功能性小麦品种的概念、类别和发展前景（网络首发、推荐阅读）

结合全球倡导的营养导向型农业和功能性食品的内容，首次提出“功能性小麦品种”的概念，将其定义为“含有对人体健康有益的活性成分，可调节人体有益代谢，能给人体健康带来某种益处或满足特定人群的特殊需求，同时可以作为日常食物的口感正常、无毒副作用的小麦品种类型”；结合疫情警示和我国进入后工业时代后，人们需求必将由“吃得饱”、“吃得好”向“吃得健康”转变，因而提出继高产品种、优质品种之后培育“功能性小麦品种”的育种目标。根据多年关于小麦淀粉、蛋白、酯类和其他成分的功能研究结果，介绍新育成的“麦黄酮”、“高色素”、“高抗性淀粉”、“富锌”、“低醇溶蛋白”和“低植酸”等功能性小麦新品种（系）的营养特性和农艺产量状况；根据“健康中国2030”规划等国家战略，进行“功能性品种培育是解决我国功能性食品‘卡脖子’的关键基础，一种功能性品种可以形成一类功能性食品，多种功能性品种可以形成我国功能性面制品产业，推动我国整个食品工业的发展”的前景展望；根据功能性品种及其食品的稳定性和可靠性是产品和市场的“生命线”，从对消费者负责的高度，提出关于“功能性农作物品种审定导向和组建功能性成分检测机构；编制有关功能性品种和食品的国家或行业标准，设立功能性食品和功能性农作物品种的商业标志，保证我国功能性农作物品种及其食品健康发展”等方面的具体建议。     

南水北调中线总干渠藻类的生态调度

南水北调中线总干渠无在线调蓄水库,对藻类生态调度过程中出现的问题开展生态调度实现策略和实施方式研究。主要实现策略包括:划定自身的调蓄区,隔离生态调度对下游的影响;采用高效的渠池运行方式,减少生态调度时蓄量的反复调整;综合考虑安全、快速、平稳等需求,设定生态调度实施进程和方式。具体实施方式包括:将总干渠划分为流速调控区、调蓄区和正常运行区,分别实施等体积、控制蓄量和闸前常水位方式运行;将生态调度过程划分为充水阶段和泄水阶段,基于流速调控目标值、持续时长和水位降幅约束条件,确定各阶段时长和各分区的闸门群调控方案等。基于2018年3月输水工况,采用明渠一维非恒定流模型,仿真总干渠上游15个渠池的藻类生态调度过程。结果表明,生态调度可在3.5 d内完成,各渠池的平均流速由0.48 m/s增至0.93 m/s,持续时间超过2 h。在整个生态调度过程中,水位变化平稳,水位变幅符合安全阈值要求,下游渠道的正常运行未受生态调度明显影响。     

单增李斯特菌生态行为模型构建及机制研究进展

目的 探究食品中的单增李斯特菌随食品链相关条件的变化而发生的"生长-失活-再生长"生态行为规律.方法 以热加工为失活条件,综述单增李斯特菌生态行为的影响因素、模型构建和相关机制.结果 单增李斯特菌在"生长-失活"过程中,细胞的历史生长条件会对其失活特性产生影响,在"失活-再生长"过程中,细胞的历史生理状态会影响其修复再生长的延滞期.结论 食品链中细菌的生长和失活是连续的过程,有必要研究在连续的环境条件变化过程中细胞的生态行为,以期为食品风险评估和食品安全防控提供支持.     

葫芦容器生态包装设计探析

目的 研究葫芦容器作为生态材料在包装设计中的运用.方法 从葫芦容器的渊源和表现形式两个方面探究,明晰了葫芦作为容器就具备存放盛装、便利实用的包装功能.分析和探讨葫芦作为包装容器的优势,体现在葫芦材质、葫芦造型、葫芦工艺方面,归纳总结出葫芦是现成的生态包装容器,材质安全无害易降解,自然培育无环境破坏压力,符合绿色环保要求.结论 结合实践设计提出葫芦容器的生态化、形态化、功能性的设计延伸再利用,以及葫芦容器的产业化生产的可行性探讨,以期使葫芦容器得到传承与推广.     

