壳聚糖絮凝剂处理榨季粗糖浆的试验研究

对壳聚糖絮凝剂清净榨季粗糖浆进行了研究，通过单因素与多因素正交试验，确定了气浮最佳工艺条件，试验结果表明，壳聚糖具有良好的清净效果。     

红碎茶揉切机的合理参数

采用多因素、多水平和多指标的优选试验,并运用综合加权评分法确定影响茶机试验指标的主次因素和较优组合。揉切机试验结果表明,影响试验指标的主要因素是搓板的结构型式。3叶桨叶片优于2叶桨,倾角70°叶片优于60°叶片。试验因素主次排列次序为叶桨型式、组数和间隙,其较优组合为3叶桨70°、11组和8毫米。     

夏大豆山宁10号品种特性及在重茬地中的栽培措施

在重茬大豆试验田中，采用多因素二次通用旋转回归设计法，对夏大豆“山宁10号”特性进行试验，通过试验提出在多年重茬地中夏大豆“山宁10”的高产栽培措施。     

正交试验设计方法在植物无性繁殖研究中的应用

利用正交试验设计采解决植物在无性繁殖中多因素多水平问题,可以最大限度地减少试验量、试验的时间及人员的投入等,从正交试验设计出发,阐述了正交试验过程,并完整地介绍了利用正交试验的直观分析法和方差分析法对植物无性繁殖中相关因素、指标等进行快捷统计分析的方法     

茶叶试验研究方法讲座 第五讲 方差分析(中) 二、常用试验设计的方差分析

在第二讲中,我们曾经提到因试验因素的多少而把试验研究分为单因素、多因素和综合性试验三大基本类型。为了方便试验结果的统计分析,根据试验单元在空间的排列     

杂交稻新组合冈优22引种及其栽培要点

１引用经过和方法冈优２２系四川农大水稻所选用冈４６Ａ与抗病性较强的恢复系ＣＤＲ２２配制成的新组合。１９９５年从四川农大引进。１９９５年多点试种;１９９６年区域对比试验,多点试种、示范、多因素栽培试验;１９９７年多因素栽培试验百公顷丰产栽培示范。１９９...     

茶叶试验研究方法讲座 第七讲 正交试验的设计和分析

试验研究的实践告诉我们,随着试验因素及其水平数量的增多,处理组合数将按照几何级数增加,例如a个因素各b个水平试验将有a~b个处理组合,如果再设置若干重复,其组合数之多,试验工作量之大可想而知,势必     

应用回归旋转设计和电子计算机研究油菜氮磷钾合理施肥量

在单因素试验的基础上,提出多因素试验是生产力发展的必然结果。研究油菜氮磷钾肥合理用量,采用定性的试验方法巳不适用了。用来分析资料的方差分析,在判别不同施肥量的产量结果之间差异是否显著虽很有作用,但也很难从经济角度去寻找合理的施肥量。古典回归分析,长期以来只是被动地处理已有的试验资料,而对试验的安排几乎不提任何要求,对所求得的回归方程精度亦很少研究,这样不仅盲目的增加了试验次数,而且试验往往不能提供充分的信息,特别是在研究多因素问题中达不到目的。我们在前几年试验研究初步明确     

间作大豆的竞争性分析

通过多因素和单因素试验资料的相关和回归分析,证明玉米和大豆对光照和肥料的竞争明显,但水分与间作大豆产量无显著相关。玉米通过株型、叶面积等影响大豆冠层光照度,光照度与大豆产量呈正相关。N肥降低间作大豆产量,NPK复合肥增加大豆产量。本文还提出了提高间作大豆产量的栽培主攻方向。     

国家大豆品种区域试验精确度研究

以2000 2002年国家大豆品种区域试验的6 239个试验数据为依据,在一年一点、一年多点、一点两年和两年多点等四个层次上对国家大豆品种区域试验精确度进行研究,主要结果如下:⑴就目前国家大豆品种区域试验水平和管理体制,在单年单点试验、一点两年试验和两年多点试验等三个试验层次上的试验精确度,均无法满足国家大豆品种审定的需要,而只能依据一年多点的试验结果作为国家大豆品种审定的试验依据。⑵新的国家大豆品种审定标准规定,新品种比对照增产5%且差异显著是国家大豆品种审定的必要条件。由此可以看出,目前国家大豆品种区域试验西北春大豆组、南方春大豆组和北方春大豆晚熟组的试验精确度需要进一步提高。⑶影响一年多点试验的品种比较精确度的因素主要有试验误差、重复数、参试品种数、试验点数和品种×试点互作效应。提高一年多点试验的品种比较精确度的途径主要有:一是通过优化试验方案、提高人员素质、科学统计分析降低试验误差;二是合理安排试验重复数、参试品种数和试验点数;三是合理化分区试组以降低品种×试点互作效应。     

