共查询到20条相似文献,搜索用时 156 毫秒
1.
当前,中国进入了建设农业强国的新阶段,农业气象面临前所未有的挑战与发展机遇。针对农业生产智慧化、粮食安全、气候变化、绿色可持续发展等新形势,农业气象迫切需要建立气候要素与农业生产的定量关系,科学合理利用和提高气候资源利用率。农业气象学的重要任务包括深化研究内容、拓展研究视野、创新理论方法;重要研究方向在农业气象基础、气候变化适应、温室气体减排、农业气候资源高效利用、农业气象灾害与风险应对、农业小气候调控、气候智慧型农业等方面。作为一门农业基础学科,农业气象学需要加快发展,走在其他农业科学的前面。 相似文献
2.
农业区域综合治理与开发是我国农业发展的重要决策.通过对其中存在的农业气象学问题的分析和近年在三江平原、黄淮海平原、北方旱地农业、南方红黄壤等农业区域综合治理中取得的研究进展和效益,阐述了农业气象学研究在农业区域治理中的地位和作用,借以探索今后农业气象学发展的道路和前景. 相似文献
3.
混合式学习是活跃中职计算机专业课堂,提高中职计算机专业教学质量的一种有效的教学方法。但目前混合式学习在中职计算机专业课堂教学中运用得还比较少,把混合式学习的理念和方法运用于中职计算机专业课堂教学就成为一个迫切而有意义的课题。混合学习模式便是将传统学习方式与网络学习方式相联合的一种学习模式,将逐渐成为一种主流的教学方式。 相似文献
4.
从作物生长发育动态模拟和生长模型;作物气象:微气象学和农业小气候的基础理论、应用研究和实验方法;农业气象和农业小气候测试手段;现代化农业气象情报、预报和决策服务系统;农业气象服务和农气成果的应用推广;农气站网建设和农气基本资料的积累;农气灾害的防御对策等主要方面概述了现代国外农业气象学的主要进展和农业小气候实验研究的某些动向. 相似文献
5.
"任务驱动教学法"旨在培养学生分析问题、解决问题及自主、协作学习等多方面的综合能力,符合"计算机应用基础"课程对学生的培养目标。对计算机应用基础课程中开展任务驱动教学进行了研究。 相似文献
6.
于沪宁 《中国生态农业学报》2000,8(3):5-8
农业气象学在生产潜力理论、干旱区气候和小气候、灾害等方面的研究曾深入到当时前沿性研究领域而产生了相当影响.现代科学和社会公众所关注的全球气候变化、持续生产力、水分胁迫、灾害预警与对策、界面水热传输、精细农业等方面热点,其中不乏农业小气候、作物气象学所研究的问题.农业气象学不能满足于重复的跟踪性工作,必须投入前沿性领域重视原创性研究,从实验升华到"唯象理论". 相似文献
7.
8.
9.
农业气象学的前沿性问题 总被引:2,自引:0,他引:2
农业气象学在生产潜力理论、干旱区气候和小气候、灾害等方面的研究曾深入到当时前沿性研究领域而产生了相当影响。现代科学和社会公众所的全球气候变化、持续生产力、水分胁迫、灾害预警与对策、界面水热舆精细农业等方面热点,其中不乏农业小气候、作物气象学所研究的问题。农业气象学不能满足于的跟踪性工作。必须投入前沿性领域重视原创性研究,从实验升华到“唯象理论”。 相似文献
10.
农业气象学是农业科学与气象科学之间的边缘科学 ,其主要研究对象是气象条件与农业生产对象与过程之间相互关系及规律的一门学科。它作为一门既古老又年轻的科学 ,经历了一个多世纪来在科学理论和科学内涵的创新及技术方法的发展 ,现在已成为具有多学科、多层次的应用技术科学体系 ,在国民经济的各个领域 ,都起着十分重要的作用。一、成就近年来 ,我国农业气象学在许多方面都取得了举世瞩目的新发展和新成就 ,主要可概括为如下几方面 :1 .运用农业气象数值方法 ,进行作物生长发育和产量形成以至生态系统与气象条件的定量关系和动态模拟的研… 相似文献
11.
本文论述了一些有关设施农业建筑设计参数、环境工程设备的调节控制指标的选定。提出农业气象学是农业建筑和环境工程学的重要基础学科之一。 相似文献
12.
