香山错位的遐想

读了不少关于香山的散文，说这里最好看的是秋天的红枫。名家孟超的《枫叶礼赞》是这样写的：“重阳节后，在北京来说，到香山看枫叶，正是很好的时节。”那么，枫叶红则是香山最大的特色了；秋季去香山观光，枫叶满山红遍，胜过“霜叶红于二月花”了。怪不得秋天到北京，人们都吆喝“到香山看红枫去”。     

关于家蚕三龄期涂布类萜咪唑后的内分泌研究

将具有抗保幼激素和抗脱皮甾醇作用的KK-42涂布家蚕三龄幼虫,用结扎头胸间的方法追究对内分泌的影响。若将对照幼虫经过不同时间结扎时,饲养24小时,36小时结扎的没有看到蜕皮迹象;饲养48小时结扎的约半数化蛹;饲养60小时,72小时结扎的幼虫全部蜕皮;结扎涂布KK-42蚕的断头个体与对照相异,既使饲养60小时,72小时     

经销商选择代理厂家三大篇章

许多经销商抱怨现在选择一个好的代理厂家实在太难了，选择大厂家，有些大厂家“店大欺客”，不仅条件苛刻，利润不高，而且时有“违规”行为，经常找一些借口不兑现其承诺；选择小厂家，利润虽然高些，但是风险实在太大，更有甚者，如果经销商碰到一些投机型或骗子型厂家，预付货款如同打了水漂，厂家根本不知去向。     

区域尺度分布式水文模拟的时空分辨率

基于数据实验,就区域尺度分布式水文模拟中时空分辨率匹配问题进行讨论,就分布式水文建模中时空分辨率匹配问题提出建议。结果表明:低分辨率高程数据在区域水文要素空间离散过程中,导致边界错位、高程趋于集中、坡度变缓、河网稀疏失真等不良后果,在区域水文模拟研究中,应根据不同时间尺度对应的科学计算需求,选择适宜的空间分辨率数据进行模型平台构建。     

苹果炭疽菌叶枯病的发生及防治

苹果炭疽菌叶枯病是近年来发生在嘎拉、金帅、秦冠等含金帅亲本的苹果树上的一种新的苹果病害．该病一般7月初开始发生．主要造成苹果叶片紫褐、枯死脱落．发病快、危害面积大、病菌抗药性强、防治较为困难。因此只有了解其发生发展规律．准确把握用药时机．选择对路的农药品种．科学用药．才能有效的进行防治。     

促进山苍子天然幼林早实丰产试验

１试验地概况试验地点在台江县南宫林区,试验设置在一片杉木采伐迹地（伐藏未清除）中,位于坡中部,海拨８１０ｍ,坡度１５～２０度;年平均温度１５℃,年平均降水量１２００ｍｍ;土壤为微酸性,ｐＨ值６．０,土层厚度８０ｃｍ以上,腐殖质层厚度１５～２０ｃｍ,结...     

加拿大肉牛育种方法的探讨

在北美．96％以上的牛肉是杂交肉牛生产的。注重品种选育．普遍实行经济杂交匙c美肉牛生产的一个特点。而另一明显特征就是全面利用杂交母牛来生产杂种肉用犊牛．既充分利用了个体杂交优势．又充分利用了母牛杂交优势。杂交优势的系统利用大幅度提高了肉牛的生产力。目前．商品群已基本上实行了杂交化。在我省乃至我国．肉牛业生产刚刚起步．阳历肉牛育种工作基本上是由繁育站、种公牛站或条件比较先进的种畜场来进行的。有关种质资源的合理与系统利用尚未进行或刚刚开始。阿尔伯塔肉牛现代育种工作．经过了几十年漫长历史。走出了一条成功…     

炸片专用马铃薯高产品种引进筛选与性状比较试验研究

为了生产符合炸片加工对薯块块茎品质的特殊要求的炸片专用优质马铃薯品种,采用品种筛选与性状比较的方法,研究多种马铃薯品种的炸片品质。结果表明‘大西洋’品种具有较好的加工特性和丰产性,但是抗病性与抗逆性较弱;‘夏波蒂’、‘东农305’、LK99等品种综合品质仅次于‘大西洋’品种。从块茎外观、品质、炸片质量、丰产性、抗病性、生育期等性状综合评价,‘大西洋’品种仍然是炸片马铃薯的当家品种,更适合于马铃薯加工。     

10kV农配网无功优化的研究

随着电力工业的飞速发展,电网规模日益扩大,对电力系统运行的经济性和电能质量提出了更高的要求。进行电力系统无功优化控制是提高电能质量、降低网络损耗的有效措施。无功优化是指在给定负荷和固定网络结构的情况下,通过调整系统中发电机的无功出力、有载调压变压器的分接头档位以及并联无功补偿装置等控     

基于Transformer的强泛化苹果叶片病害识别模型

模型泛化能力是病害识别模型多场景应用的关键,该研究针对不同环境下的苹果叶片病害数据,提出一种可以提取多类型特征的强泛化苹果叶片病害识别模型CaTNet。该模型采用双分支结构,首先设计了一种卷积神经网络分支,负责提取苹果叶片图像的局部特征,其次构建了具有挤压和扩充功能的视觉Transformer分支,该分支能够提取苹果叶片图像的全局特征,最后将两种特征进行融合,使Transformer分支可以学习局部特征,使卷积神经网络分支学习全局特征。与多种卷积神经网络模型和Transformer模型相比,该模型具有更好的泛化能力,仅需学习实验室环境叶片数据,即可在自然环境数据下达到80%的识别精度,相较卷积神经网络EfficientNetV2提升7.21个百分点,相较Transformer网络PVT提升26.63个百分点,能够有效提升对不同环境数据的识别精度,解决了深度学习模型训练成本高,泛化能力弱的问题。