排序方式: 共有36条查询结果,搜索用时 15 毫秒
11.
【目的】测定不同品种的生育期、生物量、冠层结构、产量及纤维品质等指标,分析其各自的特征差异,筛选出适宜于新疆南疆地区种植的优良棉花品种。为新疆南疆机采棉高产优质栽培提供理论依据。【方法】以6个棉花品种为试验材料,于2016~2018年度在新疆南疆阿拉尔地区设置品种比较试验。【结果】年际与品种对棉花熟性、地上部干物质、光辐射截获率、叶面积指数均存在影响,但品种作用更大。在机采棉种植模式下,鲁棉研36号和中棉所57号早熟,中棉所75号、中棉所88号和中杂7号中熟,中棉所60号晚熟。6个棉花品种相比,中棉所88号生育期适中,叶面积指数和光截获率均最高,干物质积累量最大,其增幅较最低的鲁棉研36号分别达到31.48%~36.59%、25.52%~28.02%,22.85%~29.97%,籽棉和皮棉产量均最高,分别达到6 470.87和2 612.65 kg/hm2,;产量构成因子中,中棉所88号棉铃数高且空间分布更合理,衣分和铃重显著提高,有利于增产;纤维品质指标中,中棉所88号上半部平均度、整齐度数和断裂比强度均最高,3年中均值分别达到30.21 mm、85.12%、30.48 cN/tex,马克隆值和断裂伸长率均最低,纤维品质综合表现较好。【结论】中棉所88号是较为适合南疆种植的棉花品种。 相似文献
12.
利用无人机数字图像监测不同棉花品种叶面积指数 总被引:2,自引:0,他引:2
叶面积指数是表征作物光合作用能力大小的重要参数。本文利用无人机数码相机获取9个棉花品种全生育期冠层数字图像,基于归一化绿-红差值指数Normalized green-red difference index,NGRDI、 可见光大气阻抗植被指数(Visible atmospherically resistant index,VARI)、过绿指数(Excess green index,ExG)、过绿减过红植被指数(Excess green minus excess red index,ExGR)和绿叶植被指数(Green leaf index,GLI)5种常用的可见光颜色指数,通过多阈值分割,提取小区中心部位植被覆盖指数,研究不同植被覆盖指数反映棉花叶面积指数的差异。通过设置相机不同曝光时间筛选出在自动曝光下表现较稳定的基于颜色指数的植被覆盖指数GLI、NGRDI与ExG。然后研究了棉花叶面积指数以及基于GLI、NGRDI与ExG的植被覆盖指数变化规律,以及两者的相关性。结果表明:叶面积指数随播种后时间的增加先增大后减小,花铃期叶面积指数达到峰值;基于 ExG、GLI、NGRDI 的3种植被覆盖指数在生育期内都呈现开口向下的二次曲线;叶面积指数与基于NGRDI、ExG的植被覆盖指数呈显著线性相关,尤其是在吐絮期前,决定系数(R2)分别为0.913、0.912,基于NGRDI的估测效果显著好于ExG。利用基于NGRDI的植被覆盖指数预测试验田叶面积指数并形成分布图。因此,利用无人机搭载普通数码相机获取棉田叶面积指数是可行的,该方法可为指导生产管理提供参考。 相似文献
13.
14.
气候变化对湖北省棉花物候期的影响 总被引:3,自引:0,他引:3
为研究气候变化背景下湖北省棉花各生育阶段水热资源变化趋势及其对物候期的影响,利用气象数据和物候期数据,分析了1994―2013年湖北省棉花各生育阶段气候变化特征、物候期变化趋势、各生育阶段长短的变化趋势以及各生育阶段长短与气象因子的相关系数。结果发现:棉花各生育阶段≥0 ℃积温和平均温度除播种―出苗和开花―吐絮阶段呈降低趋势外,其他各生育阶段大致呈升高趋势;而降水量除出苗―现蕾阶段呈升高趋势外,其他各生育阶段大致呈降低趋势。3个农业气象站点的棉花播种期和收获期均呈延后趋势,播种―出苗和现蕾―开花均缩短,出苗―现蕾均延长。棉花各生育阶段≥0 ℃积温和平均温度与该生育阶段长短大致呈负相关,而降水量与该生育阶段长短除播种―出苗阶段呈负相关外,其他生育阶段大致呈正相关。研究结果有助于理解气候变化对棉花生长发育的影响,可为指导湖北省棉花生产提供理论基础。 相似文献
15.
