排序方式: 共有18条查询结果,搜索用时 28 毫秒
1.
环太湖耕地利用变化与驱动机制研究——以苏州市吴中区为例 总被引:4,自引:1,他引:4
以环太湖苏州市吴中区为样区,利用统计资料、遥感数据和典型调查数据,结合RS和GIS技术,分析18年来耕地利用变化特点与驱动机制。结果表明:研究区耕地年递减率为1.6%,表现出以水域和各类非农建设用地大量占用耕地为突出特点的区域土地动态变化特征;耕地数量变化与区位和地形有关;种植业对耕地利用强度出现波动下降趋势,作物生产由粮食作物生产为主转化为粮食与经济作物生产并重;其变化机制主要是经济发展、人口增长、农业结构调整和政策因素驱动。最后,并在此基础上提出相关建议。 相似文献
2.
3.
4.
5.
6.
基于神经网络的农田土壤重金属空间分布分析 总被引:9,自引:1,他引:9
以江苏省南通市为研究区,通过野外采样,利用采样点实测数据,在借助神经网络模型进行空间插值的基础上。结合3S技术对农田土壤重金属的空间动态分布进行分析,进而确定农田土壤重金属污染状况。运用Arcgis进行的分析结果显示.在该地区Pb和As造成的污染最严重,其他重金属污染相对较轻,其中南通市区、海门市和启东市重金属富集最严重;南通大部、通州、如东大部分地区含量较少,含量最少的地区是如皋市和海安县。造成这种空间分布变异性的主要原因是经济发达的地区污染源较多而且集中,而经济欠发达区污染源则相对较少而且分散。重金属污染物通过水系导致农田污灌也是重金属产生空间变异性的重要原因。 相似文献
7.
8.
基于GRNN网络模型的土壤重金属空间分布的研究 总被引:3,自引:0,他引:3
以江苏省南通市为研究区,利用采样点实测数据,借助GRNN神经网络模型并结合3S技术对农田土壤重金属的空间动态分布进行了深入研究。结果表明,GRNN神经网络模型能够智能地学习各个采样点的空间位置与该点各重金属含量之间的映射关系,并能够稳健地对各个空间插值点处的土壤重金属含量进行预测;结果显示南通市农田土壤重金属污染总体较轻,但也存在局部地区的严重污染。在运用GRNN神经网络模型进行空间插值了解重金属空间动态分布的基础上,可以根据污染的状况确定农产品的生产布局和规划。 相似文献
9.
采用单因素随机试验设计,选择离乳恢复期及冬毛生长期经产美国短毛黑母貂40只,随机分成A、B、C、D 4组,分别饲喂在基础日粮中添加0%、0.2%、0.4%和0.6%蛋氨酸的4种试验饲粮,以探讨不同水平蛋氨酸对埋植褪黑激素水貂生产性能的影响。结果表明:添加不同水平蛋氨酸后4组水貂干物质、粗蛋白、粗脂肪、能量的消化率表现为差异不显著(P0.05)。试验C组干物质采食量显著高于A、D组(P0.05);试验组与对照组增重、体长差异不显著(P0.05)。试验C组饲料转化率显著高于B、D组(P0.05),A、B、D组饲料转化率差异不显著(P0.05)。试验C、D组总胆固醇含量显著高于对照组A组(P0.05);B、C、D组总胆固醇含量差异不显著(P0.05)。试验各组甘油三酯含量差异不显著(P0.05);B组总蛋白含量明显高于A、D两组(P0.05);C、D组总蛋白含量明显高于A组(P0.05);C组与B、D组总蛋白差异均不显著(P0.05)。在此日粮基础上,综合各项指标可得出,埋植褪黑激素后恢复期和冬毛生长期经产母水貂日粮中蛋氨酸的适宜添加水平为0.4%。 相似文献
10.