排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
长期秸秆还田与施氮后土壤活性碳、氮的变化 总被引：4，自引：3，他引：4
通过长期定位试验,研究了秸秆还田和施氮后小麦生育期内土壤微生物量碳、氮(MBC、MBN)及可溶性有机碳(DOC)的变化,以期为关中麦玉轮作区土壤肥力的提升以及农业的可持续发展提供科学依据。采用裂区设计,主处理为玉米秸秆全量还田(S+N)和秸秆不还田(N),副处理为3个不同施氮水平(0,168,252kg/hm~2)共6个处理。结果表明:土壤MBC从小麦分蘖期至越冬期降低,此后至拔节期升高且达到峰值,拔节期至成熟期降低。各处理土壤DOC从分蘖期至拔节期增加,拔节期达到峰值,此后至成熟期降低;而土壤MBN的动态变化在整个生育期呈现降低的趋势。秸秆还田处理的土壤MBC和DOC显著高于秸秆不还田处理,平均分别提高6.7%和9.3%;秸秆还田后土壤MBN均高于秸秆不还田处理,且在越冬期、拔节期和成熟期达显著水平;各处理的土壤MBC和MBN随着施氮量的增加而显著降低,还田处理的土壤DOC随施氮量的增加而显著增加,平均增加11.8%;而秸秆不还田各处理中土壤DOC含量表现出先增高后降低的趋势。可见,秸秆还田有提高土壤活性有机碳氮的作用,而过量施用氮肥对活性碳氮的提高有抑制作用。因此,关中平原麦玉轮作区实行秸秆还田配合施用适量氮肥是提高土壤肥力水平、实现农业可持续发展的有效措施。 相似文献
2.
基于近红外光谱与BP神经网络预测落叶松木屑的含水率 总被引：2，自引：0，他引：2
利用近红外光谱(NIR)技术结合BP神经网络定量预测了落叶松木屑的含水率。首先对采集的落叶松木屑原始近红外光谱进行9点平滑及多元散射校正预处理,然后利用主成分分析法提取光谱数据主成分作为BP神经网络的输入,最后建立BP神经网络预测模型并采用交叉验证法对模型进行验证。所建模型校正集的相关系数R为0.98,校正集的均方根误差RMSEC为0.001 7;预测集的相关系数R为0.99,预测集的均方根误差RMSEP为0.001 5。研究表明,此方法可以实现对落叶松木屑含水率的快速预测。 相似文献
3.
随着信息技术的不断发展,社会经济建设和群众生产生活对于通信设备的要求更加注重通信的舒适感和多样化进步。这在给数据通信领域带来更为广阔到发展市场的同时,也给它带来了新一轮的挑战和风险,数据通信除了要在数量上满足社会经济的扩张之外,还要在质量和效益上取得长足的进步和提升。计算机作为随着科技和信息发展衍生的重要产物,在这种情况下也应当更加充分地发挥出自身的作用,要积极与数据通信的改造和发展进行结合与交流,文章以数据通信为出发点,重点叙述计算机在数据通信中的应用。 相似文献
1