不同密度下棉花群体光辐射空间分布及生物量和纤维品质的变化 总被引:8,自引:1,他引:7
【目的】研究不同密度群体棉花生育期、光合有效辐射(PAR)分布、叶面积指数(LAI)和干物质累积特征值的差异。【方法】供试品种为转Bt(Bacillus thuringiensis)基因杂交种中棉所75(CCRI 75)和常规品种鲁棉研28(SCRC 28),2012和2013年密度处理为1.5万、5.1万和8.7万株·hm~(-2)。【结果】不同密度群体在棉花不同生育期PAR存在显著差异,且冠层光透射率随密度增加而减少,不同种植密度的棉花群体冠层株型结构各不相同,不同群体棉花茎叶的空间分布决定PAR的分布;LAI随生育进程呈现出开口向下的抛物线,不同的密度群体LAI均在播种后60 d左右开始快速增加,100 d或110 d后LAI开始急速下降;随密度增加最大生物量累计值减少,且营养器官占单株总干物质的比例增加,而生殖器官所占比例下降;密度显著影响马克隆值大小,高密度下马克隆值最大。【结论】本研究为棉花田间管理、合理密植提供理论依据。 相似文献
16.
生物质成型机可以将松散的生物质原料(主要是农林废弃物)加工具有一定形状的成型燃料,对农林废弃物资源的再利用有着非常重要的意义。以HPB-V型液压式生物质成型机的成型套筒为研究对象,采用理论分析和Creo Simulate有限元分析相结合的方法,为成型套筒的制造材料选择提供思路和依据。成型套筒的基本参数:成型套筒出料直径为100mm,套筒锥长为240mm,锥角为8.4°,成型套筒材料为45钢和20CrMnTi钢。通过有限元分析,结果表明:两种材料在静力作用下都不会发生破坏,都适合加工制造成型套筒,但在工作过程中45钢成型套筒会发生疲劳损坏,20CrMnTi钢成型套筒不会发生疲劳损坏,因此,20CrMnTi钢更适合加工制造成型套筒。 相似文献
17.
随着人工智能的发展,机器学习正逐渐应用于大田信息化管理,可以节约时间、减少劳动用工。利用无人机获取6个密度(1.5万株·hm-2、3.3万株·hm-2、5.1万株·hm-2、6.9万株·hm-2、8.7万株·hm-2、10.5万株·hm-2)棉田的RGB图像,以数据增强技术扩大数据集,通过机器学习算法的不同模型(支持向量机、VGGNet16、GoogleNet、MobileNetV2)实现不同密度棉田图像的识别分类,并对比了不同模型的图像识别效果。基于支持向量机模型的方法是利用尺度不变特征变换对数据集进行特征提取,将其作为分类器的输入向量进行图像分类;该模型的平均分类识别准确率为74.18%。基于3种卷积神经网络模型(VGGNet16、GoogleNet、MobileNetV2)的方法是结合迁移学习并搭配Adam优化算法对模型进行微调,自动提取数据集特征并重新训练;其分类识别准确率均在90%以上。结果表明,相较于传统机器学习,3种卷积神经网络模型训练对不同密度棉田图像的分类识别准确率更高。比较4种神经网络模型的测试集验证结果,GoogleNet和MobileNetV2模型的平均分类识别准确率达到98%;结合模型评估指标精确率、召回率、F1分数可知,这2种模型的性能较好。该研究表明了深度学习算法对不同密度棉田图像分类的有效性,探索的图像识别方法和优选模型可为棉花大田信息化管理提供技术支持。 相似文献
18.
