排序方式: 共有92条查询结果,搜索用时 15 毫秒
71.
72.
小麦群体养分指标动态的知识模型 总被引:2,自引:0,他引:2
为了给不同环境条件下小麦栽培管理过程中的苗情诊断提供定量化的适宜养分指标动态体系,在分析小麦养分积累与养分管理研究资料的基础上,以小麦产量和品质为目标,通过定量描述小麦群唪地上部养分积累和养分浓度与品种类型、生态环境及生产技术水平之间的动态关系,以基于生理发育时间的动态生长度日为主线,建立了系统化和广适性的小麦群体适宜养分(氮、磷、钾)指标动态的知识模型。利用南京和济南2个不同生态点的常年逐日气象资料以及不同品种类型、不同产量目标资料对所建知识模型进行了实例分析和检验,结果表明,模型设计的群体氮积累量与实际观测值之间的平均RMSE为8.13kg/hm^2,模型设计的群体养分含量与实际观测值之间的平均RMSE为0.20%.故模型对不同条件下的小麦群体养分积累及群体养分含量指标适宜动态具有较好的预测性和指导性。 相似文献
73.
作物生长信息获取多光谱传感器设计与试验 总被引:7,自引:0,他引:7
为了实时、快捷、无损获取农作物生长信息,根据作物生长指标的光谱监测机理,研制了一种四波长作物生长信息获取多光谱传感器.采用光学滤波技术提高了光辐射信息输入信噪比,依据作物冠层特征及田间作业环境实际要求,设计了适宜的探测镜头结构参数,确保了多光谱传感器灵敏度与分辨效果,应用T型电阻积分网络搭建了微弱光谱信息放大电路.通过标定,获得了多光谱传感器与FieldSpec Pro FR2500型光谱仪的关系模型,决定系数分别为0.8028、0.8068、0.8185、0.8900.对小麦的试验结果表明,该传感器的平均测量误差分别为5.6%、4.6%、1.4%、4.5%.该传感器能够较好地实现作物冠层反射光谱的实时在线检测,为作物生长监测设备的研发提供了有力支持. 相似文献
74.
冬小麦叶色动态的量化研究 总被引:4,自引:1,他引:3
【目的】模拟小麦叶色变化的动态过程,为实现小麦生长的可视化表达奠定基础。【方法】以不同施氮水平下不同类型小麦品种的两个生长季田间试验为基础,通过连续测量不同处理条件下小麦主茎和分蘖不同叶位叶片的SPAD值,综合分析小麦叶片SPAD值随生育进程的变化规律及其与RGB值的关系,进而构建基于SPAD的冬小麦叶色变化动态的模拟模型。【结果】模型采用分段函数描述叶片SPAD值随生育进程的动态变化过程:第1阶段为基于二次曲线的叶色增强过程;第2阶段为相对稳定的功能期叶色维持过程;第3阶段为基于二次曲线的叶色减弱过程;并基于叶片氮含量表达了氮素供应水平对叶片SPAD值变化规律的影响,同时用线性方程描述了叶片SPAD值与RGB值之间的定量关系。利用独立的小麦田间试验资料对所建模型进行了测试和检验,显示不同时刻主茎和分蘖叶片SPAD预测值的平均RMSE分别为11.60%和9.03%。【结论】本模型具有较强的动态预测性和可靠性,为进一步建立虚拟小麦生长系统奠定了基础。 相似文献
75.
76.
基于WebGIS的农田生产环境质量评价系统研究 总被引:12,自引:2,他引:12
在确立农田生产环境质量评价方法的基础上,以国家农业环境质量标准为依托,以模糊综合评价法及改进的标准赋权法与层次分析法相结合的权重确定法为量化手段,以WebGIS为空间信息平台,构建了网络化、智能化的农田生产环境质量评价系统。系统实现了数据录入编辑、维护备份、信息查询、智能评价以及结果展示等功能。以江苏省仪征市为案例点,对农田生产环境质量评价系统进行了实例应用,表明该评价系统对生产基地环境质量的评价具有较好的科学性和指导性。 相似文献
77.
78.
79.
基于近红外光声光谱的土壤有机质含量定量建模方法 总被引:13,自引:7,他引:6
该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。 相似文献
80.