Trawling for cephalopods off the Portuguese coast—Fleet dynamics and landings composition

Fleet dynamics was addressed for three cephalopod taxa of commercial interest, the squid Loligo vulgaris, the octopuses Octopus vulgaris and Eledone cirrhosa, and the cuttlefish Sepia officinalis, for 48 trawlers of the fish trawling fleet. Landing profiles (LP) were identified based on the species composition of the landings using hierarchical cluster analysis. Four out of a total of 12 different LP were related to cephalopods and other species associated with them.The effects on the landing proportions of a number of variables, year, season and vessel, are analysed for each of the species studied using generalized linear models (GLM). The factor “vessel”, including an ensemble of technical characteristics as well as the abilities of individual skippers, explained most of the model deviance, strongly reinforcing the existence of a fleet component dedicated to catch cephalopods. However, time also explains much of the variation found in the data.Seasonal alternation between landings of octopodidae and cuttlefish was observed within a small group of old trawlers operating mainly off the south coast, following the abundance cycles of these species. For a larger group of more modern trawlers, operating off the western coast, inter-annual shift between octopus and squid was found, together with a well marked seasonal pattern between the catches of cephalopods and horse mackerel.Spatial patterns of activity were identified using vessel monitoring system (VMS) data available for trawlers in Portugal, demonstrating the existence of cephalopod targeting strategies in Portuguese fish trawling activities.     

贵州林火发生时间卫星监测动态分析

根据国家林业局西南卫星林火监测分中心2005~2010年贵州林业卫星监测数据及相关信息的分析,对贵州省林火发生时间进行动态分析,结果表明,2009~2010年持续高温干旱,火灾发生频率较高,1~2月份进入高危火险时间,3~4月进入高峰期。分析结果为有针对性地制定防火规划提供依据。     

三亚市桉树枝瘿姬小蜂监测模型研究

通过对海南省三亚市桉树枝瘿姬小蜂数量调查,并结合6个关键气候因子,运用SAS9.0进行回归分析,得到了桉树枝瘿姬小蜂监测模型：y＝0.549 3＋0.000 6x1＋0.269 3x3＋0.415 6x4－0.612 2x5－0.023 1x6。该模型表明桉树枝瘿姬小蜂数量与月降雨总量、月平均最高温度、月平均最低气温、月平均温度和月平均相对湿度有极显著相关性,而与月日照时数无显著相关性。其中月降雨总量是影响桉树枝瘿姬小蜂数量的主要气候因子,其次为月平均温度、月最低平均温度与月最高平均温度。     

冬小麦播期遥感监测研究现状与展望

播期是影响小麦产量与品质的一个重要因素,冬小麦生产管理对播期的及时和准确监测有强烈需求。遥感数据源的日趋丰富及遥感定量化水平的日益提高,为大面积、低成本监测小麦播期提供了可能。本文对冬小麦播期遥感监测的研究进展进行了回顾,系统归纳了当前国内外播期遥感监测方法,分析了目前冬小麦播期遥感监测中存在的问题。推进高时空分辨率遥感数据的使用、强化多尺度传感器遥感数据融合算法的应用、开展冬小麦生长前期不同播期光谱数据的挖掘、探索冬小麦生长前期光谱与上茬作物时序遥感数据的综合及尝试遥感数据与作物模型同化方法的借鉴是冬小麦播期遥感监测的未来发展方向。     

基于组态王的玉米果穗烘干监控系统设计

为充分保证种子烘干质量和发芽率,避免种子烘干效率低、人为操作失误等问题,采用研华ADAM4000系列数据采集模块,设计了基于组态王6.53的玉米果穗烘干监控系统,实现了对影响玉米果穗烘干质量的温度、压力数据的采集、处理和监控。在工控机上使用组态王实现了对数据分析处理、故障报警等功能,为提高果穗烘干质量提供了技术保障。应用情况表明,系统运行稳定可靠,人机界面友好,能够满足监控系统实时性、可靠性的要求。     

