日光温室几何参数与室内温度环境的关系

利用日光温室温度环境动态模拟程序（ＴＥＭＰ）对沈阳地区具有不同几何参数的日光温室的室内温度环境进行了逐时模拟，并以室内温度为指标，初步揭示了各种几何参数与日光温室的室内温度环境的关系，为日光温室的建设提供他依据。     

日光温室温度环境动态模拟 Ⅰ．数学模型的建立与程序验证

应用非稳态传热理论的反应系数法建立了日光温室热平衡数学模型，编制了温度环境动态模拟计算程序ＴＥＭＰ，以理论和实验两种方法验证了数学模型与程序的准确性，利用该程序可对日光温室内气温、各内表面温度进行模拟和预测，也可以温度为评价指标，对日光温室的几何特征、围护结构的构造进行优化选择，解决日光温室的合理化设计问题．     

气候变化对阿尔山市湿地的影响分析

利用阿尔山市1956～2007年平均气温、降水量、气压、风速等气象资料,统计分析了1956～2005年平均气温和年降水量变化情况,重点分析了1971～2007年湿润指数和潜在蒸散量的变化情况,结果表明阿尔山市干旱化有加重的趋势,降水有集中的趋势,阶段性干旱呈加重增多的趋势,从而导致湿地萎缩甚至消失。     

小麦优质高产管理技术

整地上要达到“早、净、深、细、实、平”，力争实现田园化，提高播种质量。     

紫花苜蓿草粉代替猪日粮中鱼粉对育肥猪增重的影响

目前紫花苜蓿的种植面积得到了大面积推广，苜蓿资源丰富，为更好地利用现有的人工草地资源，促进养猪生产的发展，降低养猪成本，提高养猪的经济效益，笔者于2002年在辽宁省朝阳县种猪场进行了紫花苜蓿草粉代替猪日粮中鱼粉对育肥猪增重的对比试验。     

林木组织培养及工厂化育苗中污染的控制技术

控制污染是林木组织培养及工厂化育生产中一个重要的技术环节。利用适当浓度的HgCl2、NaClO进行严格的消毒,能很好地控制因外殖体自身带菌所致的污染;继代培养阶段无菌系已经建立,良好的无菌环境和严格的操作是控制污染的最佳途径;利用适当的药剂处理及无糖技术可对细菌、真菌的污染进行控制。     

畜菜互补生态系统综合研究(Ⅱ)——CO2分布状况及传输系统试验分析

通过试验测试揭示了自然扩散状态下的畜菜互补生态系统内温室中CO₂分布不均,存在着较大的浓度梯度以及畜菜配比不当等问题。设计并试验测试了塑料风管传输装置及兼有CO₂传输功能的地下热交换系统,两者对改善系统内的CO₂分布,提高蔬菜产量起到了明显作用。     

玉米饲料的特点和在饲喂中应注意的问题

玉米是应用最广泛的饲料，有黄色和白色两种，但营养成分略有差别，黄色玉米比白色玉米含有的胡萝卜素多。     

基于遥感和AquaCrop作物模型的多同化算法比较

为了研究不同数据同化方法在AquaCrop(FAO Crop model to simulate yield response to water)模型模拟作物地上生物量(above ground biomass,AGB)、冠层覆盖度(canopy cover,CC)和产量过程的效率,以冬小麦为研究对象,利用2012-2013、2013-2014和2014-2015年冬小麦田间试验数据,将标定的Aqua Crop生长模型与遥感光谱信息相结合开展同化技术分析,应用粒子群优化(particle swarm optimization,PSO)、模拟退火(simulated annealing,SA)和复合型混合演化(shuffled complex evolution,SCE-UA)3种数据同化算法,以不同生育期、不同水分处理和不同氮肥水平的AGB和CC为双变量开展多同化算法的模拟分析,对3种数据同化算法的运算效率和同化结果进行对比分析。结果表明:1)3种数据同化算法达到的应度值0.26时,SCE-UA同化算法用时最少(833 s),SA数据同化算法用时最多(1433 s),表明SCE-UA同化算法效率最优,SA数据同化算法效率最低;2)不同生育期的同化结果,AGB的同化精度随着生育期的推进而降低,AGB的模拟值在拔节期和挑旗期高于实测值,被高估,在开花期和灌浆期被低估,总的AGB被低估;CC在拔节期和挑旗期被低估,在开花期和灌浆期被高估,总的CC被低估;3)不同水分处理的同化结果,AGB普遍被低估,CC在雨养(W0)条件下被高估,在正常灌溉(W1)和过量灌溉(W2)条件下被低估;产量均被低估;4)不同氮肥水平,AGB的模拟精度随着施N量的增加而降低,并且普遍被低估,CC普遍被高估,产量均被低估。以上结果表明,PSO、SA和SCE-UA 3种数据同化算法均能有效模拟冬小麦的AGB、CC和产量,其中SCE-UA数据同化算法无论在运算效率还是同化结果的精度上均优于PSO和SA数据同化算法。     

基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测

籽粒蛋白含量(grain protein content,GPC)是衡量小麦品质的重要指标,及时准确的预测小麦GPC有利于小麦的分类收割和分级存储。为了能够选择一个合适的氮素营养指标作为中间变量来反演小麦GPC,该文研究分别以开花期植株氮素累积量(plant nitrogen accumulation,PNA)、植株氮素含量(plant nitrogen content,PNC)、叶片氮素累积量(leaf nitrogen accumulation,LNA)和叶片氮素含量(leaf nitrogen content,LNC)4个氮素营养指标为中间变量,并运用支持向量机(support vector machines,SVM)算法实现4个氮素营养指标的估测,最后构建及评价基于开花期"植被指数(vegetation index,VI)-氮素营养指标(nitrogen nutrition index,NNI)-GPC"模式的冬小麦GPC预测模型。结果表明:1)通过分析植被指数与氮素营养指标的相关性,选择植被指数MSAVI、PSRI、DVI、RDVI和GNDVI作为氮素营养指标模型的构建变量;2)运用SVM方法构建的VI-NNI模型中LNC的建模精度与验证精度相对最优,其建模决定系数(coefficient of determination,R~2)和验证集标准均方根误差(normalized root mean squared error,n RMSE)及验证标准化平均误差(normalized average error,NAE)分别为0.820、9.553%、-1.4%,验证结果稳定性较好;3)构建NNI-GPC模型中PNC的建模精度与验证精度相对最好,其建模R~2和验证n RMSE及NAE分别为0.653、9.843%、-0.3%;4)最终构建的VI-NNI-GPC模型中,以开花期PNC为中间变量的模型建模及反演精度最好,其建模R~2和验证n RMSE及NAE分别为0.631、8.564%、-0.9%。以氮素营养指标为中间变量的GPC遥感反演是可行的,并且比较4个氮素营养指标为中间变量反演GPC,PNC具有较高精度的预测结果,为精确反演GPC提供一个可靠的依据,具有一定的应用前景。