簡(jiǎn)介：農(nóng)作物品種權(quán)是農(nóng)業(yè)科技成果擁有者的一項(xiàng)重要無(wú)形資產(chǎn)，隨著國(guó)內(nèi)外農(nóng)產(chǎn)品競(jìng)爭(zhēng)的不斷加劇，農(nóng)作物品種權(quán)的價(jià)值也日益凸顯。近年來(lái)我國(guó)加大了對(duì)農(nóng)業(yè)科技成果轉(zhuǎn)化的政策支持力度，農(nóng)作物品種權(quán)交易市場(chǎng)也更加活躍，對(duì)農(nóng)作物品種權(quán)價(jià)值評(píng)估的需求也越來(lái)越大，如何科學(xué)評(píng)估農(nóng)作物品種權(quán)價(jià)值成為交易雙方關(guān)注的核心問(wèn)題。對(duì)于常見(jiàn)資產(chǎn)，國(guó)內(nèi)外常用的三種基本評(píng)估方法是市場(chǎng)法、收益法和成本法，由于農(nóng)作物品種權(quán)的特殊性，三種基本方法在應(yīng)用中遇到許多難點(diǎn)，本文試圖將實(shí)物期權(quán)法應(yīng)用到農(nóng)作物品種權(quán)價(jià)值評(píng)估中，探索農(nóng)作物品種權(quán)價(jià)值評(píng)估的新途徑。將實(shí)物期權(quán)運(yùn)用于品種權(quán)評(píng)估中，可以得出更為合理的評(píng)估值，為農(nóng)業(yè)科技成果轉(zhuǎn)讓提供價(jià)格依據(jù)，具有一定的理論和實(shí)踐意義。本文以農(nóng)作物品種權(quán)為研究對(duì)象，針對(duì)其價(jià)值評(píng)估問(wèn)題展開(kāi)探討，分析了品種權(quán)的價(jià)值影響因素和估值模型，最終給出了估值模型中的參數(shù)確定方法。文章使用文獻(xiàn)研究法對(duì)品種權(quán)的價(jià)值構(gòu)成和傳統(tǒng)評(píng)估方法評(píng)估品種權(quán)價(jià)值的局限性做了定性分析，使用蒙特卡羅模擬法對(duì)品種權(quán)價(jià)值評(píng)估BS模型中的波動(dòng)率參數(shù)做了定量分析。并最終通過(guò)案例對(duì)本文所研究的實(shí)物期權(quán)法進(jìn)行了驗(yàn)證，得出實(shí)物期權(quán)法評(píng)估結(jié)果相比收益法而言更具合理性。本文主要研究?jī)?nèi)容包括四部分，首先分析了農(nóng)作物品種權(quán)的生物學(xué)特性以及品種權(quán)的價(jià)值構(gòu)成，剖析了影響農(nóng)作物品種權(quán)價(jià)值的主要因素，并針對(duì)農(nóng)作物品種權(quán)的生物學(xué)特征分析了成本法、市場(chǎng)法和收益法三大傳統(tǒng)評(píng)估方法評(píng)估品種權(quán)價(jià)值各自的局限性其次，分析了農(nóng)作物品種權(quán)中蘊(yùn)含的實(shí)物期權(quán)特征，提出了實(shí)物期權(quán)法評(píng)估農(nóng)作物品種權(quán)價(jià)值的可行性，通過(guò)對(duì)比二叉樹(shù)和BLACKSCHOLESBS兩大期權(quán)定價(jià)模型的優(yōu)缺點(diǎn)從而確定了品種權(quán)價(jià)值評(píng)估的BS模型然后，對(duì)農(nóng)作物品種權(quán)價(jià)值實(shí)物期權(quán)BS評(píng)估模型中五個(gè)參數(shù)的確定方法進(jìn)行了探討，提出了農(nóng)作物品種權(quán)市場(chǎng)價(jià)格、品種權(quán)期權(quán)的執(zhí)行價(jià)格、距到期日的時(shí)間、無(wú)風(fēng)險(xiǎn)利率和品種權(quán)的波動(dòng)率的各自估算方法，其中重點(diǎn)研究的是使用蒙特卡洛模擬法確定品種權(quán)的波動(dòng)率最后，通過(guò)一個(gè)案例證明了實(shí)物期權(quán)法評(píng)估農(nóng)作物品種權(quán)價(jià)值的可操作性。本文研究結(jié)論包括第一，品種權(quán)項(xiàng)目具有明顯的期權(quán)特性，適合使用期權(quán)法評(píng)估。第二，品種權(quán)價(jià)值評(píng)估運(yùn)用BS模型更科學(xué)，其中品種權(quán)未來(lái)收益的現(xiàn)值和S，可通過(guò)對(duì)該品種權(quán)未來(lái)獲得的凈現(xiàn)金流貼現(xiàn)估算執(zhí)行價(jià)格X可通過(guò)每階段投資額的現(xiàn)值之和計(jì)算品種權(quán)項(xiàng)目有效期T等于從基準(zhǔn)日到未來(lái)估計(jì)行權(quán)的這段可行權(quán)期間無(wú)風(fēng)險(xiǎn)利率R可以使用與實(shí)物期權(quán)有效期相同的國(guó)債利率計(jì)算波動(dòng)率Δ可以通過(guò)蒙特卡洛模擬計(jì)算。