XiaoMi-AI文件搜索系统
World File Search System鸟类
参考：2025/04截止日期：31/01/2025项目标题：在体外优化体外鸟类B细胞成熟和感染性囊肿病毒（IBDV）Pathoty禽病毒的感染和免疫力
非技术摘要：禽病毒的感染和免疫力项目持续时间5年0个月项目目的（a）基础研究（b）以下目的之一的转化或应用研究：（i）避免，预防，预防，诊断或治疗疾病，健康或异常或异常，或者在动物中的疾病（iii）改善（iii）的疾病（III）的疾病（III）的疾病（III）的疾病（III）的疾病（III），或者均为疾病的生产。 （ii）对人类，动物或植物中生理状况的评估，检测，调节或修改（c）（c）对药物，食品和饲料的质量，有效性和安全性的开发，制造或测试，或任何其他物质或任何其他物质或产品，以及以下目的之一，（b）（b）（d）保护人类的自然风险或保护自然风险的范围（d）均为健康范围的措施，以保护自然风险，或者是统一的范围。疫苗，抗病毒药，益生菌。动物类型的生命阶段国内禽（Gallus gallus fordingus），少年，成人，新生儿鸭（Anas Platyrhynchos）胚胎，少年，成人，新生儿回顾性评估国家部长确定需要对此许可进行追溯性评估，并在6个月的撤销日期内提交。回顾性评估的原因可能包括本许可证以前版本的原因。包含严重的程序目标和项目目标描述，例如科学未知数或临床或科学需求。这个项目的目的是什么？该项目实现了其目标，如果不是，为什么不呢？该项目的目的是通过定义禽流感病毒（AIV）如何引起疾病并持续在家禽中来改善疾病控制系统针对几种重要的鸟类病毒。此外，确定与AIV和其他禽病毒共同感染对发病率，死亡率和传播的影响，并通过开发新型缓解方法（疫苗和抗病毒药）将有助于减少这些禽病毒的生产损失，人畜共患病或大流行威胁。对这些目标的回顾性评估将在2028年10月18日之前进行，需要ppl持有人披露：是否有计划继续在另一份许可下继续进行这项工作？
2024 年鸟类碰撞监测报告
鸟类与固定物体（如塔）相撞是北美鸟类死亡的重要原因（Longcore 等人，2012 年）。塔的特征（包括高度、照明和拉线的存在）可能会对飞鸟造成的风险产生一定影响（Gehring 等人，2011 年）。作为该项目的一部分，在发电站上建造了一座自支撑（未用拉线）钢格构通信塔。该塔高 53.6 米（215 米），是项目现场的最高点。由于塔的高度和泄洪道下游区域群居筑巢海鸥的距离，在 2020 年（塔部分建成时）和 2022 年（项目运营的第一年）进行了鸟类碰撞调查，未发现鸟类碰撞的证据（WRCS 2021、WRCS 2023）。 2023 年进行了调查，以监测该塔对该地区鸟类造成的碰撞风险并确定是否需要采取任何缓解措施。
探究加州公用事业规模光伏太阳能设施的“湖泊效应”对鸟类行为的影响
该项目研究了所谓的湖泊效应假说，即公用事业规模的太阳能设施通过模拟鸟类定位水体的视觉线索来吸引鸟类。该研究遵循了三个相互关联的主题，这些主题与鸟类被太阳能设施吸引的过程相匹配：1) 鸟类检测到有吸引力的线索（例如偏振光），导致 2) 相应地调整向太阳能设施的飞行行为，3) 导致鸟类到达太阳能设施并与之互动，可能导致鸟类死亡。实地实验的结果表明，鸟类可以看到可见光范围内的偏振光，并利用它来做出觅食决定和定位水体。太阳能电池板成像研究的结果表明，薄膜和多晶硅两种类型的电池板都会使反射的阳光偏振，与水体的反射一致。飞行中的动物显示出下降的强烈证据，但没有重新定位到太阳能设施，这与太阳能线索的吸引力一致。南加州光伏太阳能设施发现鸟类死亡的频率高于周边地区。光伏太阳能设施吸引水生栖息地鸟类可能是一个微妙的过程；然而，这种设施不太可能在任何时候都为所有水生栖息地鸟类提供湖泊的线索。这项研究的结果与湖泊效应假设基本一致，可能有助于确定减少对鸟类影响的方法（例如，破坏偏振光传输的面板技术）。证明这些解决方案可以有效降低鸟类死亡率可以降低太阳能建设和生产的监管成本，这对加州雄心勃勃的清洁能源任务和该州的纳税人来说都是有利的。
M.Sc的常见问题解答（野生动物科学与鸟类学）
