排序方式: 共有96条查询结果,搜索用时 15 毫秒
1.
2.
基于文献计量的巢湖农业面源污染概况分析 总被引:3,自引:0,他引:3
为了解巢湖农业面源污染的研究进展,明确该领域的研究现状和热点,以CNKI、维普、SCOPUS数据库为基础,采用文献计量的方法对巢湖农业面源污染主题的文献进行检索。结果表明:巢湖流域治理方向的发文量最多,其中大多数是从源头控制、中间拦截、末尾治理定性叙述的,模型和现状的关注度也比较高,主要参考国外通用模型进行验证及负荷估算等。安徽农业大学和合肥工业大学等机构为巢湖该领域发展做出很大贡献;马友华团队等是该领域的核心团队,主要发文期刊有《中国农学通报》、《安徽农学通报》、《水土保持学报》、《环境科学学报》等。由此发现,巢湖流域的研究热点集中在治理方向,其中定性叙述治理措施文献偏多,定量研究治理效果和生态补偿标准的确定是未来的一个发展方向,模型的创新性有待于提高。 相似文献
3.
4.
5.
不同水肥处理下冬小麦冠层含水率与温度关系的研究 总被引:12,自引:1,他引:12
研究了不同水肥处理下冬小麦冠层含水率与冠层温度的关系。结果表明,随灌水量增加,冬小麦冠层含水率呈逐渐增加的趋势,灌水量达一定程度后,冠层含水率反而下降,冠层温度表现出与冠层含水率相反的趋势;冠层含水率与冠层温度呈显著负相关。两品种施氮处理冠层含水率均明显高于不施氮处理。“京冬8号”各施氮处理冠层含水率随施氮量增加呈逐渐降低的趋势,冠层温度则随施氮量增加而上升;其冠层含水率与冠层温度存在显著负相关关系。“中优9507”各施氮处理不具“京冬8号”的规律性,但其冠层含水率与冠层温度也呈负相关。用冠层温度反映冠层含水率具有较高的可靠性。 相似文献
6.
农业4.0时代是融合智能互联网、物联网、大数据等新技术,实现农业生产高度智能化、生态化生产管理的时代。文章围绕当前农业发展需求,分析了农业物联网信息感知、信息传输、信息处理等关键技术,结合农业物联网技术特点及农业物联网创新发展趋势提出建议,包括优化创新农业物联网信息感知技术,深入发展农业智能信息处理技术,规范农业物联网标准,降低物联网设备成本,加强建设相关平台设施,加强配套专业人才队伍建设等,在此基础上,以农业物联网在设施农业中的应用为案例,分析了物联网技术在设施农业生产效能提升中发挥的作用,说明物联网技术可以为智慧农业发展提供有力支撑。 相似文献
7.
玉米拔节期冠层叶绿素含量多光谱图像检测 总被引:2,自引:2,他引:0
为了探索大田玉米冠层叶片叶绿素指标的快速检测方法。采用自主研发的2-CCD多光谱图像成像系统采集了大田玉米拔节期冠层图像,并同步获取了样本叶绿素含量指标SPAD值。对多光谱图像进行了平滑滤波,并基于HSI颜色空间实现了冠层图像的分割。提取了玉米冠层可见光(blue(B),green(G),red(R);400~700 nm)和近红外(near-infrared,NIR,760~1 000 nm)4个波段平均灰度值并计算了平均灰度值计算比值植被指数(RVI,ratio vegetation index)、归一化植被指数(NDVI,normalized difference vegetation index)、修改型二次土壤调节植被指数(MSAVI2,modified soil-adjusted vegetation index)等8种常见植被指数作为图像检测参数。分析了这12个检测参数与叶绿素指标之间的相关性,讨论了图像检测参数的多种组合,建立了叶绿素指标的多元线性回归分析(MLRA,multiple linear regression analysis)模型。研究结果表明:R、G、B波段的平均灰度值与叶绿素指标成较高负相关,相关系数分别为-0.73,-0.71和-0.71,植被指数中相关性较好的是NDVI、MSAVI2和RVI,相关系数分别为0.83、0.81和-0.81。基于这6个参数组合建立的叶绿素指标估算模型拟合度最好,其建模集决定系数为0.79,验证集决定系数为0.71,研究结果为无损检测玉米拔节期叶绿素含量提供了支持。 相似文献
8.
