贵州自然分布山茶属植物的资源现状

介绍了贵州省原生山茶属植物的自然分布及资源现状，共46种4变种。     

基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例

以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用R语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明：随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数（VARI）、简单比值指数（RVI）、归一化植被指数（NDVI）、水分胁迫指数（MSI）、中红外指数（MidIR）;总体模型反演精度R2=043,RMSE=4605。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。     

基于Xception-CEMs神经网络的植物病害识别

随着深度学习技术与农业的密切融合,越来越多的研究将深度学习技术用于农业病虫害检测,提高农产品产量和质量.本文提出一种新颖的基于Xception模型的植物病害识别方法.了解到植物病害图像会受到不确定环境因素的干扰而减小图像信息.在Xception的基础上,提出一种新的通道扩增模块,采用带有通道分配权重的多尺度深度卷积与组...     

剖析日本农协财政金融支持政策

中日两国农业在经营规模小、家庭经营为主、人均土地占有量低、农业文化等方面都存在着很大的相似性。日本在恢复和发展战后农业的过程中,逐渐形成了世界农业合作经济的典范——农业协同组合（以下简称农协）。农协最初是在日本政府的指导授权下建立的，虽然其后成为独立的特殊法人，但它的发展一直受到日本政府的关注和扶持，可以说日本农协的发展和成功离不开日本政府在财政、金融、法规等方面的大力支持。     

酸笋加工新技术

<正>很多地方都有把笋加工成酸笋的习惯,把竹笋加工成酸笋也是民间传下来的一种加工技艺。但是,传统的加工方法一般都是靠空气中的微生物自然发酵,方法比较原始、粗放,卫生条件、成品品质没有保证,易受环境和气候的影响,稍微处理不当就会引起原料的腐败变     

沙棘绕实蝇的生物学习性

[目的]沙棘绕实蝇严重危害沙棘果实,使沙棘种植地蒙受巨大经济损失。研究其生物学习性,可以为有效监测和控制沙棘绕实蝇提供理论指导。[方法]通过室内人工饲养和野外观察,研究沙棘绕实蝇的羽化、交尾、产卵、化蛹等生物学习性和野外发生动态。[结果]沙棘绕实蝇成虫在野外从6月中旬至8月上旬均可见到,发生量受天气影响较大;成虫主要集中在6:00—10:00羽化,羽化量占当日羽化量的81.3%,羽化高峰出现在8:00—9:00;化蛹时间主要集中在凌晨0:00—6:00,尤其是3:00—6:00钻出果实化蛹的幼虫数量较多,与其它时间段有明显差异;交尾时间主要集中在白天光照比较强的时间段,一天当中有两次交尾高峰,分别出现在12:00—13:00和16:00—17:00,交尾平均持续时长为239±11.86 min;沙棘绕实蝇产卵期沙棘果长径6.65±0.28 mm,宽径5.47±0.40 mm,一果只产一卵。[结论]沙棘绕实蝇在内蒙古磴口地区一年发生一代,幼虫钻蛀果实,蛹隐藏在地下,成虫期较短,防治工作应集中在成虫期进行。     

东北过伐林区森林景观演替分析

运用1997年二类调查数据,借助二歧指示种分类(TW INSPAN)方法,在ArcInfo的支持下,采用统一网格样点采样法,对吉林省汪清林业局金沟岭林场的森林景观的分类与演替进行了研究。结果表明:TW INSPAN通过15次划分,把整个金沟岭森林划分为7种经营景观类型,演替阶段从低到高依次为:人工纯林景观、榆杂林景观、杨桦林景观、阔叶混交林景观、针阔混交林景观、云冷落针叶混交林景观、阔叶红松林景观。同时,也说明TW INSPAN不仅可以有效地进行景观分类,还能反映景观类型在某一时空的梯度关系。     

论知识经济与素质教育

一）所谓“知识经济”是与农业经济、工业经济为主体的经济相对而言的概念，它是“以智力资源的占有、配置，以科学技术为主的知识的生产、分配和使用（消费）为最重要因素的经济，”“它以高技术产业为第一支柱产业；以智力资源为首要依托，因此是可持续发展的经济”（吴...     

三种不同类型灌丛的结构特点及演替利用前景

在贵州省黔东南地区雷山、施秉、镇远三县调查了三种不同类型的灌丛，对样地内灌木树种和草本植物的种类、密度、覆盖度、水平及垂直分布等结构特点进行了分析．并对其演替及利用前景进行了评价。     

基于 SVM 方法的高山松林蓄积量遥感估测研究

以香格里拉县高山松为研究对象,利用2006年香格里拉县TM遥感影像、2006年森林资源二类调查小班数据、2009年精度为30 m 的DEM数据以及2013年香格里拉县高山松实测样地数据,提取研究区内高山松林影像分布图及筛选出17个因子（13个遥感因子、3个地形因子、1个地面调查因子）作为备选自变量,在MAT-LAB下利用LIBSVM模块建立研究区高山松林蓄积量单位面积（30 m ×30 m）估测模型。结果表明,选用RBF核函数在参数范围内寻找出SVM模型的最佳参数C＝3.5809, g＝0.1、 p＝0.01,利用最佳寻优参数建立SVM非参数模型,对SVM模型进行测试得到,均方根误差MSE＝0.0087,复相关系数R＝0.51,相对误差RE＝23.4％,估测精度为76.6％。以像元为单位,分块提取高山松林对应的各像元自变量因子,利用估测模型预测得到香格里拉县高山松林总蓄积量为13318476.5 m3。