油松毛虫蛹种群密度的简易估计模型

<正> 抽样技术是研究种群动态和实施害虫综合管理的技术基础之一,“准确,迅速,简便,经济”是抽样技术的要求标准。目前生产上对于油松毛虫蛹种群的抽样技术一般采用以整株为抽样单元的简单随机抽样,由于蛹分布于整个树冠,调查者很难准确计数树冠高层的蛹数量,因而该法不仅工作量大,而且精度不高。笔者等曾分别进行过油松毛虫幼虫和蛹种群的轮枝抽样研究,即通过组建某轮或某几轮枝条上栖息的虫口数与整株虫口数之间关系的回归模型来估计林分总体的虫口密度。在一定的林分条件,一定的种群密度阶梯下,轮枝抽样能够减轻工作量,提高抽样效率,并能达到较高的估计精度。但轮枝抽样模型参数值受虫口密度的影响极大,某一密度阶梯下建立的轮枝抽样模型,在预     

单株立木材积测定方法的研究

单株立木材积的测定对林业生产和科学研究工作有着重要的作用,主要的测定方法是通过胸径、树高、上部直径或上部直径的高度来计算干形指数,然后计算单株立木材积。而不同的方法所用上部直径不同。本文用5个树种的解析木,分别对较常见的5种测定方法的测定精度进行了研究。得出的结论为:3/4形点法、0 5形点法、胸高形率法精度较高,绝对形率法、望高法精度较低。建议对干形饱满的树种采用3/4形点法、0 5形点法;对干形尖削的树种采用0 5形点法、胸高形率法。     

关于盗伐林木是否返还问题的讨论

案情简介：2006年2月，明山区兴隆山村村民王某以非法占用为目的，擅自进入李某自留山内盗伐天然林柞木12株，折合立木材积1.89立方米，王某用自家的三轮车运载盗伐的林木，在准备销往牛心台煤矿途中被明山区林业局查获。     

简单竞争指数在立木材积测定中的应用

以密度对干形影响的一般规律为理论依据，对简单竞争指数与形数的关系进行了分析，并建立了形数预测模型，据以推算立木材积。误差分析表明：以简单竞争指数和树高两个变量为辅助因子建立的形数预测模型，能在不测上部直径的情况下，有效地提高立木材积测定的精度，在理论上和实践上均有相当的意义     

沿江低山丘陵区马尾松毛虫控制的研究

马尾松毛虫是沿江低山丘陵马尾松林的历史性害虫，自1980年以来，我们坚持调查和观察，通过采取“虫源地”形成与发生、发展规律的探讨、马尾松毛虫幼虫种群密度简易估计模式模拟和应用、以无公害农药为主，“治点保面”综合治理的协调措施，控制“虫源地”潜伏阶段，达到有虫不成灾，获得少投资、高效果、长效益的目的。贵池区自1992年至今，马尾松毛虫没有暴发成灾，明显地避免了马尾松毛虫发生周期。     

也谈海南省桉树实验形数的验证

“海南桉树、木麻黄实验形数的推导与验证”一文提出的验证方法和结论都是错误的,本文根据海南省的实际材料,从理论上和方法上加以分析和论证,指出其错误之所在,并相应地提出一些建议。     

人工红松杈干现象对立木材积的影响

红松杈干现象是培育人工红松过程中一个客观存在的事实。本文通过对人工红松分杈树干进行调查研究,认为分杈虽会导致材质下降,但却能增加立木材积和林分蓄积。在人工红松二元立木材积表的编制过程中应增加一定比例的分杈样木,以便更精确地反映林分状况。     

融合路面特征的大型喷雾机多工况悬架控制与试验

大型高地隙喷雾机的作业工况复杂,不同路况对悬架的性能要求不尽相同,传统悬架系统已无法满足喷雾机多工况作业的不同减振需求。为有效提高大型喷雾机各工况下的减振性能并有效降低能耗,提出了一种基于路况识别的多工况主动悬架控制系统。首先,分析喷雾机典型作业工况,建立路面特征与悬架模型的映射关系;然后,搭建喷雾机油气悬架的上下层控制系统,采用变步长萤火虫算法优化控制系统中各工况下的阻尼系数;最终将搭载该控制算法的喷雾机进行田间动态性能试验。试验结果表明,相比传统悬架,主动悬架在水泥及田间路面的行驶平顺性分别提升11.0%和22.8%,操控稳定性分别提升24.5%和3.4%。本研究所提出的控制系统可以有效解决不同工况下驾驶平顺性和操纵稳定性的矛盾关系,满足喷雾机各工况的特定减振需求。     

基于改进OpenPose算法的猪只行为识别方法

【目的】提高猪只行为识别效率,提供猪只健康状态的快速判别依据,推进中国生猪养殖智能化和规模化。【方法】借鉴OpenPose人体姿态估计算法并对其改进,构建猪只姿态估计模型,在视频流图像中提取猪只骨骼关节点,通过计算关节点间距与骨骼关节角度描述猪只行为特征,利用K-最近邻算法(K-nearest neighbor, Knn)对猪只行为进行分类。【结果】采用基于改进OpenPose算法对猪只行为的识别准确率达到94%以上,优于采用YOLO v4算法的识别结果;与采用DeepCut、Associative Embedding和DeeperCut姿态估计算法相比,采用改进OpenPose算法构建的猪只姿态估计模型对猪只各类行为识别准确率提高了4%以上。【结论】本识别方法能够满足生猪规模化养殖中猪只行为自动化监控的需求,有效降低工人劳动强度,为猪只健康异常状态的判别提供辅助决策信息,在养殖业智能化和信息化领域具有巨大应用潜力。     

水氮数据联合驱动的冬小麦数据同化研究

水氮状态的准确估计对于作物生长模拟和产量估计十分重要.数据同化可以集成观测和模型,从而实现更加准确的模拟.然而,传统的数据同化系统大多关注叶面积指数(LAI)、土壤含水量(SM),对于氮素状态估计的研究相对较少,缺乏水氮数据联合驱动的数据同化研究.采用集合卡尔曼滤波(EnKF)方法对SWAP-WOFOST模型构建冬小麦生长的数据同化系统,通过引入叶片氮累积量(LNA)的观测,同时更新SM、LAI、LNA和作物产量等关键状态变量后进行作物生长模拟.结果表明,只加入LAI和SM可以很好更新模型的土壤水分剖面和LAI,但是对于LNA和产量的模拟效果不佳;加入LNA观测后,有效提高了作物LAI、LNA和产量的模拟精度.同时更新模型状态和参数(SSPE)比只更新状态(USO)的模拟效果更好,尤其是在土壤含水量的估计中.无论是水分还是氮素状态模拟出现偏差的情况,都很难准确估计最终的作物产量,而水氮数据联合驱动的结果最优.此外,研究中的数据同化系统在不同观测误差和观测频率下都具有良好的稳健性.该研究有助于深入理解冬小麦生长与水氮状态的关系,对实际应用中的作物生长模拟和产量估计具有一定指导意义.