排序方式: 共有49条查询结果,搜索用时 78 毫秒
31.
基于灾损的安徽冬小麦干旱灾害风险评估 总被引:2,自引:1,他引:1
为了解干旱对冬小麦生长发育及产量形成产生的重要的影响,基于作物水分亏缺指数(CWDIa)、累积湿润度指数(Ma)、综合气象干旱指数(CI)以及降水距平百分率(Pa)开展对比分析及在安徽省冬麦区适应性研究,最终选取CWDIa作为干旱致灾危险性最优指标。根据冬小麦期望减产率划分干旱危险性强度等级,计算超越致灾临界值频次,结合承灾体脆弱度及暴露度构建风险评估模型,开展冬小麦干旱风险评估研究。结果表明:受地理位置、承灾体脆弱性等因素影响,不同干旱风险等级频率空间差异明显,总体上冬麦区中北部干旱高风险频率较高,而南部高风险频率较低。1999/2000年典型年干旱风险也呈北高南低分布,减产率分布与干旱风险基本一致。由此可见,所构建的干旱风险指标及评估模型适用于安徽省冬小麦干旱风险评估,研究结果对于提升区域灾害风险管理和决策水平提供参考,以减轻干旱灾害造成的损失。 相似文献
32.
基于土壤参数的冬小麦产量预测模型 总被引:2,自引:0,他引:2
为了实现冬小麦的精细田间管理,研究了基于土壤参数的冬小麦产量预测模型。采用灰色理论对冬小麦土壤电导率 EC值,全氮含量,K+、NO3-以及土壤pH值等因子进行灰色关联度分析,结果表明土壤EC值与土壤全氮含量,K+以及土壤 pH 值的灰色关联度较高。在分析不同生长时期土壤 EC 值,全氮含量,K+、NO3-以及土壤pH值和产量间的相关系数的基础上,采用土壤EC值,全氮含量以及K+作为模型的输入,产量作为输出,建立了冬小麦产量预测BP神经网络(BPNN)模型;采用土壤EC值,全氮含量,K+,灰色关联度作为输入,建立了小麦产量的模糊最小二乘支持向量机(FLSSVM)预测模型。建模结果表明,BPNN 模型的预测决定系数达0.8237,验证决定系数达0.7367;FLSSVM模型的预测决定系数达0.8625,验证决定系数达0.8003。BP神经网络以及FLSSVM预测模型的精度都较高,可以用来评估作物产量,为精细农业变量处方管理提供理论与技术支持。 相似文献
33.
温室黄瓜叶片近红外图像消噪算法与含氮量快速检测 总被引:2,自引:0,他引:2
在温室基质栽培条件下,研究了温室黄瓜叶片近红外图像的消噪算法以及叶片氮素含量非线性预测.用普通CCD相机加滤光片采集不同生长时期水果型小黄瓜Deitastar的叶片图像,利用小波变换对黄瓜近红外图像进行小波消噪处理,再采用基于邓氏关联度的图像边缘检测法对图像进行分割,得到信噪比较好的目标图像,之后通过计算灰度值得到黄瓜叶片的植被指数.对获得的各种植被指数与黄瓜叶片氮含量之间进行相关分析后得到CNDVI与氮素含量相关系数最高达0.67,同时GNDVI、NDGI、NDVI与氮素相关性显著且相关系数均高于0.50.采用最小二乘支持向量机算法(LS-SVM)对植被指数同黄瓜叶片含氮量进行拟合,拟合模型的决定系数R2为0.825,验证R2为0.728,达到了较为理想的预测精度. 相似文献
34.
