【摘 要】
：
小麦田间测产与实际产量的折算系数长期以来一直采用0.85,但是在近些年的实践中,发现实打验收和实收产量往往高于这一系数折算后的理论产量,导致在测产系数是否需要调整及调
【机 构】
：
河南省农业科学院小麦研究所小麦国家工程实验室农业部黄淮中部小麦生物学与遗传育种重点实验室农业部中原地区作物栽培科学观测实验站河南省小麦生物学重点实验室;
【基金项目】
：
“十二五”国家公益性行业(农业)科研专项(201203033);“十二五”国家科技支撑计划项目(2012BAD04B07;2012BAD14B08;2012BAD20B01;2013BAD07B07)
论文部分内容阅读
小麦田间测产与实际产量的折算系数长期以来一直采用0.85,但是在近些年的实践中,发现实打验收和实收产量往往高于这一系数折算后的理论产量,导致在测产系数是否需要调整及调整幅度上颇存争议。为了深入探讨这一问题,利用连续7年的田间小区试验取样测产和实收产量结果,结合大田取样测产和实打收获案例,对田间取样测产和实收产量之间的转换系数(即测产系数)进行了系统计算和统计分析。结果表明,在使用实测千粒重进行产量估算时,测产系数平均为0.85,而使用常年千粒重时平均为0.92。由于千粒重不同年份间波动较大,因此建议在田间理论测产中使用当年实测千粒重时,折算系数采用0.85;使用常年千粒重时,测产系数采用0.90。
其他文献
采用三层架构开发了图书管理信息系统,解决了开发中的一些关键问题,并利用豆瓣API实现图书信息的快速录入,对同类软件的开发具有一定的指导作用。
随着计算机和网络技术的迅速发展和普及,开发具有高性能、易维护、强可扩展性的软件系统逐渐成为软件工程领域的一个重要研究课题。对应用系统采用多层增强MVC（Model-View-Con
详细介绍了利用地震数据综合管理系统提高地震资料信息管理和应用水平,该系统把基础数据、原始归档数据以及各种知识型数据与各种数据管理、数据处理、资料解释等专业应用软
近年来随着深度学习技术的发展,新的卷积神经网络结构和并行计算工具GPU不断推动目标识别技术的精度得到提升,受到了学术界的关注,同时也使得深度学习目标识别算法在国家和民用层次均得到了广泛应用。本文重点回顾了深度学习目标分类算法在近年来取得的成就,从算法层面对深度学习在目标识别领域的发展趋势进行了详细的分析。