洛玉8号种植密度与产量及产量构成因素关系的研究

设置不同的种植密度,研究洛玉8号的种植密度与产量以及产量构成因素的关系。结果表明：种植密度对其株高的影响最大,其次是千粒重、行粒数,对穗长和穗行数的影响不显著。种植密度是影响玉米产量的关键因素,豫西及其类似地区的洛玉8号高产种植密度不宜超过78755株/hm2,最佳生产种植密度为70000～75000株/hm2。     

种植密度对玉米产量及产量性状的影响

分析不同密度条件下产量及相关产量性状的变化规律,探讨种植密度对玉米产量性状指标的影响,可以为玉米生产上合理密植提供依据。采用裂区试验设计,以多抗较耐密玉米品种丹玉86号和高抗耐密玉米新组合丹3363为试验材料,种植密度设52 500、60 000、67 500、75 000和82 500株/hm2计5个水平,研究了种植密度对玉米产量及相关产量性状的影响。结果表明：丹玉86号种植密度在52 500～82 500株/hm2范围内,产量与密度呈二次回归方程的关系,其中,在60 000株/hm2密度时产量最高;丹3363在75 000株/hm2密度时产量最高,在52 500株/hm2密度时产量最低。2个品种穗行数、行粒数和粒长随密度变化不大,穗粒重随密度增大均呈下降趋势。丹玉86号穗长、千粒重和秃尖长度均在67 500株/hm2密度时最大,在75 000株/hm2密度时最小;丹3363穗长、千粒重和秃尖长度随密度变化不明显。丹玉86号穗粗随密度增加而减小,出籽率随密度变化不明显;丹3363穗粗在60 000株/hm2密度时最大、在67 500株/hm2密度时最小,出籽率在52 500～75 000株/hm2密度范围内变化不明显、在82 500株/hm2密度时降低。丹玉86号在75 000株/hm2密度时粒宽最大、粒厚最小,在67 500株/hm2密度时粒宽最小、粒厚最大;丹3363粒宽和粒厚随密度变化不明显。密度对不同品种产量及产量性状的影响不同,生产上应结合品种自身的特性进行合理密植。     

豫西地区种植密度对洛玉8号产量及农艺性状的影响

通过对玉米新品种洛玉8号在不同种植密度下的产量及产量构成因素的分析,得出洛玉8号在豫西种植的最佳密度。结果表明:随着密度的增加,夏玉米单株叶面积先增加后减小,而LAI则持续增加。在7.50万株/hm2密度条件下群体叶面积持续时间较长,有利于叶片光合的进行,单株玉米干物重随密度增加单株干物重减小。洛玉8号在7.50万株/hm2密度条件下灌浆速度最快,在8.25万株/hm2密度条件下灌浆速率最慢。通过产量分析得出洛玉8号在豫西的理论最佳种植密度为104483.55株/hm2。     

豫西地区种植密度对洛玉8号产量及农艺性状的影响

通过对玉米新品种洛玉8号在不同种植密度下的产量及产量构成因素的分析,得出洛玉8号在豫西种植的最佳密度。结果表明:随着密度的增加,夏玉米单株叶面积先增加后减小,而LAI则持续增加。在7.50万株/hm2密度条件下群体叶面积持续时间较长,有利于叶片光合的进行,单株玉米干物重随密度增加单株干物重减小。洛玉8号在7.50万株/hm2密度条件下灌浆速度最快,在8.25万株/hm2密度条件下灌浆速率最慢。通过产量分析得出洛玉8号在豫西的理论最佳种植密度为104483.55株/hm2。     

不同种植密度对13个玉米品种产量及主要农艺性状的影响

选择密度和品种2个试验因子,研究了不同种植密度对13个玉米品种产量和主要农艺性状的影响。结果表明:提高种植密度是提高玉米产量的主要途径,各品种在高种植密度(6.15万株/hm2)下的产量都高于其在低种植密度(4.65万株/hm2)下的产量。洛玉1号和东单80在不同种植密度之间的产量差异达到极显著水平,增幅分别为16.04%和7.13%;种植密度对玉米主要农艺性状有显著影响,增加种植密度对各玉米品种的空杆率、茎粗、穗长、行粒数、秃尖长影响较大,对其生育期、株高、穗位高、穗粗、穗行数、千粒重影响较小。     

种植密度对不同株型玉米品种农艺性状及产量的影响

采用裂区设计,选择3个紧凑型玉米品种洛玉1号、丰玉8号、延科288和1个平展型玉米品种临奥1号,设置42 000、54 750和67 500株/hm~2 3个密度,研究种植密度对不同株型玉米农艺性状和产量的影响。结果表明:随密度的增加,株高、穗位高、空秆率、秃顶度逐渐增加,而穗长、穗粗、穗行数、行粒数、百粒重和单穗粒重逐渐降低;在不同种植密度下,不同株型玉米品种产量存在显著差异,且品种和密度互作达到极显著水平;3个紧凑型玉米品种最适密度为67 500株/hm~2,平展型玉米品种最适密度为42 000株/hm~2。     

密度对夏玉米灌浆特性及产量的影响

研究了适宜种植密度(60000株/hm2)和增加密度(60 000+ 15 000株/hm2)对夏播玉米洛玉8号、郑单958灌浆特性的影响,以借助密度调控灌浆,实现夏玉米高产和源库协调.结果表明:随着密度由60 000株/hm2增加到75 000株/hm2,郑单958籽粒干质量增加量减小,日增量也减小,最终产量增加3....     