印度是世界上17个巨型生物多样性国家之一，在动植物中，物种多样性和特有性。森林覆盖下的地理区域的近25％，c。 35,000平方英尺km。内陆湿地的范围，约7,500公里的海岸线和广阔的海水，以及涵盖所有生态系统，印度荒野地区及其野生动植物的近1000个保护区，需要大量的人力资源来管理和保护它们。不幸的是，印度训练有素的野生动植物生物学家和管理人员的干部太小了，无法满足野生动植物保护中该国的需求和挑战。印度只有少数机构和大学在野生动植物和保护研究中进行了高等教育和培训，而且这些人数显然不足以满足该国的要求。在这种背景下，本课程旨在增强该国对野生动植物及其栖息地的研究和保护能力，并特别强调鸟类。
制定鸟类环境改善计划
根据《动物福利条例》第 3.154 条，所有鸟类饲养机构都必须制定、记录并遵循适合物种的环境改善计划，以促进您所饲养的鸟类的心理健康。如果您经营或管理的鸟类饲养机构已获得美国农业部动物保护局的许可或注册，请确保您有一份计划并知道它在哪里。您的主治兽医必须批准该计划。您必须根据要求向美国农业部 (USDA) 动物和植物卫生检验局提供一份该计划的副本。本技术说明描述了您必须在计划中解决的每个主题。下一页是帮助您编写完整计划的指南。
预测迁徙鸟类对环境变化的弹性
预测迁徙动物适应环境变化的能力是生态学的关键挑战。我们开发了一个建模框架，以使用过去（1960年代），现在（2010年代）和潜在的未来（2060）条件（在世界上最快速变化的飞行道之一） - 东亚 - 澳大利亚 - 澳大利亚 - 澳大利亚飞行道之一的情况下，预测几种海鸟物种的迁移。通过将模型预测与经验轨道进行比较，我们显示了需要进行多少迁移以及所需的变化在物种之间的显着差异。总的来说，较大的物种需要更根本的变化，例如使用完全不同的地点和路线来维持最佳策略，而较小的物种需要更少的 - 深刻的调整。我们的框架提供了一个强大的工具，可以识别由于多次并发环境变化而导致的迁移行为适应。
bev-mae：在自动驾驶场景中进行点云预训练的鸟类视图蒙面的自动编码器
现有的基于LIDAR的3D对象检测方法主要采用从划线范式进行训练。不幸的是，这种范式在很大程度上重新确定了大规模标记的数据，其收集可以充分陈述且耗时。自我监管的预训练是一种减轻这种依赖对广泛注释数据的有效且理想的方法。在这项工作中，我们提出了一种有效的掩盖自动编码器预训练框架 - 基于LIDAR的3D对象检测的自动驾驶前训练框架。具体来说，我们提出了鸟类视图（BEV）指导性掩盖策略，以指导3D编码器学习功能表示BEV的角度，并避免在预训练期间使用综合解码器设计。此外，我们还可以学习一个可学习的点令牌，以维持3D编码器的一致的回收字段大小，并进行微调的遮罩云输入。基于自主驾驶场景中室外点云的属性，即，遥远对象的点云更为稀疏，我们提出了点的预测，使3D编码器能够学习位置信息，这对于对象检测至关重要。实验结果表明，BEV-MAE超过了先前的自我监管方法，并实现了有利的预训练效率。此外，基于输血-L，BEV-MAE在基于Nuscenes的基准上获得了73.6 NDS和69.6 MAP的新最先进的3D对象检测结果。源代码将在https://github.com/vdigpku/bev-mae上发布。
鸟类
30 Nobilis EDS 产蛋减少综合征 禽类 Intervet，荷兰 INTERVET (M) SDN. BHD. 灭活菌株 BC-14 TACB 03/90 2023 年 12 月 2 日 - 2028 年 12 月 1 日 31 Poulvac EDS 产蛋减少综合征 禽类 Zoetis 巴西/荷兰 ZOETIS MALAYSIA SDN. BHD. 灭活 EDS '76 病毒株 TACB 1/88 2023 年 11 月 1 日 - 2026 年 10 月 30 日 32 Poulvac EDS 疫苗 产蛋减少综合征 禽类 Zoetis 美国/巴西 ZOETIS MALAYSIA SDN. BHD.灭活 EDS '76 病毒株 TACB 02/88 2020 年 12 月 3 日 – 2025 年 12 月 2 日 33 AviPro 107 EDS 产蛋量下降综合症 禽类 Lohmann 动物，德国 ELI LILLY (MALAYSIA) SDN. BHD. 灭活 Mc Farren 127 TACB 47/08 不活跃
