排序方式: 共有84条查询结果,搜索用时 718 毫秒
1.
提出一种根系可视化分析方法用于定量稻茬田环境的小麦根系构型。使用根系构型数字化仪测试稻茬麦苗期根系构型,将所测数据导入Pro/E平台进行根系构型的3-D重构,然后对可视化根系进行3向平面投影,计算小麦根系在不同平面的分形维数与分形丰度。结果表明,该方法可以真实反映出田间稻茬麦根系构型的动态变化状况,而根系分形维数与分形丰度随时间逐步递增,正视图面的分形维数和分形丰度总大于左视图面。从播后第98天开始,俯视图面的根系构型分形维数与分形丰度出现突增。在3个投影面上稻茬麦根系的分形维数与分形丰度都高度相关,二者与根总长也存在一定的相关关系。 相似文献
2.
为构建冬小麦冠层临界植被指数时序模型,探究实时、无损诊断冬小麦全生育期氮素营养状况的可能性,基于冬小麦不同生育时期氮营养指数(nitrogen nutrition index,NNI)与相对产量的关系确定NNI临界值,并利用归一化红边植被指数(normalized difference red edge,NDRE)与NNI的定量关系确定临界NDRE值,进而以累积生长度日为时间驱动因子,利用双Logistic函数构建临界NDRE时序模型并用于诊断,且对诊断结果进行了验证。结果表明,NNI与冬小麦相对产量在不同生育时期均呈现明显的线性加平台关系(R2在0.76以上),在开花—灌浆期表现最好;NNI与NDRE呈显著的幂函数关系(R2在0.76以上),在孕穗—开花期表现最好;临界NDRE时序诊断模型在拔节后期、孕穗期、开花期的诊断精度较高;适期播种时冬小麦在180 kg·hm-2施氮水平下整个生育期均处于轻微氮亏缺或氮适宜状态,为较优施氮量。适期播种时冬小麦氮素营养状况主要受施氮水平的制约;过晚播时受播期的影响,不同施氮水平下冬小麦全生育期均处于氮亏缺状态。综上,依据氮营养指数与相对产量所构建的临界NDRE时序模型能够较准确地实时诊断冬小麦不同生育时期的氮素营养状况,并为作物氮肥精确管理提供技术方法。 相似文献
3.
油菜产量目标设计与品种选择的知识模型 总被引:2,自引:1,他引:1
运用知识工程和系统建模方法,在综合考虑决策点光温生产潜力、历史平均产量水平、土壤肥力、肥水管理水平和生产技术水平等诸多因子对增产系数影响的基础上,通过动态量化增产系数,建立了具有时空适应性的油菜产量目标设计知识模型;通过定量计算油菜品种特征值与环境因子和生产需求之间的符合度,建立了适宜品种选择的量化知识模型。利用南京、郑州和保定3个不同生态点的常年逐日气象资料以及不同品种类型资料对产量目标设计模型进行了实例分析;利用南京、仪征、如皋、郑州和保定5个不同生态点常年逐日气象资料以及13个不同品种资料对品种选择知识模型进行了实例分析。结果表明,所建知识模型具有较好的决策性和广适性。 相似文献
4.
小麦叶片氮含量与冠层反射光谱指数的定量关系 总被引:15,自引:0,他引:15
本文以3种蛋白质类型的小麦品种在不同施氮水平下的3年田间试验为基础,研究了小麦叶片氮含量与冠层反射光谱的定量关系。结果显示,不同试验中拔节后叶片氮含量均随施氮水平呈上升趋势,同时冠层光谱反射率在不同施氮水平下存在明显差异。对于低、中、高籽粒蛋白质含量的品种,叶片氮含量与冠层反射光谱的归一化植被指数NDVI (1 220, 710)和红边位置均有密切的定量关系,决定系数在0.80左右。对于不同品质类型小麦品种,均可利用统一的回归方程描述其叶片氮含量随反射光谱参数的变化,对于低蛋白类型品种,采用单独的回归系数即可提高叶片氮含量估测的准确性。本研究确立的小麦叶片氮含量与冠层反射光谱的定量关系可用于不同的小麦品种、生育时期和施氮水平,为小麦氮素营养的监测诊断与精确施肥等提供理论依据和技术途径。 相似文献
5.
基于WebGIS和知识模型的精确农作决策支持系统 总被引:2,自引:0,他引:2
在提炼和优化作物管理知识模型的基础上,以WebGIS为空间信息平台,运用软构件技术及B/S分布式网络结构,构建了网络化精确农作决策支持系统.系统实现了基本地图操作、信息查询、差异分析、决策支持、结果展示以及系统维护功能,其中决策支持功能可基于田区土壤肥力和苗情长势差异进行数字化管理方案生成和因苗动态调控.在水稻试验示范区的系统应用结果表明,根据系统推荐的方案进行水稻田间管理,可使该区整体产量水平提高12.16%,肥料施用量减少23.55%,产量变异度下降79.49%.研究结果为实现网络化、数字化、广适性的精确农作决策支持提供了基本平台. 相似文献
6.