主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧 总被引:16,自引:11,他引:5
为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。 相似文献
9.
四要素变量施肥机肥箱施肥量控制算法设计与试验 总被引:2,自引:0,他引:2
针对黑龙江农垦地区垄作玉米施肥过程中遇到的肥料分层问题,设计了一种四要素变量施肥控制系统。系统采用电液比例控制技术,主要由液晶显示终端、变量施肥控制器、4路液压马达和编码器、4路排肥机构(排肥轴和外槽轮)和GNSS模块组成。为了实现氮肥、磷肥、钾肥和微肥的一次性及时、准确施用,提出了一种基于复合交叉原则的各路施肥量确定策略,基于PID技术设计了液压马达控制算法。根据用户在变量施肥控制软件中设置的目标施肥量,系统自动确定各肥箱精确施肥量,基于PID液压马达控制算法,实时计算4路液压马达的目标转速,同步向控制器发送4路转速指令,一次性完成氮肥、磷肥、钾肥和微肥4种肥料的同步变量施用。为了验证各路施肥量控制算法的效果,分别进行了PID算法响应时间和精度试验、变量施肥系统单质肥排肥性能验证试验和作业条件下各肥箱施肥量控制算法验证试验。试验结果表明,基于PID技术的排肥轴转速控制算法响应时间不大于0.5s;变量施肥系统单质肥排肥性能误差绝对值不大于3%;作业条件下各路施肥量控制算法显著减少了氮素的施用量,实现了氮肥、磷肥、钾肥的精确投入。四要素变量施肥机各路施肥量控制算法完全满足了垦区玉米施肥精确、均匀施用的要求。 相似文献
10.
基于姿态实时监测的多路精准排肥播种控制系统研究 总被引:1,自引:0,他引:1
针对现有精准排肥播种控制系统缺少对机具姿态进行监测判别的现状,在现有精准排肥播种控制系统架构基础上,增加了机具作业姿态实时监测模块,使系统可以根据机具的实时前进速度和作业姿态自动控制排肥量和播种量,减少人员对系统的操作。该系统主要由车载控制终端、PID控制器、多路集成比例阀、光电转速测试码盘、机具姿态解析模块、机具位置与速度解析模块、液压马达等组成,其中机具姿态解析模块采用MPU6050芯片实时测量下拉杆与机架的俯仰角,应用STM32F103MCU芯片实时获取MPU6050芯片的输出数据,并反馈到车载控制终端,封装后的机具姿态解析模块安装在拖拉机三点悬挂的下拉杆中部,对下拉杆与水平面的夹角数据进行实时记录和反馈,判别机具的作业姿态是否处于工作状态。将该控制系统安装在小麦基肥精准分层施肥播种机上,在北京市昌平区小汤山国家精准农业研究示范基地,对该控制系统进行静态标定和动态试验,以检测可靠性和稳定性。静态标定试验结果显示,马达转速与系统的排肥排种量存在一元线性关系,此时浅层肥料、深层肥料和种子的单圈排量分别为16.97、29.31、11.2g;姿态标定结果表明,设置临界角为5.3°时,系统的机具姿态提示信息正确,能够满足姿态监测的要求;动态试验表明,机具工作状态下,浅层肥料、深层肥料和种子排量变异系数分别为3.5%、3.8%和3%,3路的排量偏差都控制在5%以内,机具抬升状态下,排肥排种轴处于静止状态,说明该系统的运行过程总体比较稳定,能够满足小麦基肥分层施肥播种机具的精量排肥排种的作业要求,同时能够减少人为操作流程。 相似文献