中国油菜单产增长要素贡献率分析

运用因子分析技术将影响中国油菜单产的众多因素综合为物质费用、劳动力、政策制度和“结构与灾害”四大因素,并利用Cobb-Douglas型生产函数模型分别测算了四大因素在中国油菜单产增长中的贡献率。根据1990-2004年间的数据计算,物质费用对中国油菜单产增长的贡献率最大,其次是劳动力和政策制度,而同期“结构与灾害”因子对单产有负向影响。     

大豆产量预测预控数学模型的研究

本试验采用四元二次正交回归旋转组合设计方法,建立了密度、氮、磷,钾肥四因素的综合效应产量模型,通过计算机模拟,筛选出亩产225公斤以上的农艺措施组合方案,并通过主成分分析,评价了各因素对产量的贡献。还利用特定产区大豆的历史资料,经逐步回归分析建立了相应产区的大豆气象趋势产量模型,并将气象因素引入栽培模型,建立了具体产地的大豆产量预测预控模型。     

河南省夏芝麻区域施肥决策的研究

1986～1989年在全省芝麻产区布置了氮磷二因素试验102个。按区域类型划分成4大区，提出了各区的施肥模型及建议施肥量。     

南县耕地动态变化及其驱动力定量分析

影响耕地数量变化的因素错综复杂,用单一的回归分析法不易得到一个满意的模型。在前人研究的基础上,以湖南省南县为例,首先用主成分分析法选择主要的影响因素,克服多重共线性问题;然后再对选择的因素建立回归模型,从而对影响耕地数量变化因素的影响力进行定量分析,得到南县耕地数量变化驱动力主要有四大类因素：经济发展、人口增长、国家政策和农业集约化。并且指出不能只靠政策手段来解决耕地保护问题,需要通过经济、制度和科技相结合的措施才能实现保护耕地的目标。     

基于AHP和PSO方法的茶企业品牌溢价因素定量研究

品牌溢价在茶企业运营中有重要意义,品牌附加值决定价值取向。通过150份调查问卷和专家评议,建立产品质量、品牌独特性、品牌实力等3个中间层因子,产地生态、加工技术、生产规模、品牌个性化形象等9个底层因子。采用层次分析法（AHP）对各因子进行定量分析,并用粒子群优化算法（PSO）提高结果准度,建立茶企业品牌溢价定量模型,得出品牌知名度和产地生态是影响品牌溢价最重要的因子。同时,根据不同品牌类型,选择小罐茶、七彩云南、谢裕大、梅山崖四大品牌进行实证研究,分析其品牌溢价能力,并对之提出建议。     

应用数学模型研究上海县油菜生产力的变化

为了定量分析诸科技因子与自然因子对上海县1955—1988年油菜生产力发展变化的贡献和作用,建立了油菜生产力的专家模型、道格拉斯模型和趋势产量模型。研究结果表明,趋势产量于1978年达峰值。1978年比1955年每亩趋势产量提高72.9公斤,增产132％。其中,品种更换、栽培技术改进、施肥水平与地力变化和三因子综合作用对产量增长的贡献分别占54％、36％、15％和27％。1988年比1978趋势产量下降24.3公斤,减产19％。四者对产量变化的作用分别为1.6％、-6.4％、-7.2％和-7.0％。筛选出对当地脉动产量构成较大影响的7项气候指标,其综合丰歉指数的变幅达40％—-60％,丰年平均增产率为27.2％,歉年平均减产率为22.6％。对脉动产量产生较大影响的病虫危害年,大体上三年一遇,平均减产指数为5.7％,个别严重危害年的减产指数可达30％。     

咖啡树蒸腾速率与环境因子的关系

用统计学方法,定量研究了大田条件下四个咖啡品系:中粒种21、中粒种24—11、中粒种24—2和小粒种S288的蒸腾速率与环境因子的关系。结果表明,参试品系的蒸腾速率与太阳辐射、气温、叶温、VPD和相对湿度显著相关,其中,与太阳辐射呈直线关系,与气温、叶温和VPD呈指数曲线关系,与相对湿度呈抛物线关系。据此求出了相应的回归方程。五个环境因子对各品系蒸腾速率的影响各异,影响各品系蒸腾速率的主要因子,中粒种21为VPD和相对湿度,中粒种24—11为太阳辐射和VPD,中粒种24—2为太阳辐射和气温,而小粒种S288为太阳辐射、气温和相对湿度。依主要影响因子拟合出四个被测品系蒸腾速率的多元回归方程。由此多元回归方程估算得到的各品系蒸腾速率的多天平均理论值与实测值相当一致。     