第三，評(píng)估人員對(duì)不確定性的判斷不同是導(dǎo)致收益法和實(shí)物期權(quán)法評(píng)估評(píng)估品種權(quán)價(jià)值出現(xiàn)差異的主要原因，實(shí)物期權(quán)法認(rèn)為種子企業(yè)在農(nóng)作物品種權(quán)項(xiàng)目推進(jìn)過(guò)程中有時(shí)機(jī)選擇的權(quán)利，所以項(xiàng)目中的不確定性是機(jī)會(huì)，會(huì)增加品種權(quán)的價(jià)值。第四，品種權(quán)投資是個(gè)動(dòng)態(tài)持續(xù)的過(guò)程，決策者擁有臨時(shí)改變投資決策的選擇權(quán)，這種選擇性對(duì)應(yīng)的期權(quán)價(jià)值屬于品種權(quán)價(jià)值的一部分。實(shí)物期權(quán)法評(píng)估農(nóng)作物品種權(quán)的價(jià)值，是以收益現(xiàn)值法為基礎(chǔ)，考慮項(xiàng)目推進(jìn)過(guò)程中存在的經(jīng)營(yíng)柔性?xún)r(jià)值，它能夠更科學(xué)的處理項(xiàng)目中的不確定性，更準(zhǔn)確評(píng)估農(nóng)作物品種權(quán)的價(jià)值。本文的創(chuàng)新點(diǎn)是以農(nóng)作物品種權(quán)為研究對(duì)象，從價(jià)值構(gòu)成角度出發(fā)，分析了影響農(nóng)作物品種權(quán)價(jià)值的主要因素，且詳細(xì)闡述了品種權(quán)具有的實(shí)物期權(quán)特征，提出以實(shí)物期權(quán)法評(píng)估品種權(quán)價(jià)值的可能性，在國(guó)內(nèi)還屬首次。構(gòu)建了農(nóng)作物品種權(quán)價(jià)值評(píng)估的BS定價(jià)模型，擴(kuò)大了實(shí)物期權(quán)法在資產(chǎn)評(píng)估領(lǐng)域的適用范圍。

簡(jiǎn)介：點(diǎn)擊查看更多復(fù)合外源活性物質(zhì)減輕苯磺隆對(duì)農(nóng)作物藥害的作用及機(jī)理研究.pdf精彩內(nèi)容。

簡(jiǎn)介：國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)X51國(guó)際圖書(shū)分類(lèi)號(hào)西南交通大學(xué)研究生學(xué)位論文密級(jí)公開(kāi)某大型天然氣；爭(zhēng)化廠S02排放對(duì)區(qū)域農(nóng)作物的影響預(yù)測(cè)研究年級(jí)三QQ九級(jí)姓名塞』盔塞申請(qǐng)學(xué)位級(jí)別亟±專(zhuān)業(yè)巫境工程指導(dǎo)老師奎啟攫數(shù)援二零一二年五月一令一一，年丑月西南交通大學(xué)學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1．保密口，在年解密后適用本授權(quán)書(shū)；2．不保密√使用本授權(quán)書(shū)。請(qǐng)?jiān)谝陨戏娇騼?nèi)打“√“學(xué)位論文作者簽名≥L知表日期砂M，．胡每磁．刎_，【R蕁兒孫≥簽師期老日導(dǎo)指

簡(jiǎn)介：II111111IIIIIIIIILY3431786分類(lèi)號(hào)UDC236268埸1大季學(xué)號(hào)叢三Q壘Q蘭密級(jí)YANGZHOUUNIVERSITY碩士學(xué)位論文全日制學(xué)術(shù)學(xué)位面向畜牧養(yǎng)殖農(nóng)作物秸稈雙螺桿擠壓膨化試驗(yàn)研究指導(dǎo)教師姓名申請(qǐng)學(xué)位級(jí)別論文提交日期學(xué)位授予單位嚴(yán)守2Q墨生壘旦論文答辯日期2Q墨生魚(yú)月盟塹劌盤(pán)堂學(xué)位授予日期一2立墨生旦答辯委員會(huì)主席周驥平2018年6月摘要隨著我國(guó)畜牧業(yè)的快速發(fā)展，對(duì)飼料的需求量急劇增加，急需發(fā)展節(jié)糧型、非糧型飼料。我國(guó)是農(nóng)業(yè)大國(guó)，每年農(nóng)作物秸稈達(dá)7億噸，但因?yàn)榻斩捄写罅看掷w維和木質(zhì)素，質(zhì)地粗糙、堅(jiān)硬而適口性差，導(dǎo)致家畜對(duì)秸稈采食率和消化率較低，影響農(nóng)作物秸稈作為飼料使用。目前農(nóng)作物秸稈可以通過(guò)螺桿擠壓膨化作用，提高秸稈作為飼料利用率，我國(guó)秸稈擠壓膨化研究才剛起步，對(duì)農(nóng)作物秸稈雙螺桿擠壓膨化研究很少。