堆肥种子发芽指数测定方法与敏感性种子筛选

来源 :农业工程学报 | 被引量 : 0次 | 上传用户:Jsan
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
种子发芽指数(Germination Index,GI)作为评价堆肥腐熟度的权威指标,被广泛应用于评价堆肥产品植物毒性等方面,但对于GI测定方法和供试种子类型仍缺少统一标准,导致不同堆肥研究的GI结果缺乏可比性.为此,该研究通过设置不同毒性梯度的堆肥试验、选取不同类型种子,详细介绍了GI测定方法,规定根长为0和1 mm的计量标准以及根长起始测量位置,并系统分析了表征堆肥腐熟度指标与种子发芽之间响应关系.结果表明:最终产品GI以纯猪粪(26.54%~80.49%)、纯羊粪(16.71%~92.98%)、猪粪+秸秆(28.28%~110.74%)、羊粪+秸秆(43.38%~119.69%)的顺序递增.综合分析不同堆肥处理理化指标(温度、氧气、pH值、碳氮比)和植物毒性因子(电导率、铵根、有机酸和有机质)与不同种子GI(黄瓜、萝卜、白菜、油菜)相关性关系,发现萝卜种子响应度最高(r=0.96),在综合表征堆肥腐熟度和植物毒性上最具科学性和代表性.以上结果可为种子发芽指数测定、有机肥标准制定以及堆肥农田安全施用提供参考.
其他文献
针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测困难的情况,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法.在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法.采集并选择实际养殖场环境下的反刍奶牛视频66
针对加载预训练模型的传统SSD(Single Shot MultiBox Detector)模型不能更改网络结构,设备内存资源有限时便无法使用的问题,该研究提出一种不使用预训练模型也能达到较高检测精度的灵武长枣图像轻量化目标检测方法.首先,建立灵武长枣目标检测数据集.其次,以提出的改进DenseNet网络为主干网络,并将Inception模块替换SSD模型中的前3个额外层,同时结合多级融合结构,得到改进SSD模型.然后,通过对比试验证明改进DenseNet网络和改进SSD模型的有效性.在灵武长枣数据集上的