简介:现代生物入侵现象日益严重,一门新的生物学部门——入侵生物学运用而生。入侵生物学对生物入侵的定义是某种生物从原来分布的区域扩张到一个新的地区,在新的地区内过度繁殖、扩散并持续下去。入侵种和本地植物竞争空间和食物,破坏栖息地和食物网,降低水质,并且传播疫病和寄生虫,从而使当地经过长期进化形成的稳定生态系统遭到破坏,对入侵地的农、林、牧、渔业造成很大的影响,病原体致病微生物的传播则直接威胁当地居民的健康。入侵生物学要解决的核心问题是:什么样的物种才会成为入侵种和什么样的群落才容易被入侵。因为生物入侵现象的复杂性,入侵生物学的研究进展较缓慢,尚处在积累经验和资料的初步阶段,还有待进一步的从多学科角度开展综合性的研究。
简介:芒麦草是一种外来入侵植物,在我国的分布范围随时间推移呈现不断扩大的趋势。通过对文献、网络资料的整理并结合实地调查案例,汇总了芒麦草目前的分布状况。结果表明:芒麦草已经在我国10个省(包括直辖市和自治区)22个市有自然分布。芒麦草具有很强的繁殖能力、适应性和竞争能力,容易在入侵生境中建植、扩繁、归化,进而发展成为入侵植物。通过对芒麦草入侵地和原产地生境类型的比较发现,芒麦草容易在受到人为干扰或者人为活动频繁的生境中建植,结合芒麦草生物学和生态学方面的特征,对其进行风险评估。欧洲风险评估体系(WG-WRA)中,芒麦草的入侵风险评估分值为28分,入侵等级为高度入侵风险Ⅲ;澳大利亚风险评估体系(WRA)中,其入侵风险评估分值为21分,对农业和环境的分值分别为13分和10分,是一种具有高度入侵风险的植物,需要加强预警工作和引起相关部门的重视。
简介:摘要 : 为提高现有苹果目标检测模型在硬件资源受限制条件下的性能和适应性,实现在保持较高检测精度的同时,减轻模型计算量,降低检测耗时,减少模型计算和存储资源占用的目的,本研究通过改进轻量级的 MobileNetV3网络,结合关键点预测的目标检测网络( CenterNet),构建了用于苹果检测的轻量级无锚点深度学习网络模型( M-CenterNet),并通过与 CenterNet和单次多重检测器( Single Shot Multibox Detector, SSD)网络比较了模型的检测精度、模型容量和运行速度等方面的综合性能。对模型的测试结果表明,本研究模型的平均精度、误检率和漏检率分别为 88.9%、 10.9%和 5.8%;模型体积和帧率分别为 14.2MB和 8.1fps;在不同光照方向、不同远近距离、不同受遮挡程度和不同果实数量等条件下有较好的果实检测效果和适应能力。在检测精度相当的情况下,所提网络模型体积仅为 CenterNet网络的 1/4;相比于 SSD网络,所提网络模型的 AP提升了 3.9%,模型体积降低了 84.3%;本网络模型在 CPU环境中的运行速度比 CenterNet和 SSD网络提高了近 1倍。研究结果可为非结构环境下果园作业平台的轻量化果实目标检测模型研究提供新的思路。