共查询到17条相似文献,搜索用时 62 毫秒
1.
为有效控制黑麦草人工草地种植和维护过程中的害虫种群,采用网捕、陷阱法和目测法对黑麦草人工草地的昆虫种类组成进行调查。结果表明:初步鉴定害虫种类7目38科69种,优势种有半翅目的棉奥小叶蝉(Austroasca vittata)、烟草嘎叶蝉(Alobaldia tobae)、牧草盲蝽(Lygus pratensis)和小长蝽(Nysius cfericae),鞘翅目的古铜凹胫跳甲(Chaetocnema concinnicollis),鳞翅目的粘虫(Mythimna separata)和斜纹夜蛾(Spodoptera litura)。 相似文献
2.
3.
4.
5.
6.
地膜覆盖下豆禾混播草地根系的动态研究 总被引:1,自引:0,他引:1
吴序卉 《甘肃农业大学学报》1999,34(2):120-124
使用差额法连续分层次地对燕麦+豌豆人工草地的根系在地膜覆盖条件下的生长发育动态进行了研究,结果表明:燕麦根系的58%分布浅,豌豆的77%根系分布在10~20cm深,两者混播后,其根系可有效地互补,且在地膜覆盖条件下互补性增强。同时地膜覆盖后,使根系的分布更浅,根量减少。 相似文献
7.
以青藏高原高寒区甘肃农业大学高山草原试验站6个多年生禾本科人工草地组合样地为试验对象,并与人工草地建植初期、围栏外天然草地进行对比分析,研究了多年生禾本科混播人工草地的群落演替情况。结果表明,多年生禾本科混播人工草地群落,在演替过程中主要种的优势地位发生替代变化程度强,外来杂草的入侵以及空间、养分的竞争明显,物种多样性和均匀性随着自然演替而增大,主要混播多年生禾草的优势度减小,优势地位发生明显替代变化。随着时间延长,逐渐向天然草地方向演替,且演替度不断增大。 相似文献
8.
9.
贵州高原人工草地绵羊畜群结构的研究 总被引:1,自引:0,他引:1
肖天放 《福建农业大学学报(自然科学版)》1997,26(4):461-464
对试验和调查所取得的有关数据,应用系统分析方法,建立了一个绵羊种群动态模型,以描述绵羊的实际生产过程,并且采用线性规划模型,对贵州高原人工草地的放牧绵羊的种群结构进行了研究。结果表明,最佳畜期结构为母羔13.88%、育成母羊17.09%、成年母羊61.79%、公羔0.98%、育成公羊1.16%、成年公羊5.10%。同时,最佳畜群结构的产值将比现行结构提高8.4%。 相似文献
10.
11.
12.
13.
14.
通过对苇状羊茅人工草地节肢动物群落的系统调查,分析了苇状羊茅人工草地节肢动物群落及各亚群落结构的时序动态.结果表明,非天敌亚群落的物种数、个体数量、优势集中性、多样性H、均匀性、优势度和物种丰富度随时间的变化趋势与总群落一致.天敌亚群落均匀性除9月外,多表现为均匀性高于总群落及非天敌亚群落;天敌亚群落优势度在4月中旬至6月上旬均低于总群落及非天敌亚群落,而在9月居高.物种数丰富度天敌亚群落波动不大,总群落和非天敌亚群落出现低→高→低趋势,非天敌亚群落物种丰富度和天敌亚群落表现为交替变化. 相似文献
15.
16.
为贵州山区规模化生产台湾泥鳅种苗提供科学依据,2015—2016年采用人工催产技术对规格为17~19尾/kg和12~14尾/kg的雌亲鳅505.5kg进行了人工繁殖研究。结果表明:2015年繁育台湾泥鳅种苗4批共840万尾,平均受精率70.25%,孵化率73%,种苗成活57%;2016年繁育种苗5批共1 640万尾,平均受精率93.40%,孵化率96.8%,种苗成活70%;2年共繁育泥鳅种苗2 480万尾,实现种苗销售产值224万元,利润89.6万元。在一定的亲鳅标准(8~10尾/kg)、科学合理的孵化设施(一槽一系统)以及育苗池(单池面积1 200~1 300m~2,池深1.4~1.5m,水位保持1.2~1.3m)条件下,贵州山区能较好地对台湾泥鳅种苗进行规模化人工繁殖,并取得良好的经济效益。 相似文献
17.
Artificial Neural Network to Predict Leaf Population Chlorophyll Content from Cotton Plant Images 总被引:2,自引:0,他引:2
SUO Xing-mei JIANG Ying-tao YANG Mei LI Shao-kun WANG Ke-ru WANG Chong-tao 《中国农业科学(英文版)》2010,9(1):38-45
Leaf population chlorophyll content in a population of crops, if obtained in a timely manner, served as a key indicator for growth management and diseases diagnosis. In this paper, a three-layer multilayer perceptron (MLP) artificial neural network (ANN) based prediction system was presented for predicting the leaf population chlorophyll content from the cotton plant images. As the training of this prediction system relied heavily on how well those leaf green pixels were separated from background noises in cotton plant images, a global thresholding algorithm and an omnidirectional scan noise filtering coupled with the hue histogram statistic method were designed for leaf green pixel extraction. With the obtained leaf green pixels, the system training was carried out by applying a back propagation algorithm. The proposed system was tested to predict the chlorophyll content from the cotton plant images. The results using the proposed system were in sound agreement with those obtained by the destructive method. The average prediction relative error for the chlorophyll density (μg cm^-2) in the 17 testing images was 8.41%. 相似文献