗传多样性较高。     

水生藻类的环境指示作用

为了方便有效地监测水环境中有氮磷污染物、重金属、农药及其他有机污染物等,笔者研究了水生藻类对水体环境中相应污染物的敏感性和耐受性,以及污染物对水域生态系统中藻类种群结构所造成的影响,分析了污染物对水生藻类的毒理和富集等,获得了大量数据。结果表明,水生藻类对一些水环境污染物具有较好的指示作用,该方法便于直观快速地调查分析相应水体的污染情况。     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质（Soil Organic Matter,SOM）空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法（Two-point Machine Learning,TPML）提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格（Ordinary Kriging,OK）方法作为对比,以平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）、预测值与真实值相关系数（r）和决定系数（R2）作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1）研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布不均匀,呈东高西低的分布趋势。2）在不同样本量条件下,与其他模型相比,TPML的预测精度均最高,其MAE（0.088～0.097 g/kg）和RMSE（0.116～0.139 g/kg）均为最小,r（0.992～0.996）和R2（0.971～0.985）均为最高。3）预测值的误差标准差（理论误差）与实际误差具有相似的空间模式,说明TPML可以为预测结果提供合理的不确定性估计。综上,TPML模型可以通过同时利用空间自相关性和属性相似性来提高预测精度,该模型适用于预测具有一定空间自相关性且具有可用辅助数据的资源环境变量。     

农作物种子监管中的双随机模式应用

自种子管理体制改革以来,原农业部门所属的种子生产经营机构相继从农业部门剥离,种子管理机构或独立运行或并入综合执法机构,种子市场由过去的单一市场计划管理转变为多元市场专业管理,种子市场一度空前繁荣,但品种多、乱、杂,生产经营主体散、弱、小等问题随之而来,给种子监管带来较大压力。由于基层种子监管人员大多系农业技术干部出身,执法技能相对较低,且执法力量不足、执法经费短缺等问题突出,面对复杂的种子市场,难以做到有效监管,更谈不上主动服务。因此,在当前深化“放、管、服”改革的新形势下,迫切需要解决种子常规监管中存在的一系列问题。双随机执法监管是推进简政放权、放管结合、优化服务的重大改革举措,可以提高执法监管的科学性和针对性,营造公开透明、公正公平、诚信自律的管理环境。结合农作物种子监管的特点,从双随机监管的原则、要求、方法、步骤等方面,探讨种子领域双随机执法监管的切入点和落脚点。