种植密度对不同品种玉米农艺性状·品质及产量的影响

[目的]为揭示种植密度对玉米生长的影响提供一定的理论依据。[方法]以科早玉9号、科玉9572、先玉335为试验材料,设60 000、67 500、75 000和82 500株/hm24个种植密度,研究不同种植密度对3个玉米品种的农艺性状、品质及产量的影响。[结果]不同的种植密度对3个玉米品种的株高、穗位、穗行数、穗长、秃尖均有不同程度的影响,对3个玉米品种的穗粗、行粒数、百粒重的影响均不大。随着种植密度的增加,玉米产量呈先增加后减少的趋势。[结论]科早玉9号的最佳种植密度为75 000株/hm2;科玉9572和先玉335的最佳种植密度为67 500株/hm2。     

品种和种植密度对玉米产量及青贮品质的影响

【目的】研究品种和种植密度对玉米产量和青贮发酵后营养品质的影响。【方法】选用富农1号、酒125号、中单2号3个玉米品种为试验材料,设计90 000、82 500、75 000、67 500、60 000、52 500株/hm2 6个种植密度,玉米籽实乳浆线达到1/2时收割,测定全株玉米的产量,并进行青贮发酵处理,测定青贮营养品质。【结果】结果表明:①3个品种比较:富农1号的产量和青贮营养品质最好,中单2号的产量高于酒125号,但青贮营养品质低于酒125号。②不同密度比较:富农1号90 000株/hm2的产量、干物质、粗纤维最高,82 500株/hm2果穗重、粗蛋白最高;酒125号90 000株/hm2产量最高,82 500株/hm2果穗重最高,60 000株/hm2干物质、粗纤维最高,67 500株/hm2粗蛋白最高;中单2号67 500株/hm2产量最高,82 500株/hm2果穗重最高,75 000株/hm2干物质最高,90 000株/hm2粗蛋白最高、60 000株/hm2hm2粗纤维最高。③综合考虑玉米产量和干物质,富农1号和酒125号密度90 000株/hm2最好,中单2号75 000株/hm2最好。【结论】品种和密度对玉米产量和青贮营养品质均有显著的影响(P0.05),适当地增加种植密度可以提高玉米的产量和青贮品质。     

邢抗6号玉米适宜种植密度研究

采用不同种植密度设计,研究了种植密度对邢抗6号玉米产量及植株性状的影响.结果表明:在设计的3.75万～9.75万株/hm2种植密度范围内,邢抗6号的产量变化呈二次抛物线关系,6.75万株/hm2处理产量最高;适宜种植密度为6.30万～6.75万株/hm2;密度对穗粒数、千粒重和秃顶长度的影响较大,对穗行数影响较小;密度与穗粒数和千粒重均呈线性负相关.     

Grain Yield Mapping: Yield Sensing,Yield Reconstruction,and Errors

Research findings are reviewed focusing on yield sensing methods, yield reconstruction, mapping, and errors. Yield sensing methods were explained and yield mapping process was briefly introduced. Grain flow through different combines was explained and the effects of combine dynamics on yield measurement accuracy were discussed. Other errors caused by various sensors that are utilized by a yield monitor were included. It was concluded that with proper installation, calibration, and operation of yield monitors, sufficient accuracy can be achieved in yield measurements to make site-specific decisions. Nevertheless, attention must be paid when interpreting yield maps since yield measurement accuracy can vary depending upon the measurement principle, combine grain flow model, size of management area chosen, and the operator's capabilities and carefulness in following instructions to obtain the best accuracy possible under varying field operating conditions. Some of the errors can be filtered out by careful analysis of the raw yield (or flow rate) data provided by yield monitors. Researchers have focused on crop flow models to improve yield reconstruction process. A yield reconstruction algorithm that effectively handles non-linear combine dynamics has not been developed by researchers yet. More efforts towards yield reconstruction should be encouraged.     

