结合前人气候适宜度的研究成果,以作物生理生态发育过程为基础,构建了夏玉米发育期预报模型。模型中分别建立了夏玉米温度、降水、日照时数适宜度函数,并结合河南省19个农业气象试验站的夏玉米发育期资料,运用通径分析法确定各个生育期温度、降水和日照的影响权重系数,计算出综合适宜度,用来预测夏玉米生育期。结果表明,模型能够较好地预测各个发育期(出苗、七叶、拔节、抽雄、乳熟和成熟)。建模资料的模拟值与观测值比较的均方根误差分别为1. 5、3.1、3. 4、2. 9、4. 0、4. 5 d。运用独立资料对模型所作预测值的
2021-12-17 20:45:33
898KB
1
计算机视觉技术是计算机科学和人工智能的重要分支，它作为一种无损检测技术在农业领域有着广泛的应用前景．综述了计算机视觉技术在玉米品质识别与评价中的研究进展，为计算机视觉技术精确测量玉米籽粒特征，建立玉米的特征信息与其品质的相关性，实现对玉米品质检测提供了参考，同时提出：了利用计算机视觉技术并结合红外、微波、核磁共振等技术进行农产品内部品质的视觉信息提取与检测、研究快速并行图像处理算法等作为今后的发展趋势．
2021-11-29 19:27:27
431KB
1
玉米是孟加拉国新兴的重要农作物，因为与水稻和小麦作物相比，它具有很高的单产潜力和经济效益。 有必要了解孟加拉国在不同生产环境中这种作物的生长和产量行为。 诸如农业技术转移决策支持系统（DSSAT）4.6版（以下简称DSSAT）之类的作物模型可以经济有效地用于研究玉米在不同生产环境下的性能。 它需要为孟加拉国常用的玉米栽培品种校准和验证DSSAT模型，然后将该模型带到各种应用中，包括投入和农艺管理选择以及影响分析的气候变化。 因此，本研究旨在首先为流行的四个杂交玉米品种（BARI杂交玉米7，BARI杂交玉米9，Pioneer 30B07和NK-40）校准DSSAT模型。 随后，它使用独立的现场数据集进行了验证，以评估其增长表现。 在第一季试验的基础上，利用DSSAT的基因型系数计算器（GENCALC）和广义似然不确定性估计（GLUE）模块对这些品种的遗传系数进行了评估。 该模型的性能令人满意且在显着范围内。 校准后，使用第二季数据通过验证程序测试模型的性能。 该模型在物候，生物量，叶面积指数（LAI）和谷物产量方面表现令人满意。 从开花开始到成熟的天数估计的物候特性非常一致，尽管与观察值
2021-10-01 12:12:17
723KB
1