首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   6篇
  免费   1篇
  国内免费   2篇
基础科学   6篇
  2篇
畜牧兽医   1篇
  2023年   4篇
  2020年   1篇
  2019年   3篇
  2017年   1篇
排序方式: 共有9条查询结果,搜索用时 16 毫秒
1
1.
为探讨分数阶微分(fractional-order differentiation,FOD)技术联合光谱指数改善高光谱反演冬小麦根域土壤含水率(soil moisture content,SMC)的效果,该研究以冬小麦为研究对象,测取高光谱反射率和土壤含水率数据,将高光谱反射率经Savitzky-Golay(SG)平滑处理后计算典型光谱指数以此构建偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)和BP神经网络(back propagation neural network,BPNN)3种土壤含水率反演模型;将高光谱反射率进行0~2.0阶(步长为0.2)的分数阶微分处理后计算比值指数(ratio index,RI)和归一化指数(normalized difference index,NDI),分析不同阶的RI、NDI与SMC之间的二维相关性,筛选得出敏感光谱指数并分组,以此构建3种反演模型(PLSR、RF和BPNN)。结果表明:不同典型光谱指数与土壤含水率的相关性存在很大差异,相关系数波动范围在0....  相似文献   
2.
不同粘粒含量浑水对微孔陶瓷灌水器堵塞的影响   总被引:1,自引:0,他引:1  
为了揭示不同粘粒含量浑水对微孔陶瓷灌水器堵塞的影响与作用机理,笔者研究了粘粒含量不同的泥沙和粘土(2 g/L)对微孔陶瓷灌水器堵塞的影响,并利用XRD分析灌水器内沉积物成分。研究结果表明:泥沙沉积是导致微孔陶瓷灌水器物理堵塞的主要原因。灌溉前期(0~216 h),浑水中泥沙粘粒含量对微孔陶瓷灌水器平均相对流量影响较大,泥沙粘粒含量越高,影响越大,灌水器越易发生堵塞。但是,灌溉后期(216 h后),灌水器平均相对流量均稳定在72%附近,泥沙粘粒含量对灌水器平均相对流量影响较小。进入微孔陶瓷灌水器内的泥沙全部沉积在灌水器内壁,形成一层泥沙膜,泥沙颗粒不会进入灌水器陶瓷微孔中。  相似文献   
3.
不同动态水压模式下迷宫流道内颗粒物运动特性研究   总被引:4,自引:0,他引:4  
采用PTV技术,观测三角函数、三角、台阶、矩形波形动态水压模式下迷宫流道内颗粒物的运动情况,分析不同动态水压模式下迷宫流道内单个颗粒物运动轨迹、运动速度及流体流场,揭示动态水压抗堵塞机理。结果表明:相对于三角、台阶及矩形波形动态水压模式,三角函数波形动态水压模式下颗粒物滞留滞止区内的时间最短,颗粒物的沉积概率最小,水流对颗粒物的输移能力最大;三角函数波形动态水压模式下流道内产生的水流波动效应不断冲击流道滞止区内存在的低速漩涡,加剧了滞止区水流紊动,进入滞止区的颗粒物随水流不断运动,并对滞留甚至沉积在滞止区内的颗粒物发生强烈冲击,使得颗粒物离底悬浮,返回主流区,并迅速通过流道,增大了水流对颗粒物的输移能力,增强了流道的抗堵塞性能。  相似文献   
4.
研究不同乳蛋白组分对牛乳酶凝乳特性的影响,在脱脂牛乳中添加乳清蛋白浓缩物(whey protein concentrate,WPC)、κ-酪蛋白(κ-casein,κ-CN)、β-乳球蛋白(β-lactoglobulin,β-Lg_A和β-Lg_B)。结果表明:这些乳蛋白组分可以缩短牛乳的酶凝乳时间,而且增加凝乳后的样品黏度,凝乳样品微观结构更加紧密;而添加α-乳白蛋白(α-lactalbumin,α-La)、α-酪蛋白(α-casein,α-CN)、β-酪蛋白(β-casein,β-CN)和总酪蛋白(casein,CN)对凝乳的形成具有抑制作用,凝乳样品微观结构较疏松。采用动态光散射法测定酶凝乳过程中酪蛋白胶束分子粒径的分布情况,结果表明,酪蛋白溶液中添加WPC、κ-CN、β-Lg_A和β-Lg_B后,分子半径分布发生变化,蛋白分子趋于聚集。选择酶凝乳差异明显的原料乳样品进行双向电泳与质谱鉴定,结果表明,与牛乳的酶凝乳特性相关的差异蛋白大多是影响乳腺细胞代谢的微量生物活性蛋白质。  相似文献   
5.
选取石英砂为骨架材料,碳粉为造孔剂,高岭土、钠长石为粘结剂制备α-SiO2-莫来石复相多孔陶瓷灌水器.研究了原料配比对多孔陶瓷灌水器性能的影响规律,得到了多孔陶瓷灌水器的最优配比.结果表明:石英砂含量过高易引起材料性能的下降.随着碳粉含量的增加,多孔陶瓷的孔隙率逐渐加大,密度逐渐降低.钠长石、高岭土含量的增大使得玻璃相的生成减少,晶相含量的上升,有利于改善强度.灌水器的流量随工作压力的增大而增大,其规律近似于线性.在同一工作压力下,随着造孔剂含量的增加,微孔陶瓷灌水器的流量也随之增加,这归因于微孔陶瓷孔隙的增加.多孔陶瓷灌水器渗透系数与孔隙率成幂函数关系.当原料中石英砂:碳粉:高岭土和钠长石质量比为60∶15∶25时,α-SiO2基多孔陶瓷灌水器兼备良好的材料性能和水力性能,可以满足田间使用要求.  相似文献   
6.
