联合组织「江苏绿化千里行」采访活动省委宣传部省绿化委员会

联合组织「江苏绿化千里行」采访活动省委宣传部省绿化委员会为纪念邓小平同志倡导的、全国人大决议通过的全民义务植树运动开展十五周年，宣传贯彻《江苏省全民义务植树条例》，进一步组织动员全省广大干部群众掀起义务植树和造林绿化高潮，推动我省国土绿化事业的发展，...     

软体水果采摘机械手系统设计分析与试验

为了解决传统刚性机械手在水果采摘方面交互性差和安全性低等问题,设计了一种软体采摘机械手及其控制系统.机械手由4个驱动手指和法兰盘组成,每个手指由硅胶材料注入3D打印的模具固化形成,具有结构简单、成本低、效率高以及交互性好等优点.在正压和负压驱动下,可实现向内、外两个方向弯曲,抓取过程中能够自动适应抓取物体的形状大小.利...     

基质和穴盘规格对黄山花楸幼苗生长的影响

采用6种基质配比和4种穴盘规格进行黄山花楸的差异栽培,对幼苗生长、生物量及生理指标进行测定,旨在寻求黄山花楸幼苗生长适宜的基质和穴盘类型.结果如下:基质对幼苗生长影响显著,V(泥炭土):V(蛭石)=2:1的M4基质幼苗质量指标显著高于其他,为最优组合；穴盘规格对幼苗生长的影响因苗龄而异,苗龄60天,穴盘空间未对幼苗根系及地上部分生长产生限制,可选用根域体积最小的T1穴盘进行栽培；90天,苗高、地径、生物量、根系活力、叶绿素含量等指标均随穴盘高度增加而递增,宜选用各项指标均为最高的T4穴盘,为节约资源亦可选用与T4多项质量指标差异不显著的T2穴盘.     

高原鼠兔对高寒草甸冬季牧场中土壤C∶N∶P化学计量特征的影响

【目的】从小尺度的斑块状栖息地角度出发分析高原鼠兔干扰及不同干扰强度对植被覆盖区土壤有机碳（SOC）、全氮（STN）和全磷（STP）含量的影响,有助于全面理解小型食草动物对草地土壤化学计量特征的影响。【方法】以高原鼠兔为研究对象,测定高原鼠兔栖息地及栖息地不同植被覆盖区土壤的 SOC、STN、STP 含量及土壤 C∶N∶P 化学计量特征的变化。【结果】与未干扰植被覆盖区相比,高原鼠兔栖息地植被覆盖区的 STN 含量和 N∶P 显著下降（P＜0. 05）,C∶N 显著增加（P＜0. 05）,但 SOC 和 STP 含量及 C∶P 没有发生显著变化;STN 和 SOC 含量、C∶P 和 N∶P 在高原鼠兔干扰最大的核心区最低,干扰强度最小的边缘区最高;C∶N 在干扰强度适中的次核心区最高,边缘区最低;而 STP 含量在不同干扰强度的植被覆盖区没有显著差异。【结论】高原鼠兔干扰及干扰强度会对其领地内植被覆盖区的土壤化学计量特征产生影响。高原鼠兔斑块状栖息地中土壤化学计量特征的变化可能是影响植物丰富度的因素之一。     

黄山花楸种子休眠影响因素

对黄山花楸(Sorbus amabilis)种子休眠的解剖结构基础与影响条件进行了试验研究。结果表明:黄山花楸种子由种皮和胚2部分组成。胚形态发育完全,种皮表面覆一层角质层,胚根端和子叶端的种皮细胞排列明显比中间部位密集;种子透水性障碍不明显而透气性障碍显著;未处理的完整种子萌发率为0,种胚、种胚去除不同量子叶处理萌发率为86.67%～96.67%;种子去除不同部位种皮的萌发率在90%以上。表明黄山花楸种胚无休眠,种皮透性、特别是透气性对休眠有一定影响,种子休眠主要是种皮的机械障碍引起的物理休眠。     

中国花生制品国际市场势力分析

为了给我国花生制品贸易提供思路,利用剩余需求弹性模型,选取1991-2010年联合国FAOSTAT数据库、世界银行数据库中的花生制品贸易数据,实证检验了我国花生制品在韩国、日本、荷兰等国际市场的势力.结果表明:中国花生制品具备一定的国际市场势力,较低的生产成本和较高的国际市场份额有利于中国花生制品在国际市场中垄断势力的建立,而较低的国内花生制品市场集中度是导致中国花生制品出口价格较低的原因.并针对上述研究结果,提出了相应的对策建议.     

华江乡古树茶加工白茶关键技术

华江瑶族乡位于兴安县西北部,其茶树生长在华南最高峰--猫儿山东侧的深山野岭,长年浸润在云山雾海中,在清朝时定为贡茶,具有重要的利用和研究价值。采用室内自然萎凋加工华江古树茶白茶,经过萎凋、拼筛、拼堆、干燥品质形成的关键工序,即可制成品质优良的白茶。     

二次聚类与神经网络结合的日光温室温度二步预测方法

精确预测日光温室温度是实现对温室精准调控的前提。由于温室是复杂非线性系统,受室内外众多环境因素影响,且部分因素难以准确测量和建模,因此,难以通过机理分析建立室外因素精确影响室内温度的物理模型。而现有时间序列分析、人工神经网络等仅基于数据的方法预测准确度也较低。本文提出连续时间段聚类与BP神经网络相结合的二步日光温室温度预测方法。首先,进行二次聚类,对室外温度情况相似的日进行聚类,并将全年划分为若干个类似时间段,根据连续时间段内相似日的数量进行聚类,将全年内的连续时间段归入若干类别。其次,对不同类别的时间段,分别采用BP神经网络建立室外温度、相对湿度、太阳辐射、风速和温室室内温度间的关联模型,通过数据训练,能够较为准确的根据室外环境数据预测室内温度。通过涿州实验农场2年数据试验验证,通过二次聚类,全年连续时间段可划分为3类,通过分别建立BP神经网络并分别训练,结果表明本方法预测误差仅为6.23%,与现有未分类的BP神经网络预测算法对比,本文方法有效地提高了准确度,平均误差降低5.4个百分点。     

基于条件随机场的农作物病虫害及农药命名实体识别

互联网农技问答平台现仅依靠人工提供答题服务,响应速度慢,回答质量难以保证。实现智能农技问题解答,构建农技知识库,需要从现有问答数据提取“农作物-病虫害-农药”命名实体三元组。现有对农业中文命名实体识别的研究较少,且准确率较低。根据农作物、病虫害及农药命名实体的特点,针对农技问答数据,提出基于条件随机场的农作物、病虫害及农药命名实体的识别方法。对数据集进行格式整理及自动分词,并对分词后的语料,针对是否包含特定界定词、是否含特定偏旁部首、是否是数量词、是否是特定左右指界词及词性等特征进行自动标注。利用标注后的数据训练CRF模型,可以对语料进行分类,包括判断语料是否属于农作物、病虫害、农药3类命名实体并识别该语料在复合命名实体中的位置,从而实现了对3类命名实体的识别,由此可自动构建关联三元组。通过试验选择特征组合和调整上下文窗口大小,提高了本方法的识别准确度,降低了模型训练时间,对农作物、病虫害、农药命名实体识别的准确度分别达97.72%、87.63%、98.05%,比现有方法有显著提高。