摘要：基于植物的诊断是确定氮（N）的最重要方法之一作物的含量。 我们的目标是建立土壤-植物分析之间的关系三个发育阶段的发育（SPAD）值和氮营养指数（NNI） 水稻，并将SPAD计用作诊断工具，以预测氮素对谷物产量的响应受精。 我们确定了两个水稻的四个最上面完全展开的叶子的SPAD值在三个生育阶段以六种氮肥水平的水稻品种，并研究了两者之间的关系SPAD值和NNI。 秀水的临界氮浓度（Nc）为5.31 W–0.5，5.38 W–0.49 在Hang43中，其中W是芽的总生物量。 SPAD值与NNI的相关性随叶的位置，发育阶段和品种的不同而变化。 较低的叶子似乎更多在生物量响应方面比上部叶片对氮水平敏感，可能更适合作为N状态诊断的测试样本，尤其是在引导和航向阶段。 这第四代完全膨大叶片（L4）的籽粒产量对SPAD值的依赖性显着引导阶段（R2 L4 = 2011年，R2为0.82 ** L4 = 2012年为0.72 **）。 L4的SPAD值与N饱和图（RSPAD）（R2 L4 = 0.92 **，2011年，R2 L4 = 2012年为0.77 **）和NNI（R2 = 0.96 **

基于Android 的水稻叶片特征参数测量系统.pdf

生物农药防治水稻病虫害，生产绿色优质稻米.doc

水稻籽粒低镉品系的基因组重测序分析，王宇莹，肖炎凤，水稻是我国最为重要的禾谷类作物之一，近年随着环境污染的加剧，水稻受重金属镉污染的情况日益严重。同时，污染水稻的镉会经由食

机直播水稻“播喷同步”技术对单季晚稻杂草的防效研究.pdf

胡培松院士团队利用基因编辑技术创制适合直播的水稻新种质.pdf

基于Oracle数据库的水稻病虫综合防治专家系统.pdf

针对目前水稻病害图像识别系统依赖于数码相机和计算机，缺乏便携性和实时性的问题，设计了一个款待基于Android手机的水稻病害害图像辨认出别系统。系统通过分水稻稻瘟病，胡麻斑病，干尖线虫病，白叶枯病四种病害的颜色，形状，纹理特征，采用图像预处理，图像增强，图像分割，特征提取以及图像识别的处理实验结果表明，系统准确率可及性9 3 .7 8％ ，正检率9 6 .2 2％ ，误检率6 .2 2％ ，方法，实现基于图像识别的及时准确诊断水稻病害类型的目的。 ，虚警率1 0.5 6％，平均诊断用时2 0.8 0 2秒。该系统能有效地拍摄并诊断水稻病害，Swift，准确地给出病害防治措施。

水稻种植信息与物候期提取方法分析，景元书，耿利宁，水稻是我国第一大粮食作物,我国水稻种植面积约占世界水稻种植总面积的18.5%,产量约占全国总产量的35.0%。遥感技术以其及时、准确、客

使用SVM分类器进行水稻叶病检测：使用SVM分类器检测水稻叶病-Matlab代码