【目的】针对红外相机拍摄的野生动物图像数据量大、无效图像占比多、图像背景复杂等问题，提出一种可对图像进行自动、高准确率识别的模型，为生物多样性研究和野生动物保护工作提供更高效的支持。【方法】收集整理近4年来北京园林绿化生态系统监测网络各站点红外相机拍摄的约5 TB图像数据，对其手工标注并进行数据增强后自建10类共4 234张图像数据集。基于ConvNeXt卷积神经网络，结合北京地区野生动物图像数据集特点，设计BSGG-ConvNeXt模型，使用BlurPool、SENet、全局响应归一化层（GRN）、GCNet提升模型识别能力，并在自建数据集上探究训练策略对ConvNeXt网络识别准确率的影响，通过与其他经典模型比较，明确BSGG-ConvNeXt模型的优势。利用公开的红外野生动物Snapshot Serengeti(SS)数据集和Caltech Camera Traps(CCT)数据集，验证模型的泛化能力。【结果】以ConvNeXt的ConvNeXt-T网络尺寸模型为例，其在自建数据集中的准确率为74.13%，乘加累积操作数（MACs）为4.47×109。应用不同改进方案发现，使用BlurPool后准确率提升2.2%,MACs降至1.07×109；使用SENet后准确率提升3.2%；使用GRN并删掉缩放层后准确率升至87.18%，参数数量增至27.88×106；使用GCNet后在不增大计算量的情况下准确率升至75.44%，但参数数量增至28.25×106。将上述改进方案结合得到的BSGGConvNeXt应用于ConvNeXt-T模型获得BSGG-ConvNeXt-T模型，参数数量虽有少量增多，但MACs降为1.07×109，模型准确率升至83.63%，高于原模型。使用预训练权重后的BSGG-ConvNeXt-T模型准确率可达94.07%，高于ResNet-50(76.39%)、 ResNeXt-50(87.60%)、 MobileViT(90.00%)、 DenseNet(87.66%)、 RegNet(69.90%)、 ConvNeXtv2(91.93%)、SwinTransformer的（86.23%）和MobileOne(71.53%)，将BSGG-ConvNeXt模型应用于4种不同网络尺寸的ConvNeXt模型后，在自建数据集中的表现均优于未改进模型。BSGG-ConvNeXt模型在SS数据集中的识别准确率达50.28%，在CCT数据集中的识别准确率达56.15%，均高于原模型的准确率。【结论】BSGG-ConvNeXt模型识别红外相机拍摄的野生动物图像准确率更高，在自建、公开的野生动物红外图像数据集上均有较好表现，且具有一定泛化能力。

【目的】野外环境通常植被繁茂、树木杂乱，且受环境、天气、光照等因素影响，红外相机易误触发拍摄，从而捕获大量废片，需要耗费大量人力进行筛选。为解决此类问题，本研究以YOLOv7模型为基础，对其进行轻量化改进，以实现对废片的自动筛选。【方法】本研究构建了北京密云雾灵山自然保护区2014—2015年期间采集到的2 172张野生动物图像数据集，并对图像中出现的动物进行位置标记。对YOLOv7网络使用不同方式进行改进：引入MicroBlock替换YOLOv7的主干网络，使用轻量化SPPCSPC结构降低模型参数量。采用SIoU损失、LNDown下采样、BiFPN提升模型检测动物的能力。使用YOLOv5-m、YOLOv5-l、Ghost-YOLOv5-l、YOLOv6、YOLOX-M、YOLOR-CSP模型，在含有1万张图像的Snapshot Serengeti相机陷阱图像子数据集上进行训练和验证，对比本文模型对野生动物图像的筛选效果。利用迁移学习训练自建野生动物数据集，测试冻结不同层数的训练效果。【结果】基于YOLOv7的改进模型推理时间降低了14.3%，每秒浮点运算次数FLOPS降低了33.5%，参数量减少了17.8%，误检测方面也优于YOLOv7模型。与其他模型进行对比，改进后的YOLOv7虽未在所有指标中均达到最优，但在检测时间与精度上达到了更好的平衡。在自建数据集中使用未冻结权重方式微调效果最优，平均精度比未使用迁移学习模型提高了12.6%。【结论】本研究为密云地区野生动物监测网络提供了更快速、准确的筛选方案。

