粗皮桉木材力学性质的近红外光谱方法预测

以人工林粗皮桉木材为研究对象,采用常规力学测试方法和近红外光谱方法对其无疵小试样力学性质进行研究。用近红外光谱仪采集试样表面的近红外光谱,对采集的近红外漫反射光谱进行导数预处理并对不同波段光谱建立校正模型,以1/3试样作为预测集对校正模型进行验证。结果表明:二阶导数预处理、350～25000nm全光谱波段、径切面和弦切面平均光谱值对粗皮桉木材力学性质模型预测效果最好。抗弯弹性模量和抗弯强度、顺纹抗压强度的实测值与近红外光谱方法的预测值存在较好的相关性,相关系数均大于0.88,相对分析误差大于2.0,表明利用近红外光谱方法预测人工林粗皮桉木材力学性质效果较好。     

我国参与国际标准化工作

2011年9月,国际标准化组织木材技术委员会(ISO/TC218)"第10届ISO/TC218年会",在乌克兰Kharkiv举行。来自中国、俄罗斯、美国、加拿大、日本、乌克兰、白俄罗斯、马来西亚、奥地利、肯尼亚等10个国家的30多位代表,出席会议。中国代表团由中国林科院木材工业研究所副所长吕建雄、标准化与产业风险研究室主任段新芳、全国木材标准化技术委     

发酵床养猪对猪舍空气质量的影响

近几年来,人们对猪的饲养环境越来越重视,猪舍内空气质量是健康养殖不可忽视的因素。通过对发酵床养猪和普通水泥地面养猪两种养殖模式下猪舍内空气指标进行测试,结果表明,采用发酵床养猪猪舍内NH3、H2S在冬季和夏季平均浓度均低于普通水泥地面猪舍,但猪舍内PM10浓度在夏冬两季却有增有减。分析认为,发酵床养猪可有效降低猪舍内NH3和H2S气体的浓度,但管理措施不到位,将会增大PM10浓度,影响猪舍内的空气质量。     

微生态鸡粪饲料喂猪试验

1试验目的验证用有益微生物复合活菌处理鸡粪、麦麸后,按不同配方配制成全价料饲喂生长育肥猪的效果。2试验时间与地点试验在宁夏回族自治区西吉县东旺养猪场进行。试验猪品种为杜×长×大三元杂交猪。试验猪舍为简易开放单列棚式猪舍,四面砖墙,水泥地面,水泥     

养好雏鸭从四方面做起

（一）密度控制 饲养密度应根据育雏舍构造、饲养设备、通风情况、管理水平以及当时的气候等条件来决定。如笼养和网养的密度应比地面平养的大,保温和通风等条件好的密度可大些,饲料营养水平特别是维生素类水平高时密度可大些。通常雏鸭群以400-1000只为宜。地面平养时,第1周龄每平方米20只左右,第2周龄14只左右,第3周龄以后不应多于10只;网面平养和地网结合饲养时密度可大些,最多可多养1／3。但是不管群体大小和密度如何,都要适时进行雏鸭强弱分群,弱雏单独饲养,精心护理,以减少残次成鸭数量。     

一例鹌鹑霉菌性肺炎的防治体会

1发病情况2012年2月11日,平度市长乐镇某蛋鹌鹑养殖场购进10000只雏鹑,饲养方式为厚垫料地面平养。在18~23日龄时发现有的雏鹑伸颈张口喘气、呼吸困难、行走不稳、共济失调等症状,至28日龄,相继出现流泪、眼睑粘连、肿头等症状,随后发生死亡,全群发病率约35%,     

哺乳仔猪的管理妙术

1仔猪保温 仔猪要求适宜温度是：1～3日龄30～32℃,4～7日龄28～34℃,以后每周下降2～3℃。用仔猪保温箱保温,保温箱可为木制,规格尺寸为80cm×60cm×60cm,无箱底,直接放于猪舍地面垫草上,箱内放入活动红外线灯（150～250W）用于保温,箱上加活动盖板。     

肉仔鸡饲养管理的操作程序

1空舍的处理 此项工作要在出栏后3-5天内完成。1．1清舍清理饲喂设备;清除鸡舍屋面、墙壁等灰尘,撤出取暖设备;撤出网铺,清理架杆上的粪便及灰尘等;清除地面粪便,如果是土地面,则将地面清除2-3厘米为宜;同时打扫工作问卫生,将清除的地面土换上相同厚度的新土;搭建或安置取暖设备和网铺。     

发酵床养猪度夏的技术措施

发酵床养猪技术的关键环节之一是生物发酵,即利用微生物的作用分解粪便等排泄物,释放出热量.发酵床产热在春、秋、冬季等低温季节已经表现出了显著的优越性,为猪提供舒适温暖的环境,节约大量的冬季取暖费用;针对传统养殖模式下水泥地面的冷凉而言,有效地改变了猪体尤其是腹部温度,改善了消化道的功能,减少和降低了消化道系统疾病的发生;增强了猪的抵抗力,节约用药成本,降低死亡率等等.     

基于地表数码照相的林地总体植被覆盖度计算模型

Vegetation fractional coverage (VFC) is one of the key indicators of vegetation distribution. In the work a measurement-based model was developed to derive total forest VFC (TG) as well as the VFC of trees (T) and shrub-grasses (G) separately in a subtropical forest area in Nanjing, China. Both upward and downward photographs were taken with a digital camera in 72 quadrats (10 m × 10 m each). Fifteen models were established and validated. Models jointly using both T and G performed better than those using the T and G separately. The best model, TG = T + G- 1.134 × T × G- 0.025 (R2 = 0.9115, P 0.01, root mean squared error = 0.0789), is recommended for application. This model provides a good way to obtain total forest VFC values through taking tree and shrub-grass photos on ground below tree canopy rather than above tree canopy.