实施密植高产机械化生产 实现玉米高产高效协同

为探索生产方式转变,实现玉米产量与效益协同提高,分析了玉米种植密度提高与单产增加的关系、不同产区玉米种植密度现状、增密种植的增产效果以及子粒机械直收技术的优势,构建了以筛选耐密抗倒适合机械化生产品种、密植增穗增产、提高群体整齐度、构建高质量群体、全程机械化作业、强化规模种植与统一管理、实施全成本核算为核心的玉米密植高产全程机械化生产技术模式。该模式2013年起被农业部遴选为全国玉米主推技术,在全国玉米主产区推广,创建了一批高产高效典型。其中,经农业部组织专家验收,2014年在新疆兵团71团创造了18 414kg/hm~2的全国玉米大面积高产纪录,净利润达到24 118.2元/hm~2,实现了玉米高产与高效协同,为玉米生产方式转变和发展现代玉米生产提供了典型案例。     

不同机械作业对玉米子粒收获质量的影响

在玉米收获季节,通过6组不同收获机械收获玉米子粒的对比试验与测试,研究不同机械作业对玉米子粒直收质量的影响。结果表明,机械收获子粒后,子粒破碎率普遍较高,大多超过5%的国家标准;杂质率和落粒损失率普遍较低,分别低于3%和5%的国家标准。子粒破碎率和落粒损失率在不同收获机械及其作业之间存在明显差异,杂质率差异相对较小,收获机械作业是造成玉米子粒破碎率的一个重要因素。     

基于高光谱特征参数的棉花长势参数监测

通过小区棉花密度和水分对比试验,分析不同密度和水分处理的棉花整个生育期生物量和LAI(叶面积指数)与高光谱特征参数的相关性,建立棉花生物量和LAI光谱估算模型。选取的所有植被指数与棉花LAI和生物量相关性均达到极显著水平,其中光谱参量NDVI(890,670)与LAI的相关性和光谱参量Height(920)与生物量相关性最好,用这2个参量与生物量建立棉花长势估测模型,其决定系数分别为0.804 0和0.760 9,均方根误差分别为0.191 5和0.315 2,利用光谱特征参数可以有效地监测棉花整个生育期的长势变化。     

黄淮海平原南部玉米机械粒收现状及技术应用前景的生态分析——以河南省为例

2015～2017年在黄淮海南部的河南省武陟、南阳、滑县等12个县市开展19个点/次的玉米机械粒收研究工作,分析玉米机械子粒收获技术在黄淮海南部的应用现状和前景。235组有效样本的子粒含水率平均为26.68%,且品种间整体差异较大;子粒破碎率均值为8.89%,大于5%的国家标准《玉米收获机械技术条件(GBT-21962—2008)》要求。分析显示,玉米子粒含水率与破碎率、杂质率总体呈极显著的相关性,降低收获期子粒含水量是提高该区域玉米机械子粒收获质量的主要问题。目前的生产模式下,研究区域的夏玉米生长季节可利用热量条件基本能够满足玉米机械子粒收获技术的需求,是推广应用该项技术的适宜区域。     

宁夏宜机收玉米品种的初步筛选

2015～2017年在宁夏扬黄灌区和引黄灌区开展239品/次适宜机械粒收玉米品种筛选试验。通过综合比较品种丰产稳产性、收获时子粒含水率等指标,筛选出3个适宜扬黄灌区机械粒收玉米品种,分别为银玉137、ZH846和先玉335。与对照郑单958相比,推荐品种早熟2～6.5 d,子粒含水率降低1.6～5.3个百分点,产量增加1.9%～12.2%。筛选出5个适宜引黄灌区机械粒收品种,分别是农华213、迪卡519、辽单575、登海605和先玉335。与对照郑单958相比,推荐品种早熟2～8 d,子粒含水率降低3.8～4.8个百分点,产量增加6.3%～18.7%。     

