六盘水市:创新林长制机制 做活林草文章

近年来,贵州省六盘水市认真贯彻落实中央、省、市关于林长制工作的决策部署,逐步形成了“党政领导负责制为核心,一把手负总责、分管领导具体负责、班子成员分片包保”的林草资源保护修复责任组织体系;建立了林长、执法人员、护林员、林业技术员、森林防灭火应急队员“一长四员”分区负责的创新管护体系,持续强化林长巡林工作,加大林草资源保护管理力度,打好林草火灾和病虫害防控攻坚战,全面推进国土绿化行动,推进林业产业高质量发展。林长制机制创新,让“凉都”六盘水大地更绿,管理机制更畅,人民群众更富。

小刺梨 大产业

刺梨,蔷薇科多年生落叶灌木,别名刺菠萝、送春归、刺酸梨子,又名山王果、刺莓果、木梨子,生于海拔500米-2500米的向阳山坡、沟谷、路旁以及灌木丛中,是云贵高原及四川西部高原特有的野生资源。贵州省是全国刺梨分布面积最广、产量最大的省份,主要分布于黔南州、黔西南州、安顺市、毕节市、六盘水市等地。刺梨营养丰富、药用价值高,开发前景广阔,近年来备受国内外关注。

抓好森林草原防灭火工作的思考——以贵州省六盘水市为例

简述了贵州省六盘水市森林草原防灭火工作情况,通过近年来贵州省及六盘水市的部分森林火情火警数据分析当前森林火情火警发展规律,理清当前森林草原防灭火存在的主要问题及面临的主要形势,提出了森林草原防灭火工作的几点思考,以此为高效及时做好森林草原防灭火工作提供借鉴。

六盘水市林长制推行成效、问题与对策建议

林长制是新时期国家林业治理体系的创新机制,是实现生态文明建设的重要方针政策。六盘水市积极响应国家号召,高效推进了林长制工作,并取得了阶段性成效,但实践中依然存在管理体系不顺、配套政策不完善、保障措施不足等问题。基于此,提出理顺管理体系、完善政策支持、健全保障措施等对策建议,以期为尽快补齐林长制工作短板,更好地推进生态文明建设进程提供参考。

基于近红外光谱的腌制期咸鸭蛋理化指标无损检测

以高邮麻鸭蛋为研究对象,采集整个腌制期咸鸭蛋近红外光谱数据,对比测定其理化指标值,建立咸鸭蛋关键品质指标(蛋黄含水率、蛋黄氯化钠浓度和咸蛋黄指数)的无损快速检测模型。为尽可能削弱外部其他因素对样本光谱采集过程的影响,使用多元散射校正、归一化等预处理方法,结合竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)和非信息变量剔除(uninformative variables elimination,UVE)3种特征选择算法建立偏最小二乘回归模型,并在一次特征波段选取基础上提取二次特征波长,再建立偏最小二乘回归模型。结果表明,蛋黄含水率、蛋黄氯化钠浓度和咸蛋黄指数的最优波长选择方法均是二次特征波段提取法UVE+SPA,发现二次特征波段选择综合表现最优。经对比分析,蛋黄含水率、蛋黄氯化钠浓度、咸蛋黄指数最优模型结构分别是标准化-UVE+SPA-PLSR、卷积平滑-UVE+SPA-PLSR、均值中心化-UVE+SPA-PLSR,训练集相关系数分别为0.9334、0.8978和0.9286,预测集相关系数分别为0.9276、0.9085和0.9163。本研究建立的光谱模型能实现对腌制期咸鸭蛋理化指标的无损检测。

