农药与农药污染

农药是指在农业生产中用于防治农作物病虫害、消除杂草、促进或控制植物生长的各种药剂的统称。正确使用农药可使粮食、棉花、水果增产[1] ;对控制农作物病、虫、草、鼠危害 ,促进产品高产优质 ,保证农业丰产丰收具有重要的作用[2 ] 。据估计 ,全国的粮食作物从生产到储藏过程中 ,因病、虫、草、鼠的危害 ,损失至少 2 0 %～ 30 % ;棉花损失约 1 5% ;水果、蔬菜则高达2 0 %～ 30 %。显然 ,2 1世纪的农业仍离不开农药 ,对农药的研究、生产和使用将继续发展[3 ] 。1　农药发展的简要历史　　用化学药剂防治害虫可追溯到古希腊和古罗马时代。古…     

农作物单产的最大熵分布及在费率厘定上的应用

农作物单产分布的确定是农业保险中费率厘定的基础。本文引入最大熵原理,基于最大熵优化模型得出农作物单产的最大熵分布,并以此进行费率厘定。同时以辽宁省主要作物水稻、玉米、大豆和花生为例,确定了该四种农作物的费率,分别为4.45%、6.77%、6.34%、6.43%。结果表明:利用最大熵分布理论进行费率厘定不需要事先假定农作物单产分布的形式,而且考虑了更多作物单产分布的信息,为农业保险费率的合理精算提供一种新的可供选择的方法,有助于农业风险决策的科学化。     

基于工业分析/元素分析和可见-近红外光谱预测农作物秸秆高位热值

越来越多的农作物秸秆用于生产生物质成型燃料(生物质颗粒),作为民用和工业锅炉的生物质燃料。高位热值是衡量生物质燃料燃烧性能的主要参数之一,反映了生物质可用能含量,但利用传统的氧弹分析法测试高位热值费时费力,急需一种快速准确的方法评估农作物秸秆的高位热值,以制备高质量的生物质颗粒燃料。基于工业分析/元素分析和可见-近红外光谱分析,对比分析了五种农作物秸秆(稻秸、麦秸、棉秆、油菜秆和玉米秆)的高位热值预测模型。首先,利用多元线性回归(MLR)、逐步回归(SWR)和反向传播人工神经网络(BPNN)模型,在基于五种农作物秸秆工业分析和元素分析基础上,提出了高位热值预测模型并进行验证。MLR模型具有较好的相关系数(R2),预测均方根误差(RMSEP)和预测标准差与参比标准差比值(RPD),分别为0.921 1,0.135 1和3.49。此外,利用可见-近红外光谱分析了农作物秸秆,发现对光谱数据作最小二乘法回归(PLR),可建立高位热值预测模型,预测R2和RMSEP分别为0.881 2和0.412 9。研究结果表明MLR模型和PLR模型分别适用于基于工业分析/元素分析和可见-近红外光谱建模,对农作物秸秆的高位热值快速检测设备研发能提供基础模型支持。     

富含纤维素类农作物秆与丙烯酸接枝共聚制备高倍率吸水树脂

用棉花秆、麦秆和玉米秆等富含纤维素类农作物秆与丙烯酸接枝共聚制备了高倍率的吸水树脂. 研究了不同水质(去离子水、自来水及雨水)对接枝产物吸水性能的影响. 采用棉花秆、麦秆、玉米秆与丙烯酸的接枝产物对去离子水的吸水倍率分别为930, 790和630 g/g, 对自来水的吸水倍率分别为670, 350和250 g/g, 用玉米秆/地瓜淀粉混合物制备的接枝产物对雨水的吸水倍率为540 g/g. 为棉花秆、 麦秆及玉米秆等富含纤维素的农作物秆的深加工与应用开辟了一条途径.     

不同单元相关课题合一授课成功案例

义务教育课程标准实验教科书九年级《化学》下册中,第十一单元课题2“化学肥料”和第十二单元课题2“化学元素与人体健康”均具有独立的知识体系,在授课方式、学习方式和理解形式上也均有不同之处。但在教材分析和教学设计时,受一个问题的影响,改变了笔者单独讲授这2个课题的初     

微波后向散射数据改进农作物光谱分类精度研究

利用实验区环境星多光谱数据与Envisat ASAR VV极化数据进行融合.讨论了VV极化微波后向散射数据用于改善多光谱遥感数据农作物分类的精度,并比较了不同分类方法的分类精度.结果表明,两种数据之间的融合充分利用了环境星数据的光谱信息和VV极化数据对于地物结构敏感的特征,不但增强了不同地物之间的光谱差异,而且提高了作...     

光学原理在农作物害鸟防治中的应用

根据自然光的反射、散射和色散原理,设计出金属镀膜反光薄膜,利用该薄膜可以预防农业生产过程中害鸟对农作物的破坏.     