針對(duì)目前現(xiàn)狀，本課題進(jìn)行面向畜牧養(yǎng)殖農(nóng)作物秸稈雙螺桿擠壓膨化試驗(yàn)研究，分析同向嚙合雙螺桿擠壓過(guò)程的流動(dòng)理論，設(shè)計(jì)雙螺桿構(gòu)型，并進(jìn)行雙螺桿流場(chǎng)分析，再利用設(shè)計(jì)的雙螺桿，用稻秸稈與玉米粉為原料，以擠壓膨化產(chǎn)品的外觀以及膨化度為評(píng)價(jià)指標(biāo)，進(jìn)行擠壓膨化試驗(yàn)，得到稻秸稈添加量為20％下，膨化度最好的工藝參數(shù)，為農(nóng)作物秸稈經(jīng)雙螺桿擠壓膨化為飼料提供理論和實(shí)際指導(dǎo)。本文分析物料在同向嚙合雙螺桿中運(yùn)動(dòng)規(guī)律，通過(guò)對(duì)柱坐標(biāo)系下C型空間中物料運(yùn)動(dòng)微元分析，建立流體連續(xù)性方程和流體納維斯托克斯方程，得到圓柱坐標(biāo)系下物料速度、％、礦與壓強(qiáng)P表達(dá)式，得出平均剪切速率方程，最后選擇合適指數(shù)定律模型，得到粘度表達(dá)式，完成同向嚙合雙螺桿擠壓過(guò)程的流動(dòng)模型建立。本文進(jìn)行雙螺桿構(gòu)型設(shè)計(jì)，并借助SOLIDWORKS軟件構(gòu)建螺桿三維造型，基于計(jì)算流體動(dòng)力學(xué)理論，通過(guò)建立雙螺桿流場(chǎng)有限元模型，利用專(zhuān)業(yè)CFD仿真軟件CFX對(duì)雙螺桿全段模型的流場(chǎng)進(jìn)行數(shù)值模擬分析，得到了流體的運(yùn)動(dòng)軌跡圖、溫度分布和壓力分布云圖，揭示了流體在雙螺桿流場(chǎng)內(nèi)部運(yùn)動(dòng)規(guī)律，最終驗(yàn)證所設(shè)計(jì)的螺桿構(gòu)型滿(mǎn)足試驗(yàn)要求，為下面擠壓膨化試驗(yàn)提供支持。本文用稻秸稈與玉米粉為原料，以擠壓膨化產(chǎn)品的外觀以及膨化度為參考依據(jù)，進(jìn)行以稻秸稈添加量、物料含水率、螺桿轉(zhuǎn)速、擠壓機(jī)三區(qū)溫度、喂料轉(zhuǎn)速等5個(gè)因素的單因素試驗(yàn)，分析5個(gè)因素對(duì)產(chǎn)品擠壓膨化度的影響，通過(guò)對(duì)試驗(yàn)結(jié)果分析，在保證產(chǎn)品有較優(yōu)膨化效果時(shí)，得出稻秸稈最大添加量可以為20％，物料含水率為18％～24％、擠壓機(jī)三區(qū)溫度為120℃～140℃、螺桿轉(zhuǎn)速為90R／MIN～130R／RAIN、喂料轉(zhuǎn)速為20R／MIN～24R／MIN較為合適。本文設(shè)置稻秸稈添加量為20％確定值，綜合研究物料含水率、三區(qū)溫度、螺桿轉(zhuǎn)速、喂料轉(zhuǎn)速對(duì)擠壓膨化產(chǎn)品膨化度的影響，設(shè)計(jì)二次回歸正交旋轉(zhuǎn)組合試驗(yàn)，試驗(yàn)結(jié)果經(jīng)SAS93軟件進(jìn)行回歸數(shù)據(jù)分析，得出膨化度的二次回歸方程，并驗(yàn)證方程顯著性和失擬性，得到稻秸稈添加量為20％下，膨化度最好的工藝參數(shù)，即物料含水率為1985％、擠壓機(jī)三區(qū)溫度為12857。C、螺桿轉(zhuǎn)速為11055R／MIN和喂料轉(zhuǎn)速為22IR／MIN，此時(shí)膨化度為1571。最后進(jìn)行最優(yōu)參數(shù)下試驗(yàn)結(jié)果驗(yàn)證，測(cè)得實(shí)際試驗(yàn)產(chǎn)品膨化度為1587，與理論的膨化度相對(duì)誤差為

簡(jiǎn)介：首都師范大學(xué)碩士學(xué)位論文彩色圖像分割技術(shù)在農(nóng)作物測(cè)量系統(tǒng)中的應(yīng)用姓名郭楠申請(qǐng)學(xué)位級(jí)別碩士專(zhuān)業(yè)計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師葛慶平20050401彩也|生|像分割技術(shù)訂采作物測(cè)量系統(tǒng)中的心用ABSTRACTAGRICULTUREISTHEFOUNDATIONOFOURNATIONALECONOMYANDTHEIMPROVEMENTINTHEEFFIDENCYOFAGRICULTURALPRODUCTIONANDTHEEXTENTOFAGRICULTURALAUTOMATIONARETHEBASESOFMODEMAGRICULTURETHETECHNOLOGYOFCOMPUTERVISIONISCONDUCIVETOTHEDEVELOPMENTOFMODEMA鰣CULTURETHEPLANTMEASUREMENTSYSTEMCONTAINSCAPTURINGIMAGEOFPLANTS，PROCESSINGIMAGE，MEASURINGPLANTSANDFINALLYDISPLAYTHERESULTONTHESCREENANDSTOREDATAINTHEDATABASEHOWTOEXTRACTTHETARGETPLANTFROMIMAGEISTHEMAINPROBLEMTOBESOLVEDINTHISPAPERMANYTYPICALCOLORMODELSAREANALYZEDBASEDONPLANTIMAGE，