新疆种植业化肥施用情况调查与分析

来源 :农业工程 | 被引量 : 0次 | 上传用户:zbczbczbczbc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在新疆部分地区进行种植业化肥施用情况调查,分析了种植业施肥情况及存在的问题。从调查结果来看,新疆种植业单位面积化肥施用量呈逐年减少趋势,2015年、2016年、2017年的单位面积平均化肥施用量分别为546.7、525.9和482.6 kg/hm2,2016年、2017年分别较前一年减少3.8%和8.2%。设施农业、林果业单位面积化肥施用量大,今后需在继续做好常规大田农作物科学施肥的基础上,加大林果业、设施农业上的科学施肥研究与推广,全面提高新疆种植业科学施肥水平。
其他文献
针对谷子机械收获过程中谷码率高、破损率高、未脱净损失率高的问题,设计了一种纵轴流双柔性碾搓式谷子脱粒装置。该装置采用纵轴流脱粒滚筒,脱粒滚筒上通过安装柔性橡胶辊降低了谷子籽粒破损率,从而实现谷子柔性低损伤脱粒,橡胶圈外表面的波浪形凸起对谷子具有很好的碾搓脱粒性能。柔性凹板筛由空心圆柱旋转筛分单元两两相互交错组成,每组两排空心圆柱旋转筛分单元相互交错配合,形成适合谷子籽粒分离的U形孔,凹板筛支撑装置具有微动性,与柔性凹板筛配合形成柔性微动凹板筛,有利于谷子籽粒分离和降低谷码率。选取喂入量、滚筒转速和脱粒间隙
针对小麦茎秆截面显微图像分割过程的复杂性,融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型Res-Unet,搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet,可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测。针对小麦样本数据集,通过深度学习中迁移学习的共享参数方式,将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上。结
针对砂壤土条件下马铃薯中耕机作业效率低、培土效果不佳等问题,设计了一种犁铧式马铃薯中耕机。阐述了该机整体结构及工作原理,阐明了犁体曲面成形原理,采用水平元线法并结合马铃薯中耕作业要求以及动力学分析确定了影响培土犁作业效果的犁体结构参数及其取值范围。基于EDEM离散元仿真技术,建立了部件土壤仿真模型,以培土高度、土壤破碎率为试验指标,以导曲线上端切线夹角、初始元线角、元线角差值为试验因素,进行了二次正交旋转回归仿真试验。在仿真试验基础上进行了田间试验,结果表明,所设计的犁铧式马铃薯中耕机碎土率为94.7%、
“三教”改革主要针对人才培养期间,教师、教材和教法进行改革创新。在“三教”改革指引下,积极对《农产品安全性检测》课程从教学团队建设、教学资源开发、教学模式创新和考核评价模式等方面进行改革,以提高教学质量。
为揭示宽窄行种植模式下秸秆还田的土壤微生物多样性特征,基于高通量测序技术,分析在小麦/玉米轮作模式下宽行和窄行0~20、20~40和40~60 cm共3个深度范围土层中微生物群落多样性的特征及与土壤理化因子的关系。宽行和窄行土样的微生物多样性(Shannon指数)都随土壤深度增加而降低。同一深度下,宽行土样的物种多样性普遍高于窄行。不同地区及不同深度土样的群落结构具有较大差异。在门水平上,两种土样中的优势菌门为变形菌门、拟杆菌门、芽单胞菌门、酸杆菌门和放线菌门。窄行变形菌门、拟杆菌门的相对丰度略高于宽行,
为解决农业机械(简称农机)多机协同作业前的任务分配问题,提出了基于多变异分组遗传算法的同种农机多机协同作业静态任务分配方法。首先,根据农机合作社实际作业模式,基于农机性能参数和任务参数,综合考虑机群的作业时间、作业油耗和路程代价等因素,建立了多机协同代价函数;根据多机协同作业特点,构建了多变异分组遗传算法,设计了两段式编码、分组交叉算子和多种变异算子,并建立了农机多机协同作业静态任务分配模型;通过仿真试验对比分析了算法的性能,并采用不同的代价权重进行了任务分配仿真试验;最后,采用不同的权重对实际深松作业进
为了解决“中国农技推广APP”问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention_DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向量化处理,采用Word2vec方法能够有效地解决文本的高维性和稀疏性问题。对卷积神经网络(CNN)上下游卷积块之间建立一条稠密的链接,并结合注意力机制(Attention),使文本中的关键词特征得以充分体现,使文本分类模型具有更好的文本特征提取精度,从而提高了分
针对早期干旱胁迫与盐胁迫在植物处于逆境时难以区分的问题,提出一种基于光诱导植物电信号的干旱胁迫与盐胁迫辨识方法。使用光/暗循环刺激获取了小麦幼苗在正常状态以及等渗干旱胁迫与盐胁迫下的植物叶表面电位,并利用一对一分类策略的支持向量机(One-versus-one support vector machine,OVOSVM)对获取的植物电信号样本进行分类。三折交叉验证结果显示:对正常状态与干旱胁迫下小麦幼苗叶表面电位进行二分类,分类准确率达到100%;对正常状态与盐胁迫下小麦幼苗叶表面电位进行二分类,准确率为
为提高复杂环境下奶牛发情行为识别精度和速度,提出了一种基于改进YOLO v3模型的奶牛发情行为识别方法。针对YOLO v3模型原锚点框尺寸不适用于奶牛数据集的问题,对奶牛数据集进行聚类,并对获得的新锚点框尺寸进行优化;针对因数据集中奶牛个体偏大等原因而导致模型识别准确率低的问题,引入DenseBlock结构对YOLO v3模型原特征提取网络进行改进,提高了模型识别性能;将YOLO v3模型原边界框
以基于无人机多光谱影像提取的夏玉米植被指数作为特征变量,利用皮尔森相关系数结合随机森林反向验证权重的方法进行特征选择,去除冗余特征。以随机森林、梯度提升树、支持向量机和岭回归作为初级学习器,以岭回归作为次级学习器,建立基于Stacking集成学习的夏玉米覆盖度估测模型,并通过5折交叉验证进一步提升模型泛化能力,采用随机搜索和网格搜索结合的方法对模型超参数进行优化,使用4种回归指标进行模型精度评价,并利用次年数据验证其鲁棒性。结果表明,与单一模型以及决策树、Xgboost、Adaboost、Bagging集