随着智慧农业技术数字化程度的提高,物联网和传感器技术的不断发展与成熟,以及智能化设备的出现,数据统计、数据分析、数字制图得到了越来越多的应用。Surfer 20软件具有强大的插值和绘制等值线图的能力,可极大减轻科研人员后期数据分析、制图工作量,获取精确的作物环境信息。在概述该软件特点及其在农业制图中应用进展,介绍其数据库构建和制图操作方法的基础上,利用其空间统计学网格取样法,快速处理智慧农业装备全天无间断实时监测获取的棉田土壤水分、温度、铜离子含量以及棉花冠层光合分布等数据,绘制等值线图,展示作图的效果,为该软件在棉花生产管理决策中的应用提供参考。 相似文献
19.
不同种植模式棉田土壤温度的时空变化特征 总被引:2,自引:1,他引:1
【目的】土壤温度影响着作物的生化过程,了解不同种植模式棉田土壤温度的时空分布特征对探究如何提高不同种植模式下的棉花生产潜力非常重要。【方法】对不同种植模式:单作棉花(MC)、麦套棉花(WIC)、麦后棉花(WDC)农田10―110 cm土层温度进行连续实时监测,并调查棉花的生育进程和各农艺性状。【结果】在5月下旬麦棉共生期,单作棉花的平均土壤温度比两熟棉田土壤温度高1~3℃。7月初,在10―40 cm土层两熟棉花土壤温度大于单作棉花土壤温度,40―110 cm正好相反。8月上旬,各种植模式棉花土壤温度差异缩小,单作棉花土壤温度稍低于两熟棉花的土壤温度。在9月中旬,两熟棉花的土壤温度低于单作棉花的土壤温度。土壤温度主要影响棉花出苗到现蕾和开花到吐絮期的持续时间,对现蕾到开花的持续时间影响不明显。土壤平均温度越高,该生育时期的持续时间越短。同一时期两熟棉花土壤温度的日最低温出现的时间要比单作棉花早1 h左右,而日最高温出现的时间基本一致。不同种植模式不同土层的土壤积温与生物量拟合呈显著的线性关系。【结论】优化管理措施,如通过控制灌溉的时间和量来缓解土壤温度对棉花生长的影响,提高苗期和开花到吐絮期的土壤积温对两熟棉花出苗和吐絮都是有益的。本文以期为不同种植模式的合理配置与管理提供理论依据。 相似文献
20.
目前,无人机系统已应用于作物产量估算,利用无人机搭载的RGB相机在花铃期和吐絮期从3个高度(10、20和30 m)分别采集棉花冠层图像,提取图像的颜色指数和纹理特征,进而对提取的特征分别进行逐步回归分析和因子分析,筛选出重要特征并构建棉花产量估算模型。通过对比分析2个生育时期和3个高度的产量估算模型,最终确定利用RGB图像对棉花进行产量估算的最佳生育时期和最佳高度。结果表明, 20 和30 m高度下花铃期图像建立的产量模型拟合度以及模型精度均比吐絮期好,而40 m高度下2个生育时期的模型拟合度接近,但花铃期的验证结果不显著;对比20和30 m高度下花铃期以及40 m高度下吐絮期的产量估算模型发现,30 m高度下花铃期通过SWR方法建立的模型拟合效果最佳,由此表明,棉花产量估算的最佳生育时期为花铃期,图像采集的最佳高度为30 m。综上,利用无人机RGB图像能准确快速估算棉花产量,为基于可见光图像的棉花产量估算提供了理论和技术参考,并为其他农作物估产模型的建立提供借鉴。 相似文献