F(xiàn)ORINSTANCEHIS，HSV111213ACCORDINGTOEXPERIMENTRESURTHEHVALUEINHSVISTHEMOSTEFFECTIVEFEATUREONTHEBASISOFTHEEXPERIMENTRESULTFEATUREHINHSVISUSEDTOSEGMENTTHEIMAGE，BUTTHERESULTSHOWSTHATTHETIPPARTOFTHELEAFCANNOTBESEGMENTEDCORRECTLYTHEREFOREANOTHER2METHODSAREPROPOSEDANEVALUATIONEXPERIMENTISDESIGNEDTOVERIFYTHEEFFECTOFTHESE3METHODSTHEOUTCOMEOFEVALUATIONEXPERIMENTINDICATESTHAT2DTHRESHOLDISTHEMOSTEFFECTIVEANDSTABLEMETHODANDITCANAPPLYTOTHESYSTEMFURTHERMORE，2DTHRESHOLDALGORITHMISIMPLEMENTEDANDTHISMETHODISWORKINGEFFICIENTLYINTHESYSTEMINADDITION，INORDERTOOBTAINACCURATECOLORINFORMATION，SOMECOLORCORRECTIONMETHODSWHICHAREUSEDTOSOLVECOLORDIFFERENCECAUSEDBYSUNLIGHTALETESTEDACCORDING幻THEEXPERIMENTSRESULT，CURVEMETHODISTHEBESTONEKEYWORDSIMAGESEGMENTATION，COLORCORRECTION，THRESHOLD，DUSTERU

簡(jiǎn)介：點(diǎn)擊查看更多重慶市農(nóng)作物生物災(zāi)害時(shí)間特征研究.pdf精彩內(nèi)容。

簡(jiǎn)介：松嫩平原傳統(tǒng)人工收集農(nóng)作物的長(zhǎng)勢(shì)信息往往延遲于農(nóng)作物的生長(zhǎng)狀態(tài)，而且要獲取大尺度的農(nóng)情信息時(shí)，通常需要耗費(fèi)大量人力物力，同時(shí)調(diào)查結(jié)果會(huì)受人為因素的影響而產(chǎn)生誤差。及時(shí)精準(zhǔn)的獲取農(nóng)作物分布情況和長(zhǎng)勢(shì)信息對(duì)于保障松嫩平原糧食生產(chǎn)安全，促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展具有重要的意義。遙感監(jiān)測(cè)技術(shù)具備及時(shí)、快速、大尺度等特點(diǎn)，利用遙感影像數(shù)據(jù)來(lái)監(jiān)測(cè)農(nóng)作物長(zhǎng)勢(shì)情況，將可以為農(nóng)業(yè)部門(mén)和科研人員對(duì)農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)和研究節(jié)約大量時(shí)間和資金。本課題研究是以“松嫩平原農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)系統(tǒng)”為基礎(chǔ)，對(duì)研究區(qū)域內(nèi)進(jìn)行前期調(diào)查和研究，利用地理學(xué)相關(guān)知識(shí)設(shè)計(jì)采樣方案。進(jìn)行松嫩平原遙感數(shù)據(jù)下載和輔助數(shù)據(jù)信息收集，利用結(jié)構(gòu)化查詢(xún)語(yǔ)言技術(shù)STRUCTUREDQUERYLANGUAGE，SQL設(shè)計(jì)并建立了農(nóng)作物長(zhǎng)勢(shì)綜合數(shù)據(jù)庫(kù)。根據(jù)用戶(hù)需求分析，選擇MATLAB語(yǔ)言為開(kāi)發(fā)平臺(tái)，設(shè)計(jì)開(kāi)發(fā)出圖像處理速度快、靈活性強(qiáng)的長(zhǎng)勢(shì)監(jiān)測(cè)功能模塊。在結(jié)合遙感和數(shù)值模型等技術(shù)的基礎(chǔ)上，集成開(kāi)發(fā)功能全面的基于MODISMODERATERESOLUTIONIMAGINGSPECTRADIOMETER的松嫩平原農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)系統(tǒng)。實(shí)現(xiàn)對(duì)農(nóng)作物的分布情況、生長(zhǎng)狀況的監(jiān)測(cè)管理，通過(guò)導(dǎo)入監(jiān)測(cè)數(shù)據(jù)后，即可以動(dòng)態(tài)生成農(nóng)作物分布情況、農(nóng)作物長(zhǎng)勢(shì)狀況空間專(zhuān)題圖。實(shí)現(xiàn)處理流程全自動(dòng)化和大規(guī)模的運(yùn)行化，體現(xiàn)系統(tǒng)的高效性和實(shí)用性。