傅里叶变换中红外光谱的牛奶品质无损检测分级

市场上普遍存在“高蛋白”,“高乳脂”等特色牛奶。为了实现对特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的无损快速分级,收集了河北省10个牧场不同月份(1月、3月—10月)的5121份牛奶样本并采集中红外光谱数据,分别测定牛奶中的乳蛋白、乳脂和体细胞数,构建了牛奶品质分级模型。首先,分析牛奶光谱并去除冗余波段,最终选择925~1597和1712~3024 cm^(-1)的敏感波段组合作为全光谱用于建立模型。为了提高模型的性能,采用标准正态变量变换(SNV),多元散射校正(MSC),一阶导数,二阶导数,一阶差分和二阶差分6种算法对光谱进行预处理并建立朴素贝叶斯模型(NB)和随机森林模型(RF),确定二阶差分为最佳预处理方法,其测试集准确率分别为92.11%和96.87%。为了简化模型,利用无信息变量消除法(UVE)、竞争性自适应重加权算法(CARS)与稳定性竞争性自适应重加权采样算法(SCARS)以及UVE-CARS算法和UVE-SCARS算法对二阶差分后的光谱数据提取特征变量。然后,分别基于全光谱和所选特征变量数据,建立NB模型和RF模型。结果表明,SCARS算法为NB模型的最佳特征提取算法,模型的训练集准确率与测试集准确率分别为94.45%,93.94%;UVE-SCARS算法为RF模型的最佳特征提取算法,模型的训练集准确率与测试集准确率分别为99.86%,96.48%。综上,基于傅里叶变换中红外光谱技术建立的二阶差分-UVE-SCARS-RF模型,可以实现特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的无损快速分级,通过建立中红外光谱模型,首次将乳蛋白、乳脂含量和体细胞数直接结合进行分级鉴定,这是以往未曾有过的。模型应用方便,只需将获得的牛奶红外光谱数据输入模型即可输出预测类别,在牛奶产业中具有实际应用价值。

傅里叶变换红外光谱的牛乳中α_(s)1-酪蛋白和κ-酪蛋白含量的快速检测

为了找到一种能够对牛乳中的两种主要过敏原(αs1和κ-酪蛋白)含量快速检测的方法,以河南、湖北、宁夏和内蒙古四省区的211份中国荷斯坦牛牛乳样本为研究对象,建立了基于傅里叶变换中红外光谱技术的牛乳中αs1和κ-酪蛋白含量的无损快速检测模型。首先对牛乳的原始光谱进行预分析,发现水对牛乳的光谱吸收具有很强的干扰,对水的两个主要吸收区域1597~1712和3024~3680 cm^(-1)进行分析,发现水的吸收区域1597~1712 cm^(-1)和蛋白的部分吸收区域1558~1705 cm^(-1)(酰胺Ⅰ)基本重合,通过对比去除1597~1712 cm^(-1)前后的效果,最终选择925.92~3005.382 cm^(-1)的光谱区域作为敏感波段用于后续分析。选取的全光谱经手动降维,利用MCCV剔除异常样本,分别采用标准正态变量变换(SNV)、多元散射校正(MSC)等8种预处理算法和竞争性自适应重加权算法(CARS)、无信息变量消除法(UVE)等3种特征选择算法联合建立支持向量机回归模型(SVR)。经检验,对于αs1-酪蛋白,一阶导数和CARS算法结合建立的SVR模型效果最优,训练集相关系数Rc和测试集相关系数R p分别为0.8827和0.8998,训练集均方根误差RMSEC和测试集均方根误差RMSEP分别为1.1363和1.3726;对于κ-酪蛋白,一阶差分和UVE算法结合建立的SVR模型效果最优,训练集相关系数R_(c)和测试集相关系数R_(p)分别为0.8808和0.8903,训练集均方根误差RMSEC和测试集均方根误差RMSEP分别为0.5345和0.5354。研究结果表明,基于傅里叶变换中红外光谱技术建立的SVR模型可以对牛乳中的过敏原α_(s)1和κ-酪蛋白含量进行无损检测,预测效果良好,此研究弥补了国内利用光谱技术对牛乳中的酪蛋白进行无损快速检测的空白。

基于随机蛙跳和支持向量机的牛乳收购分级模型构建

蛋白质、脂肪含量和体细胞数量作为牛乳收购中的重要参考指标,决定了牛乳的品质和价格。为批量准确地对牛乳品质进行分级,提高乳企的生产效率,本研究以3216份荷斯坦牛牛乳样本为研究对象,应用中红外光谱技术实现对收购过程中4种不同品质牛乳的检测分级。利用一阶导数和一阶差分对光谱进行预处理,并结合竞争性自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)和随机蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)筛选出能代表不同牛乳的有效特征变量,建立支持向量机(Support Vector Machine,SVM)模型。其中,利用网格搜索法(Grid Search,GS)、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)对SVM模型的关键参数——惩罚参数c和核函数参数g进行优化。结果表明,SFLA算法总体上优于CARS算法,PSO优化SVM模型的效果最佳。一阶差分预处理后,利用SFLA算法筛选特征变量建立的PSO-SVM模型,训练集准确率、测试集准确率和曲线下面积(Area Under Curve,AUC)分别为97.8%、95.6%和0.96489。该模型具有较高的准确率,在牛乳产业中具有实际应用价值。