【目的】为解决光照、背景和拍摄尺度等复杂因素对野生动物图像识别准确性的影响。【方法】以野外红外触发相机采集的野生动物图像为对象：1）利用ENA24和NACTI两个公开的野生动物数据集构建包含不相交领域数据集S1和S2，共11个动物类别，包含25 591幅图像；2）针对领域偏移问题，采用ResNet50网络作为特征提取模块构建领域对抗网络，有效减轻了领域偏移；3）引入Wasserstein距离和相关对齐的表征学习网络，建立了基于Wasserstein距离和相关对齐的迁移学习网络，用于特征提取和识别，挖掘迁移性的特征。【结果】采用平均准确率作为评价指标，ResNet50、DDC、DCORAL、DAN、DANN、CDAN、HAN和JTN这8个模型在11种野生动物上的识别表现分别为48.4%、51.6%、49.6%、52.6%、45.2%、50.9%、54.6%和53.5%；在改进残差模块的ResNet50基础上，并引入Wasserstein距离和相关对齐的表征学习网络后，与现有最佳方法相比，11种（类）野生动物的平均准确率提高了2.7%。【结论】基于Wasserstein距离和相关对齐的迁移学习方法在野生动物识别方面的平均准确率达到57.3%；引入Wasserstein距离和相关对齐的表征学习可有效提高野生动物识别模型的准确性。

利用红外相机对神农架自然保护区的野生动物分布范围和活动规律进行调查。于2010年8—9月和2011年3—9月,在95个位点放置红外相机,每台相机在每个位点放置时间为1~2个月。共获得野生动物照片9 665张,其中有效照片536张;有效照片中兽类占82%,鸟类占18%,经鉴定,兽类有19种,鸟类有9种。在海拔2 219~2 597 m的区域和寒温性针阔混交林中拍摄的动物种数和拍摄率均最高,说明这些区域的野生动物数量和种类最多。同种动物在不同的植被型下拍摄率不同,说明该种动物对各植被型的偏好程度不同。对6种最常见兽类和2种雉类的研究表明:在寒温性和温性针阔混交林中拍摄率最高的是斑羚、红腹角雉,在温...

众所周知,每个国家的士兵在进行野战生存训练时,都要系统学习自我救护的本领,以便在负伤患病又得不到外界帮助的情况下,能自我救治,转危为安。有趣的是,在自然

【目的】作物水分利用效率（ｗａｔｅｒ ｕｓｅ ｅｆｆｉｃｉｅｎｃｙ，ｗｕｅ）是农业水分管理与决策的重要指标。北京是严重缺水的城市，其主要种植作物冬小麦灌溉用水占比高，开展冬小麦产量水分利用效率的分析研究，可为北京地区的冬小麦节水灌溉与增产平衡提供决策信息支持。【方法】利用２０１１—２０１２、２０１２—２０１３和２０１３—２０１４年国家精准农业示范研究基地冬小麦不同生育期不同灌溉处理下的田间实测数据，对ａｑｕａｃｒｏｐ作物模型进行参数本地化。统计北京地区２００４—２０１４年冬小麦生育期的日降雨量数据，利用ｐｅａｒｓｏｎ－Ⅲ型分布划分了３种降雨年型：湿润年（２０１２—２０１３年生育期）、平水年（２．．．

保护区境内野生动物对保护区周边社区农户的侵扰成为了人类与野生动物冲突的主要原因,因此对受侵害农户的补偿成为有效解决冲突的关键。目前,我国已对某些保护区周边社区实施了经济补偿,但是由于补偿标准偏低,效果不明显,导致野生动物仍屡遭猎杀。那么,我国应该如何确定补偿标准,对农户进行足额补偿呢?本论文将通过建立生物经济学模型,从农户收益的角度分析补偿问题,提出足额补偿标准的计算方法以及相关的政策建议。

