“母源疗法”和超前防疫提高仔幼兔成活率

松萝 又称节松萝、破茎松萝、树挂、女萝、云雾草、接筋草、海风藤、松上寄生;长松萝:又称蜈蚣松萝、天篷草、老君须(见图)。 两者均为药用地衣,是低等的特殊植物,是由菌类和藻类密切结合的共生复合体。地衣对环境的适应能力很强,在世界上大多数地方均能生长。     

魅力茶乡——古丈

<正>古丈县位于湖南省西部、湘西自治州中部,国土总面积1297平方公里,辖6镇6乡140个村,总人口14.3万人,其中以土家族、苗族为主的少数民族占总人口的88%。古丈境内武陵山脉横亘,山高谷深,森林密布,洞溪潺湲,云雾缭绕,雨量充沛,气候温和,土壤肥沃,且含磷丰富,生态环境优异。     

基于XGBoost算法的多云多雾地区多源遥感作物识别

快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础。针对我国江南区域多云雾的特点,以Sentinel-1/2为数据源,综合采用光学遥感影像和合成孔径雷达(Synthetic aperture radar, SAR)影像等多源数据,针对研究区作物早春覆膜的特点,构建地膜植被指数(SAR plastic-film vegetation index, SPVI);利用时序光谱和植被指数特征,研究基于XGBoost算法的作物识别方法。以安徽省宣城市宣州区为研究区,开展实例验证研究。在作物生育期内,云雾影响较大,光学遥感覆盖稀疏区域以Sentinel-2影像为主,获取时序指数数据集,增加4期Sentinel-1雷达影像,用以补充云雾时期(5—7月)光学影像的缺失。以本文设计的方法,得到作物识别总体精度为84.87%,优于随机森林的83.93%,主要作物烟草制图精度88.69%,用户精度95.51%。仅使用生育期Sentinel-2影像的作物识别总体精度79.01%,主要作物烟草制图精度82.30%,用户精度93.49%。研究结果表明,本文构建的基于XGBoost算法多源...     

皖西茶苑中的奇葩—“齐山云雾”

皖西茶苑中的奇葩——“齐山云雾”安徽省金寨县出产的“齐山云雾”，在全国名茶中，是唯一的由单片鲜叶制成，不含茶头和茶埂的片形绿茶。它以奇特的造形，优异的品质，独有的魅力，享誉神州，香飘海外，成为皖西茶苑中的一朵奇葩。金寨县产茶的历史悠久。是全国一百个，...     

庐山云雾茶树与少女

上好茶叶吐露,它们就在枝头上。山峦起伏,绿着鸟啼,我和采茶少女一起落在春天的四月里。 走进茶园,枝叶招展。一棵棵茶树偎依,吸纳了庐山仙境的灵性,云雾的悟性,带着春天妩媚的神采,尽情婆娑,走动着香馨的内心。     

黄山紧条毛峰的机制工艺简介

黄山毛峰产于安徽黄山，那里山高林密，日照短，云雾多，自然条件十分优越，茶树得云雾之滋润，无酷暑之侵袭，蕴成良好的品质。黄山毛峰采制十分精细，制成的毛峰茶外形细扁微曲，状如雀舌，香如白兰，味醇回甘。黄山紧条毛峰是根据黄山毛峰的手工制造工艺结合当地的实际情况和市场需求，     

基于薄云雾去除的ETM+影像大气校正

中国南方农业遥感监测中,遥感影像常常受到薄云雾影响,大气的散射与吸收作用会使传感器接收到的地物反射率与真实值之间存在差距,是导致数据质量下降的主要原因,薄云雾去除和大气校正处理是十分必要的。该研究利用LandSat-7/ETM+影像,结合背景抑制云雾厚度因子（BSHTI）云检测方法和虚拟云点（VCP）云去除方法进行薄云雾去除,并与暗元法去云处理结果对比分析,然后将去云处理后的影像进行FLAASH大气校正,选取校正前后典型地物的光谱特征和NDVI值进行分析评价。结果表明,BSHTI-VCP法可有效消除薄云雾对遥感数据的影响,提高了云雾覆盖范围的影像质量;FLAASH大气校正较好地消除了大气影响,获得了地物真实地表反射率。该研究为南方作物遥感监测中定量反演与信息解译提供了良好理论支持。     

高处生长的智慧

正罂粟科绿绒蒿属是一个包含数十种美丽植物的属,集中分布在中国喜马拉雅地区海拔3000米-5500米的亚高山带至高山带地区。这里天晴时,紫外线照射强烈。降雨时,云雾缭绕,短时间内气候变化万千。独特的地形地貌和气候,赋予了绿绒蒿特殊的生境与习性。     

祁峰云雾银花茶的研制

祁峰云雾银花茶的研制万和平，颜天成（湖南省祁东县外贸茶叶公司祁东·４２１６００）１银花茶的品质特点祁峰云雾银花茶是祁东县外贸茶叶公司以本县高峰茶场云雾毛尖绿茶为素坯，加以野生银花（又名金银花）窨制而成。祁峰云雾银花茶茶坯紧结匀齐，有锋苗，含毫，色油润...     

联合散射与统计规律的遥感影像卷云自动校正

卷云广泛存在于大气中,严重阻碍光学遥感对地观测过程,降低了数据的精度与可用性.针对此问题,以卷云检测波段为参考,联合散射与统计规律,提出了一种卷云自动校正方法.方法首先利用散射规律推导出卷云检测波段与待校正波段间的定量关系;进一步地,以卷云检测波段为校正参考基准,联合线性波段统计规律,实现各待校正波段卷云强度的估计与去除.选择多光谱Landsat-8 OLI(Operational land imager)为试验数据对方法有效性和场景适应性进行测试,并进一步拓展至高光谱AVIRIS(Airborne visible infrared imaging spectrometer)和高分五号AHSI(Advanced hyperspectral imager)影像数据.结果表明提出方法可有效去除不同波段的卷云干扰,适用于各类地表覆被类型影像,准确复原降质地表信息,在目视与定量评测方面均有较好表现,可满足定量遥感等应用要求.