黄土塬区麦田水资源特征研究 总被引:1,自引:1,他引:0
利用当地农业气象观测资料研究了陇东塬区麦田晚秋土壤贮水与收墒期水资源关系、春季降水与春旱的关系、春旱特征,并利用世界粮农组织(FAO)公布的模式,计算了该区域冬小麦不同生长阶段需水量,分析了该区域冬小麦不同生长阶段水资源丰歉度、可生长季水资源构成和农业生产对策。分析显示:陇东塬区冬小麦冬前生长期水资源过剩,返青后生长期水资源短缺,短缺最严重的时段是成穗期,即4月中旬到5月中旬,水资源总量只占需水量的67%,80%保证率为31%,是影响冬小麦产量的关键时期。春、夏、秋三个可生长季节中,春季麦田水资源以早春土壤贮水为主,夏季以自然降水为主,秋季初秋土壤贮水和自然降水占水资源总量的比例接近。植株生长期水资源、成穗期水资源和全生育期耗水量和冬小麦产量相关程度较高,幼苗期和籽粒形成期水资源对产量的影响相对较小。农业生产上要根据不同时期水资源构成特征科学决策种植模式,并采取工程措施或生产措施有效降低越冬期土壤水分损耗、麦田冬前旺长水肥损耗、晚秋和早春秋白地水分无效损耗,提高水分利用率。 相似文献
13.
14.
15.
16.
Through a United States Department of Agriculture Cooperative State Research, Education, and Extension Service (USDA CSREES) Higher Education Challenge Grant, a team of teaching faculty and librarians at Rutgers University developed an interdisciplinary course, “Food and Nutrition Business Information and Communication.” The course employed an active learning approach that involved a unique collaboration between various academic disciplines; the Rutgers University Libraries; the School of Communication, Information, and Library Studies (SCILS); and the Rutgers Food Manufacturing Technology Facility (FMT). In the course, teams of students from the departments involved worked collaboratively to help solve an actual research problem from industry partners working at FMT. Three examples of student problem solving are presented and assessed using the rubric developed for the course. The course actively involves librarians and demonstrates the importance of information literacy skills in today's information economy. 相似文献
17.
18.
19.
结合轻量级麦穗检测模型和离线Android软件开发的田间小麦测产 总被引:3,自引:3,他引:0
单位面积麦穗数是重要的产量构成因素之一,通过该性状和不同品种历史数据在田间完成对小麦产量的预估,对育种栽培和农业生产具有非常重要的意义。该研究基于小麦田间栽培试验提出了一套结合轻量级深度学习技术和小麦测产算法在Android(安卓)智能手机上离线分析单位面积穗数和田间测产的技术方案。首先介绍了手机标准化俯拍小麦冠层和手机端图像预处理算法,再根据灌浆期小麦冠层图像构建了MobileNetV2-YOLOV4深度学习模型对单位面积中的麦穗进行识别,然后结合迁移学习和TensorFlow.lite转换器完成了模型轻量化,最后通过Android SDK和SQLite构建了不同小麦品种在手机端的产量数据库和人机交互图形界面。开发的安卓软件"YieldQuant-Mobile"(YQ-M)可离线识别手机拍摄的麦穗数量,并在田间完成产量预测和结果输出等功能。基于从中国各小麦主产区中选择的80个代表性品种(共240个1 m2小区),使用YQ-M完成了这些品种的麦穗检测和小区测产研究。结果显示YQ-M的精确率、召回率、平均精确度和F1分数分别为84.43%,91.05%,91.96%和0.88。单位面积测产结果和实际产量的决定系数为0.839,均方根误差为17.641 g/m2。研究表明YQ-M对麦穗识别精度高,在田间环境下测产结果和算法鲁棒性良好。此外,YQ-M还具有良好的扩展性,可为其他作物的离线智能测产提供借鉴,并为小麦研究和生产实践提供低成本、便捷可靠的田间测产方法。 相似文献
20.
基于迁移学习和残差网络的农作物病害分类 总被引:10,自引:9,他引:1
作物病害对农业产品的质量和产量有重要影响,单一物种病害的分类模型难以应对复杂的农业生产环境。该研究对深度残差网络SE-ResNeXt-101模型进行改进,并基于迁移学习(TransferLearning,TL)提出了一种农作物病害分类模型TL-SE-ResNeXt-101,用于不指定农作物种类的病害检测分类。在重构的AI Challenger 2018农作物病害数据集上,将该模型与VGG-16、GoogLeNet、ResNet-50和DenseNet-121卷积神经网络模型进行比较。结果表明,相同试验条件下,本文模型对不同作物种类的不同病害分类平均准确率达到98%,分类效果优于其他模型;在真实农业生产环境下该模型的分类效果也优于其他模型,平均准确率达到47.37%。该模型具有较高的识别准确率与较强的鲁棒性,可为复杂农业生产环境下对不同作物种类不同病害的识别分类提供参考。 相似文献