小麦栽培管理动态知识模型的构建与检验 总被引:5,自引:1,他引:5
将系统分析方法和数学建模技术应用于小麦管理知识表达体系,通过解析和提炼小麦生育及管理指标与环境因子及生产水平之间的基础性关系和定量化算法,创建了小麦管理动态知识模型WheatKnow;充分利用软构件的技术特点,在Visual C++和Visual Basic平台上研制了数字化和组件化小麦管理动态知识模型系统,实现了播前栽培方案的设计和产中适宜调控指标动态的预测2大功能。其中,播前栽培方案包括产量目标、适宜品种、播期、基本苗及播种量、肥料运筹和水分管理;产中调控指标包括适宜生育期、穗分化进程、生长指标、源库指标和营养指标动态。利用不同生态点、不同品种、不同土壤等资料及大田对比试验对所建知识模型进行实例分析和检验的结果表明,所提出的小麦管理动态知识模型总体上具有较好的广适性和决策性。本研究克服了传统作物栽培模式与专家系统地域性强和广适性弱的不足,从而为实现作物栽培管理的精确化和数字化奠定了基础。 相似文献
7.
正反转旋耕作业的秸秆混埋效果比较 总被引:1,自引:3,他引:1
秸秆混埋是增强土壤碳汇的重要技术途经。为分析和比较正、反转旋耕作业的秸秆混埋效果,进行了正、反转旋耕秸秆混埋对比试验。测取旋耕处理后的地貌形态及秸秆在土壤空间中的分布状况,并使用Pro-E造型展示秸秆的空间分布状况。结果表明三维数字化仪配合虚拟造型技术能够直观反映混埋后秸秆在土壤空间的分布状态。2种旋耕处理方式的地表形态及土壤空间内秸秆分布对比分析表明,正转旋耕的秸秆埋覆率及纵向空间分布总体均匀率优于反转旋耕,而反转旋耕的秸秆在沿土壤深度方向的空间分布均匀率、秸秆-土壤混合效果、耕幅内地表平整度等优于正转旋耕。综合分析表明正转旋耕的秸秆混埋质量略有优势,但具体选择混埋模式时还应考虑田间秸秆残留情况。秸秆量较少时反转旋耕较适宜,反之正转旋耕更好。 相似文献
8.
在提炼小麦栽培管理知识模型框架的基础上,通过综合不同作物管理知识模型系统的共性及软件设计与开发的特点,初步确立了作物管理知识模型系统的通用设计与开发框架,包括系统总体结构框架、软构件的基本标准、开发平台框架及系统应用框架等。其中,开发平台框架包括系统开发平台的结构和功能、模型库管理系统的功能设置和模型库管理系统的框架及构件;系统应用框架包括系统应用框架结构、应用系统开发框架、应用系统功能框架及构件、应用系统功能构件的输入输出接口框架及应用系统自定义构件中的通用算法函数框架等。研究结果对于提高作物管理知识模 相似文献
9.
[目的]本文旨在探究消费级无人机搭载数码相机更好地用于小麦长势快速监测。[方法]于2015—2017年开展涉及2个小麦品种和4个施氮水平处理的田间小区试验,在小麦关键生育期采用大疆精灵3专业版无人机自带的数码相机获取试验区数码影像,并提取6种颜色指数,同步取样并测定叶面积指数、叶片干物质量及叶片氮积累量等小麦长势信息,在小麦抽穗前、后及全生育期分别运用指数函数和随机森林算法定量分析长势信息与颜色指数的关系。[结果]在小麦各生长阶段,指数函数模型表现较好,可见光大气阻抗指数(visible atmospherically resistant index,VARI)、超红指数(excess red index,ExR)和归一化绿减红差值指数(normalized green minus red difference index,NGRDI)与叶面积指数、叶片干物质量和叶片氮积累量的相关性均表现较好,继而分别建立了基于VARI、ExR和NGRDI的叶面积指数(R~2=0.71~0.82)、叶片干物质量(R~2=0.42~0.71)和叶片氮积累量(R~2=0.52~0.76)的指数函数监测模型。独立试验数据的检验结果表明:在抽穗前及全生育期,ExR(R~2=0.45~0.70和0.42~0.62)监测模型估测的叶面积指数、叶片干物质量和叶片氮积累量与实测值拟合性更好,在抽穗后期,VARI(R~2=0.68~0.72)监测模型估测效果更好。[结论]结合小麦各生长阶段指数函数监测模型,利用无人机搭载数码相机可以快速无损监测小麦长势状况。 相似文献
10.
基于临界氮浓度稀释曲线的小麦氮肥需求量估测研究 总被引:3,自引:0,他引:3
为探究基于临界氮浓度稀释曲线估测小麦氮素需求量的可行性,基于不同生态区开展的不同品种及氮肥水平的小麦试验,结合小麦临界氮浓度曲线(N_c=4.16W~(-0.41)),构建了拔节期、孕穗期、抽穗期和开花期四个关键生育时期下,小麦氮营养指数(NNI)、氮素需求量(NR)及相对产量(RY)三者间的关系模型,并进行了验证。结果表明,在江苏地区,当总施氮量在120~180kg·hm~(-2)时,小麦的氮素需求量最接近于0,氮营养指数最接近于1,为最优的氮素施用量。氮营养指数与氮素需求量(NNI-NR)在小麦生长的各关键阶段存在极强的线性关系(R~2=0.93~0.97);相对产量与氮营养指数(RY-NNI)在各生育时期呈现线性加平台关系,在开花期表现最好,R~2=0.86;相对产量与氮素需求量(RY-NR)的拟合关系在抽穗期表现最好,R~2值为0.72。NNI-NR验证结果与建模结果一致,即在各时期均表现良好,其中拔节期相关关系最强;但RY-NNI和RY-NR验证结果显示两模型分别在开花期和抽穗期预测效果表现最佳。综上,所构建的NNI-NR、RY-NNI和RY-NR三种模型均具有良好的拟合优度和稳定性,运用基于临界氮浓度曲线的小麦氮营养指数和确立的相对产量水平,可以较好地估测当季的小麦氮素需求量,并进行小麦田间氮素精确管理。 相似文献