排序方式: 共有30条查询结果,搜索用时 15 毫秒
11.
12.
13.
从甘肃省农业服务外包信息平台建设需要出发,以外包、期货、供应链、电子商务的理论为指导,采用ASP.NET 2.0与C#相结合的方式,用Microsoft SQL Server 2005提供后台数据库支持,设计了B/S结构的可提供用户注册、登录、账户充值、信息发布、发包与接包、现货交易、期货交易、专家信息显示、外包状态查询、外包管理和生产基地展示等功能的甘肃省农业服务外包信息平台。该平台实现了用完全市场化的方式,解决农业发展中农业投资偏少、农业土地资源分散、农产品价格波动带来的销售难及污染严重等问题。 相似文献
14.
黄土丘陵区不同耕作措施下春小麦和豌豆轮作水肥协同效应 总被引:1,自引:0,他引:1
为探索水肥协同作用对不同耕作措施下作物产量影响规律,运用在黄土丘陵区率订和验证后的APSIM(agricultural production system simulator)模型,模拟研究区近35年传统耕作(T)、免耕(NT)和免耕覆盖(NTS)措施下轮作小麦/豌豆产量,并采用多元回归分析施氮量(X1)、休闲期降水量(X2)和生育期降水量(X3)对小麦/豌豆模拟产量的水肥协同效应。结果表明,自然降水条件下3因素对不同耕作措施小麦和豌豆产量的贡献率均为:X3>X2>X1。生育期降水量和休闲期降水量对产量的贡献率均为:NTS>NT>T。T、NT和NTS措施下小麦和豌豆的产量与施氮量均呈开口向下二次抛物线型变化,但小麦最佳施氮量分别为65.0,65.5和44.5 kg/hm2,豌豆的最佳施氮量分别为17.9,18.5和23.8 kg/hm2,并且施氮量对小麦产量的贡献率为:NT>T>NTS,而施氮量对豌豆产量的贡献率为:NTS>NT>T。在甘肃省定西黄土丘陵区,决定小麦和豌豆产量的关键因素是降水,降水量对免耕覆盖的增产效应最为显著,且3种耕作措施条件下小麦和豌豆对施氮效应有不同的表现。 相似文献
15.
不同耕作措施旱地春小麦产量对温度变化的响应 总被引:1,自引:0,他引:1
为了探析温度变化对不同耕作措施春小麦产量的影响,利用APSIM模型对2因素9水平3种耕作措施下的春小麦产量进行了模拟,选择日最低温度和最高温度作为自变量因子对产量效应进行分析,并对3种耕作措施条件下最低温度和最高温度的互作效应进行通径分析。结果表明:不同耕作措施条件下,春小麦产量随最低温度升高呈二次抛物线上升型变化,会出现报酬递减,且传统耕作+秸秆还田和免耕覆盖的增产效应大于免耕耕作措施;传统耕作+秸秆还田和免耕耕作措施下,产量随最高温度升高呈二次抛物线递减型,并呈叠加递减,而免耕覆盖耕作措施下产量随最高温度升高呈负相关。3种耕作措施下,最低温度和最高温度之间还存在正的协同效应,免耕覆盖耕作措施相比其它两种耕作措施,具有更好的协同促进效应。 相似文献
16.
针对作物生产碳排放预测较为困难的实际问题,提出基于BP神经网络算法的玉米生产碳排放预测模型。选择地处河西走廊石羊河下游的民勤绿洲246家农户,面对面调查玉米种植户农场内生产投入数据,将玉米生产投入数据作为神经网络输入层;查阅和梳理国内外相似区域玉米生产环节碳排放系数,运用碳足迹生命周期法计算得到的碳排放值作为神经网络输出层;基于BP人工神经网络算法,运用试凑法确定网络隐含层节点个数,建立河西绿洲玉米生产碳排放预测模型,选择多元线性回归模型、多元非线性回归模型,对该模型有效性进行评估。研究结果表明,3层且各层节点数9、10、1的神经网络结构能够准确预测河西绿洲玉米生产碳排放,其碳排放预测值为0.763 kg(CO_2-eq)·kg~(-1)(DM);9-10-1结构的神经网络预测模型的相关系数(R~2=0.984 7)高于多元线性和非线性回归模型,该神经网络结构模型的均方根误差(RMSE=0.069 1)、平均绝对误差(MAE=0.051 3)均低于其他模型,BP神经网络算法预测性能明显优于其他预测模型。该研究为准确预测农业生产碳排放提供了新思路和可操作方法。 相似文献
17.
18.
基于RS、GIS以及地理探测器,结合社会经济统计资料,对甘肃农牧交错带2000—2020年土地利用结构、动态度、利用程度和地类转移进行分析,并探究土地利用变化在不同时期的驱动因素。结果表明:(1)2000—2020年,甘肃农牧交错带以耕地、林地和草地为主要用地类型,三者占比超过95%,土地利用结构差异度均小于0.01、结构总体趋于稳定,全域土地利用动态度总体呈先增加后放缓的趋势;(2)耕地、林地和草地的转化占研究区总体变化面积的96%以上,各地类间转换活跃,LUCC较集中分布于陇中黄土丘陵区和陇东黄土高原沟壑区;(3)在长时序土地利用变化情景下,地理探测器具有较好的适用性,甘肃农牧交错带土地利用变化在不同时段驱动因子相异,其变化受社会经济因素和自然地理因素共同作用驱动(前者对土地利用变化解释度更强),各因子间交互作用均表现为双因子增强或非线性增强效应,双因子交互对土地利用变化的解释度强于单因子解释度。 相似文献
19.
20.