栽培因子对风沙土区小麦产量的数学模型研究

采用二次回归正交旋转组合设计,研究了松嫩平原西部风沙土区小麦籽粒产量与密度、氮肥、磷肥、钾肥四因素的定量关系,建立了产量形成的密度、肥料反应模型,解析了各因素对总产量的主效应及互作效应,寻求定量生产水平下的最佳农艺措施,为松嫩平原风沙土区小麦栽培提供科学依据。试验结果表明,风沙土区小麦高产栽培措施为:密度822.75万～876.45万株/hm2,氮肥(N)129.10～144.05kg/hm2,磷肥(P2O5)116.92～127.88kg/hm2,钾肥(K2O)68.28～78.30kg/hm2,之间的交互作用为正效应,适量增加氮磷肥施用量有助于产量的提高。     

Mechanisms Leading to Excess Alpha -Amylase Activity in Wheat (Triticum aestivum, L) Grain in the U.K.

The frequency and mechanisms of four modes of alpha -amylase enzyme accumulation in U.K. wheat, retained pericarp alpha -amylase activity (RPAA), pre-maturity alpha -amylase activity (PMAA), pre-maturity sprouting (PrMS) and post-maturity sprouting (PoMS), were investigated in field and laboratory experiments. Of 56 cultivar site year combinations (four model cultivars grown at up to four sites from 1994–1997), enzyme activity was detected in 32 cases, in 23 cases sufficient to reduce Hagberg falling number (the usual industry measure of alpha -amylase) below the commercial criterion (250 s). The frequency of occurrence of different modes of enzyme accumulation was in the order PoMS>PMAA>PrMS>RPAA. Both PMAA and PrMS were more common than expected and the most usual pattern was for alpha -amylase to accumulate by several modes. Although green grains are rejected as impurities, study of grain colour in relation to pericarp alpha -amylase activity showed that the enzyme could persist in non-green grains in levels sufficient to affect the Hagberg value. Two factors thought to promote PMAA, grain drying rate and transient changes in temperature in early development, were studied in the field and controlled environment cabinets. No significant difference was found in grain drying rate between samples where PMAA was or was not identified. However, out of 19 transfers from a cool (16/10 °C) to a warm (26/20 °C) temperature regime, six led to significant increases in PMAA. No transfers after 45% grain moisture increased PMAA. PrMS occurred as early as 67% grain moisture and susceptibility usually increased with stage of development, being greatest in the grain dough stage. PrMS susceptibility varied with cultivar (in the same order as PoMS sensitivity) and was affected by environmental factors.     

基于冠层高光谱遥感的杂交水稻植被指数氮素营养诊断模型

以杂交水稻为研究对象,进行两因素裂区试验,主区为品种,副区为施氮水平,分析了4个植被指数（VIs）分别与叶片氮素含量（LNC）、叶片氮素积累量（LNA）和地上部氮素积累量（APNA）之间的相关性,并建立了以VIs为自变量的氮素营养诊断模型。结果表明,4个VIs和LNC、LNA之间均存在决定系数大于0.7的波段区域且波段区域一致,4个VIs和APNA之间的决定系数均较低,仅在0.2左右;比值植被指数（RVI）和LNC之间的决定系数最大值为0.886,对应的波段组合为 694 nm和763 nm;垂直植被指数（PVI）和LNC之间的决定系数最大值为0.869,对应的波段组合为 864 nm和483 nm;差值植被指数（DVI）和LNC之间的决定系数最大值为0.883,对应的波段组合为1 292 nm和1 258 nm;归一化植被指数（NDVI）和LNC之间的决定系数最大值为0.881,对应的波段组合为1 296 nm和1 220 nm。最佳的氮素营养诊断模型为叶片氮素含量诊断模型,其模型表达式为LNC=1E+03NDVI²- 132.55NDVI+3.72,建模集R²、RMSE和RE分别为0.879、0.357%和16.267%,测试集R²、RMSE和RE分别为0.895、0.331%和15.136%。