土壤水分是影响作物生长的关键因子,在精准灌溉中估算土壤含水率有重要意义,结合作物生理参数与叶片光谱特性,能够在一定程度上增强土壤含水率遥感监测模型的稳定性。为了提高土壤含水率遥感监测模型在冬小麦多种物候期的适用性以及迁移能力,该研究通过连续小波变换增强光谱对叶片不同生化生理指标的响应后,通过变量投影重要性分析方法对冬小麦叶片含水率、叶绿素、叶面积指数敏感的光谱特征进行特征筛选,结合偏最小二乘回归构建土壤含水率模型,并与土壤含水率所选特征建立的监测模型在独立年份数据与不同传感器之间进行比较。结果表明,土壤含水率变化显著改变了冬小麦叶绿素以及叶面积,进而影响了小麦冠层光谱,小尺度小波变换可以增强冬小麦冠层光谱和土壤含水率的相关性(相关系数由0.46提升至0.61)。综合基于地面非成像数据集和机载成像数据集进行的模型验证结果,基于叶绿素所选小波特征在2021年高光谱非成像数据集和2022年机载成像数据集构建的土壤含水率监测模型表现最优,其中基于1尺度叶绿素小波特征构建的模型效果最好,其在独立非成像数据集验证中决定系数为0.541,均方根误差为2.42%,在成像数据集验证中决定系数为0.687,均方根误差为1.92%。因此,通过冬小麦叶片叶绿素与连续小波变换选取的光谱特征进行土壤含水率监测的适用性更强,可以进一步提高土壤含水率监测模型的准确性及稳定性。  相似文献   
7.
肥沙对微孔陶瓷灌水器堵塞的影响研究   总被引:1,自引:0,他引:1  
为了揭示水肥一体化灌溉过程中肥沙对微孔陶瓷灌水器堵塞的影响和机理,研究了肥沙(质量浓度为3%的尿素和浓度为2 g/L的泥沙)和肥水(质量浓度为3%的尿素)对微孔陶瓷灌水器堵塞的影响,并利用XRD分析灌水器内沉积物的成分。结果表明:以平均相对流量的75%作为堵塞的评判标准,肥沙耦合条件下,在灌溉200 h以后,微孔陶瓷灌水器会发生严重堵塞。肥水灌溉条件下不会发生严重堵塞,泥沙颗粒会在微孔陶瓷灌水器内壁逐渐形成一层泥沙膜,泥沙膜的主要成分为SiO_2、碳酸钙和硅酸钙,在灌溉过程中逐渐沉积在微孔陶瓷灌水器的内壁,并不会进入微孔陶瓷灌水器的微孔中。泥沙膜的形成是引起微孔陶瓷灌水器发生堵塞的主要原因。  相似文献   
8.
地上部生物量(Above-ground biomass, AGB)是判断作物生长发育的重要指标,对作物不同生长阶段地上部生物量进行快速、准确、无损遥感监测对精准农业生产具有重要意义。本文在西北关中地区开展田间试验,以不同水氮处理下冬油菜为研究对象,通过对其生理生长指标以及产量进行分析,确定I2N3(越冬期和蕾薹期补灌,施氮量为280 kg/hm2)处理为该地适宜的水氮管理策略。使用无人机获取冬油菜营养生长期和生殖生长期多光谱图像,采用阈值法对多光谱图像中的阴影和土壤背景进行掩膜处理,提取各波段反射率,构建植被指数。将冬油菜地上部生物量实测数据与21个光谱变量进行相关性分析,筛选出各生长阶段相关系数绝对值排名前8个光谱变量作为输入量,通过随机森林(RF)、支持向量机(SVM)、遗传算法优化支持向量机(GA-SVM)和粒子群优化支持向量机(PSO-SVM)构建不同生长阶段冬油菜地上部生物量估算模型,确定最佳估算模型。结果表明,全生长阶段和生殖生长阶段红光波段反射率显著性最强且稳定,相关系数分别达到0.835和0.754;PSO-SVM模型更适合用于反演关中地区冬油菜不...  相似文献   
9.
基于无人机多光谱遥感的大豆生长参数和产量估算   总被引:1,自引:0,他引:1       下载免费PDF全文
为适应现代农业发展对作物生长动态、连续、快速监测的要求,本文基于无人机多光谱遥感技术,以西北地区大豆作为研究对象,分别筛选出与大豆叶面积指数(Leaf area index, LAI)、地上部生物量和产量相关性较好的5个植被指数,采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)和反向神经网络(Back propagation neural network, BPNN)分别构建了大豆LAI、地上部生物量和产量的估计模型,并对模型进行了验证。结果表明,基于RF模型构建的大豆LAI和地上部生物量预测模型的精度显著高于SVM与BP模型,LAI估计模型验证集的R2为0.801,RMSE为0.675 m2/m2,MRE为18.684%;地上部生物量估算模型验证集的R2为0.745,RMSE为1 548.140 kg/hm2,MRE为18.770。而在产量的估算模型构建中,在大豆开花期(R4)基于RF模型构建的大豆产量预...  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号