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．     

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。     

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。     

畜菜互补生态系统综合研究(Ⅰ)——CO2动态模拟及畜菜配比选择

现有畜菜互补生,系统畜菜配比差异极大,致使CO₂浓度过高或过低,影响CO₂气体施肥效果。在设有内部CO₂通风传输装置且温室CO₂均匀分布的条件下,建立了系统CO₂质量平衡数学模型,编制并验证了CO₂日变化动态模拟的计算机程序。利用该程序,以家畜给温室提供适宜的CO₂浓度为依据,以番茄与育肥猪为例,对沈阳地区主要CO₂施肥期12月～3月的畜菜配比进行了优化选择,为该生态系统的建设及管理提供了一定的依据。     

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。     

畜禽疫苗的安全管理

为进一步加强疫苗管理,保证疫苗在有效期内的质量,确保免疫效果,最大限度减少损耗,避免污染,保证人畜健康,在疫苗管理方面着重要做好以下5方面工作。1领取首先做好计划,上报中心领导审批,购苗计划要遵循保证需要、适当储备、避免浪费的原则。审批后领取疫苗时应查看疫苗冷藏条件,在规定的冷链要     

作物籽粒蛋白质含量遥感监测预报研究进展

【目的】梳理目前作物资料蛋白质含量遥感监测预报研究进展,掌握最新该方面的研究方法、技术等。为发展优质专用谷物并依据以蛋白质含量为主导的不同类型谷物分类收获和加工探明发展道路。【方法】通过收集国内外籽粒蛋白质含量遥感监测预测研究文献,整理、分析及归纳当前研究内容,综述前人研究等方法。【结果】概述了3种常规的作物籽粒蛋白质含量检测方法,包括常规的室内分析化学法、近红外分析方法及遥感技术预测方法;介绍了植物碳氮代谢过程与籽粒蛋白质含量形成机理以及作物籽粒蛋白质遥感预测的可行性;然后归纳了4类作物籽粒蛋白质含量遥感监测预测等方法,分别为基于‘遥感信息—籽粒蛋白质含量’模式的经验模型、基于‘遥感信息—农学参数—籽粒蛋白质含量’模式的定量模型、基于遥感数据和生态因子的籽粒蛋白质含量半机理模型、基于遥感信息和作物生长模型结合的机理解释模型,并分别综述了这4类预测模型的国内外研究进展。【结论】明确了当前在籽粒蛋白质含量遥感预测中存在的问题及进一步解决的对策。     

基于无人机多光谱影像的夏玉米叶片氮含量遥感估测

利用无人机平台搭载多光谱相机组成的遥感监测系统在农业上已取得了一些成果,但利用无人机多光谱影像开展作物氮素估测研究少有尝试。基于此,该文利用国家精准农业基地2017年夏玉米3个关键生育期无人机多光谱影像和田间实测叶片氮含量数据,开展夏玉米叶片氮素含量的无人机遥感估测研究。对该研究选用的15个光谱变量,通过相关性分析解析光谱变量与LNC的相关关系,筛选出对玉米叶片氮素含量敏感的光谱变量;应用后向逐步回归方法分析不同变量指数下估测精度变化,最终确定不同生育期夏玉米LNC估测的光谱变量,实现对夏玉米叶片氮含量的较高精度监测。研究发现:1)在3个生育时期,GRE和GNDVI与LNC都有很强的相关性,表明绿波段可以很好地进行夏玉米生物理化参数的反演;2)在喇叭口期和灌浆期,OSAVI、SAVI与LNC具有高度相关性,证明在夏玉米生长前期和后期选择控制土壤因素的光谱变量可以提高对氮素估测的能力。在筛选最优光谱变量建模过程中发现,喇叭口期选取5个光谱变量(GNDVI、GRE、OSAVI、REG、SAVI)建模效果最好,估测模型的R~2、RMSE和nRMSE分别为0.63、27.63%、11.62%;抽雄吐丝期选取6个光谱变量(REG、GRE、GNDVI、MNLI、RED、NDVI)建模效果最好,估测模型的R~2、RMSE和n RMSE分别为0.64、20.50%、7.80%;灌浆期选取5个光谱变量(GRE、GNDVI、RED、NDVI、OSAVI)建模效果最好,估测模型的R~2、RMSE和n RMSE分别为0.56、31.12%、12.71%;在不同生育期选取最优光谱变量进行夏玉米LNC估测具有很好的效果。应用无人机多光谱遥感影像数据可以很好地监测田块尺度夏玉米LNC的空间分布,可为玉米田间氮素精准管理提供空间决策服务信息支持。