排序方式: 共有59条查询结果,搜索用时 0 毫秒
51.
52.
氮肥和密度对精量穴直播水稻的影响Ⅱ——生理特性 总被引:1,自引:0,他引:1
采用大田随机区组设计,研究了不同的施氮水平和不同的栽培密度水平对精量穴直播晚稻培杂泰丰某些生理特性的影响,探讨精量穴直播水稻产量形成的生理特性,为精量穴直播水稻生产推广提供理论依据。结果表明:增加施氮量能够显著提高叶绿素含量,提高光合速率,提高植株吸氮量。最佳的施氮(纯氮)水平12.5 kg/666.7m(2N2)下,其齐穗期和齐穗后15天叶片中的超氧化物歧化酶(SOD)活性显著高于其他处理;齐穗后15天叶片中的过氧化物酶(POD)活性显著高于其他处理,齐穗后15天叶片中的丙二醛(MDA)含量显著小于其他处理。最佳的密度水平(14 cm×25 cm)(D2)下,其齐穗期,齐穗后15天和成熟期的POD活性显著高于其他处理;齐穗后15天和成熟期叶片中的MDA含量显著低于其他处理。最佳的氮肥(纯氮)和密度组合(12.5 kg/666.7m2)+(14 cm×25 cm)(N2D2),其齐穗期和齐穗后15天叶片中的SOD活性显著高于其他处理;齐穗期,齐穗后15天和成熟期叶片中的POD活性显著高于其他处理;齐穗期和成熟期的MDA含量显著低于其他处理。 相似文献
53.
54.
【目的】旨在检验便携式蜜柚光谱仪(PPS)监测金沙柚叶片氮含量(LNC)的准确性,构建基于PPS的金沙柚LNC光谱监测模型。【方法】通过实施不同施氮量的试验,于幼果期和果实膨大期利用便携式蜜柚光谱仪(PPS)、ASD高光谱仪和RapidSCAN光谱仪测定冠层光谱反射率,计算得到归一化红边指数(NDRE)与归一化植被指数(NDVI),分析比较3种光谱仪测定的冠层植被指数变化规律与相关性,检验PPS的测定精度,构建基于PPS的金沙柚LNC光谱监测模型,采用不同试验点的数据检验模型。【结果】金沙柚LNC、NDVI和NDRE随着施氮量的增加表现为递增趋势;PPS和ASD测定的NDVI、NDRE间拟合的决定系数(R2)依次为0.909 5和0.900 5,PPS和RapidSCAN测定的NDVI、NDRE间拟合的R2依次为0.954 3和0.900 2,证明PPS的测定结果与ASD、Rapid SCAN具有很高的一致性。幼果期和果实膨大期的光谱监测模型的监测效果比生长中期好;PPS测定的NDVIPPS与NDREPPS 相似文献
55.
选用有代表性的两个香稻品种培杂软香(杂交稻)和桂香占(常规稻),通过田间试验,研究了6个不同的生物农药和化学农药的混配组合对香稻稻纵卷叶螟、三化螟、二化螟和纹枯病的防治效果。结果表明:印楝素乳油+苏云金杆菌(Bt)+井冈霉素+杀虫双混配组合对两个香稻的病虫害防治效果较佳,对四种病虫害的的防治率都在94%以上,且香稻产量较高。印楝素乳油+苏云金杆菌(Bt)+鱼藤酮乳油+井冈霉素混配组合对培杂软香病虫害的防治效果显著,对四种病虫害的防治率高达94%;印楝素乳油+苏云金杆菌(Bt)+井冈霉素混配组合对桂香占病虫害的防治和增产效果明显,对卷叶螟的防治率为93%-96%,对其他三种病虫害的防治率高达98%。因此,在适当比例情况下,生物农药和化学农药配施防治香稻病虫害效果较好,且具有一定的保产效果。 相似文献
56.
为推动光谱遥感在快速无损监测花生生长中的应用,明确监测花生叶面积指数(leaf area index,LAI)和地上部生物量(aboveground biomass,AGB)的最优植被指数及适宜的核心波段带宽。设置2个花生品种、4个施氮水平的花生田间试验,在不同生育时期(苗期、开花下针期、结荚期、成熟期)用Analytical Spectral Devices(ASD)公司生产的FieldSpec HandHeld 2型野外高光谱辐射仪,采集325~1075 nm范围冠层反射光谱,筛选敏感植被指数,并研究核心波段带宽对其监测叶面积指数(LAI)和地上部生物量(AGB)时精度的影响。结果显示,对花生LAI和AGB敏感的植被指数均为归一化红边指数(normalized difference red edge),即NDRE(λ790, λ720)。进一步分析这一指数的监测精度随波段带宽的变化,发现监测LAI时,核心波段带宽(bandwidth,b)在(λ790:1~33 nm,λ720:41~59 nm)范围内时能使NDRE(λ790, λ720)保持较高监测精度,其中带宽组合(λ790:33 nm,λ720:53 nm)的带宽和值最大,对核心波段带宽的要求最低,利用其构建监测模型时决定系数(determination coefficient,R2)为0.7482,利用独立试验数据检验模型时相对均方根误差(relative root mean square difference,RRMSE)为13.88%。监测花生AGB时,核心波段带宽在(λ790:1~101 nm,λ720:19~101 nm)范围内时能使NDRE(λ790, λ720)保持较高的监测精度,其中带宽和值最大的核心波段带宽组合为(λ790:89 nm,λ720:89 nm),其建模R2为0.7103,检验RRMSE为20.42%。综上,在花生整个生长进程中,可用上述两个具有不同核心波段带宽的植被指数NDRE(λ790-b33, λ720-b53)和NDRE(λ790-b89, λ720-b89)分别对LAI和AGB进行监测,监测模型为LAI = 0.0296 × exp(14.365×NDRE)和AGB = 0.6240 × exp(20.222×NDRE)。在核心波段适宜带宽上的研究结果,可以为花生长势光谱监测设备研发及评估提供参考。 相似文献
57.
58.
为了研究不同行距插秧机对双季稻产量的影响及配套农艺技术,以11个早晚稻品种为材料,设置8寸和9寸两个机插行距,系统测定不同处理的机插质量和产量。结果表明:8寸插秧机的机插质量高,作业性能稳定;8寸插秧机较9寸插秧机,早稻增产347.30 kg/hm2,增产率达5.49%,晚稻增产579.54 kg/hm2,增产率达9.12%。基于试验支持研究和已有相关研究成果,制定了适应8寸插秧机的配套农艺技术。 相似文献
59.
基于植被指数选择算法和决策树的生态系统识别 总被引:1,自引:0,他引:1
植被指数是对绿色植被的特定表达,在不同环境下的效果不同。植被指数的选择需要结合研究区域的环境特征。本研究将植被指数间的相关系数集成到基于马氏距离的植被指数选择算法中,根据所选样本确定最适宜的植被指数,构建决策树模型,以江西省永丰县为例,开展区域生态系统类型的识别研究。该方法首先确定提取对象,明确对象类别与对象间的隶属关系,然后逐层逐项地提取湿地、森林、草地、农田等生态系统信息。结果表明,所提出的植被指数选择算法具有较好的适用性;生态系统识别的总体精度达89. 11%,构建的决策树模型的分类精度高于传统方法,可为区域生态系统信息提取和生态系统管理提供研究方法。 相似文献