旱冻双重胁迫下的冬小麦幼苗长势遥感监测研究

为了探讨"旱冻交加"的气候条件下遥感监测小麦苗情的可行性,以河南省冬小麦为例,利用多时相MODIS为遥感数据源,引入了广泛用于小麦苗情监测的距平植被指数(AVI),同时基于植被健康状态指数(VHI)和晚霜冻害综合指数(I),构建了旱冻双重胁迫条件下的小麦苗情综合指数(CI),以反映冬小麦拔节期的生长状况,并分别利用实测样点苗情分类和距平植被指数对结果进行验证。结果表明,CI的总体分类精度为85.00%,Kappa系数为0.74;冬小麦总茎数与CI呈线性正相关关系,拟合方程为y=8.732CI+1.256,决定系数为0.605 3;与实测样本对比,CI预测精度为73.30%,苗情分类分级更符合小麦生长实际情况。因此认为旱冻双重胁迫下可以利用CI对冬小麦苗情进行监测。     

长期定位监测钾肥施用效果研究

缺钾是水稻土的主要障碍因子之一,合理增施钾肥,既能促进水稻的营养代谢,又能大幅度提高水稻产量。为此本文利用5 a施肥定位监测资料,研究了钾肥在水稻土上的施用效果。结果表明:施用有机肥增施钾肥一般可增产6%左右,不施有机肥增施钾肥一般可增产4.9%左右。增施农肥及氮、磷、钾肥配合使用,才能保证水稻高产稳产。     

水稻白叶枯病菌小种分化的监测

通过每10年1次对病原菌致病力分化的监测发现,国内稻区病菌小种的组成基本稳定,仅个别小种有所变化。目前流行的优势小种仍为C1和C2群,即携带有[i]Xa3[/i]抗性基因的品种仍可广泛种植;但能够侵染[i]Xa4[/i]抗性基因的C4、C5群小种的数量有所增加,即将达到流行的阈值。为便于与国内外小种鉴别的结果相比较,选用IRRI推出的几个近等基因系材料作为鉴别品种,将中国的白叶枯病菌区分为8个小种(C1~C8)     

基于多源遥感数据的综合干旱监测模型构建

在全球气候变化越来越复杂的大背景下,准确监测华北粮食主产区的旱情对区域农业生产有重要的指导意义。以往的遥感干旱监测方法多侧重于监测土壤或植被等单一干旱响应因子,反映综合信息的能力较差,为此该研究使用中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)、热带降水测量计划(tropical rainfall measuring mission,TRMM)卫星等多源遥感数据,在综合考虑干旱发生发展过程中的土壤水分胁迫、植被生长状态和气象降水盈亏等因素的基础上,利用空间数据挖掘技术,构建综合干旱监测模型,并以山东省为例进行了试验验证。结果表明,模型监测出山东省近年来所经历的重大干旱过程与实际旱情一致,模型输出的旱情指标-综合干旱指数(synthesized drought index,SDI)与小麦的标准化作物单产变量的相关系数均大于0.7(P0.05);在小麦和玉米的生长期,综合干旱指数与作物受灾面积的相关系数在-0.67～-0.85之间,与标准化降水指数(standardized precipitation index,SPI)的相关系数在0.44～0.67之间,且通过了P0.01的极显著检验(3月份除外)。研究结果为综合评估区域干旱提供了一种新的方法。     

基于MFO-LSTM的母猪发情行为识别

及时准确识别母猪的发情行为可以有效增加受胎率和产仔量,对提高养殖企业的繁育水平和经济效益具有重要意义。该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题,提出了一种基于飞蛾扑火算法(Moth-Flame Optimization,MFO)优化长短时记忆网络(Long Short Term Memory,LSTM)的母猪发情行为识别方法。利用安装在母猪颈部的姿态传感器获得母猪姿态数据,然后使用姿态数据训练MFO-LSTM姿态分类模型,将母猪姿态分为立姿、卧姿和爬跨3类。通过对姿态分类结果进行分析,确定以爬跨行为和活动量2个特征作为发情行为识别依据,使用MFO-LSTM分类算法判断母猪是否发情。以山西省太原市杏花岭区五丰养殖场的试验数据对该方法进行验证,结果表明,该方法在以30 min为发情行为识别时间时的识别效果最好,发情行为识别的错误率为13.43%,召回率为90.63%,特效性为81.63%,与已有的母猪发情行为识别方法相比错误率降低了80%以上。该方法在保证识别准确率的情况下有效降低了错误率,可满足母猪养殖生产过程中发情行为自动识别要求。