日光温室甜瓜主要病虫害综防措施

<正>一、霜霉病1.危害症状幼苗和成株均可发病,主要危害叶片、茎、卷须,花梗也能受害。幼苗发病,子叶正面出现不匀的黄化褪绿斑,然后变成不规则枯萎斑。空气潮湿时,病斑背面产生紫灰色霉层。成株期发病多从下部叶片开始,初期在叶片上出现绿色小斑点,并逐渐变为黄     

日光温室越冬西葫芦无公害栽培技术

<正>西葫芦,又叫美洲南瓜,是一种营养价值较高,病虫危害相对较轻,比较容易种植的瓜类蔬菜,炒食、做馅、做汤均可,是我国广大消费者喜食的主要瓜类蔬菜之一,在我国种植面积较大,现将其无公害栽培技术规程总结如下。     

红外光谱法在高分子科学中的应用

文章简单介绍了红外光谱的原理,介绍了红外光谱在高分子材料结构解析中应用的一些实例,通过这些实例可以理解红外光谱在高分子材料结构解析中应用的重要性。     

互助县日光节能温室蔬菜生产现状及发展对策

阐述了互助县日光节能温室蔬菜的生产现状及发展优势,并分析了其存在的问题,在此基础上,提出发展对策,以为互助县日光节能温室蔬菜生产的持续发展提供指导。     

北方地区翡翠菜花冬季日光温室栽培技术

<正>翡翠菜花,又叫宝塔菜花,是花椰菜的一个变种。据测定,翡翠菜花的总糖含量为2.29%,粗蛋白质含量2.42%,此外每100g鲜球中含有维生素C65.1mg、钾262mg、钠19.1mg、钙18.3mg、镁17.2mg,还含有大量的铁、锰、锌等元素,不仅     

叶绿微肥对日光温室葡萄的影响

<正>1材料与方法试验于2009年在农场一队老钱家葡萄温室进行。品种为绯红无核,面积667m2,1000株(2005年建园)。叶绿微肥为重庆永川农药厂生产,Fe、Mn、Zn含量≥12%,K2O含量≥5%。设2个处理:1)喷施叶     

应用近红外透射光谱和人工神经网络的豆油脂良莠鉴别

提出了一种利用近红外透射光谱结合BP神经网络识别未知豆油脂良莠类别的方法。在10 000～3 500 cm-1范围内分别采集合格油、不合格油(精炼垃圾油、煎炸油和变质合格油)的透射光谱,对光谱数据依次作出Savitzky-Golay平滑、基线校正预处理,采用SPSS 11.0抽取出9个主成分(累计贡献率达到99.89%)作为神经网络输入神经元,建立3层BP神经网络模型,模型能够有效辨识未知豆油脂的良莠以及不合格具体种类,类别预测正确率为100%。     

基于高光谱成像技术的鲜烟叶叶位识别方法

为实现鲜烟叶叶位的快速无损识别,以不同着生部位烟叶为研究对象,应用高光谱成像技术,构建基于特征光谱的鲜烟叶叶位判别模型。首先,利用标准正态变换（SNV）、二阶导数（2ND）、SavitzkyGolay卷积平滑（SG）和多元散射校正（MSC）4种光谱预处理方法对烟叶原始高光谱数据进行处理,然后采用预处理后的全波段光谱数据和特征波段光谱数据,构建基于支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）和反向传播神经网络（BPNN）的鲜烟叶叶位识别模型。结果表明：采用SG滤波预处理和BPNN所构建的模型识别效果最好,训练集和预测集的预测准确率分别为91.15%和90.63%。此外,利用竞争性自适应重加权算法（CARS）所筛选的特征波长所建立的BPNN模型最优,训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的,可以实现鲜烟叶所属部位快速、无损检测。     

棉花植株水分含量的高光谱监测模型研究

精确灌溉对无损、快速的水分监测技术有迫切需求。研究棉花冠层高光谱参数与水分的定量关系并建立水分估测模型,以实现棉花水分及时、准确监测。通过2年试验,测定棉花冠层高光谱及植株水分,根据光谱参数与植株含水量的相关关系,建立了植株含水量监测模型。结果表明:棉株含水量与叶片含水量在一定范围内随灌溉量增减而增减,并能区分棉花干旱程度;棉株及叶片含水量与冠层460～514 nm、605～698 nm、1451～1576 nm和1960～2457 nm反射率极显著负相关,与727～1345 nm反射率极显著正相关,且棉株的相关性好于叶片含水量。所选作物水分指数、归一化差值水分指数1、归一化差值水分指数2、水分胁迫指数1、水分胁迫指数2、水分波段指数、水分指数与归一化差值植被指数之比均与棉株及叶片含水量极显著相关;构建了棉株含水量和叶片含水量的最佳监测模型;所建模型精度能满足大田生产对棉花水分监测的要求。     

牛肉质构特性的近红外光谱无损检测

为了建立基于近红外光谱技术的牛肉质构特性快速检测方法,该试验采集了202个新鲜牛肉样品在800～2500 nm波长范围内的漫反射光谱,测定了牛肉的硬度、弹性、咀嚼性和黏附性,经小波消噪后,分别采用平滑、一阶微分、二阶微分等6种方法预处理,建立了牛肉质构特性的偏最小二乘回归模型,并用最优模型进行预测。结果表明：经小波消噪后采用二阶微分预处理方法建立的牛肉硬度、弹性、咀嚼性的检测模型效果最好,其校正集相关系数 r 均在0.9以上,校正集均方根误差（root means square error of calibration,RMSEC）分别为6.247 N、0.760 mm、14.954 mJ,预测集相关系数均在0.664以上,预测集均方根误差（root means square error of prediction,RMSEP）分别为8.887 N、0.951 mm、22.117 mJ,相对预测误差（ratio of prediction to deviation,RPD）值分别为2.43、1.88、2.32,预测精度较高,能够有效地预测牛肉的硬度、咀嚼性,可以检测精度要求不高的牛肉弹性;试验所建立的牛肉黏附性检测模型的预测性能不是很理想,虽然其校正集和预测集相关系数较高（分别为0.720、0.694）,RMSEC 和 RESEP 均较小（分别为0.302、0.243 N·mm）,但其 RPD 值小于1.5,模型预测精度较差,不可以用于预测未知样品的黏附性,此方法还需进一步研究。研究结果为牛肉质构特性的快速无损评价提供了理论依据。