豫西苹果园恶性杂草生物学特性及防除技术研究

来源 :河南职业技术师范学院学报 | 被引量 : 0次 | 上传用户:lilinchang0105
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
从豫西苹果园不同生态系划分入手,通过系统调查和田间观察,将豫西苹果园杂草发生划分为四种类型区,初步鉴定查明豫西苹果园杂草分布于33科102属132种,主要恶性杂草及优势种为大碱草、白茅、莎草、小旋花、播娘篙、小蓟、茵陈篙、狗尾草等。并在摸清主要恶性杂草生物学特性的基础上,研究了一套行之有效的防除技术。结果表明,在杂草幼苗期用10%草甘膦水剂22.5~30L·hm~(-2)与JFC渗透剂、硫酸铵、洗衣粉等混用,可有效地防除果园深根系杂草大碱草、白茅、莎草、小蓟等;采用20%克芜踪和10%草甘膦复配或单用克芜踪进行二次用药,可有效地控制果园阔叶杂草的发生。 Starting from the classification of different orchards in western Henan apple orchard, the weed occurrence in western Henan apple orchard was divided into four types by systematic investigation and field observation. The preliminary identification indicated that the weeds in western Henan apple orchard were distributed in 132 families of 33 families Species, the main malignant weeds and dominant species of Siberian Habitat, white grass, sedge, small convolvuli, sowing motherwort, thistle, capillaris, Setaria and so on. Based on the study of the biological characteristics of the major malignant weeds, a set of effective control techniques was studied. The results showed that the mixture of 10% glyphosate agent 22.5 ~ 30L · hm -2 with JFC penetrant, ammonium sulfate, detergent and so on can effectively prevent and control the weeds in the orchard Grass, prunus mongolica, sedge, thistle, etc .; secondary use of 20% g Wuzuo and 10% glyphosate alone or with cinnabar trace can effectively control the occurrence of broad-leaved orchard weeds.
其他文献
在遥感影像产品的生产过程中往往需要一个或多个算法,而算法之间的相互依赖关系的描述则会直接影响卫星产品生产时算法的执行能力以及规模化处理效率。因此,通过遥感产品共性,对卫星算法处理产品的流程进行分析,利用JGraph开源包将遥感卫星产品算法封装成其特有的组件,形成一种从影像输入到影像处理再到影像产品输出一体化管理的工作流。将此方法应用到国家民用空间基础设施"十三五"建设的相关平台中,研究结果不仅对算
图像去噪问题一直是图像处理领域关注的问题之一。在图像去噪过程中,由于软阈值函数获得的去噪估计系数与原小波系数具有的恒定差,进而影响了重建图像的质量。为了有效地解决这一问题,在软阈值函数的基础上,提出了一种新的阈值函数用于图像的去噪重建。同时,新提出的阈值函数有效解决了硬阈值函数的不连续性问题。为了增加新阈值函数的灵活性,新阈值函数中添加了2个调节因子。实验结果表明:所提出的阈值函数优于经典的软、硬
目的:探讨普外科临床中急性阑尾炎手术相关护理措施及临床效果。方法:选择进行围术期综合护理32例急性阑尾炎手术患者为观察对象,分析护理措施效果,总结经验。结果:32例急性阑尾
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”$ MN。W;- __._——————》 砧叫]们羽 制作:陈恬’#陈川个美食 Back to yield
基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地