基于图像处理和SVR的土壤容重与土壤孔隙度预测 总被引:5,自引:5,他引:0
土壤容重和土壤孔隙度是衡量土壤结构的重要参数。传统的土壤容重、土壤孔隙度获取方法费时费力,且大多数预测模型的输入变量获取难度较高。该研究利用土壤粗糙度、土壤阻力与土壤容重的相关关系,以土壤表面图像的颜色参数和纹理参数表征土壤粗糙度,同使用车载式土壤阻力测量系统获得的土壤阻力一起,从信息融合的角度构建了支持向量机回归(Support Vector Regression,SVR)土壤容重预测模型和SVR土壤孔隙度预测模型。图像处理使用HSV颜色空间进行阈值分割,得到HSV颜色参数,纹理参数使用灰度共生矩阵的能量、熵、对比度和逆方差。使用主成分分析对颜色参数和纹理参数进行主成分提取。将SVR模型的预测结果同环刀法测得的标准值进行相关性分析,决定系数R2达到了0.867。土壤孔隙度SVR预测模型决定系数R2达到了0.743。在相同的运行环境下,将SVR模型与决策树回归模型结果做了对比,决策树回归对土壤容重和土壤孔隙度的预测精度R2分别为0.734和0.690,验证得到SVR预测模型具有更好的预测精度。研究可为节省试验成本,以及快速、有效预测土壤容重和土壤孔隙度提供方法和参考。 相似文献
35.
36.
为针对未来气候变化及其对农业可能的影响,提出适应性对策建议,应用第5次耦合模式比较计划(CMIP5)中5个GCMs和3种RCPs在全球1.5和2.0℃升温下的预估结果,分析安徽省未来气候变化特征,利用气象干旱综合指数(MCI)预估未来气象干旱时空格局演变,并量化评估的不确定性。结果表明:未来安徽省呈现趋于暖湿的变化特征,在全球相对于工业化前1.5和2.0℃升温背景下,预估全省年平均温度较工业化前分别升高1.8和2.3℃,升温幅度均高于全球平均;年降水量略有增加,年高温日数增多,而暴雨日数在全球1.5℃升温下增加而2.0℃升温期减少。未来安徽省气象干旱化趋势将持续并加重,其中干季更明显,并且全球2.0℃升温下增加更多,干旱日数的变幅与降水类似。未来气候变化不会改变月干旱分布特征,气象干旱频次以秋旱最多,夏旱次之,冬、春旱较少。未来降水量和气象干旱预估都存在较大的不确定性,在全球2.0℃升温下不确定性更大,不确定性主要来源于GCMs。为适应或缓解气候变化的不利影响,应通过调整农业布局、加强农业基础设施建设、选育新品种等方式以抵御气候变化的能力。 相似文献
37.
基于数字示波器的车载式土壤电导率检测系统研究 总被引:1,自引:0,他引:1
在电流-电压四端法原理基础上,采用信号发生器替代恒流源作为激励源来提供振幅更大、稳定性更高的正弦信号,以数字示波器替代电压源进行反馈信号检测从而解决电压有效值转换和AD转换频率较慢的问题,改进设计开发了一款基于数字示波器的土壤电导率检测系统。农田现场车载式测量实验分为稳定性检测和定点测量两部分。稳定性实验测试下该检测系统能够稳定读取相关数据。农田定点测量实验结合土壤样本采集和实验室实验,得出每个定点测量点土壤电导率测量值和土壤电导率实验室真值(R2=0.7531)。根据实验中拖拉机牵引犁盘抖动导致电极与待测土壤之间形成的两种测量接触面的情况,分析并消除了实验中拖拉机抖动现象对数据结果的影响后,土壤电导率实测数据与实验数据之间的决定系数R2提高到0.8552~0.9066,表明设备能够在排除测量方式等外界因素影响下,测量精度达到较高水平。实验数据对比结果显示,基于数字示波器的车载式土壤电导率仪能够在农田现场进行稳定测量,并且具有较好的性能和准确度。 相似文献
38.
目前土壤采样信息大多依赖于实验人员手动纸质记录。为了更好地记录和处理土壤信息,提出了一种适用于现代化农业的土壤采样信息记录方法,利用Android系统结合服务器和数据库架构实现基于Android的土壤采样信息自动记录系统。整个系统设计包括系统架构设计和软件功能设计。在服务器上使用JSP和MySQL数据库管理系统(Database management system,DBMS)作服务器端,搭建云服务器及农田信息管理数据库。服务器端设计包括在WEB工程中引入JDBC驱动,使服务器直接连接数据库,实现WEB服务器与MySQL数据库的交互。Android客户端设计包括在Material Design设计规范下完成土壤自动采样记录系统Android客户端界面,以及利用JSON数据解析实现对云服务器下MySQL数据库信息的访问和操作。最后对系统软件进行有效性和健壮性测试。试验表明,该系统能有效地显示采样土壤位置的空气温度、湿度、经纬度以及土壤氮素含量等土壤采样信息,并能进行正确的地图位置显示,证明了Android系统在土壤采样记录方面的有效性以及构建系统的可行性。 相似文献
39.
