排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
李小食心虫幼虫在美国杏李上的空间分布格局 总被引:1,自引:2,他引:1
初步调查研究了河南驻马店蚁封林场7年生美国杂交杏李李小食心虫幼虫的种群动态,结果显示,李小食心虫幼虫在美国杏李上的空间格局为聚集型,而每个果实中李小食心虫幼虫分布均匀,分布的基本成分是个体群,个体间相互吸引.不同调查时间同一枝条上李小食心虫的幼虫密度不相同.李小食心虫幼虫存在明显的扩散性和空间移动性. 相似文献
2.
3.
4.
为充分掌握和合理应用驿新圆大枣在花蕾开花不同时期最佳的环剥宽度,以10~12a生的驿新圆大枣为试材,进行了不同环剥时期、环剥宽度试验,结果表明:驿新圆大枣花蕾50%左右开花时进行0.5cm宽度的环剥产量最高,达33.114 0t/hm~2;与花蕾开花70%左右时采用0.5cm宽度环剥,花蕾开花50%左右时采用0.4cm、0.6cm宽度环剥和花蕾开花30%左右时采用0.5cm宽度环剥的相比,产量分别提高6.9%、12.4%、15.4%和17.8%;花蕾开花50%左右采用0.5cm宽度环剥,与其他4种处理之间在产量上存在极显著差异。 相似文献
5.
宁夏地区温室蛞蝓的发生规律及防治 总被引:1,自引:0,他引:1
蛞蝓[Agriolimax agrestis(Linnaeus)]属软体动物门(Mollusca),蛞蝓科(Limacidae),俗称鼻涕虫,危害多种农作物幼苗和蔬菜,以及各种花卉[1].近年来,北方地区保护地发展较快,面积很大,温室蛞蝓发生严重.为探索蛞蝓在宁夏地区的发生规律,笔者于2003年对蛞蝓的危害、生物学特性、种群消长规律等作了调查,其目的在于探索防治蛞蝓的途径与方法. 相似文献
6.
斑潜蝇(Liriomyza)是一类主要危害蔬菜和花卉的重要害虫,其形体小,形态易混淆,在各发生地均造成严重为害.从斑潜蝇的为害症状、形态构造、电泳法等方面进行种类鉴别,总结了其寄主植物范围及其选择性和为害状况.斑潜蝇在各地的生物学特性存在差异,空间分布型为聚集型,基本上符合负二项分布.环境因素对斑潜蝇影响较大,天敌防治斑潜蝇具有良好的效果.采用综合防治技术,对适合斑潜蝇的农业防治、化学防治、物理防治和生物防治方面作了详细论述并分析了防治误区,把自然控制和综合防治相结合.总结了危害蔬菜、花卉的几种斑潜蝇的研究进展,以供广大植物保护工作者和农民参考. 相似文献
7.
使用坐标调查法对美国杏李果园的5种主要害虫的空间分布格局进行调查,采用最近邻体分析方法分析,结果表明绣线菊蚜Aphis citricola、山楂叶螨Tetranychus viennensis、李小食心虫Grapholita funebrana为聚集分布,草履蚧Drosicha corpulenta、金纹细蛾Lithocolleti ringoniella为随机分布。并采用点分布图、分散度指数和最近邻体分析结果进行比较,使用正态分布对试验结果进行检验,结果表明两者的拟合结果相同,说明Clark-Evans最近邻体分析法可以很好地对果园害虫的空间分布格局进行估计。 相似文献
8.
美国杂交杏李园害虫中桃蚜[Myzus persicae(Sulzer)]与山楂叶螨(Tetranychus viennensis Zacher)的生态位宽度较宽,占据空间较大,为害虫优势种群,在空间维度上害虫之间存在较大竞争;大草蛉(Chrysopa septempenctata Wesmael)在各期的生态位宽度最大,说明大草蛉是重要的优势天敌,且天敌与主要害虫在空间上相遇机率较大;天敌之间生态位重叠指数较高,表明主要天敌之间存在明显的相互竞争关系;美国杂交杏李园天敌对主要害虫在时间维度上有较强的追随效应和控制作用。 相似文献
9.
在美国杏李园生态系统天敌亚群落中,草蛉类的数量占优势,同时在绣线菊蚜大发生的5~7月,草蛉类、蜘蛛类种群密度较高,瓢虫类的关联度明显高于其它两类,是绣线菊蚜的优势天敌种类,这三类共同控制了绣线菊蚜的数量.天敌与绣线菊蚜的同域效应高,对绣线菊蚜有较强的追随作用,抑制着绣线菊蚜种群数量的增长.异色瓢虫、龟纹瓢虫、多异瓢虫是美国杏李园内的瓢虫类的优势种群. 相似文献
10.
目的 随着大数据技术和人工智能的快速发展,针对当前水稻产量预测模型精度低、预测区域范围过大、模型优化时间过长等问题,本文提出一种基于Spark的鲸鱼优化算法-反向传播神经网络(Whale optimization algorithm-backpropagation,WOA-BP)水稻产量预测方法。方法 本文以广东省西部地区的县/市/区水稻产量及气象数据作为研究对象,采用WOA对BP网络的权值和偏置值进行优化,并构建水稻产量预测模型,提升预测精度;此外,在Spark框架下,实现WOA-BP算法并行化,减少算法时间开销。结果 模型精度方面,通过对预测结果进行反归一化后比较,经WOA优化后的BP神经网络模型,平均绝对百分比误差 (Mean absolute percentage error) 从8.354%降至7.068%,平均绝对误差 (Mean absolute error) 从31.320 kg降至26.982 kg,均方根误差 (Root mean square error) 从41.008 kg降至33.546 kg;运行时间方面,3节点Spark集群比非Spark模式减少了11 742 s,减少44%的时间开销。结论 基于Spark的WOA-BP水稻产量预测方法,能够较好地预测出广东西部县/市/区的水稻产量,同时可以很好地反映气象因素对广东省西部地区水稻产量的影响情况,对研究广东西部县/市/区乃至整个广东的水稻产量情况具有一定的参考价值。 相似文献