基于可见/近红外光谱和深度学习的早期鸭胚雌雄信息无损检测

胚蛋雌雄识别一直是家禽业发展的瓶颈问题,在禽肉生产过程中倾向于养殖雄性个体,而禽蛋生产产业倾向于养殖雌性家禽。若能在孵化过程中较早鉴别出种蛋的雌雄,不仅能够降低家禽孵化产业的成本,还能够提高禽蛋和禽肉生产行业的经济效益。该文以种鸭蛋为研究对象,为了在种鸭蛋孵化早期实现对种蛋的雌雄识别,构建了可见/近红外透射光谱信息采集系统,在200~1100 nm的波长范围内采集了345枚孵化了0~8 d的种鸭蛋光谱数据。搭建了适用于种鸭蛋光谱信息的6层卷积神经网络(convolutional neural network,CNN),其中包括输入层、3个卷积层、全连接层与输出分类层。卷积层可以提取光谱中的有效信息,全连接层通过对卷积层提取的局部特征进行整合供输出层分类决策。另外在卷积神经网络中引入局部响应归一化和dropout操作能够加快网络的收敛速度。利用该卷积神经网络构建鸭胚雌雄信息识别网络,通过对比与分析不同孵化天数的识别效果,发现孵化7d的识别效果最佳。随后将孵化7 d的种鸭蛋原始光谱数据进行噪声去除,选取500~900 nm波段用于后续的特征波长选取和建模。分别运用了竞争性自适应重加权算法(CARS)、连续投影算法(SPA)与遗传算法(GA)选择能够区分鸭胚性别的波长点,将选取的特征波长转换为二维的光谱信息矩阵,二维光谱信息矩阵保留了一维光谱的有效信息,同时极大地方便了与卷积神经网络的结合。利用二维光谱信息矩阵和卷积神经网络相结合,实现孵化早期阶段鸭胚的雌雄识别。经检验,基于SPA算法和CNN网络建立的模型效果较佳,其中训练集、开发集及测试集的准确率分别为93.36%,93.12%和93.83%;基于GA算法和CNN网络建立的模型效果次之,训练集、开发集及测试集的准确率分别为90.87%,93.12%和86.42%;基于CARS算法和CNN网络建立的模型的训练集、开发集及测试集的准确率分别为84.65%,83.75%和77.78%。研究结果表明基于可见/近红外光谱技术和卷积神经网络可以实现孵化早期鸭胚胎雌雄的无损鉴别,为后续相关自动化检测装置的研发提供了技术支撑。

基于深度学习的群体种鸭蛋受精信息检测方法

针对我国禽蛋孵化行业以人工方式剔除无精蛋自动化程度低的问题,以孵化5 d的群体种鸭蛋为研究对象,利用图像采集装置采集群体种鸭蛋图像,在常用单步多框检测器(Single shot multibox detector,SSD)网络的基础上提出一种改进SSD目标检测算法,并采用该方法对孵化早期整盘群体种鸭蛋中的受精蛋与无精蛋进行识别。利用MobileNetV3轻量化网络作为模型的特征提取网络,可快速高效提取图像特征。结果表明:本文建立的模型对孵化早期群体种鸭蛋中受精蛋与无精蛋的平均识别精度为98.09%、召回率为97.32%、漏检率为0,优于改进前网络模型的96.88%、96.17%、1.04%。本文方法可为种鸭蛋孵化产业相关智能机器人或机械手的研发提供技术支撑。

生态刺梨产业的转型发展之路

刺梨(Rosa roxburghii Trat.,Ros.Monogr.英文名:Roxburgh)系蔷薇科落叶灌木植物,别名缫丝花刺梨营养价值和药用价值极高,每100g果肉中含维生素C2054-2725 mg,比苹果、梨高500倍,柑橘高100倍,猕猴桃高9倍堪称水果之王“维C皇”。近年来已受到国内外的重视,正是这样--颗摸起来扎人、吃起来养人的野果让六盘水是一塵因煤而兴因煤而立的城市发生了改变,昔日的六盘水,由于过度的资源开发,“风吹砂尘跑、千里无飞鸟”“晴天一身灰、雨天一身泥”是当时六盘水的真实写照。

物业服务收费问题探讨

随着城市化进程的加快、居民物质文化生活水平的提高，物业服务的社会化、专业化、市场化程度有了很大的提高，物业服务收费管理逐步完善，收费行为得到逐步规范，但同时也存在一些亟待解决问题。本文结合汕头市的实际，对物业服务收费现状进行分析，提出改进和完善收费管理的思路。