改善以往松嫩平原只能利用人工調(diào)查法進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的現(xiàn)狀。為科學(xué)和高效地進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)提供新的技術(shù)手段和監(jiān)控模式，提高農(nóng)業(yè)相關(guān)部門(mén)在農(nóng)業(yè)生產(chǎn)決策能力和長(zhǎng)勢(shì)信息發(fā)布的科學(xué)性和及時(shí)性，具有較好的應(yīng)用推廣價(jià)值。研究的主要內(nèi)容如下1對(duì)采樣地點(diǎn)進(jìn)行調(diào)查及設(shè)計(jì)野外采樣方案，綜合研究區(qū)域內(nèi)遙感影像數(shù)據(jù)、第二次全國(guó)土地分類(lèi)數(shù)據(jù)、松嫩平原行政區(qū)劃邊界、氣象數(shù)據(jù)、農(nóng)作物物候信息等數(shù)據(jù)進(jìn)行規(guī)范的數(shù)據(jù)化處理，將處理后得到的精準(zhǔn)數(shù)據(jù)導(dǎo)入綜合數(shù)據(jù)庫(kù)，提高了監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性，為農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)系統(tǒng)提供數(shù)據(jù)保障。2對(duì)于遙感影像數(shù)據(jù)、第二次全國(guó)土地分類(lèi)數(shù)據(jù)、松嫩平原行政區(qū)劃邊界、氣象數(shù)據(jù)、農(nóng)作物物候信息等資料進(jìn)行整理和收集，研究借鑒國(guó)內(nèi)外農(nóng)情遙感監(jiān)測(cè)系統(tǒng)的研究成果。以及相關(guān)農(nóng)作物分類(lèi)方法和長(zhǎng)勢(shì)監(jiān)測(cè)方法為參照，通過(guò)基于傅里葉組分的波形相似度分類(lèi)方法有效地提高農(nóng)作物分類(lèi)精度，將離散的傅立葉變換應(yīng)用于NDVI時(shí)間序列以減少高頻噪聲對(duì)分類(lèi)的影響，可以提高農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)數(shù)據(jù)的精度，同時(shí)選擇5類(lèi)適合于松嫩平原農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的植被狀態(tài)指數(shù)進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)，并進(jìn)行論文研究及系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)工作。3設(shè)計(jì)并開(kāi)發(fā)實(shí)現(xiàn)基于MODIS的松嫩平原農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)空間數(shù)據(jù)的集成與農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)數(shù)據(jù)的發(fā)布、定期更新及后期管理實(shí)現(xiàn)農(nóng)作物自動(dòng)化分類(lèi)、農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)，對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，并進(jìn)行監(jiān)測(cè)數(shù)據(jù)可視化。系統(tǒng)能夠很好地滿(mǎn)足松嫩平原農(nóng)作物遙感監(jiān)測(cè)業(yè)務(wù)的需求，對(duì)農(nóng)作物自動(dòng)化分類(lèi)和農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)等方面做了詳細(xì)的研究。

簡(jiǎn)介：點(diǎn)擊查看更多農(nóng)作物廢棄物（花生殼、甘蔗渣）對(duì)水中苯胺的吸附性研究.pdf精彩內(nèi)容。

