省域尺度下畜禽粪便的农田消纳量及承载负荷研究

为了解畜禽养殖粪便还田利用消除养殖污染的重要途径,在构建畜禽粪便的农田消纳量及承载负荷模型的基础上,在省域尺度下分析了我国不同省区主要畜禽类型粪便产生总氮(TN)、单位面积畜禽粪便TN的容纳量以及单位面积畜禽粪便TN的承载负荷。结果表明,全国畜禽粪便TN产生量是380.56万t,其中猪、奶牛、肉牛、蛋鸡和肉鸡粪便TN分别占41.2%、13.7%、8.7%、1.5%和34.9%,总量分布山东最高占到15.9%,其次河南占13.4%,河北第三占9.2%。单位面积的畜禽粪便TN容纳量北京最高,单位耕地面积达到83.2kg/hm~2,单位播种面积达到68.2kg/hm~2,低于耕地面积的承载量90kg/hm~2的安全消纳的临界点。基于欧盟标准,省域尺度下的TN承载负荷均小于0.5,其中北京最高,耕地面积下的承载负荷是0.48,播种面积下的承载负荷0.39。畜禽粪便TN负荷主要来自生猪与肉鸡,差不多是畜禽TN负荷的一半,因此,畜禽粪便污染的防治主要是生猪与肉鸡,其中重点是生猪。由此可见,我国农田消纳畜禽粪便的潜力较大,通过畜禽粪便还田利用能够有效的解决粪便污染问题。     

中国畜禽粪尿磷素养分资源分布以及利用状况

参照中国有机肥料养分志计算粪尿资源量的方法,研究了2002年我国畜禽粪尿磷素养分资源的状况及其分布。结果表明:我国畜禽粪尿肥资源总量约为33亿t,提供磷(P)318.4万t,主要分布在山东、河南、四川、河北、广东、湖南等省。145.7万t粪尿磷资源作为有机肥回田,占粪尿磷资源总量的45.8%;而进入环境的磷约为172.7万t,占粪尿磷资源总量的54.2%。北京和上海粪尿磷资源总量不多,但其单位面积承载的磷却很高,分别为98.7kg/hm2和86.6kg/hm2。     

鸡的极限生产力

人们经常把小鸡的生长过程称为极限运动的艺术实践。如果说加上一点点想像的话，这种比喻是准确的，因为我们总是期待着每一只鸡都能不断地达到其生产力的极限。为了能使鸡如人所愿，我们给鸡提供了利用率最高而且也能负担得起的饲料。在鸡的这个极限运动中，饲料发挥着越来越重要的作用，所幸的是禽肉往往是蛋白质的首选。     

便携式爆炸物探测器

该仪器包括采样器、气化装置、探测器主机(含传感器芯片)、电池(预留外接电源)。可用于纳克量级的梯恩梯、黑索金等爆炸物进行现场快速检测,检测极限为1纳克,单项爆炸物的检测时间为90秒,检测到爆炸物后通过声光示警。     

林业索道应用新领域的探讨

利用我省采育场现行使用的集运材索道设备,创新改造成双承载索缆机增力式的吊装索道。该索道将2台K_(2-3)型跑车并联组合成增力吊装跑车,用1台闽林_(721)型索道绞盘机,发挥该机三卷筒的功能,为水利部门完成了吊装U型钢筋混凝土薄壳渡槽的任务。为林业索道的发展和应用,闯出了一条新途径。该吊装索道所具有的优点,使它特别适用于山区水电、水利和交通、建筑等部门工程建设中较大预制构件或较重设备的吊运和吊装工程。     

承载小杂粮发展梦想 推动粮食产业腾飞

山西省忻州市是一座古老而年轻的城市,位于山西北中部,紧邻省会太原,东接环渤海经济圈,西拥黄河能源金三角,是贯通东西的能源黄金走廊和物流咽喉要道。全市辖14个县（市、区）,总人口310万人,总面积2．5万km2。     

EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用

机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门.提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别.对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态...     

运材汽车承载梁间距对原条捆重心及曲线加宽值的影响

承载梁间距对原条捆重心高度的影响是:如果承载梁间距偏小,原条捆重心升高,汽车列车稳定性降低,反之则反;承载梁间距对牵引车稳定性影响是:如果承载梁间距偏大,横向力系数只能取较小值,牵引车易发生倾覆,反之则反;承载梁间距对曲线加宽值的影响是:当曲线半经一定时,如果承载梁间距偏小,曲线加宽值就大,反之则反。     

利用近红外高光谱图像技术快速鉴别西瓜种子品种

为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay (SG)平滑算法,经验模态分解算法（empirical mode decomposition,EMD）和小波分析（wavelet transform,WT）对提取出的光谱数据进行去除噪声处理,采用连续投影算法（successive projections algorithm,SPA）和遗传-偏最小二乘法（genetic algorithm-partial least squares, GA-PLS）进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）,基于特征波长建立了反向传播神经网络（back-propagation neural network,BP NN)判别模型和极限学习机（extreme learning machine,ELM）判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。