The emergence of a hybrid mode of knowledge production in the Generation Challenge Programme Rice Research Network (GCP-RRN) in India: Exploring the concept of Commons-Based Peer Production (CBPP)

The Generation Challenge Programme (GCP) was an international agrarian knowledge-production programme created in 2003 by the CGIAR. GCP aims at developing drought tolerant varieties by reconciling upstream biotechnology based advanced research with the downstream development at the farmer's field. The objective of this paper is to apply the theory of Commons Based Peer Production (CBPP) to analyse the knowledge production process of GCP, especially the case of drought tolerant rice research network in Indian context (GCP-RRN). CBPP represents the theorisation of a mode of production that can be distinguished from market (private) and state (public) knowledge-production systems that was developed by observing the phenomena of Free and Open Source Software (FOSS). The organisational attributes of the CBPP mode applied in computer software production include the modulation of work, small-size granularity of components, and mechanisms that integrate these modules into an end product. Socio-economically, this form of production is based on cooperation, collaboration and collective action rather than property, contract and managerial hierarchies. This paper argues that GCP-RRN knowledge production is basically a hybridised one in which there are certain inclinations towards CBPP within certain larger context, and there are other attributes too that do not fall within CBPP theorisation. Further, this paper elaborates on the implications of this hybridised model for agrarian knowledge production discourse and institutions.     

吉林省水稻延迟型低温冷害气候风险评价与区划

吉林省是全国主要的水稻产区之一,研究水稻延迟型冷害发生规律及风险性,对于防御冷害和保证水稻安全生产意义重大。基于1961-2008年吉林省46站平均气温资料,建立包括生长季热量变异系数、冷害发生频率、冷害风险指数和冷害发生气候概率4个指标在内的指标体系,对水稻延迟型低温冷害风险进行评估。将4个评价指标进行极差标准化,采用等权重求平均,得到水稻低温冷害气候风险综合指标;将吉林省划分成高、次高、中等、次低和低5个水稻延迟型低温冷害气候风险区域。结果表明：吉林省的东部延边、白山多数地区低温冷害的风险性较大;西部地区大部、四平大部和通化南部低温冷害的风险性较小。     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。     

基于残差周期修正的辽宁省粮食产量灰色预测

基于1971-2005年辽宁省主要粮食作物水稻和玉米的全区平均单产资料,根据产量数据的多周期和波动性特点,采用周期修正残差值方法,构建了辽宁省粮食产量灰色预测模型,采用正弦曲线拟合残差序列,对模型的残差进行周期修正,预测精度提高。结果表明：预测“十二五”期间,辽宁省水稻在2013年以后出现小幅度下降,而单产绝对值仍处于...     

气候变暖对水稻生育期影响的情景分析

温度是影响作物发育速度的基本因子之一，温度的高低决定生育期的长短。利用全国水稻生态试验资料，分析了不同气候带的水稻生育期与温度的关系。结果指出，水稻生育期平均气温升高1℃，生育期日数平均缩短7.6日。温室效应使气温升高1～4℃，将导致我国各地水稻的一季稻和早稻生育期缩短；东部地区目前的生育期等日期线北移；东北地区北移1～5个纬度；黄淮地区北移3～6个纬度。通过调整种植季节，选用合适的水稻生态类型，以水调温措施，可以减少生育期缩短的日数。     

基于GIS的巴西陆稻IAPAR-9种植气候区划研究

根据巴西陆稻IAPAR-9生长发育对气候条件的要求, 结合其在广西的多年引种试验结果, 分析确定了影响广西种植巴西陆稻的关键气候因子和气候区划指标, 采用GIS技术对区划指标进行小网格推算, 得出广西不同地理背景下1 km×1 km网格点上的有关气候要素值, 通过GIS的空间分析和多层复合方法, 对广西种植巴西陆稻进行气候区划, 并对区划结果评述和建议, 为广西发展巴西陆稻生产进行合理布局提供科学依据。