浅议生态环境监测机构的风险控制

现阶段,为了探索创新性的发展途径,生态环境监测机构应始终增强风险控制意识。应加强风险管理,立足于风险控制,以求不断健康发展。     

水体中微塑料的环境影响行为研究进展

微塑料是指一类广泛存在于环境中的粒径小于5mm的塑料颗粒的总称，当其存在于水体环境中，容易吸附其他污染物，影响它们的迁移行为，进而对生态效应产生影响。本文依据水体环境中微塑料的相关研究报道，对微塑料在水环境中的影响行为进行概述。主要从微塑料的物理、化学和生物特性在环境中的变化特性，微塑料与环境中其他污染物质的相互作用关系，以及微塑料及其复合污染体系对水生生物造成的生态效应影响等3个方面对微塑料的环境行为进行总结、归纳与阐述。最后，针对微塑料对水环境中的环境影响效应，提出了今后的研究方向与展望。     

公民水素养评价表征因素模型构建与分析

针对我国水资源紧缺、水生态损害、水环境污染等相关水问题,以提升全民爱水惜水节水护水的意识和能力为目标,从水素养概念出发,通过扎根理论质性研究方法对公民水素养评价的表征因素进行筛选和提炼,最终得出包含水知识、水态度、水行为为主范畴的10个表征因素并运用解释结构模型(ISM)深入剖析各因素之间的内在联系。在此基础上建立了3级多层次递阶结构模型,进一步精确描述系统各要素两两之间的直接关系。结果表明:公民水素养评价的表征因素自上而下形成了表象层、中间层和根源层等3个层级,可直观、清晰地反映表征因素之间的递阶、层级关系;水态度在各表征因素中具有调节作用以及各表征因素之间存在内在逻辑关系。研究成果为提高公民水素养水平提供一定的科学依据和政策参考。     

陕北沙漠区浅埋厚煤层开采潜水位及生态响应

煤炭开采造成上覆岩层破裂、移动，破坏了矿区含（隔）水层结构，改变了地表水及地下水循环演化状态，对浅表层生态环境造成严重影响，引发一系列环境地质问题。为深入研究沙漠地区厚煤层开采给潜水位及生态环境造成的影响，以毛乌素沙漠金鸡滩矿为例，对水文地质条件进行了研究，采用数值模拟的方法，模拟了沙漠区厚煤层开采潜水位的变化，并通过采动潜水位监测数据验证了预测结果。调查分析了研究区及周边地表生态环境现状，预测采后潜水位基本满足植物生长需求，对生态环境影响不大。     

Transfer learning between crop types for semantic segmentation of crops versus weeds in precision agriculture

Agricultural robots rely on semantic segmentation for distinguishing between crops and weeds to perform selective treatments and increase yield and crop health while reducing the amount of chemicals used. Deep‐learning approaches have recently achieved both excellent classification performance and real‐time execution. However, these techniques also rely on a large amount of training data, requiring a substantial labeling effort, both of which are scarce in precision agriculture. Additional design efforts are required to achieve commercially viable performance levels under varying environmental conditions and crop growth stages. In this paper, we explore the role of knowledge transfer between deep‐learning‐based classifiers for different crop types, with the goal of reducing the retraining time and labeling efforts required for a new crop. We examine the classification performance on three datasets with different crop types and containing a variety of weeds and compare the performance and retraining efforts required when using data labeled at pixel level with partially labeled data obtained through a less time‐consuming procedure of annotating the segmentation output. We show that transfer learning between different crop types is possible and reduces training times for up to 80%. Furthermore, we show that even when the data used for retraining are imperfectly annotated, the classification performance is within 2% of that of networks trained with laboriously annotated pixel‐precision data.