排序方式: 共有40条查询结果,搜索用时 31 毫秒
1.
近年来,随着科技入户工作的不断深入,利用零星土地和不适开垦的泥石地或移留的宅基地发展养猪,具有投资少、易管理、见效快和充分利用当地资源等优点,养猪项目受到广大农户的欢迎。要使农户从养猪业中获得更多更大的效益,以较少人力、物力和财力投入,获得最佳的养猪收入,科学合理的猪群饲养管理,是提高养猪场经济效益的关键。 相似文献
2.
绒山羊羔羊直线育肥当年出栏试验报告孔繁臣张立元鄂迎春马典礼(辽宁省宽甸县绒山羊育种站118200)宽甸县地处辽宁东部山区,属温带季风大陆性气候,四季分明。夏秋季节,水丰草茂,绒山羊膘肥体壮,放牧时不啃树,与林业矛盾不大。但到了冬季及初春,草木皆枯,大... 相似文献
3.
人工授精(AI)技术用于将一个种公畜的优秀性状通过多头母畜进行繁殖并传递给后代的有效技术,在推进品种改良、提高和改善畜产品产量和品质方面具有重大意义。这项技术具有科技含量高、使用范围广、可操作性强、效益性显著、农民收益大、资金投入多等特点。牛的AI技术自1977年在宽甸县推广应用以来, 相似文献
4.
5.
6.
辽宁绒山羊传染性脓疱病又叫羊口疮.病原为痘病毒科副痘病毒属中的传染性脓疱病毒.病羊和带毒羊是本病的主要传染源,损伤的皮肤及粘膜是主要传染途径.羔羊易感,易在羔羊群中迅速传播. 相似文献
7.
8.
基于无人机遥感的青贮夏玉米水分亏缺指数反演研究 总被引:1,自引:0,他引:1
为了研究不同水分胁迫和不同时间尺度对拔节期青贮夏玉米水分亏缺指数(WDI)和陆气温差监测效果的影响,利用地面数据结合无人机遥感数据建立植被指数-温度梯形空间,计算WDI干旱指数,并生成WDI分布图和陆气温差分布图。在不同的时间尺度和水分胁迫梯度下分析WDI、陆气温差与土壤含水率、气孔导度的相关性。结果表明,植被指数-温度梯形空间和WDI分布图对短期降雨事件反应敏感;日间尺度下WDI、陆气温差与土壤含水率、气孔导度均表现了较好的相关性(R~2为0. 4~0. 85);旬间尺度下WDI与土壤含水率、气孔导度的相关性(R~2 0. 68)明显优于陆气温差(R~20. 6);旬间尺度下100%充分灌溉时,WDI、陆气温差与土壤含水率、气孔导度均无显著相关性(R~20. 12);在不同水分胁迫下,WDI与气孔导度、土壤含水率均显著相关(R~2为0. 728 3~0. 82),而陆气温差与气孔导度、土壤含水率的相关性则出现较大差异(R~2为0. 356 6~0. 807 4);与陆气温差相比,采用WDI实时监测青贮夏玉米旱情更为稳定。研究结果可为大田作物干旱信息的实时监测提供参考。 相似文献
9.
基于Lab颜色空间的棉花覆盖度提取方法研究 总被引:2,自引:0,他引:2
基于手持高清可见光图像和无人机可见光遥感影像中植被与非植被像元在不同颜色空间单通道上分布的差异性,以苗期和蕾期的棉花为对象,进行了棉花覆盖度的提取方法研究。基于不同天气状况和不同采集时刻等光照条件下采集的29幅具有不同覆盖度的棉花地面可见光图像,分别对比分析了Lab颜色空间a通道、RGB颜色空间2G-R-B指数和HIS颜色空间H通道对棉花的识别能力,以及使用动态阈值和固定阈值两种情况下的棉花覆盖度提取精度。其中动态阈值通过植被与非植被像元的高斯分布交点确定,固定阈值在3种颜色空间分别设置为动态阈值的均值。结果表明,植被像元与非植被像元在a通道、2G-R-B指数和H通道上呈现高斯分布,可以采用非线性最小二乘算法实现高斯分布拟合。通过高斯分布拟合求解交点得到的动态分类阈值分布范围较为集中,将其均值-3.78、0.06、0.13设定为固定分类阈值。相比于2G-R-B指数和H通道,a通道对绿色植被的识别能力最好,更适合提取棉花植被覆盖度;相比于动态阈值,固定阈值的提取精度更好,平均提取误差为0.009 4。将该方法应用到无人机尺度时,同样可以较好地提取不同天气状况和不同土壤干湿类型的棉花覆盖度,且总体平均提取误差为0.012。经过初步检验和分析认为,基于植被与非植被像元在Lab颜色空间a通道上分布的差异性,结合固定分类阈值,可以精确地提取不同光照条件下的苗期和蕾期棉花覆盖度。 相似文献
10.
小麦倒伏信息无人机多时相遥感提取方法 总被引:3,自引:0,他引:3
采用两期无人机可见光遥感图像,对灌浆期冬小麦倒伏图像特征及倒伏信息提取方法进行研究。从增强图像空间域方面,对图像进行二次低通滤波,获取地物散点图,以散点存在明显分界线为判定标准,选出小麦倒伏信息提取的单特征,对两单特征线性拟合构建倒伏小麦两时期提取特征参数F_1和F_2,再以两特征参数相似性构建综合特征参数F_3。将特征参数结合K-means算法提取冬小麦倒伏信息,整体精度(OA)达86. 44%以上,Kappa系数达0. 73以上,倒伏信息提取精度(F)为81. 07%以上,因此综合特征参数可作为两个时期冬小麦倒伏信息提取特征参数。分别用本文方法、支持向量机、神经网络法和最大似然法提取验证区域倒伏小麦信息,经验证,本文方法提取小麦倒伏信息整体精度(OA)达86. 29%以上,Kappa系数达0. 71以上,倒伏信息提取精度(F)达80. 60%以上;其他3种常用方法提取的整体精度(OA)为69. 68%~87. 44%,Kappa系数为0. 49~0. 72,倒伏信息提取精度(F)为65. 33%~79. 76%。结果表明,本文方法整体精度和倒伏信息提取精度均高于目前常用分类方法。因此,综合特征参数与K-means算法对冬小麦在灌浆期倒伏信息提取具有一定的准确性和适用性。 相似文献