凤桥镇水蜜桃产业发展现状及展望

浙江省嘉兴市南湖区凤桥镇非常适合水蜜桃生长,产出的水蜜桃果品质量良好,深受消费者的喜爱。近年来,水蜜桃产业已成为凤桥镇发展农村经济、增加农民收入、实施乡村振兴战略的重要支柱。基于此,介绍了凤桥镇水蜜桃产业发展现状,剖析了目前产业存在的问题,从优化品种结构、建立标准化产业模式、提升农户组织化程度、提高凤桥镇水蜜桃品牌美誉度、发掘以桃为主体的文化创意产业等几个方面着手,提出了相应的发展战略和对策建议,以期为凤桥镇水蜜桃产业的可持续发展提供参考。     

LED红蓝组合光谱对水培奶油小白菜生长及品质的影响

在设施水培条件下,以黄金四季奶油小白菜为试验材料,LED灯为人工光源,自然光为对照,研究不同光谱LED植物光灯的红蓝光波段组合对黄金四季奶油小白菜生长参数的影响,为植物工厂水培小白菜提供人工补光数据支撑。试验设定为蓝光(455nm)相对光谱固定不变,红光相对光谱分别为T1(7.53%)、T2(15.40%)、T3(30.28%)条件下的生长速度及品质。结果表明,红光相对光谱为30.28%时试验组小白菜的菜叶长度、株高、蛋白质以及叶绿素含量均显著高于其他处理,30.28%的红光相对光谱可作为水培小白菜的适宜光配合。     

不同糖醋酒液配方对蓝莓园果蝇诱杀效果分析

为了探索防治蓝莓园内果蝇危害的方法,在澄江县森海蓝莓种植基地内,采用不同糖醋酒液配方开展田间试验。结果表明,按重量糖∶醋∶酒∶水=4∶3∶3∶10配比,加少量敌百虫对果蝇诱杀效果最佳。     

汽车保养维修及管理工作分析

随着我国人民对汽车的需求量逐渐增加,出行安全也越来越受到重视,为满足人们的需求汽车的种类也在增多,而日常的保养工作成为重中之重,但是目前生活中的汽车保养维修及管理还存在机油使用、养护工作以及汽车保养不规范的问题,但是本文根据存在的问题提出规范使用汽车机油、贯彻落实安检工作等针对性的解决措施。     

不同种植密度对烟后苦荞产量及生物性状的影响

通过烟后种植不同密度的苦荞田间试验,探讨不同种植密度对烟后苦荞产量及生物性状的影响。结果表明,不同种植密度对苦荞的生育期影响不明显,对主茎节数、一级分枝、茎粗、千粒重等生物性状影响不显著,株高、单株粒数、单株粒重在不同种植密度下差异均显著,表现出与种植密度呈负相关性。不同种植密度产量差异极显著,种植密度为135万株/hm~2产量最高,达2 366.79 kg/hm~2;其次为150万株/hm~2,达2 133.44 kg/hm~2;种植密度为90万株/hm~2产量最低,仅为1 733.42 kg/hm~2;种植密度由135万株/hm~2增加到150万株/hm~2,产量呈有所降低的趋势。通过试验结果综合分析表明,在玉溪市生态环境条件下,烟后种植苦荞的最佳种植密度控制在135万~150万株/hm~2,烟后苦荞田间生长的综合生物性状较好,同时能获得较高的产量。     

紫圆慈姑在南方地区引种表现及高产栽培技术

紫圆慈姑原产江苏省宝应县,柳江县于2010年引在秋藕田套种,表现出丰产、适应性广、抗逆性强、球大、肉质紧密,略带苦味,品质佳的特点,取得了较好的高产效果。本文研究了紫圆慈姑品种特征、植物学特性等引种表现,总结了育苗、剥叶、肥水管理、病虫害防治、采收等一整套秋藕套种紫圆慈姑高产栽培技术。     

基于CNN的无人机遥感影像质量评价

运用无人机的遥感影像来调查林地状态是一种有效的途径,为了进一步提升遥感图像质量的评价精度,笔者提出了一种基于卷积神经网络(convolutional neural network,CNN)的无人机遥感图像质量评价方法,主要包括图像采集与预处理、数据扩增、模型训练和测试4个阶段。首先对无人机采集到的遥感图像进行主观质量打分,分别获取同一区域不同阶段图像的质量分数;然后运用图像旋转和剪裁等方法对遥感图像进行数据扩增,将扩增后的图片和原始图片融合作为实验数据集;其次在Caffe深度学习框架中构建基于CNN深层特征的回归模型,并训练;最后,根据已建立好的深度回归模型和学习到的参数,预测无人机遥感图像的质量分数。结果表明,提出的方法可以取得较准确的评分效果,在保证客观打分的同时,能基本保持和人眼视觉的感受一致。     

基于深度学习特征和支持向量机的遥感图像分类

随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。     

黔南州核桃优树叶片营养元素和土壤性质相关分析

以黔南州8个县(市)核桃优树叶片与土壤为试材,对土壤性质和叶片营养元素的关系进行相关分析,以期研究土壤性质对叶片营养元素的影响。结果表明:土壤有效钾含量显著影响叶片钙的含量;土壤速效氮含量显著影响叶片钾的含量;土壤交换性钙含量显著影响叶片锰的含量;土壤交换性镁含量显著影响叶片镁的含量;土壤有效磷含量显著影响叶片氮的含量。试验表明核桃优树叶片营养元素的吸收与土壤养分密切相关,土壤养分状况显著影响核桃优树叶片营养元素的供给。