XiaoMi-AI文件搜索系统
World File Search System鸟类
美国内政部防止夏威夷森林鸟类灭绝战略 12-15-2022
注意：这是一份“动态文件”，将每年更新以反映有关技术和预算的新信息。此版本的日期为 2022 年 12 月 15 日，由国家公园管理局、美国鱼类和野生动物管理局、美国地质调查局和夏威夷原住民关系办公室制定并已批准共享。该文件确定了有助于为联邦预算制定过程提供信息的潜在投资机会，但它不是预算文件，并不意味着批准任何具体行动或投资。文件中包含的所有活动和建议都受制于资源限制和作为年度预算制定过程一部分的优先事项权衡，以及国会提供的拨款的可用性。
高分辨率图像纹理作为鸟类物种丰富度的预测指标
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上，在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比，该方法具有多项优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
高分辨率图像纹理作为鸟类物种丰富度的预测指标
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上，在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比，该方法具有多项优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
高分辨率图像纹理作为鸟类物种丰富度的预测指标
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上，在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比，该方法具有多项优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
鸡肉免疫反应对鸟类流感亚型H5N1对禽流感
摘要禽流感（AI）是印尼政府控制的战略动物疾病之一。本研究旨在检查印度尼西亚鸡对各种类型H5N1亚型AI疫苗的免疫反应，并确定影响疫苗后AI抗体反应的因素的相关性。血清样品。抗体滴度。进行了相关分析，以评估抗体滴度与以下每个因素的相关性：采样时鸡的年龄，采样时间与先前的疫苗接种之间的间隔以及进行的疫苗接种数量。结果表明，与AI抗原亚型H5N1菌株A/Chicken/Barru/BBVM/41-13/2013（2.1.3）的平均抗体滴度值在南苏马顿省的样本中最高，即Palembang City，Palembang City，Palembang City，是2 6.42 HIU。结果显示抗体滴度与采样时间与先前疫苗接种之间的间隔，进行的疫苗接种数量以及采样时鸡的年龄之间的间隔之间存在显着相关性（P值<0,05）。因此，结果表明，使用AI疫苗种子亚型H5N1产生的免疫力可以诱导免疫力，保护值≥16。与家禽中AI爆发相关的人AI病例的百分比为34％[1]。关键词：禽流感，H5N1进化枝2.1.3，H5N1进化枝2.3.2，Hemagglutination Estection Pressuct介绍禽流感（AI）是一种人畜共患病；它可以从感染的动物传播到人类。AI在家禽中导致很高的死亡率，在印度尼西亚的家禽行业造成了巨大的经济损失。komisi nasional流感burung dan Pandemi流感估计，由于2004年至2008年，印度尼西亚因AI爆发而造成的经济损失大约是RP。4.3万亿美元，不包括由于失去工作机会和社区中动物蛋白消耗而导致的损失[2]。这些条件使AI成为印尼政府控制的优先事项[3]。2003 - 2004年印度尼西亚的AI疾病暴发是由AI病毒亚型H5N1进化枝2.1引起的。
在passerine鸟类中产生应力诱导的母体作用的机制
项目描述：母亲对后代表型的影响是生物变异的最普遍，最重要的来源之一。从植物到脊椎动物，女性通过将营养素，激素和抗体转移到生长的胚胎中，影响后代特征。这些资源超出了胚胎生长和成熟的必要要求，它们还提供了环境条件的预览，并且通常会引起后代表型的适应性变化，因为传递的资源的数量和种类反映了女性当前的经验。然而，自适应母体效应的演变通常显着，因为女性通常会改变后代表型和行为以完全匹配当前的生态条件。然而，随着发现压力诱导的母体编程对人类和许多实验室模型物种的后代表型产生终生影响，这表明自适应母体效应不需要在每个物种中逐渐发展，而是可以利用保守的压力诱导的途径来诱导特定物种特异性的压力适应性适应性的条件。胁迫的母体信号通过DNA甲基化和其他表观遗传修饰改变了基因表达，最终影响脑和肝脏等代谢器官中糖皮质激素受体的分布。早期发育条件通常也会对对昂贵的器官，尤其是大脑的投资产生永久影响。这些影响可能是理解自适应母体效应如何发展的关键，还可以洞悉不灵活的行为特征（例如动物人格）的演变。我们的实验室正在通过比较卵子发生过程中孕产妇应力的暴露如何影响脑形态，下丘脑 - 垂体 - 肾上腺轴编程和行为，斑马斑马雀科的行为。
