作物废弃物新能源在美国的应用

作物废弃物是一种重要的农村能源。实际上,作物废弃部分提供的潜在能源也是十分可观的。衣阿华州立大学农业工程学家Wes Buchele指出,这个州能生产出足以供全州农村用能源的玉米芯和秸秆。据他估算,每收125蒲式耳玉米,同时可收3吨玉米芯(穗轴)和秸秆,而每磅玉米芯和秸秆混合物可以产生6000英热单位。     

计算机模拟模型在黄土丘陵区土地可持续利用中的实证研究

针对黄土丘陵区的土地可持续利用问题，引入目前国际上较先进的水土流失与土地利用规划模型APEX和AV-SWAT，利用GIS技术及陕北安塞县纸坊沟小流域定位站多年的连续观测资料，对模型在黄土丘陵区的适用性进行了初步验证。通过对该类型地区的水土流失量、作物产量、植被生物量等方面的测算，结果表明模型模拟计算的水土流失量与实际观测量的误差小于10%，5年加权平均的作物模拟产量与实测值的差异不显著。从而为该类型区土地可持续利用方法论提供了新的计算工具，也使得更大尺度上的土地可持续利用设计成为可能。     

华北平原农业对地下水NO_3污染的初探——以京郊平原窦店村为例

本文根据1986-1988年对京郊平原窦店村承压地下水定井位,逐年定期监测的结果和生态建设与研究中所获得的大量数据及成果,初步认为:半干旱平原区农业对地下水存在N素的污染,施肥和养殖业粪便是主要污染源,污染速率同土壤速N含量及井旁圈舍实际载畜量关系密切,在养殖业发达的地区地下水NO3-污染程度和速率令人焦虑。文中提出了包括农艺、农机、综合工程、系统开放度和建立法规等在内的七条对策。     

系统研究在持续农业中的应用

系统研究在持续农业中的应用北京农业大学程序１９９３年１１月下旬，由总部位于荷兰海牙的＂国家农业研究国际服务中心（ＩＳＮＡＲ）＂及＂系统方法在农业中应用国际合作促进会（ＩＣＡＳＡ）＂联合发起了＂发展中国家在农业中应用系统研究方法之机会＂的国际学术讨论会...     

日本、韩国农业的新动向

日本、韩国农业的新动向农业部教育司程序日本和韩国的农业在本世纪６０年代和８０年代先后实现了现代化。两国的种植业和养殖业单产迄今仍保持着名列世界前茅的高水平。但两国的农业和农村受工业的“反哺”、特别是政府的高额补贴是取得上述成就的前提条件。重视农协的...     

不同植物篱类型对农田地面蜘蛛种群的影晌

[目的]研究植物篱对于农田地面蜘蛛种群的影响.[方法]于2005-2007年两个冬小麦和夏玉米生长季节在四川省土壤肥料研究所资阳试验站的1号试验地(坡度20°)和2号试验地(坡度12°)利用陷阱法对香根草(1号地)、紫穗槐(1号地)、蓑草(2号地)和苜蓿(2号地)4种植物篱类型对农田地面蜘蛛活动密度(种群密度和活动性的参数)的影响进行了调查.[结果]植物篱处理植物篱带地面蜘蛛的活动密度在冬小麦生长季节均显著高于对照裸地,植物篱处理植物篱带地面蜘蛛的活动密度在夏玉米生长季节也高于对照裸地,但是只有蓑草和苜蓿植物篱带与对照裸地差异显著.植物篱处理农田地面蜘蛛的活动密度在冬小麦和夏玉米生长季节与对照处理农田均无显著差异.[结论]植物篱带在冬小麦生长季节可以作为地面蜘蛛重要的越冬场所,但是植物篱带的出现并没有显著提高临近农田地面蜘蛛的活动密度.     

苏叶在线分选系统设计与试验

针对我国苏叶人工分选劳动强度大、效率低、缺乏自动分选系统的问题,设计了苏叶在线分选系统,该系统由上料单元、检测单元、传输单元、分选单元、下料单元、供气系统以及控制系统组成。首先对苏叶图像进行预处理,进而获取叶片最小外接圆及其直径信息,最后根据确定的转换系数得到苏叶尺寸。为便于苏叶分选控制,设计了苏叶尺寸输出排序策略。试验结果表明,利用该系统能够实现苏叶的快速测量与分选,单幅图像处理时间约为0. 18 s,分选速度约为4片/s,系统测量总体平均绝对误差为0. 157 cm,总体分选准确率为90. 09%。     

基于温-湿-CO融合传感的棉垛阴燃预警系统设计

棉花是关系国计民生的战略物资,同时棉纤维是各类天然纤维中最具燃烧危险性的一种。依据籽棉垛内部阴燃起火机理,分析选定棉垛火情预警监控要素;研制了基于多传感阵列的籽棉垛温湿度、CO浓度实时监测的阴燃预警与火情防控设备;基于LabVIEW开发了移动电脑上位机数据监控程序。试验证明,系统可以实时监测不规则棉垛内部的温湿度及CO气体信息态,可以为评定棉垛内部状态以及判定棉垛阴燃安全状态提供重要依据。      

四川紫色土丘陵区不同土地利用方式下大型土壤动物群落结构

为了解不同利用方式土地大型土壤动物群落结构,于2006年冬季和2007年春季对四川紫色土丘陵区农田边界、农田、果园和退耕林地进行了大型土壤动物调查,采用野外手捡法共采集大型土壤动物2 838只,隶属于3门9纲24类.研究结果表明:不同土地利用方式大型土壤动物群落的个体密度、类群数和DG多样性指数存在差异.冬季,农田边界的个体密度显著高于其他土地利用方式,类群数和DG多样性指数显著高于退耕林地和农田;农田的个体密度、类群数和DG多样性指数明显处于最低水平.大型土壤动物群落的个体密度和类群数在垂直分布上具有明显的表聚性.Jaccard相似性系数和Grower系数表明农田边界、果园与退耕林地三者间相似程度较高,农田与农田边界、退耕林地、果园之间相似程度较低.研究认为土地利用方式对大型土壤动物的群落结构有明显影响,农田边界的存在对大型土壤动物生物多样性的保护具有重要意义.     

基于Shuffle-Net的发芽马铃薯无损检测方法

针对发芽马铃薯在线检测需求,提出使用轻量级卷积神经网络对发芽薯进行检测。首先将获取的马铃薯样本基于分级线进行图像采集,经过数据增强扩充样本。搭建Shuffle-Net轻量级卷积神经网络,对比了不同学习率与学习率衰减策略对模型的影响。试验发现,当学习率为0.001,衰减策略为W-EP时表现最佳,发芽薯与健康薯的总体识别准确率为97.8%,单个样本识别时间为0.14s,模型内存占用量为5.2MB。对实验结果进行评价,查准率为98.0%,查全率为97.1%,特异性为98.4%,调和均值为97.5%。选择VGG11、Alex-Net、Res-Net101模型与本文模型进行对比,发现本文模型识别准确率较VGG11与Alex-Net有大幅度提升,单个样本识别速度较Res-Net101提高5倍、较VGG11提高近7倍,模型体量较VGG11、Alex-Net、Res-Net101大幅度减少。将模型内部卷积进行了可视化分析并对结果进行了误判分析,发现当芽体颜色暗、较短且处于薯体边缘的情况下,会造成误判。由此可得本实验模型实现了发芽薯准确、有效的识别,同时还具有识别速度快、体量小、移植性强的优点,可为农产品外部无损检测分级提供理论支撑。