簡(jiǎn)介：靶向噴霧技術(shù)是智能植保的重要組成部分，為了提高農(nóng)藥利用率，需要根據(jù)作物的有無(wú)、噴霧機(jī)行駛速度的快慢實(shí)現(xiàn)自適應(yīng)調(diào)節(jié)噴霧方案，減少?lài)姙⒘窟^(guò)度導(dǎo)致的環(huán)境惡化問(wèn)題。隨著MEMS半導(dǎo)體加工技術(shù)的進(jìn)步，與傳統(tǒng)的集成電路工藝相結(jié)合，使得MEMS慣性傳感器體積小，質(zhì)量輕，從而被廣泛應(yīng)用于航空、航天、機(jī)器人、消費(fèi)類(lèi)電子產(chǎn)品乃至靶向噴霧等領(lǐng)域。本文依據(jù)加速度工作原理和坐標(biāo)變換方法，利用高精度三軸MEMS加速度傳感器ADXL345，采用I2C總線通信方式，設(shè)計(jì)了位移檢測(cè)模塊，使用積分計(jì)算原理把加速度轉(zhuǎn)換為位移。為了降低傳感器測(cè)量誤差，分析了ADXL345加速度傳感器誤差來(lái)源，并對(duì)誤差進(jìn)行了數(shù)學(xué)建模。在位移檢測(cè)模塊中提出了在雙重積分前增加濾波環(huán)節(jié)，除了靜態(tài)誤差補(bǔ)償，還對(duì)傳感器的隨機(jī)誤差選取具有自適應(yīng)性的EMD濾波方法。在智能靶向噴霧系統(tǒng)的基礎(chǔ)上，結(jié)合MEMS加速度傳感器模塊，在MICROSOFTVISUALSTUDIO2010環(huán)境下，對(duì)靶向噴霧位移檢測(cè)系統(tǒng)進(jìn)行了算法實(shí)現(xiàn)，并對(duì)傳感器的誤差做了對(duì)比分析。在靶向噴霧設(shè)備中，利用OPENCV的常用視覺(jué)庫(kù)函數(shù)完成對(duì)作物的檢測(cè)。為了獲取圖像中的綠色目標(biāo)，先選擇超綠色法進(jìn)行灰度化處理，然后利用類(lèi)間最大方差法自動(dòng)取閾值進(jìn)行分割，可以有效地把綠色作物和背景分離出來(lái)。上位機(jī)根據(jù)機(jī)器視覺(jué)獲取的信息制定噴霧方案，通過(guò)串口發(fā)送信號(hào)控制下位機(jī)。在完成了系統(tǒng)主要元器件軟硬件設(shè)計(jì)后，添加了報(bào)警模塊，使得系統(tǒng)更智能化，最終搭建了該系統(tǒng)的試驗(yàn)平臺(tái)。進(jìn)行田間模擬試驗(yàn)表明，EMD濾波算法有效的抑制了隨機(jī)誤差，對(duì)提高位移檢測(cè)的精度有很大的作用，滿(mǎn)足了速度自適應(yīng)調(diào)節(jié)噴霧時(shí)機(jī)的需求，智能?chē)婌F系統(tǒng)已達(dá)到了實(shí)際應(yīng)用的程度。

簡(jiǎn)介：西北農(nóng)林科技大學(xué)碩士學(xué)位論文石羊河流域主要農(nóng)作物水分生產(chǎn)函數(shù)及優(yōu)化灌溉制度的初步研究姓名李霆申請(qǐng)學(xué)位級(jí)別碩士專(zhuān)業(yè)農(nóng)業(yè)水土工程指導(dǎo)教師康紹忠20050601供水量與相對(duì)產(chǎn)量的關(guān)系曲線，具有比較高的精度。將計(jì)算結(jié)果與實(shí)測(cè)試驗(yàn)數(shù)據(jù)進(jìn)行分析比較，表明優(yōu)化模型比較好的模擬了作物配水，在產(chǎn)量增加或者沒(méi)有大變化的基礎(chǔ)上可以達(dá)到節(jié)水省水的效果。關(guān)鍵詞缺水敏感指數(shù)，水分生產(chǎn)函數(shù)，灌溉制度優(yōu)化，動(dòng)態(tài)規(guī)劃模型，非線性規(guī)劃

簡(jiǎn)介：國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)TP79國(guó)際圖書(shū)分類(lèi)號(hào)Q948西南交通大學(xué)研究生學(xué)位論文密級(jí)公開(kāi)年級(jí)2Q三級(jí)姓名王淄盟申請(qǐng)學(xué)位級(jí)別理堂亟專(zhuān)業(yè)地圖堂皇絲理魚(yú)皇丕紅指導(dǎo)老師迢焦堡雖4熬援二零一六年五月一夸一八，平丑月西南交通大學(xué)學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1保密口，在年解密后適用本授權(quán)書(shū)；2不保密酊使用本授權(quán)書(shū)。請(qǐng)?jiān)谝陨戏娇騼?nèi)打Q”學(xué)位論文作者簽名雹津F下素、日期20／61口R撒扎、飛日

簡(jiǎn)介：STUDYONSALINITYTOLERENCEINWHEATANDSOMEOTHERCROPGERMPLASMATHESISPRESENTEDTOFACULTYOFGRADUATESCHOOLOFNANJINGAGRICULTUREUNIVERSITYINPARTIA1FULFILLMENTOFTHEREQUIREMENTFORTHEDEGREEOFMASTERBYZON“‘CHEN_LONGJJNHEN2012目錄目錄摘要IABSTRACTIII縮寫(xiě)詞表V第一章文獻(xiàn)綜述LL作物的耐鹽性研究進(jìn)展L11作物的鹽害機(jī)制212作物的耐鹽機(jī)制。213不同生育期的耐鹽性差異314作物耐鹽種質(zhì)資源評(píng)價(jià)315作物耐鹽性的遺傳研究42研究的目的與意義。10第二章主要農(nóng)作物芽期耐鹽性比較研究1LL材料與方法1211試驗(yàn)材料L212試驗(yàn)方法122結(jié)果與分析1221不同鹽濃度對(duì)八種農(nóng)作物種子發(fā)芽率的影響1222不同作物耐鹽性差異比較1323同一作物不同品種耐鹽性差異153討論18第三章小麥種質(zhì)資源的耐鹽性鑒定篩選191材料與方法?！?011供試材料2012試驗(yàn)方法2013數(shù)據(jù)統(tǒng)計(jì)分析202結(jié)果與分析。2121芽期耐鹽性篩選結(jié)果2122苗期耐鹽鑒定結(jié)果223討論2831小麥種質(zhì)資源的芽期耐鹽性28

