土壤中农药行为的计算机模拟研究进展

本文综述了农药在土壤中行为的计算机模拟模型研究和应用现状发展历史及未来的发展趋势，对现有的模型及应用情况进行了初步的分类。     

里千家在中日茶文化交流中的作用

日本里千家是日本茶道的代表流派之一,在过去四十年中,里千家代表团访问中国100多次,在许多高校捐资兴建里千家茶道室。在祖国各地传播日本茶道文化,宣传"一碗茶里出和平的"理念,为中日茶文化交流作出了杰出贡献,千玄宗大宗匠因此荣获中国政府"文化化交流贡献奖"。在文中主要就对里千家在中日茶文化交流中的作用进行分析。     

太平猴魁起源新说

本文主要在总结分析目前关于太平猴魁起源说法基础上,通过进一步的梳理考证,走访,提出一种新的起源说,即太平猴魁可能起源更早,约在1870年.同时认为郑心周不是最早的发明人,而是当时猴坑地区的地主兼茶商叶任庵.     

保留指数在茶叶挥发物鉴定中的应用及保留指数库的建立

采用气相色谱/质谱联用（GC-MS）技术,分别应用正构烷烃（n-alkanes）混标和分析物中的正构烷烃对茶叶保留指数（RI）进行了测定,得到的保留时间相对碳数的线性相关系数（R²）均超过了0.99,证实了两种保留指数测定方法的可靠性。在谱库检索的基础上结合保留指数法,龙井茶香气成分的鉴定率从46.67%提高到74.67%,大多数物质可得到完全鉴定。同时,保留指数能对质谱匹配过程中存在的同分异构体进行有效的鉴定,提高物质定性的准确性,使物质鉴定效率大大提高。归纳相关文献数据,构建了HP-innowax色谱柱的保留指数库,提高了利用HP-innowax色谱柱进行挥发物分析的效率。     

水稻土FDA水解酶活性的测定方法及应用

在土壤质量指标研究中,许多研究人员认为荧光素二乙酸酯(Fluorescein d iacetate,又称3′6′-二乙酰-荧光素,FDA)水解反应能较好地反映土壤微生物活性和土壤质量的变化[1~3],将其作为土壤生物学指标之一[4]。FDA的水解反应最早于1963年由Kramer和Guibault用来测定脂肪酶的活性[5],直至1980年FDA的水解反应才被用来检测微生物活性[1]。Swisher和Carroll报告[1]FDA水解生成荧光素的量与冷杉叶上生长的微生物群体数量成正比;他们同时提出了测定土壤FDA水解酶活性的基本方法。Schnürer和Rosswall[2]利用这一反应测定了土壤     

浙江省生态茶园创建实践与展望

生态茶园工程是浙江省实现茶产业高水平绿色发展的一项重要举措.文章就工程3年来创建情况、主要做法、创建成效和存在问题进行分析,并提出深化技术研究、推进增点扩面、开启智慧茶园研究应用等建议.     

龙井43在浙江省的推广及效益分析

本文主要讨论了最近六年来茶树良种龙井43在浙江省的推广情况,及各地区龙井43的推广不均衡性;同时分析了龙井43在几个重点产茶县的经济效率,表明龙井43相比常规品种有明显的经济优势。     

有色稻与常规稻富硒能力比较及其机理初探

利用根袋盆栽试验,初步比较了有色稻(龙晴四号和黑米120)和常规稻(秀水 48 和S.Andrea)苗期富Se能力的差异,并分析了富Se能力与根际特征的相关性.结果表明,植株富Se能力与稻种颜色无直接关系,而与茎叶Se转运能力关系更为密切.无论土壤施Se与否,富Se品种均表现出较强的茎叶Se转运能力,但与有色稻相比常规品种显示出较高的Se肥效应.富Se品种在植株N、P养分的吸收利用上同样表现出强的能力,其累积顺序与Se累积顺序一致:秀水48＞龙晴四号＞黑米120＞S.Andrea;相关分析表明,4个水稻品种茎叶Se含量与茎叶N、P含量及根际速效P亏缺率显著相关,而与根际K和pH值无关.无论有色稻还是常规稻,较高的茎叶Se转运能力可能是其富Se原因之一.     

利用15N自然丰度法鉴别有机茶的可行性分析

由于缺少相应的检测技术,市场上常有用无公害农产品充当有机农产品销售的情况发生.有机茶在我国是最大的有机认证产品,同样面临这一问题,导致有机茶无法实现现质优价.根据δ15N在土壤、肥料及植物领域的最新研究结果及平衡原理,结合有机茶生产肥料使用要求,本文提出了一种鉴别有机茶是否施用过化肥的最新方法--δ15N分析法,并对其...     

基于ResNet卷积神经网络的绿茶种类识别模型构建

绿茶是我国种类最多、产量最大的茶类,外形是其分类的重要依据。图像分类是计算机视觉的核心技术之一,但其在茶叶领域的应用较少,茶类识别仍依赖感官审评方法。采集8种常见绿茶（丽水香茶、信阳毛尖、六安瓜片、太平猴魁、安吉白茶、碧螺春、竹叶青和龙井）共1 713张图片,基于ResNet卷积神经网络,从识别模型的预测能力、收敛速度、模型大小和识别均衡性等角度探索了不同网络深度和不同优化算法的建模效果,最终选择ResNet-18结构、SGD优化算法,建立了区分8种绿茶的深度学习模型,其对复杂背景茶叶图片的识别准确率达到了90.99%,单张图片识别时间仅为0.098 s,模型大小为43.7 MB。本研究为构建茶叶视觉识别模型并应用于移动端提供了基础,为茶叶种类识别提供了一种快捷而高效的新方法。