北京地区玉米子粒脱水特性与适宜收获期研究

在北京地区采用9个供试品种设置春播和夏播试验,分析不同品种的子粒脱水动态,构建各品种子粒脱水模型,进而预测各品种适宜收获期。结果发现,北京地区至10月1日小麦正常播种期,郑单958、先玉335等9个春播玉米品种子粒含水率均能下降至25%以下,实现田间机械直收子粒,且春玉米播种具备较宽的窗口期。夏玉米6月15日常规播期种植条件下,至10月1日仅有早熟、脱水快的品种丰垦139和迪卡517子粒含水率可以勉强降至25%,其余7个供试品种子粒含水率下降至25%的时间分布于10月11日至11月1日,夏播玉米实现机械粒收会影响冬小麦的播种。因此,在北京地区,改冬小麦-夏玉米一年两熟制为春小麦-夏玉米(晚收)或春玉米-冬小麦-夏玉米(晚收)两年三熟制,选择适合玉米粒收的品种,可以实现春玉米和夏玉米的田间机械粒收,提高玉米种植效益。     

黄淮海夏玉米子粒机械收获研究初报

设置不同玉米品种和收获时期试验,研究黄淮海地区夏玉米子粒机械收获的可能性及影响收获质量的因素。结果表明,选择适宜品种和收获时期,在黄淮海小麦/玉米一年两作区实施夏玉米机械直接收获子粒是可行的。影响收粒质量的主要因素是子粒水分含量,随含水量增加,机收时子粒损失率、破碎率和杂质率明显上升,适宜子粒收获的含水量建议控制在27%以内。     

小麦籽粒蛋白质光谱特征变量筛选方法研究

【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012-2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD FieldSpec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法（UVE）结合交叉验证偏最小二乘回归、连续投影算法（SPA）结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归（MLR）及UVE与SPA组合后结合逐步多元线性回归（SMLR）等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除（UVE）方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归（SMLR）、连续投影算法（SPA）、连续投影算法（SPA）+逐步多元线性回归（SMLR）及连续投影算法（SPA）+偏最小二乘回归（PLS）+交叉验证（CV）等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除（UVE）法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差（RMSEP）和R²分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。     

基于光谱角指数小麦冠层叶片特征差异估测研究

[目的]为利用高光谱技术实现作物氮素营养状况无损快速监测提供途径.[方法]通过不同品种小麦不同氮素水平试验,分析小麦不同氮素营养状况下,叶片叶绿素含量与叶面积指数、冠层光谱角的关系,定量分析光谱角指数,并建立相关模型对小麦氮素营养状况进行实时监测.[结果]冠层光谱角指数与差值叶绿素含量和差值叶面积指数的相关性最高为0.919 7,两者之间建立的模型决定系数为0.739 2,0.617 8,具有很好的拟合效果.[结论]利用光谱角可以监测小麦叶片叶绿素及叶面积差异,在此基础上进行小麦氮素营养监测是可行的.     

利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量

实时、无损监测棉花叶片的叶绿素和氮素含量对诊断棉花生理状况和氮肥精确管理具有重要意义。本研究基于MSI200成像光谱仪和数码相机两种可见光传感器,分析和比较了光谱和颜色参数与叶绿素、氮素浓度和SPAD读数的关系,并且确立了其定量预测模型。结果表明,不同传感器对叶绿素和氮素最敏感的波段分别为R₇₁₀和R;光谱指数与叶绿素、氮素浓度和SPAD读数的相关性比原始光谱好,而且以蓝光和红光波段组成的差值指数(DI和R–B)的预测能力最佳;DI所建棉花叶片Chl a+b、Chl a、Chl b、N和SPAD读数的预测模型的预测误差分别为0.0058、0.0050、0.0018和2.3002 mg g^–1和4.9736(分别为均值的18.39%、19.47%、30.33%、11.69%和8.45%),预测精度R²分别为0.7965、0.7582、0.6608、0.7019和0.7338;R–B所建模型的预测性比DI差,对Chl a+b的预测精度最高(R²=0.7400),而预测Chl b的精度最低(R²=0.5653)。基于CIE 1976 L*a*b*颜色模型的颜色参数b*和HSI颜色模型的S是两种传感器与叶绿素、氮素浓度和叶色关系较好的颜色参数;b*对叶绿素、氮素浓度和SPAD读数的预测能力稍逊于DI,预测误差和精度都与DI的比较接近;而饱和度S值的预测RRMSE最大,整体预测精度小于0.62。因此,可以利用可见光成像传感器的光谱和颜色参数估测棉花叶片叶绿素和氮素含量。