排序方式: 共有19条查询结果,搜索用时 31 毫秒
1.
2.
3.
4.
6.
‘中林46杨’林分耗水特性及其与环境因子的关系 总被引:6,自引:0,他引:6
应用热扩散原理,采用径流计和自动气象站同步观测树干液流和林内环境因子,分析‘中林46杨’蒸腾耗水规律及其与环境因子关系,旨在为该地区更精确地估计生态用水定额提供科学依据,而且也可为该区域杨树胶合板用材林的造林、营林及流域综合管理提供理论基础。结果表明:在整个生长季的晴天,‘中林46杨’树干液流的日变化呈现明显的单峰宽峰曲线,在4、6~10月的液流速率分别为6.21、12.96、11.07、8.18、5.86和2.98 cm/h;‘中林46杨’在夜间有微弱的上升液流,这可能与根压有关;在生长季树干液流速率与环境因子回归分析结果表明,树干液流受环境因子综合影响,影响大小依次是太阳辐射、空气温度、相对空气湿度、林地10 cm土壤温度和风速,建立的回归方程达到极显著水平。 相似文献
7.
为探讨在饲料中添加构树叶对蛋鸡生产性能及蛋品质的影响,试验将45周龄体况一致的健康海兰灰蛋鸡400只,随机分为5个组,每组4个重复。对照组饲喂基础日粮,Ⅰ~Ⅳ组为试验组,分别在基础日粮中添加0.5%、1%、1.5%、2%的构树叶,定期采样测定各组鸡的生产性能和蛋品质指数。结果表明,在蛋鸡日粮中添加不同水平的构树叶均可增加蛋重,以2%添加组效果最佳(P0.05),各试验组对产蛋率有一定的改善,而对采食量和料蛋比无显著性影响(P0.05);1.5%添加组的蛋黄颜色、蛋壳相对重、蛋壳厚度均显著优于对照组(P0.05),在蛋形指数、蛋黄系数、蛋黄相对重、哈夫单位等指标上1.5%添加组和对照组相比差异不显著(P0.05)。提示日粮中添加1.5%~2%的构树叶即可提高蛋鸡生产性能及蛋品质。 相似文献
8.
甜叶菊茎尖组培苗生根及移栽的研究 总被引:1,自引:0,他引:1
采用甜叶菊的幼嫩茎尖为外植体,MS为基本培养基。在添加6-BA1.0mg/L+蔗糖30g/L+琼脂6g/L的诱导培养基上.进行丛生芽的诱导培养。如果不感染病菌,诱导出芽率可达100%。继代增殖培养基采用MS+6-BA0.5mg/L+NAA0.05mg/L+蔗糖30g/L+琼脂6g/L,继代培养30d后,丛生芽数可增殖14--15倍。在1/4MS+IBA0.1mg/L+NAA0.1mg/L+蔗糖30g/L+琼脂6g/L+性炭1g/L的生根培养基上诱导生根,效果最好,生根率达100%.组培苗出瓶前先敞口炼苗2d.生根苗移栽后成活率可达95%以上。 相似文献
9.
为探究施氮量和种植密度对复播早熟饲用燕麦(Avena sativa L.)产量和品质的影响,以‘青海444’(A1),‘青引1号’(A2),‘领袖’(A3)和‘青燕1号’(A4)为材料,采用两因素裂区设计,设施氮量为主区,分别为0.00 kg·hm-2(B0)、80.00 kg·hm-2(B1)、160.00 kg·hm-2(B2)3个处理;设种植密度为副区,分别为168.00 kg·hm-2(C1)、240.00 kg·hm-2(C2)、312.00 kg·hm-2(C3)3个处理。对各处理燕麦干草产量、株高、营养品质[干物质(Dry matter,DM)、粗蛋白(Crude protein,CP)、中性洗涤纤维(Neutral detergent fiber,NDF)、酸性洗涤纤维(Acid detergent fiber,ADF)和粗脂肪(Ether extract,EE)]分析,结果表明,施氮量和种植密度对燕麦DM,CP,ADF,NDF和EE含量有显著影响(P<0.05),乳熟期随种植密度增加,DM,CP,NDF和ADF含量不断递减,随施氮量增加不断递增。综上,石河子地区4个饲用燕麦均适合在乳熟期收获,且‘青海444’为最佳种植品种,其最佳施氮量为80.00 kg·hm-2,种植密度为312.00 kg·hm-2。 相似文献
10.
针对当前奶牛动态称量研究对动态称量信号的信息利用率偏低,不能充分提取称量信号深层信息的问题,提出一种基于变分模态分解(Variational mode decomposition,VMD)与长短期记忆网络(Long short-term memory,LSTM)的动态称量算法,以提高奶牛体质量预测精度。首先,使用阈值过滤的方法从采集到的奶牛动态称量信号中获取有效信号;其次,使用VMD算法将预处理后的有效信号分解为5个本征模态函数(Intrinsic mode function, IMF),以提取奶牛动态称量信号中蕴含的深层信息,并降低有效信号的非平稳性对预测精度产生的影响;最后,分别将归一化后的各IMF分量与有效信号结合,作为特征输入到LSTM神经网络进行训练,预测奶牛体质量。通过对使用不同特征的模型的预测结果进行对比,选用误差最小的模型作为本文的奶牛体质量预测模型。试验结果表明,本文提出的动态称量算法能够有效提取奶牛动态称量信号的深层信息,体质量预测的平均相对误差为0.81%,均方根误差为6.21kg。与EMD算法和GRU算法相比,本文算法误差更小,更能满足养殖场的实际需求。 相似文献