Frequency Analysis of Yield for Delineating Yield Response Zones

The yield in any given field or management zone is a product of interaction between many soil properties and production inputs. Therefore, multi-year yield maps may give better insight into determining potential management zones. This research was conducted to develop a methodology to delineate yield response zones by using two-state frequency analysis conducted on yield maps for 3 years on two commercial corn fields near Wiggins, Colorado. A zone was identified by the number of years that yield was equal and greater than the average yield in a given year. Classes producing statistically similar yield were combined resulting in three potential yield zones. Results indicated that the variability of yield over time and space could successfully be assessed at the same time without the drawbacks of averaging data from different years. Frequency analysis of multi-year yield data could be an effective way to establish yield response zones. Seventeen percent of the field #1 consistently produced lower yield than the mean while 43 of the field produced yield over the mean. Corresponding values for field #2 were 6% and 42%.The remainder of the fields produced fluctuating yields between years. These spatially and temporally sound yield response maps could be used to identify the yield-limiting factors in zones where yield is either low or fluctuating. Yield response maps could also be helpful to delineate potential management zones with the help of resource zones such as electrical conductivity and soil maps, along with the directed soil sampling results.     

江麦23丰产稳产性及产量构成因素分析

根据江苏省2013—2017年淮北小麦品种试验4年汇总数据,分析了江麦23的丰产性、稳产性、适应性及产量构成要素。结果表明,江麦23是一个具有良好的丰产性(较对照淮麦20增产3.13%～5.79%)、稳产性(3年高稳系数HSC高于对照)、适应能力较强(4年适应度高于对照)的小麦新品种,适宜在淮北地区推广种植。此外,产量构成三要素分析表明千粒重对产量的直接作用最大,其次是穗数,穗粒数对产量的直接作用最小。因此,在稳定穗粒数的前提下,提高千粒重和增加有效穗数是提高江麦23产量的关键。     

密度对玉米产量（＞15 000 kg•hm-2）及其产量构成因子的影响

【目的】研究密度对高产玉米（＞15 000 kg•hm-2）产量及其构成因子的影响,揭示高产玉米产量形成机制,为玉米持续稳定高产提供依据。【方法】连续两年在新疆和宁夏高产玉米区,以郑单958为试材,以1.5万株/hm2为一个密度梯度,设置从1.5万株/hm2至18万株/hm2不同密度处理,充分满足水肥需求,进行高产栽培实践,在实现高产基础之上分析其产量及产量构成因子特征。【结果】两年多点共68个处理,最低和最高单产分别为7 675.5和20 503.5 kg•hm-2,其中有47个处理达到15 000 kg•hm-2以上的产量;对产量构成特征的分析表明,要达到15 000 kg•hm-2以上的高产,最低、最高密度分别为5.25万株/hm2和16.28万株/hm2;最低、最高收获穗数分别为6.66万穗/hm2和13.84万穗/hm2;最低、最高穗粒数分别为365和657粒;最低、最高千粒重分别为237和404 g。【结论】密度与单产呈抛物线关系,以10.5万株/hm2密度处理单产最高;随着产量的提高,种植密度、单位面积穗数、穗粒数和千粒重表现出最适值范围变窄的趋势。随种植密度增加,单位面积穗数呈增加趋势,穗粒数和千粒重呈下降趋势,而单位面积粒数呈增加并趋于不变趋势。     

高产、稳产小麦新品种——邢麦6号

介绍了刑麦6号小麦品种的特征特性、生物学特性、产量表现、适宜区域和栽培技术要点。     

水稻产量构成因素与产量的分析

通过对辽宁省14个水稻栽培品种的产量与产量构成因素进行相关分析、通径分析和多元回归分析。结果表明:.每穗粒数、结实率、千粒重与产量均呈正相关,而穴穗数与产量成负相关。除穴穗数以外,其它任何性状的提高都将不同程度地促进产量增加;4个因素与产量的偏相关系数均为正值。通径分析表明:四个产量构成因素与产量的直接通径系数均为正值,其中穗粒数对产量的直接效应最大(2.2387),其次是穴穗数(1.4853)。但穴穗数通过穗粒数对产量的间接负向效应较大。所以通径分析能够较客观的反映各因素对产量影响的大小。因此在今后的高产水稻新品种的选育中,应注重穗粒数的选择,同时保证一定的结实率和千粒重,穴穗数可以适当放宽。     

芝麻产量性状与产量的灰色关联度分析

对芝麻9个品种9个数量性状与产量灰色关联度分析结果表明,产量与各产量性状的关联度大小顺序为:单株蒴果数》每蒴粒数>千粒重>始蒴高度>株高>全生育期>分枝数>空稍高度。芝麻产量主要取决于与其关联度较高的单株蒴果数、每蒴粒数、千粒重等性状。     

利用灰色关联度评价玉米新组合产量与产量构成因子的关系

通过对11个杂交组合的产量和8个产量因素进行灰色关联分析,以明确玉米产量和产量构成因素之间的关系。结果表明:影响产量的8个因素中,其大小顺序为出籽率>穗长>行粒数>穗位高>株高>穗粗>穗行数>百粒重。     

小麦5个产量性状与产量的灰色关联度分析

应用灰色关联度分析法,对小麦9个组合的5个主要数量性状与籽粒产量进行分析.结果表明:小麦的产量与各产量性状关联度的大小顺序为穗数＞生育期＞穗粒数＞株高＞千粒重.     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。