基于图像处理和GBRT模型的表土层土壤容重预测 总被引:3,自引:0,他引:3
针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.878 2,平均绝对误差达到0.021 g/cm3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。 相似文献
40.
为研究精料维生素A(VA)添加水平对生茸期马鹿日粮营养物质消化、血液生化指标及鹿茸产量的影响,以阿尔泰马鹿为研究对象,选择健康、体重相近的5~7岁龄公鹿18头,随机分为3组,分别为试验Ⅰ、Ⅱ和Ⅲ组,每组6头。试验Ⅰ、Ⅱ、Ⅲ组分别饲喂VA添加水平为12 800、18 800和24 800 IU/kg的精料,粗饲料由苜蓿干草和麦秸组成,自由采食。预试期15 d,正试期66 d。结果表明:①试验Ⅰ组干物质(DM)、有机物(OM)、钙(Ca)、磷(P)的采食量极显著高于试验Ⅱ组(P<0.01),且粗蛋白质(CP)、粗脂肪(EE)采食量显著高于试验Ⅱ组(P<0.05)。试验Ⅲ组粗蛋白质、磷采食量显著高于试验Ⅱ组(P<0.05)。②试验Ⅰ组磷消化率显著高于试验Ⅱ组和试验Ⅲ组(P<0.05),其余营养物质消化率各组间无显著差异(P>0.05)。③精料VA添加水平对阿尔泰马鹿的蛋白质代谢和糖脂代谢没有产生显著影响(P>0.05)。但血液总蛋白(TP)、血糖(GLU)随着VA添加水平的升高有升高的趋势,而总胆固醇(TC)、尿素氮(UREA)等则有下降的趋势。④血液谷草转氨酶(AST)、谷丙转氨酶(ALT)和碱性磷酸酶(ALP)活性随着VA水平的升高而降低,其中试验Ⅱ和Ⅲ组的碱性磷酸酶活性显著低于试验Ⅰ组(P<0.05)。⑤血液免疫球蛋白含量随着VA添加水平的升高而升高,其中试验Ⅲ组的免疫球蛋白G(IgG)含量极显著高于试验Ⅰ和Ⅱ组(P<0.01)。⑥试验Ⅲ组的丙二醛(MDA)含量显著低于试验Ⅰ组(P<0.05)、谷胱甘肽-过氧化物酶(GSH-PX)活性极显著高于试验Ⅰ组(P<0.01)。超氧化物歧化酶(SOD)活性和总抗氧化能力(T-AOC)随着VA添加水平升高呈极显著升高变化(P<0.01)。⑦试验Ⅱ和Ⅲ组血液生长激素(GH)含量极显著高于试验Ⅰ组(P<0.01),试验Ⅲ组的胰岛素样生长因子-1(IGF-1)和VA含量极显著高于试验Ⅰ组(P<0.01),血液雌二醇(E2)含量随着饲喂精料VA水平的升高而升高(P<0.01)。血液睾酮(T)和25-羟基维生素D3(25-OH-VD3)含量有随VA水平升高而升高的趋势(P>0.05)。⑧各组之间鹿茸产量无显著性差异(P>0.05),其中试验Ⅰ组最高,试验Ⅲ组产茸量最低。综上,在本试验条件下,精料VA添加水平为12 800 IU/kg时阿尔泰马鹿有较高的采食量和鹿茸产量,精料VA添加水平为24 800 IU/kg时阿尔泰马鹿有较强的免疫和抗氧化功能。综合生产效益,推荐马鹿精料VA添加水平为12 800 IU/kg。 相似文献