199 S phase S期细胞周期中DNA合成开始的阶段。 S1 ...
sex chromosome 性染色体 决定个体性别的染色体。对于所有的哺 乳动物，小部分开花植物和大多数昆 虫，它们的雌性个体都携带一对 X 染色 体，而雄性个体携带一条 X 和一条 Y 染色 体。对于鸟类，爬行动物和绝大多数两 栖动物，雄性个体都携带一对W染色体， 雌性携带一个 W 和一个 Z 染色体。一些昆 虫中只有一种X染色体，其数量的多少决 定昆虫的性别。同义词： 异染色体 ( allo some )反义词： 常染色体 ( autosome )。
受管理森林中的风力涡轮机部分取代了普通鸟类
风力涡轮机越来越多地安装在森林中，这可能导致气候缓解工作和自然保护之间的土地使用纠纷。环境影响评估先于风力涡轮机的建造，以确保风力涡轮机仅安装在具有潜在保护价值的管理或退化森林中。然而，尚不清楚在环境影响评估中被认为无关紧要的动物是否会受到管理森林中风力涡轮机的影响。我们调查了风力涡轮机对常见森林鸟类的影响，方法是沿德国黑森州 24 片温带森林中风力涡轮机影响梯度计数鸟类。在 860 个点计数期间，我们计数了 45 个物种的 2231 只鸟。鸟类群落与森林结构、季节和风力涡轮机的转子直径密切相关，但与风力涡轮机距离无关。例如，在安装风力涡轮机的结构较差（-38%）和单一栽培（-41%）的森林中，以及在安装较大和较多风力涡轮机（-24%）的幼年落叶林（-36%）中，鸟类数量减少。总体而言，我们的研究结果表明，管理森林中的风力涡轮机部分取代了常见的森林鸟类。如果这些鸟类被迫流离失所，风力涡轮机可能会间接导致其种群数量下降。然而，森林鸟类群落对当地森林质量的敏感度高于对风力涡轮机的存在。为了防止森林动物进一步流离失所，在风力涡轮机的空间规划中应优先选择对野生动物质量最低的森林，例如高速公路沿线小型且结构较差的单一栽培林。
纽约州环境保护部草原鸟类栖息地管理和保护战略 2022-2027
多年来，许多纽约州环境保护部 (NYSDEC) 工作人员与外部组织一起努力制定了这一战略。NYSDEC 工作人员包括主任 Riexinger、局长 Batcheller 和 Farquhar、鸟类部门负责人 John Ozard、栖息地和通道部门负责人 Marcelo del Puerto、野生动物多样性部门负责人 Dan Rosenblatt、区域经理 Wasilco 和 Joule、Heidi Kennedy、Irene Mazzocchi、Paul Novak、Mike Morgan、Jed Hayden、Lisa Masi、Katherine Barnes、Bonnie Parton、Oliver Riley、Matt Palumbo 和 Ashley Meyer。外部组织和工作人员包括纽约奥杜邦协会 (Mike Burger、Andy Hinickle、Jillian Liner)、康奈尔鸟类学实验室 (Ron Rohrbaugh、Sara Barker)、佛蒙特生态系统研究中心 (Roz Renfrew)、美国森林服务局 (Finger Lakes 国家森林公园 - Greg Flood)、纽约州立大学布罗克波特分校 (Greg Lawrence、Chris Norment)、纽约州自然遗产计划 (Matt Schlesinger、Tim Howard)、自然资源保护局 (Kim Farrell、Val Podolec) 和美国鱼类和野生动物管理局 (Scott Lenhart、Chelsea Utter)。感谢所有参与这项工作的人，非常感谢你们的贡献。
用于融合成像的鸟类宽带神经形态视觉传感器阵列
随着人工智能的发展，可穿戴视觉仿生设备正在取得显著进步。然而，传统的硅视觉芯片往往面临着高能量损失和模拟复杂生物行为的挑战。在本研究中，我们通过精心引导有机分子的排列，构建了范德华 P3HT/GaAs 纳米线 PN 结。结合肖特基结，这实现了多方面的类似鸟类的视觉增强，包括宽带非易失性存储、低光感知和接近零功耗的工作模式，无论是在单个设备和任意基板上的 5×5 阵列中。具体来说，我们实现了超过 5 位的内存传感和计算，具有负和正光电导性。当与两种成像模式（可见光和紫外线）结合时，我们的储层计算系统对颜色识别的准确率高达 94%。它实现了运动和紫外线灰度信息提取（显示防晒霜），从而实现融合视觉成像。这项工作为宽带、高度仿生的光电神经形态系统提供了有前景的材料和器件的联合设计。