【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。

【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。

基于迁移距离和迁移方式的双重维度，分析了迁移的幸福效用。结果显示：迁移距离越近，流动人口的主观幸福感越高；举家迁移在幸福效用方面具有明显的优势；举家跨县迁移是最有利的迁移模式；迁移的幸福效应存在明显的性别和户籍差异。从效用增长的角度来看，促进就地就近城镇化是一个较为恰当的政策目标。

野生动物通道是缓解由铁路、公路等引起的野生动物生境破碎化的有效措施之一。本文介绍了野生动物通道的定义和适用目标,提出了野生动物通道的设计原则、依据,以及野生动物通道的位置、数量、形式、宽度、高度、地面基质和开口处环境的设置要求;以云南思小高速公路野生动物通道为例,分析了2005年9月至2008年5月间亚洲象对通道的利用情况。结果表明:亚洲象对通道的利用率仅为40%;"通道位置是否与活动路线重合"是亚洲象对通道选择的决定性因素。建议在通道建设完成后进行持续的野生动物利用情况监测,以评估通道的有效性,进而进行有针对性的改造设计,直到野生动物通道利用效果良好。

【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。

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

壮语属壮傣语族壮侗语支,与汉语、英语相比,在元音发音、辅音发音以及声母、韵母上有着较大的差异,因而以壮语为母语的学习者,在学习汉语和英语时往往会受到这些语言迁移因素的影响。因此,在民族地区高校教学中,教师应在语音迁移和语言距离理论的指导下,分析对比类型上接近的语言间的共性与差异,帮助学习者提高语际语言意识,从而促进学习者的多语学习。

鲁棒风险度量优化是一类随机风险分析度量的重要问题，其对不确定分布信息的捕捉需依赖不完善的假设和估计，分布尾部的反映直接影响分布预测的精准性，尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时，提出基于Wasserstein距离的分布估计方法，克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力，在解析分布估计的基础上，建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差，基于纤维丛理论思想，提出分片Wasserstein距离解析约束的分片鲁棒风险度量模型。最后，通过规范数据进行仿真分析，数值实验结果显示，该模型能够精准量化突发性极端损失风险。

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。

针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中。首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;再利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别。试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能。不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别。

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:

从政府现行统计方法及相关组织或学者的研究成果出发,对我国野生动物贸易统计方法进行了研究,主要内容包括对报表法、市场统计法和实地调查法等数据收集方法、对使用统计表与统计图等的统计整理方法以及对比较分析、相对分析和时间序列化分析等统计分析方法在国内野生动物贸易统计中的应用现状的研究,对比分析了各种统计方法的优缺点以及不足之处,指出了当前我国野生动物贸易统计的重点在于对贸易数据的收集和整理上,对数据的统计分析和预测缺少深入的研究与应用。并提出对于野生动物贸易统计方法的研究不仅要重视贸易信息的获得与整理,更重要的是在此基础上研究并探讨出一套适合野生动物贸易特点的分析方法与预测方法,从而能在更深的层面上...

经过亿万年的生命演化，地球生物与环境之间已经建立起了一个庞大、复杂的关系网络。气候变暖，不仅给我们人类社会发展带来了巨大灾难，也同样威胁着地球上野生动物的生存。研究发现，气候变暖一方面会改变或破坏野生动物赖以生存的栖息环境，导致其种群数量逐渐萎缩甚至灭绝；另一方面，高温、干旱气候等极端气候还会直接威胁野生动物生存，导致短时间内野生动物死亡率急剧上升。而反过来，野生动物数量减少后，大量植物种子的传播会受到巨大影响，同时植被也再难从动物粪便中获取必要的营养，植物和土壤的捕碳、固碳功能会受到巨大影响，直接加剧全球气候变暖。野生动物是人类应对气候危机的重要“盟友”，世界各国都应行动起来，建立自然保护地维护它们的生存环境，并与我们的“盟友”一道守护我们的蓝色家园。

长江水生野生动物保护区和放流站的建设与管理＠陈大庆￥中国水产科学研究院长江水产研究所长江水生野生动物保护区和放流站的建设与管理陈大庆（中国水产科学研究院长江水产研究所，荆州４３４０００）为保护长江水生野生动物，国家先后在长江沿线规划了一系列的保护区和放流站...