【目的】在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。【方法】将6类常见树种(樟子松、山杨、白桦、落叶松、雪松和白皮松)图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。【结果】本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB+H通道+LBP条件下,验证识别准确率最高,达到93.50%;RGB+HSV+LBP+HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。【结论】基于RGB+H通道+LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。

本文运用意愿调查价值评估法中支付卡式和二分式两种问卷格式,对北京市居民保护濒危野生动物的支付意愿进行研究。支付卡式问卷和双边界二分式的有效问卷分别为350份和250份。支付卡式问卷调查分析得到平均支付意愿为13.90元/户.月,二分式问卷的调查结果为18.99元/户.月。由支付卡问卷结果得到北京市居民20年总支付意愿为41.63×108元;二分式问卷则为184.7×108元,后者是前者的4.57倍。支付卡式问卷结果的主要影响因素是户均月收入和文化程度;二分式问卷结果的主导因子是户均月收入。考虑到二分式问卷比支付卡式问卷更能够逼近样本的真实意愿,认为将二分式问卷的研究结果作为北京居民对我国野生动...

传统习惯经常与社会责任相冲突,嗜食野生动物就是一个典型例证。本文以最大收益理论与最佳搜寻理论为分析工具,在此基础上,从历史与现实两个角度对“嗜食”现象的形成与特点进行分析,并对如何改变这种饮食习惯进行了探讨。

随着经济社会的不断进步和发展,对于人类赖以生存的野生动物资源实施依法开发利用保护,在永续发展战略中愈加体现出重要的意义和作用。特别是施行新的《物权法》,使中国野生动物资源地位得以确立和发生变化,充分反映了现代野生动物资源保护立法的发展趋势。但物权法未确认野生动物用益物权制度,亟待立法和实践进一步调整和完善,以增强和提高对野生动物的民法保护效力。

珍稀野生动物是一种宝贵的自然资源,它们无法进入课堂与学生接触,而传统视频观摩与图片展示又难以营造现代教学所急需的互动性与沉浸感。该文以北京地区6种珍稀野生动物为对象,通过田野调查、素材收集,结合增强现实技术对它们的形态特征、生活习性、运动特征等内容进行虚拟仿真。与传统的动物教学方式相比,增强现实技术能够让学生身临其境地学习动物科学知识,掌握动物资源与保护的相关内容。该研究为动物科学实验与教学的创新提供了一种新思路。

应用北京近56年气象数据对SIMETAW模型进行校正,并利用模型估算北京地区主要大田作物需水量。结果表明:SIMETAW模型对参考作物腾发量的模拟与彭曼-蒙特斯公式计算值较为接近,r>0.94,结果可靠。北京地区主要大田作物的需水量和作物系数在全生育期内均呈现"单峰型"曲线;果树类作物需水量相对较大,其次是粮经作物,其中春花生、棉花、春甘薯和冬小麦需水量较大,均在430 mm以上;蔬菜类作物由于生育期较短,单季耗水量小,均在400 mm以下。

基于突变模型,从经营效益和存货效率两个角度选取11个指标,并以此构建了企业物流风险评估指标体系,利用北京地区制造业上市公司2009-2013年的年度报告数据,评估了北京地区制造业上市公司物流风险总体水平。结果表明,北京地区制造业上市公司企业物流风险水平虽有短暂波动,但总体上处于高风险等级,因而需要重视对企业物流风险的防范,为企业物流风险评估提供了新的思路和方法。

野生动物旅游作为探讨人与动物关系的重要实践，已成为国内外研究的热点之一，正确认识其发展历程和理论成果对促进人与自然和谐共生具有重要意义。通过对国内外野生动物旅游相关文献的系统分析，结果发现：（1）野生动物旅游研究主要经历了萌芽期（2000年以前）、探索期（2001年—2014年）和发展期（2015年以后）3个阶段；（2）研究内容主要聚焦影响与影响因素、冲突与管理、伦理转向三大方面，即“影响-冲突-管理-伦理”构成野生动物旅游研究的核心要素链；（3）野生动物旅游研究在理论完善、伦理转向、研究方法等方面存在不足，未来研究需不断丰富理论视角，构建野生动物旅游共同体，突破传统研究范式，创新研究方法。