猪高热病的鉴别诊断与防治探索

在农村地区的猪类畜牧养殖过程中,猪高热病相对常见。其相关的诊断鉴别及预防治疗均相对重要。本文首先简单分析了猪高热病的发病原因,其次详细叙述了猪高热病的鉴别诊断,最后列举了数项猪高热病的防治策略,从而为关注这一话题的人们提供参考。     

微型植物工厂LED多光谱补光系统的设计与应用

不同的光谱、光强和光照周期对植物的影响不同。为了深入研究植物与光照的关系,设计一种微型植物工厂LED多光谱补光系统的可控光源。基于嵌入式系统,对微型植物工厂所需补光进行分析,通过控制不同波长的LED产生不同光强,使其接近所需光谱。该补光系统可从365～940 nm的25种不同波段的光谱自由选择,实现大功率LED光谱自由拟合、光照强度连续可调、光照周期自由设定的功能,同时可根据不同植物种类的适宜光环境需求进行"量身定做",进而实现精确补光。该系统成本低、效率高、精确性高、针对性强,更利于对光与植物关系的研究。     

小麦基部化控试验报告

以宁麦13为材料，分析了喷施不同配方的矮壮丰与多效唑对小麦化学调控和产量影响。结果表明，矮壮丰和多效唑均能控制小麦株高，其中多效唑40g/667m2（返青期）+多效唑40g/667m2（拔节初期）以及多效唑40g/667m2（返青期）+矮壮丰60ml/667m2（拔节初期）两种处理的控高效果更好，两者均降低了茎基部节间的长度，其中第三、四节间较对照均达到显著水平。与对照相比，各处理的小麦产量均略有降低，分别减少了1.36%~5.56%。其中多效唑40g/667m2（返青期）+矮壮丰60ml/667m2（拔节初期）减产效果表现最不明显，表明该配方对小麦稳产抗倒效果最好。     

高厢垄作种植方法对油橄榄生长的影响

以4个油橄榄品种佛奥、豆果、鄂植和科拉蒂为参试品种,比较了高厢垄作与未高厢垄作种植方法对油橄榄根系、树高、冠幅、灌溉频率及产量的影响。结果表明,利用高厢垄作种植方法,根系数量增加了2.5倍以上;树高、冠幅和单株产量均增加了50%以上,且随着树龄增加,单株产量增幅越大;在冬春干旱季节期间的灌溉次数减少2倍以上,而单株产量却增加50%以上。因此,高厢垄作种植方法适合在夏季多雨、冬春季少雨、土层较浅的区域推广应用。     

小麦冠层光谱获取及信息分析综述

高光谱技术可以快速、准确监测作物的生长信息,小麦冠层光谱与其叶片的叶绿素等生长信息密切相关,同时利用光谱信息可以监测作物的产量、籽粒信息等。介绍了高光谱数据的3种采集方式,综述了利用高光谱数据监测小麦的生长状况(叶绿素、叶面积指数、叶片氮素含量)以及小麦产量、籽粒及病害等相关应用领域研究,并提出了作物冠层光谱分析存在的问题以及下一步发展方向。     

预处理对土壤有机质光谱估算的影响

为实现土壤有机质(SOM)含量的实时、动态监测,以晋南麦区169个土壤样本为研究对象,通过测定其SOM含量与高光谱,采用多种常规预处理光谱相结合的方法,分析预处理光谱与SOM含量间的相关性,并选择光谱特征波长,构建基于光谱波长的SOM含量监测模型。结果表明,SOM含量与光谱反射率成反比;通过不同预处理方法与SOM含量相关性分析,筛选出最佳特征波长为580、567、571、560、535、672、673、674、678 nm,MSC+1st耦合多元逐步回归(MLR)构建的模型R~2为0.74,RPD为1.52,模型精度最高,误差最小,更利于实现SOM含量的光谱监测。经比较分析,多种预处理方法相结合较单一预处理方法更有利于建立估测模型。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

基于高光谱数据的互花米草营养成分反演

  目的  粗蛋白、粗纤维和粗脂肪含量是决定草本质量的指标之一，研究以江苏大丰麋鹿国家级自然保护区（核心三区）内的互花米草为对象，结合高光谱数据和实测数据，找到光谱数据与互花米草营养成分的关系，建立相应的营养成分估测模型。  方法  在2018年3、5、7和10月，利用ASD Field Spec Pro FR2500高光谱仪采集互花米草叶片的光谱数据，同时采集互花米草叶片，测定其粗蛋白、粗纤维和粗脂肪含量，对原始反射率及其一阶导数和互花米草粗蛋白、粗纤维和粗脂肪含量实测值之间进行相关性分析，在350 ~ 1 364 nm和1 411 ~ 1 799 nm的范围内选取与互花米草各营养成分含量的相关系数绝对值大于0.7的波段，同时构建选定的8个植被指数，进行建模分析，筛选出最优模型。  结果  粗蛋白的估测模型以673 nm和1 740 nm处的光谱一阶反射率的多元线性估测最优（R2 = 0.917，RMSEP = 1.344）；粗纤维的估测模型以1 738 nm处的光谱一阶反射率的线性估测最优（R2为0.741，RMSEP为1.708）；粗脂肪含量的估测模型以1 734 nm和880 nm处的光谱一阶反射率的多元线性估测最优（R2 = 0.737，RMSEP = 0.343）。  结论  在构建的估测模型中，粗蛋白和粗纤维的估测模型对互花米草粗蛋白和粗纤维含量的估测结果极好，粗脂肪含量的估测模型可以对互花米草粗脂肪含量做出很好的预测。研究结果为评估互花米草营养质量提供参考和技术依据。