要闻

国开行四十亿融资“融入”林区建设针对为保护与修复林区生态系统需要撤并部分林场、减轻林区生态环境压力的实际情况,国开行黑龙江省分行累计投入20亿元信贷资金支持伊春、大兴安岭地区及附近重点国有林区棚户区改造;向鹤哈高速伊春至绥化段等重大交通建设项目投放资金269亿元,提高了林区与外界的沟通和运输能力,降低了物流成本,促进了林区旅游、林下产业的发展;并投放信贷资金近3亿元支持伊春市供热管网建设和城区道路、供热、给排水工程建设。     

小鼠ES细胞在不同饲养层上培养nanog基因的 表达水平与生长行为

观察小鼠ES-D3细胞在MEF、新生牛睾丸支持细胞(nBTSCs)和新生兔睾丸支持细胞(nRTSCs)饲养层上生长4 d nanog基因的表达水平和生长行为。RT-PCR分析显示，MEF饲养层上培养4d的ES-D3 nanog基因含量高；nBTSC饲养层上培养nanog基因表达较低；而RTSC饲养层上培养nanog基因表达最低。结果显示：不同饲养层上的ES-D3细胞集落形态和培养4d分化程度有差异。在MEF饲养层上的ES-D3细胞培养4d，集落形态仍然很规则，细胞间紧密，集落表面少见大细胞，AKP染色强阳性。在nBTSC饲养层上的ES-D3细胞，集落界限清晰，AKP染色显示，集落大部分细胞呈阳性，少数的细胞集落为弱阳性，可见集落表面分散有较多的大细胞。在nRTSC饲养层上的饲养层上的ES-D3，集落隆起不明显，集落界限不清晰，大部分集落形态不太规则，AKP染色显示集落中部分细胞呈阳性，少数的细胞集落为全阴性，集落表面有较少的大细胞，集落周围有伸出的成纤维细胞。     

信息熵—依赖度框架的关联规则挖掘

在关联规则挖掘中,通常使用的是支持度-置信度框架来挖掘有趣知识。对支持度、置信度阈值进行分析和研究,发现此框架挖掘的关联规则不能够得到有效的强关联规则,导致挖掘效率降低。为此提出一种有效的信息熵-依赖度框架作为关联规则的衡量准则,实验表明此方法更准确、有效。     

牛体外受精卵与牛胎儿睾丸支持细胞体外共培养研究

【目的】研究牛胎儿睾丸支持细胞对牛早期胚胎的体外发育是否有促进作用。【方法】从屠宰场采集5~7月龄胎牛睾丸,经原代和传代培养制备牛胎儿睾丸支持细胞(sertoli cells,SCs)饲养层,对比原代和传代胎牛睾丸SCs与牛体外受精卵共培养时受精卵的发育情况;分别以4×104,2×104mL-1两个密度接种传代胎牛睾丸SCs与牛受精卵体外共培养,并以培养液中无牛胎儿睾丸SCs饲养层为对照,研究体外牛胎儿睾丸支持细胞(sertoli cells,SCs)对牛受精卵体外发育的影响。【结果】与牛受精卵体外共培养时,接种密度为2×104mL-1传代胎牛睾丸SCs饲养层共培养组的卵裂率(79.3%)高于原代牛胎儿睾丸SCs饲养层共培养组(69.2%),但差异不显著(P>0.05);囊胚发育率(41.3%)极显著地高于原代SCs饲养层共培养组(16.7%)(P<0.01)。接种密度为4×104mL-1传代牛胎儿睾丸SCs饲养层共培养组的卵裂率大于接种密度为2×104mL-1传代牛胎儿睾丸SCs饲养层共培养组和对照组,但差异不显著;胚胎发育率极显著地低于接种密度为2×104mL-1传代牛胎儿睾丸SCs饲养层共培养组和对照组。【结论】制备的传代牛胎儿睾丸SCs饲养层,能有效促进牛体外受精卵的体外发育,提高囊胚发育率;接种的传代牛胎儿睾丸SCs饲养层密度过大,将严重影响牛体外受精卵的发育。     

论中国农机工业发展的基石

本文全面地分析了我国农民对中国农机工业的支持与重要作用，阐述了中国农机工业发展的基石，提出了中国农机工业可持续发展的建议。     

关于表彰2019年度优秀作者的决定

2019年,是中华人民共和国成立七十周年,是充满喜悦、成果丰硕的一年。"2019年,我们用汗水浇灌收获,以实干笃定前行。"在广大作者及读者的关心、爱护和支持下,本刊各项工作取得了长足进步。回首2019年,广大读者的厚爱是支持本刊前进的动力,一大批优秀作者的鼎力支持是本刊取得成绩的源泉。     

基于高光谱成像的苹果品种快速鉴别

以乔纳金苹果,红富士苹果和秦冠苹果共90个试验样本为试材分别采集865~1 711 nm的近红外波段高光谱图像,选取苹果图像感兴趣区域(ROI),以分辨率2.8 nm提取其平均反射光谱数据,分别利用K近邻法(KNN)和径向基核函数支持向量机(RBF-SVM)进行品种判别,5折交叉检验。结果表明,3种苹果的近红外高光谱图像均在波长941~1 602 nm之间变得清晰,该区域200个波段下的平均反射光谱数据经KNN法中的10种距离算法评判,当K取值3和5时,切比雪夫距离、欧几里得距离和明可夫斯基距离3种距离算法的识别正确率均达到100%;SVM-RBF核函数模型中,γ取值为2-8~1的范围内识别正确率均在92%以上,当γ取值2-5,C取值为16和32时,识别正确率最高,为96.67%。故利用近红外高光谱图像技术结合KNN计算对苹果品种进行快速鉴别是优异和可靠的方案。     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

农业区地下水位动态变化预测的支

当观测资料的数据量少而又存在多个相互影响或关联的变量时，常用的回归预测模型不能全面考虑多个变量。在地下水位动态变化预测中应用了一种新的方法——支持向量机方法(SVM ) , 该方法属于机器学习理论发展的最新阶段, 具有专门针对有限样本、算法复杂度与样本维数无关等优点。针对一些农区井灌水稻规模扩大而引起地下水资源紧缺的情况，以某井灌水稻地区地下水动态观测资料为研究对象，运用支持向量回归模型，描述其地下水动态变化趋势。     

基于EnMAP Box的遥感图像分类研究

采用2007年6月云南省勐腊县TM遥感数据,利用EnMAP box进行了支持向量机的图像分类研究,以网格搜索法寻找最优参数,在设定的范围内,求得了最优C和g参数,用此参数进行支持向量机的遥感图像土地覆盖分类。结果表明：SVM方法较最大似然分类方法具有较高的分类精度,特别是阔叶林和橡胶林的精度明显优于最大似然分类方法;对于面积较小的次要类型,2种分类方法的精度基本保持一致;SVM的总体精度相对于最大似然分类提高了119%。