科研产出
新疆天然草原分类系统调整合并的探讨
《草食家畜 》 2024
摘要：[目的]草地类型的划分是草地经营管理中的基础性工作,是人们有效保护、科学开发、合理利用和培育草地的理论基础.为了简化原有繁杂的分类系统,紧紧围绕林业、草原和国家公园"三位一体"融合发展的总体要求,着眼新疆草地资源特点,统筹推进"山水林田湖草沙"系统治理,提出新的草地分类系统和标准势在必行.[方法]本文参照2016年农业部《草地分类》行业标准,结合现阶段林草融合机制与草原生态修复治理的需求,草地类的名称与全国草地分类系统及农业部《草地分类》行业标准保持基本一致,并与国土三调土地分类标准相协调,取消亚类和组的分类;型的命名减少优势种数量的原则进行归并;面积小于平均值、仅分布局部地区、代表性不强的型归并到临近草地型或者删除;具有地方特色植物种类组成的特有型保留.[结果]新疆原天然草地分类系统的11类687个型,调整归并为9类106个型.[结论]新疆原天然草地分类系统及草地资源资料是30多年前形成的,之后未系统地开展全疆草地调查,实际的草地类、型或分布范围可能已经发生了一些变化.本分类系统具有较强的实用性和可操作性,为推动草地资源本底数据的更新和数字化管理提供技术依据.
全文链接
请求原文
基于Sentinel数据和机器学习算法的苜蓿遥感识别研究
《草食家畜 》 2024
摘要：【目的】旨在准确获取苜蓿（Medicago sativa L.）生产空间分布信息，为管理部门提供饲草饲料安全供给情况和技术支持。【方法】本研究使用Google Earth Engine(GEE)平台获取和处理哨兵（Sentine）系列卫星Sentinel-1和Sentinel-2数据，构建了光谱特征、植被指数和雷达极化特征数据集。利用决策树、随机森林、支持向量机和深度学习四种分类算法，评价不同特征组合遥感分类精度，筛选出最优的特征组合和苜蓿遥感识别模型。【结果】结果表明，结合光谱特征、植被指数和雷达极化特征的深度神经网络模型在苜蓿遥感分类中表现最优，总体精度为94.85%,Kappa系数为94.2%；研究证明了机器学习方法在提高苜蓿遥感分类精度方面的有效性；在四种分类模型中，光学特征加雷达特征综合组合的精度均为最高，说明了多源遥感信息对于提高模型性能的重要性。【结论】基于深度神经网络的苜蓿遥感识别模型，在结合光谱特征、植被指数和雷达极化特征的特征组合条件下，识别效果最好。
全文链接
请求原文
关于“绵羊绒”纤维分类以及名称的考证研究
《草食家畜 》 2009
摘要：国内对绵羊是否产绒、"绵羊绒"的分类与称谓等方面存在较大分歧。本文从毛与绒的含义、分类标准,名称等几方面进行了考证分析,提出了对此类纤维的分类与名称的建议。
全文链接
请求原文
首页上一页1下一页尾页