簡(jiǎn)介：?jiǎn)挝淮a10359學(xué)號(hào)2013170126|』ILLLLLIIIIIILLLLIIIIY3385836分類(lèi)號(hào)38密級(jí)公開(kāi)奪肥工學(xué)火警HEFEIUNIVERSITYOFTECHNOLOGY碩士學(xué)位論文MASTERDEGREETHESIS論文題目農(nóng)作物秸稈回收利用方法綜合評(píng)價(jià)及經(jīng)濟(jì)效益分析學(xué)位類(lèi)別學(xué)科專(zhuān)業(yè)工程領(lǐng)域作者姓名導(dǎo)師姓名完成時(shí)問(wèn)專(zhuān)業(yè)碩士工業(yè)工程趙德兵劉明周教授2017年3月合肥工業(yè)大學(xué)專(zhuān)業(yè)碩士學(xué)位論文農(nóng)作物秸稈回收利用方法綜合評(píng)價(jià)及經(jīng)濟(jì)效益分析作者姓名趙徨基指導(dǎo)教師塞』魎周塾援學(xué)科專(zhuān)業(yè)王些王猩研究方向全些數(shù)主化笪理皇笪理丑視化

簡(jiǎn)介：農(nóng)作物空間分布信息是農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、農(nóng)作物產(chǎn)量估算、農(nóng)作物結(jié)構(gòu)調(diào)整與優(yōu)化、農(nóng)業(yè)生態(tài)氣候建模等研究和應(yīng)用的重要基礎(chǔ)數(shù)據(jù)。不同農(nóng)作物具有特定的生長(zhǎng)規(guī)律和物候特征，充分利用農(nóng)作物的典型季相節(jié)律特征是區(qū)分不同作物類(lèi)別、作物與其他綠色植被的關(guān)鍵依據(jù)。MODIS數(shù)據(jù)因其大幅寬范圍、豐富的光譜和時(shí)相信息等特點(diǎn)使它在刻畫(huà)作物物候歷特征以及大區(qū)域作物制圖方面表現(xiàn)出了明顯優(yōu)勢(shì)。然而，MODIS數(shù)據(jù)較粗的空間分辨率易導(dǎo)致混合像元問(wèn)題，從而限制了農(nóng)作物識(shí)別的精度。因此，如何充分挖掘時(shí)序MODIS數(shù)據(jù)在光譜和時(shí)間上的優(yōu)勢(shì)，有限彌補(bǔ)混合像元問(wèn)題，從而實(shí)現(xiàn)大區(qū)域多類(lèi)農(nóng)作物高效提取成為了目前農(nóng)業(yè)監(jiān)測(cè)領(lǐng)域需重點(diǎn)解決的科學(xué)問(wèn)題。本研究以我國(guó)重要商品糧基地黑龍江省為研究區(qū)域，以該區(qū)域的主要農(nóng)作物（玉米、水稻、大豆和小麥）為研究對(duì)象，采用時(shí)序MODIS影像、中高分辨率農(nóng)作物參考圖以及統(tǒng)計(jì)數(shù)據(jù)等主要研究數(shù)據(jù)，開(kāi)展了大區(qū)域農(nóng)作物遙感識(shí)別方法研究。本論文的主要研究?jī)?nèi)容和結(jié)論如下1光譜和時(shí)序特征對(duì)農(nóng)作物遙感識(shí)別的影響評(píng)估?；跁r(shí)序MOD09A1影像，構(gòu)建10組不同數(shù)量和質(zhì)量的光譜時(shí)序特征集組合，基于支持向量機(jī)方法分類(lèi)并進(jìn)行精度評(píng)估。研究結(jié)果表明光譜多樣性和時(shí)序多變性是農(nóng)作物遙感識(shí)別的兩大重要特征屬性。光譜信息和時(shí)相信息能夠相互補(bǔ)充，從而提供農(nóng)作物遙感識(shí)別的必要信息。然而，并不是影像的時(shí)間分辨率越高精度就越高。只要包含關(guān)鍵的物候歷影像，就能以較少的特征數(shù)量達(dá)到較高的分類(lèi)精度2全局SI指數(shù)擴(kuò)展方法在農(nóng)作物特征選擇中的潛力評(píng)估。本研究提出了兩種擴(kuò)展類(lèi)對(duì)分離指數(shù)到全局分離指數(shù)的方法“平均值法”SIAVE和“最小值法”SIMIN。從特征解釋性和分類(lèi)精度兩個(gè)方面，評(píng)估了兩類(lèi)方法在農(nóng)作物特征選擇中的適用性。SIAVE能夠很好表達(dá)農(nóng)作物關(guān)鍵的物候歷特征，優(yōu)選的特征相比SIMIN具有更高的解釋能力。光譜分離性低的農(nóng)作物對(duì)SI全局指數(shù)擴(kuò)展方法的敏感性更高，同時(shí)在SIMIN方法中能獲得更高的分類(lèi)精度。而SIAVC方法優(yōu)選的特征在時(shí)間維度上具有較高的相關(guān)性，導(dǎo)致了較嚴(yán)重的信息冗余，從而降低了分類(lèi)精度。