公路交通对周边土壤及农作物铅富集的影响研究

为研究公路交通对农业土壤重金属累积的影响,选取宁波典型公路区域的农田及其农作物为研究对象,采用电感耦合等离子发射光谱(ICP-AES)方法测定了农田土壤和农作物中铅的质量分数.结果表明:土壤中铅的质量分数在(8.0~40.2)×10-6之间,土壤重金属铅沿垂直道路延伸方向逐步降低;茶叶和四季豆铅累积的质量分数量分别为(0.07~0.46)×10-6和(0.09~0.26)×10-6之间,且距离公路越近,其质量分数越高.     

MODIS EVI时间序列数据和光谱角聚类的冬小麦遥感估产分区方法研究

农作物遥感估产区划是农作物遥感估产的基础,它为估产研究和实践提供了重要的科学依据。以冬小麦生育期内的MODIS EVI时间序列作为分区数据,选择江苏省为试验区,探讨了一种改进的光谱角制图和K均值聚类相结合(光谱角聚类)的分区方法,并在冬小麦遥感估产中进行了试验。结果表明：光谱角聚类分区方法充分利用了MODIS时间序列数据所反映的农作物生长进程,可以充分体现气候差异所带来的冬小麦区域差异;与传统分区相比,基于光谱角聚类分区方法所得到的遥感估产结果具有较高的决定系数R2(0.702 6比0.624 8)和较低的均方根误差RMSE(343.34比381.34 kg·hm-2),体现了该分区方法在冬小麦遥感估产中的优势。光谱角聚类分区方法仅以获取便利的低分辨率时间序列遥感数据为分区数据,且能很好的将冬小麦划分为特征性质一致的区域,所得遥感估产模型的精度和稳定性也较好,为冬小麦遥感估产分区提供了一种有效方法,有利于进行冬小麦遥感估产研究。     

农作物锈病叶傅里叶变换红外光谱检测方法研究

在农作物生产中,不合理使用化学农药来防治植物病害的现象普遍存在,严重影响产品品质及食用安全,快速鉴别植物病害并采取合理的防治措施对提高农作物品质具有重要意义。利用红外光谱三级鉴别法（傅里叶变换红外光谱（FTIR）、二阶导数红外光谱（SD-IR）及二维相关红外光谱（2D-IR））对蚕豆、玉米、葱和蒜正常叶、锈病叶病斑处及病斑附近绿色部位进行了研究。结果显示,正常叶、病斑附近绿色部位及锈病叶病斑处的光谱吸收峰强度和形状存在微小差异。原始光谱中正常叶、病斑附近绿色部位及锈病叶病斑处的几个吸收强度比存在差异,蚕豆的正常叶、病斑附近绿色部位及锈病叶病斑处的吸收强度比A_{1 410}/A_{1 646}分别为0.698,0.624和0.616,A_{2 926}/A_{1 646}相应比值分别为0.665,0.638和0.552;玉米的相应比值A_{1 649}/A_{1 055}分别为0.813,0.696,0.691,A_{1 382}/A_{1 055}相应比值分别为0.552,0.478和0.465,A_{2 926}/A_{1 055}相应比值分别为0.574,0.467和0.469;葱的相应比值A_{1 382}/A_{1 061}分别为0.843,0.821和0.704,A_{2 923}/A_{1 061}相应比值分别为0.707,0.680和0.489;以上锈病叶病斑处及病斑附近绿色部位的几个峰强比均比正常叶小。二阶导数红外光谱在1 800～800 cm-1范围内,正常叶、病斑附近绿色部位及锈病叶病斑处的吸收峰的形状及强度显示明显差异。二维相关红外光谱显示,正常叶、锈病叶病斑处及病斑附近绿色部位在860～1 690 cm-1范围内自动峰和交叉峰的位置、数目及强度存在显著差异。蚕豆正常叶出现4个强自动峰,2组强的正交叉峰;病斑附近绿色部位出现5个强自动峰,4组强正交叉峰;锈病叶病斑处出现2个最强自动峰和5个中强自动峰,5组强正交叉峰;蚕豆锈病叶病斑处自动峰强度最强,而正常叶的各个自动峰的强度最低。玉米正常叶出现9个强自动峰,12组强的正交叉峰;病斑附近绿色部位出现11个强自动峰,3组最强的正交叉峰和11组中强正交叉峰;锈病叶病斑处出现6个强自动峰,3组强正交叉峰;蒜正常叶出现9个强自动峰,8组强的正交叉峰;病斑附近绿色部位出现2个最强自动峰和9个次强自动峰,10组强正交叉峰;锈病叶病斑处出现6个强自动峰,1组强正交叉峰;玉米和蒜病斑附近绿色部位的各个自动峰的强度最强,而锈病叶病斑处自动峰和交叉峰强度最弱。葱正常叶出现9个强自动峰,5组强的正交叉峰;病斑附近绿色部位出现8个强自动峰,3组强正交叉峰;锈病叶病斑处出现3个强自动峰,无正交叉峰出现。葱正常叶的各个自动峰的强度最强,而锈病叶病斑处自动峰强度最弱。结果表明,利用傅里叶变换红外光谱结合二阶导数红外光谱及二维相关红外光谱能简单、快速地鉴别研究农作物锈病叶,有望为农作物病害提供一种光谱检测方法。