农牧交错带本氏针茅坡地土壤-植物系统磷素分布特征

明确农牧交错带草坡地土壤-植物系统磷素分布特征对于草坡地生态系统磷素管理、空间分布和磷素流失预测具有重要科学意义。本研究针对黄土高原农牧交错带本氏针茅坡地,分析了草坡地土壤-植物系统磷素沿坡面的分布特征,并且从不同空间尺度研究了土壤-植物系统磷素的空间结构特征,以揭示农牧交错带草坡地土壤-植物系统磷素分布规律。结果表明,随坡位的降低,草坡地植物生物量、植物磷素含量和储量均逐渐增加,土壤全磷和速效磷含量在坡上部和坡中部相近,且均低于坡底部;这些变量的变异系数均以坡底部最小。植物磷素含量和土壤全磷的变异系数由坡顶向下依次为34.25%、 25.98%、 10.02% 和 24.05%、 15.27%、 10.85%,表明坡底部土壤-植物系统磷素分布相对均匀。各变量的最佳拟合模型在3个分析尺度上均保持一致,植物生物量和土壤速效磷的最佳拟合模型为指数模型,土壤全磷以球状模型拟合效果最佳,而植物磷素以高斯模型拟合效果最好。随分析尺度的增加,块金常数、块金效应逐渐增大。植物磷素含量在5、 10、 15 m 3个尺度上的块金常数和块金效应依次为0.010、 0.010、 0.011和7.9、 8.5、 8.9,即样点间的空间依赖性逐渐减弱,空间相关性减弱。这表明农牧交错带草坡地土壤-植物系统磷素在不同尺度上空间结构比较稳定,属中等或强空间相关性,其空间变异主要来源于结构性因素。     

牛生产性能的测定方法

1产奶性能 影响产奶的很多，如遗传和环境因素等。测定产奶性国通常采用如下指标。     

建筑猪场时要考虑的方面与要求

1场址选择 确定场址的位置，首先应考虑猪场的防疫环境卫生。猪场应建在距离村、镇较远的地方。特别是规模较大的猪场，具备生产、生活所需要的全部设备，更应建在远离村、镇的下风向或偏风向和有饮水水源的下方。猪场不宜建在畜产品加工、饲料加工厂的附近，以免影响防疫。猪场距居民区或交通要道最好在1000米以上，有条件的，在主风向应有防风林。此外还应便于粪尿的处理。     

红瑞木扦插育苗技术

介绍了红瑞木的春、秋季扦插育苗技术及其病虫害防治,以期为红瑞木的快繁提供参考。     

中华钙果栽培技术初探

中华钙果属蔷薇科樱桃属的一种矮小灌木果树,为我国所特有,故称中华钙果。该树种抗旱、抗寒性强,对土壤要求不严,丰产性稳定。其用途广泛,可以     

基于高光谱成像技术的马铃薯外部缺陷检测

为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。     

马铃薯干物质含量高光谱检测中变量选择方法比较

为提高利用高光谱成像技术快速检测马铃薯干物质含量的精度,比较了主成分分析法(PCA)、组合间隔偏最小二乘法(siPLS)、遗传偏最小二乘法(GA-PLS)、无信息变量消除法(UVE)以及竞争性自适应重加权算法(CARS)等变量选择方法。在此基础上提出一种竞争性自适应重加权算法与连续投影算法(SPA)相结合的波长选择方法,最终将原始光谱变量从678个减少到了27个。用27个变量建立多元线性回归模型,模型预测集相关系数Rp为0.86,预测均方根误差为1.06%。实验结果表明:高光谱成像技术能够对马铃薯干物质含量进行检测,同时CARS-SPA是一种有效的变量选择方法。     

六盘山林区土壤有机碳分布特征

以六盘山林区针叶林和阔叶林为研究对象,测定其土壤和团聚体有机碳含量并计算有机碳密度,分析了有机碳含量和有机碳密度与林型、海拔关系以及总有机碳与团聚体有机碳之间的关系。结果表明:六盘山林区土壤有机碳含量和有机碳密度均随土层深度的增加而减少,且土壤有机碳主要储存于大团聚体中。研究区土壤有机碳分布不受林型影响,但与海拔有关。这些结果表明研究区林地土壤有机碳估算需要考虑大团聚体有机碳和海拔因子。     

马铃薯黑心病和单薯质量的透射高光谱检测方法

针对单一检测技术不能同时检测马铃薯内外品质的多项指标,采用透射高光谱成像技术并融合光谱和图像信息,对其内部黑心病、质量指标进行检测。通过透射高光谱成像系统获取266个样本高光谱图像（400～1000 nm）,并提取光谱和图像二者信息。采用不同变量选择方法对光谱进行变量选择,用9个光谱变量建立检测马铃薯黑心病偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA）模型与质量偏最小二乘回归（partial least squares, PLS）模型;提取样本透射高光谱图像的面积信息,建立基于光谱-图像的检测马铃薯质量PLS模型。试验结果表明,黑心样本识别率为100%,识别最小黑心面积为1.88 cm2;基于光谱-图像所建立质量检测模型预测效果较好,其预测集相关系数(Rp)为0.99,预测均方根误差(RMSEP）为10.88。结果表明：采用透射高光谱成像技术并融合图像和光谱信息对马铃薯内部黑心病、质量同时进行检测是可行的。     

基于多源信息融合技术的马铃薯痂疮病无损检测方法

为了提高马铃薯痂疮病无损检测识别精度,基于机器视觉和近红外光谱的多源信息融合技术,该文提出DS（dempster shafer）证据理论结合支持向量机的马铃薯痂疮病无损检测方法。试验以360个马铃薯为研究对象,在图像特征分割时,确定了差影法结合马尔可夫随机场模型法为最佳分割方法;在光谱特征提取时,确定主成分分析方法为最佳降维方法。采用支持向量机识别方法分别建立机器视觉和近红外光谱的马铃薯痂疮病识别模型,模型对测试集马铃薯识别率分别为89.17%、91.67%。采用DS证据理论与支持向量机相结合的方法对获取的图像特征和光谱特征进行融合,建立了基于机器视觉和近红外光谱技术的多源信息融合马铃薯痂疮病检测模型,该模型对测试集马铃薯识别率为95.83%。试验结果表明,该技术对马铃薯痂疮病进行检测是可行的,融合模型比单一的机器视觉模型或近红外光谱模型识别率高。