3基于SI指數(shù)的時(shí)序光譜特征自動(dòng)優(yōu)選方法STAFS研究。STAFS算法通過(guò)綜合考慮特征的“分離性”和特征之間的“信息冗余”，自動(dòng)篩選出農(nóng)作物最優(yōu)的光譜時(shí)相特征子集。在實(shí)際應(yīng)用中，該方法從155個(gè)候選特征中為黑龍江玉米識(shí)別選取了34個(gè)最優(yōu)的光譜時(shí)相特征集，同時(shí)揭露了三葉期和乳熟期是黑龍江玉米與其它地物最易區(qū)分的時(shí)相窗口。STAFS特征優(yōu)選方法結(jié)合支持向量機(jī)分類(lèi)器能夠產(chǎn)生較高精度的農(nóng)作物空間位置分布和面積總量估算。此外，STAFS方法具有較強(qiáng)的魯棒性，可以泛化應(yīng)用到其它地物類(lèi)型、不同研究區(qū)域和多種遙感影像。4基于遙感數(shù)據(jù)與統(tǒng)計(jì)數(shù)據(jù)融合的亞像素農(nóng)作物比例提取方法研究。結(jié)合隨機(jī)森林模型和“向后剔除”策略?xún)?yōu)選具有最高精度的農(nóng)作物亞像素提取結(jié)果。采用“面積差循環(huán)分配”IAGA方法將遙感結(jié)果與縣級(jí)統(tǒng)計(jì)數(shù)據(jù)的總“面積差”空間分配給對(duì)應(yīng)的MODIS像素。經(jīng)統(tǒng)計(jì)數(shù)據(jù)修整后的遙感結(jié)果不僅在面積上與統(tǒng)計(jì)數(shù)據(jù)完全一致，又在空間位置上與糾正前的遙感分類(lèi)結(jié)果相對(duì)一致。這種以“遙感方法為主，統(tǒng)計(jì)數(shù)據(jù)為輔”的融合策略不僅能減少因遙感的訓(xùn)練數(shù)據(jù)、數(shù)據(jù)處理或者提取算法帶來(lái)的誤差，同時(shí)能夠抵抗統(tǒng)計(jì)數(shù)據(jù)引入的“不確定性”。

簡(jiǎn)介：利用計(jì)算機(jī)視覺(jué)技術(shù)快速、準(zhǔn)確的識(shí)別農(nóng)作物病害，是保證農(nóng)產(chǎn)品豐收，推進(jìn)農(nóng)業(yè)現(xiàn)代化的重要手段。本文以油菜、黃瓜、水稻、玉米、大豆等常見(jiàn)農(nóng)作物的病害圖像作為研究對(duì)象，分別在小樣本和大樣本不同條件下對(duì)農(nóng)作物病害的識(shí)別進(jìn)行了相關(guān)研究，主要的工作如下1在病斑分割上，本文根據(jù)農(nóng)作物葉部呈現(xiàn)的顏色特點(diǎn)，在傳統(tǒng)閾值分割的基礎(chǔ)上，首先利用HSI顏色空間過(guò)濾葉片正常區(qū)域的信息，在LAB顏色空間下使用最大類(lèi)間方差法OTSU設(shè)置閾值對(duì)原始圖像進(jìn)行分割，然后將兩種不同顏色空間下得到的分割圖像進(jìn)行相與合并，得出最終的病斑分割圖像。與其它幾種常用方法分割的效果圖相比，該方法能更好地將病斑從葉片分割出來(lái)，是一種有效的病斑分割方法。2在小樣本農(nóng)作物的病害識(shí)別上，本文以油菜為研究對(duì)象，首先提取其顏色特征和紋理特征，然后通過(guò)歐氏距離來(lái)構(gòu)建DS證據(jù)理論所必需的基本概率分配BASICPROBABILITYASSIGNMENTBPA，最后運(yùn)用DS證據(jù)組合規(guī)則進(jìn)行決策級(jí)融合，依據(jù)決策條件輸出最終分類(lèi)識(shí)別結(jié)果。針對(duì)分類(lèi)過(guò)程中出現(xiàn)識(shí)別結(jié)果為不確定的問(wèn)題，本文通過(guò)引入方差來(lái)對(duì)融合方法進(jìn)行改進(jìn)，避免了這一問(wèn)題的產(chǎn)生。利用該方法在采集到的油菜樣本上進(jìn)行實(shí)驗(yàn)，取得了9709％的識(shí)別率。研究結(jié)果也為其他農(nóng)作物病害識(shí)別提供了參考。3大樣本農(nóng)作物的病害識(shí)別上，本文以水稻、玉米、大豆三種農(nóng)作物為研究對(duì)象，借助CAFFE構(gòu)建連續(xù)卷積層的卷積神經(jīng)網(wǎng)絡(luò)（CONVOLUTIONALNEURALWK，CNN），以提取圖像更高級(jí)的特征。在激活函數(shù)的選擇上，本文選取了擬合能力更強(qiáng)的MAXOUT單元，同時(shí)為了減少網(wǎng)絡(luò)中的參數(shù)，防止網(wǎng)絡(luò)過(guò)擬合，采用了稀疏的MAXOUT單元，有效改善了MAXOUT卷積神經(jīng)網(wǎng)絡(luò)的性能。實(shí)驗(yàn)結(jié)果證明該算法在識(shí)別大樣本農(nóng)作物病害上要優(yōu)于基于普通卷積神經(jīng)網(wǎng)絡(luò)的算法，也優(yōu)于傳統(tǒng)手動(dòng)提取特征的算法。