排序方式: 共有128条查询结果,搜索用时 15 毫秒
1.
为了给基于频域反射法测量土壤质量含水率提供一种方法,设计了一种由圆管和探针组成的管针式土壤质量含水率测量探头。以杨凌地区的塿土为对象,分析了所设计探头间接测量土壤容重的误差;在信号源频率为50、100、150、300、500 MHz下,研究了土壤质量含水率(2.58%~21.43%)、土壤容重(0.80~1.30 g/cm3)和温度(10~50℃)对探针上的电压与信号源输出电压的比值(信号电压比)的影响;建立了信号电压比与土壤温度、容重和质量含水率之间的三元二次方程,分析了模型预测土壤含水率的可行性。结果表明:管针式探头间接测量土壤容重的绝对误差为-0.129~0.016 g/cm3;含水率、容重和温度均影响信号电压比,50、100、150 MHz下含水率对信号电压比影响较显著。在0.01的显著水平上,150 MHz下所建模型较优,其决定系数R2为0.849 6;对该模型的检验结果说明,计算的信号电压比与实际电压比的绝对误差为-0.166~0.159。基于该模型计算的土壤含水率与实际含水率的绝对误差为-3.440%~4.039%。 相似文献
2.
3.
4.
5.
为了实现植物根系结构形态的原位检测,植物根系单根的断层图像重建研究非常必要。该文应用动态电阻抗成像技术对土壤-树根模拟系统进行了图像重建,对重建图像进行二值化处理并求出树根在该系统中的位置坐标、面积和形状,并以树根的位置坐标、面积及形状的相对偏差为指标,分析了图像重建算法、土壤含水率2个因素对成像质量的影响。结果表明:电阻抗成像技术能够实现树木单根断层图像重建;将重建图像进行二值化处理,所得图像更加直观,便于定量评价成像质量;基于Newton单步残差正则化的一步牛顿误差重构(Newton's one-step error reconsruction,NOSER)算法,比基于全变差正则化的主双-内点模式(primal dual-interior point method,PD-IPM)算法的成像质量好;土壤含水率越高成像质量越好。该研究为基于电阻抗成像技术的植物根系结构形态的图像重建提供参考。 相似文献
6.
变量喷洒喷头组合喷灌试验 总被引:3,自引:0,他引:3
变量喷头可以根据喷洒地块形状和喷洒量的要求实现射程和流量的同步可控,对精确灌溉具有重要意义.试验研究了基于扇形通孔动静片调节器的变量喷头在系统不同压力工况下组合喷灌时的水量分布及喷灌均匀度等水力性能,并与传统圆形喷洒域喷头进行了对比,研究了变量调节器对喷头性能的影响及其对工作压力的敏感性.工作压力和调节器的双因素重复全面试验结果表明,变量精确灌溉喷头较传统圆形喷洒域喷头单喷头控制面积降低了15.4%,喷灌均匀度提高了9.5%,喷灌强度降低了15.7%,射程损失了5.9%,喷洒域系数可达64.0%.组合均匀度方差分析结果表明,调节器和工作压力以及两者之间的交互作用对组合均匀度都有极显著影响,变量调节器的设计需要满足喷头在不同工作压力工况条件下的性能要求. 相似文献
7.
8.
9.
喷灌均匀系数的三次样条两次插值计算方法 总被引:4,自引:1,他引:3
为提高喷灌水量分布均匀性评价的准确性,当雨量筒径向布置时,为考虑所有测点数据对插值点降水深的影响,采用径向和周向两次的三次样条插值计算出未知点的降水深,从而计算喷灌均匀系数.以美国雨鸟30PSH型喷头雨量筒间隔为1 m和2 m的喷洒试验数据,计算网格点取1 m和0.25 m,分别采用三次1羊条两次插值法和邻近四点距离线性插值法计算了克里斯琴森均匀系数.结果表明,均匀系数由高至低的顺序依次为采样间隔为2 m的线性插值、采样间隔为2 m的三次样条两次插值、采样间隔为1 m的线性插值和采样间隔为1 m的三次样条两次插值.采样间隔2 m比1 m计算出的均匀系数总体高3~4个百分点,三次样条两次插值法比邻近点距离线性插值法略低1个百分点,2种计算网格点间距下的均匀系数差值小于1个百分点.结果证明,采样间距、插值方法、计算网格间距对均匀系数的影响依次降低,三次样条两次插值法可以用来评价喷灌组合均匀系数. 相似文献
10.
基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算 总被引:6,自引:7,他引:6
为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。 相似文献