利用蜜蜂为棉花授粉

来源 :中国农业科学 | 被引量 : 0次 | 上传用户:LIUSHENGWU5
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
棉花是可以异花授粉的自花授粉作物,利用蜜蜂授粉能够帮助棉花减少脱落增加产量。据苏联试验,利用蜜蜂授粉比不利用蜜蜂授粉的,一般可增加成铃12—22.5%,同时棉铃重、衣分和纤维长度都有增加。蜜蜂为棉花授粉时,蜂群与棉田的距离一般以在50米以内适当,据苏联试验,蜂群距离棉田50米以内者较距离500米者每 Cotton is a self-pollination crop that can cross-pollinate. Using bee pollination can help cotton reduce shedding and increase yield. According to the Soviet Union test, the use of bees pollination than the use of bees pollination, can generally increase the boll 12-22.5%, while boll weight, lint and fiber length have increased. When bees pollinate cotton, the distance between bee colony and cotton field is generally within 50 meters, according to the Soviet Union test, the colony is within 50 meters from the cotton field more than 500 meters
其他文献
目的:探讨副大脑中动脉(accessory middle cerebral artery,AMCA)的计算机断层扫描血管造影(Computed Tomography Angiography,CTA)表现、影像学分型、性别差异,与软脑膜动脉吻
细胞自动机是一种常见的用来设计随机数发生器和流密码的方法,目前许多流密码的设计都直接或是间接的使用了这种方法.由S. Wolfram提出的,使用Rule30细胞自动机生成伪随机序列的方法是一种经典的基于非线型细胞自动机设计流密码的思路.它具有硬件开销较小,密钥流随机性良好的特点,由于存在不可避免的线性相关性问题,无法满足现代密码学对安全性的要求.本文提出一种新的规则Rule30+,并给出一种基于R
本文介绍了模糊神经网络的基本概念,以及90年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用前景。 This paper introduces the ba
人工智能是指由计算机展现出的类人智能,机器学习是人工智能的重要应用.机器学习广义上可以理解为基于已有的经验进行精准预测的计算方法.当前学习算法已有了多种应用,例如文本分类、自然语言处理、语音识别与合成、光学字符识别、图像识别和人脸检测、游戏、医疗诊断、推荐系统、机器人等.这些学习算法可以大致归类为分类、回归、排序、聚类、降维等等.以神经网络为代表的深度学习在图像分类、人脸识别、图像和视频生成、自然
期刊
网络系统的安全是影响系统运作的核心问题,一般将系统的不安全事件转化为独立的病变元诱因进行分析,然后借助有效的治疗策略来保障系统的安全.对元诱因实施治疗,首先利用元诱因属性来构建诱因函数和治疗函数,并结合治疗概率矩阵和状态转移中的不安全熵及效益变化趋势建立数学模型;其次利用剔除劣势策略的原理寻找最佳策略组合,以此来实现对系统安全经络图的有效控制;最后在元诱因治疗的数学模型基础上,探究元诱因治疗的执行
椭圆曲线离散对数问题(EDCLP)的求解是现代密码学体系中一个重要的研究方向.目前,求解ECDLP最有效的算法是Pollard rho算法.区块链技术作为一门新兴技术,受到各行各业的广泛关注.本文引入ECDLP作为工作量证明的困难问题计算,使得工作量证明在区块链的能源消耗变得有意义,同时借助区块链的激励机制,让更多的人参与到ECDLP求解计算中去,进而促进在密码学中对困难问题求解的研究.特别地,本
近年来,安全多方计算在密码学中已成为一个研究热点,保密科学计算是其中一个重要组成部分,一次保密计算一组隐私数据的最大值和最小值是保密科学计算的新问题.该问题在隐私保护中具有重要的理论意义和实际意义,现有方法需要对同一组隐私数据进行编码变换并重复调用协议才能分别求出最大值和最小值.对同一组数据重复执行协议存在安全隐患,可能会泄露某些隐私信息,并且会增加协议的计算复杂性与通信复杂性.为同时求出最大值和
海量数据的涌现催生了一种新兴的数据交易模式:数据市场.但中心化的数据市场易遭到单点失败、内部或外部攻击.区块链的出现为实现去中心化的数据交易提供了一种可能.然而,实现数据持有者与数据消费者公平数据交易,还需解决如下挑战:(1)数据持有者数据的可靠性;(2)互不信任的双方原子交换的公平性.本文提出了基于机器学习的公平数据交易协议以解决这些挑战,运用反向传播神经网络和向量承诺实现数据持有者与数据消费者
SIMON算法是美国国家安全局(NSA)于2013年发布的轻量级分组密码,支持多种分组长度和密钥长度,具有优良的软硬件实现性能,可以满足各种应用环境的安全需求。SIMON算法的加密轮变换非常简洁,只包含循环移位、按位与和按位异或运算,已经成为一些密码算法设计的仿效对象。直至目前为止,NSA也没有公开SIMON算法的设计原理以及安全性自评估结果,因此SIMON算法引起了密码学术界的研究兴趣,有学者通
期刊
自2012年AlexNet模型提出以来,图像分类技术研究进入了深度学习时代.模型分类能力的提高使得技术的实际应用变得普及,许多企业将图像分类与云计算等技术结合,为用户提供各类便捷服务.但是模型的广泛使用带来了巨大的图像数据隐私泄漏风险.这一问题严重阻碍了图像分类技术的应用与发展.为此研究人员尝试将同态加密和安全多方计算等密码学技术与图像分类模型相结合,设计隐私保护方案.由于引入隐私保护会对模型的可