酿酒葡萄白比诺最佳负载量,植株营养元素含量和采收期的研究

本文通过优质酿酒白比诺(Pinot blanc)葡萄品种不同留果量对果实产量、品质、植株营养元素含量和采收期的试验究研。认为葡萄优质高产的产量标准是1100公斤/亩,果实品质和经济收益最高。葡萄结果量的大小影响植株营养元素含量和施肥水平。该品种在本地区气候条件下,适宜的采收期是8月12—15日,根据不同年份采前20天的雨量和光照时数,适当早采或迟采,效果更好。近年来,葡萄酿酒业的发展趋势迫使栽培者,不得不引栽一些酿酒的优良葡萄品种。白比诺葡萄是我场从西德引入的酿制高档酒的优良品种,其酿制的干白葡萄酒完全可与雷司令(Riesling)葡萄酒相媲美,该品种在全国主要葡萄栽植区有栽植报道,如何使该品种在发挥其优良品质前提下,获得最高的产量和经济价值,是葡萄生产中亟待解决的问题。鉴于目前国内对白比诺葡萄这方面的研究较少,我们从1987年开始,以葡萄“高干垂”整形修剪为基础,进行了不同留果量和采收期的试验,探讨其对植株产量、采果品质收益、叶片营养元素含量的影响,以确立该品种优质丰产的最佳留果量、施肥措施和适宜采收期。     

葡萄不同负载量对生长期叶片营养元素含量的影响

本试验对白比诺葡萄单株不同留果量叶片中十种主要营养元素含量在生长期的变化进行了分析研究.结果表明:叶片营养元素含量的变化具有特定的规律,且受植株负载量的影响很小.不同负载量(较大负载量和较小负载量之间)植株在果实生长前期叶片氮、硼的含量变化差异大,而钾、铁、锰差异小;果实生长中期叶片磷、钙、镁、锌的含量差异大;而铜在整个生长期变化差异明显.随着植株负载量的增加,叶片氮、磷、钾、镁、铁、铜和硼的含量减小;钙、锌和锰含量增加.本文并分析了负载量与不同时期叶片营养元素含量之间的相关性.国内外众多学者对葡萄叶片营养元素含量年周期变化规律进行了大量的研究,但研究的内容多限于相同结果水平,而对不同负载量的研究较少.本试验通过不同负载量叶片营养元素在生长季节的变化规律,旨在对葡萄营养诊断,合理施肥和适量留果提供依据.     

葡萄幼树“高干垂”整形修剪试验初报

新建葡萄园选用的树形和采取的修剪方法,在很多方面影响植株的产量、质量和管理特性。而本地葡萄生产上仍沿用传统的“多主蔓水平扇形”。实践证明,这种树形管理在夏季高温多湿的黄河故道地区,产量尚可,但品质低劣、病害严重,夏季管理费工;而国外普遍采用的“高干垂”管理方式则是解决该问题的有效途径。葡萄“高于     

不同色膜复盖对葡萄产量品质的影响

地膜复盖栽培是近年来发展起来的一项行之有效、新的栽培技术措施,在农作物种植方面应用比较广泛,但在果树生产上,特别在多年生果树,以提高产量、改善品质为目标的试验较少。     

锂电池负极极片涂层干燥过程仿真分析

基于锂电池负极极片涂层干燥机理,建立了描述极片干燥过程的数学模型。利用数值模拟软件对干燥过程进行了仿真,分析了风温和风速对极片涂层干燥特性的影响,获得了干燥箱内流场特性和极片涂层温度分布特性。结果表明:极片涂层的干燥具有增速、恒速和降速阶段;增加风速与风温均可提高极片涂层的干燥速率,而提高风温对干燥速率的影响更大;在特定条件下,风温自70℃每提高10℃,干燥用时减少约20%;风速自1.5 m/s每提高0.5 m/s,干燥用时减少约14%。进行了相同干燥条件下的干燥实验,验证了数学模型的准确性,并确立了适用条件。     

葡萄“高干垂”整形修剪方法的总结

我们在故道地区经过近十年的研究探索,采用“高干垂”整形修剪方式取代传统的“近地多主蔓扇形”整形修剪方式栽培葡萄,试验品种有酿酒的(如雷司令、白比诺等)、制汁的(如康可、哈佛特等)和大粒鲜食的(如巨峰、红富士、黑奥林等)。取得了很好的效果,曾几次在本刊和其它刊物上作过评价报道,这里不再重复。本文重点系统总结葡萄“高干垂”整形修剪的过程。     

修剪方式对三个酿酒葡萄生长和结果的影响(“高干垂”整形修剪二报)

六十年代,国外研究者创立的葡萄分离型树冠(divied canopy),提出“高于垂”整形修剪通过影响冠幕微气候(canopy microlimate),而决定葡萄植株的生长、结果和果实品质,关于葡萄冠幕微气候的概念张大鹏先生(本刊1989年2、3期)已作了详细概述。作为分离型(或开张型)树冠叶幕,是通过影响叶片和果实受光量、光合效能、风速、温度等,创造了一个良好的微气候,显著地增加产最,改善果实质量。多数分离型树冠是建立在宽行距(3.5米以上)的基础上,对密植园(行距小于3米)通过枝蔓摆布,结果枝剪留情况等措施也能达到合理的分离型叶幕(A·G·Reynolds对雷司令葡萄的研究结果)。     

YOLOv3及模板跟踪在电力AR远程作业指导中的应用

为提高电力AR远程作业指导工作效率,优化工作质量,提出一种优化的YOLOv3算法。利用多个卷积层构造的卷积神经网络加快目标检测速度和精度,引入多特征融合的跟踪算法,优化目标跟踪准确度,构建一种基于优化YOLOv3及模板跟踪的模型用于电力AR远程作业目标检测,使用目标置信度验证AR远程作业的目标是否准确识别。试验结果表明加载卷积神经网络的优化YOLOv3算法检测速度更快、精度更高。