弱感光型杂交稻元优919在建阳示范种植表现与高产栽培技术

元优919是福建省农业科学院水稻研究所、福建亚丰种业有限公司和三明市农业科学研究院利用不育系元丰A与恢复系福恢919共同选育的中籼弱感光三系杂交水稻新品种,2015年通过福建省农作物品种审定。2016年在建阳区潭城街道回瑶村连片种植20.8 hm~2,测产验收平均产量9 314.00 kg/hm~2,最高产量9 652.20 kg/hm~2。总结了元优919在建阳区的示范种植表现及高产栽培技术。     

氮肥不同用量对北方粳稻群体质量及品质的影响

氮是植物体内氨基酸、蛋白质、核酸、辅酶以及光合色素分子等的组成成分,因此,氮的营养状况与许多生理过程密切相关。针对水稻氮肥用量过高这一突出问题,本试验研究了氮肥施用总量对北方粳稻产量及其构成因素、叶面积指数、干物质积累、群体库容量以及品质特征等方面的影响,进一步明确不同氮肥施用量条件下北方粳稻产量和品质形成的调控机制。结果表明,施氮量的增加对叶面积指数、光合势及群体生长率有促进作用,随着施氮量的增加,水稻最高茎数、最高分蘖数、分蘖穗数和分蘖穗比例有逐渐增加的趋势;增加施氮量会导致整精米率、蛋白质含量上升,精米白度、食味值、峰值粘度、最低粘度、崩解值、最终粘度值降低,但不同施氮量对直链淀粉含量影响不大。     

海水倒灌农田水稻栽培技术示范小结

通过对2014年"威马逊"超强台风造成海水倒灌农田后的修复改良水稻栽培技术,包括品种筛选、整地、育秧、水肥管理等试验。摸索出一套海水倒灌农田的水稻高产栽培技术,解决了海水倒灌农田灾区农民的口粮问题,为今后海南沿海地区台风造成海水倒灌农田后的水稻恢复生产储备相应技术。     

应用旱育保姆培育水稻壮苗试验效果

研究旱育保姆在水稻直播生产上拌种使用剂量对水稻出苗成苗、根系、经济性状的不同影响,从而获得壮苗最佳方案。     

落叶松毛虫发生量的预测及综合防治措施研究

本文介绍了松毛虫生物学特性,总结了松毛虫种群数量消长规律,分析了气象等环境因子对松毛虫种群数量的影响,从而对落叶松毛虫发生做出准确的预测。根据预测情况进行有效综合防治,收到良好效果。     

“一带一路”驱动下的万里茶路新机遇

茶学界,鲜有学者将"一带一路"国家战略与万里茶路理清逻辑关系。世界聚焦"一带一路",无人不知,无人不晓。从历史和国际贸易的角度分析万里茶路使得中俄万里茶路形成的文化价值变得清晰可见。"一带一路"为万里茶路带来新的发展机遇。这一"世纪动脉"从目标、流程、策略、内容等多方面的创新将对中国经济产生深远影响。     

黑龙江省一 、二积温区水稻花药培养条件优化

为提高黑龙江省第一、二积温带水稻花药培养效率,促进该技术在粳稻新品种选育中的应用,以五优稻2号及黑龙江省第一、二积温区骨干亲本的F1、F2为材料,对提高花培效率的几个关键环节如取材标准、关键时期培养基配方和培养条件等进行了方法改良。结果表明:取穗以叶枕距、颖壳颜色和花药长度等多重因素为标准;适用于以五优稻2号为亲本的诱导培养基配方为进口N6+凝胶3.6g·L-1+蔗糖60g·L-1+2,4-D2mg·L~(-1);分化培养基配方为MS+KT 2mg·L~(-1)+IAA 1mg·L~(-1)+蔗糖30g·L-1+琼脂4g·L-1,同时辅以16h光照;生根培养基中加入3～6mg·L~(-1)多效唑,可以壮苗促分蘖,提高移栽成活率。     

水分与氮素及其互作对水稻产量和水肥利用效率的影响研究进展

了解水分、氮素及其互作对水稻产量与水、氮利用效率的影响,对协同提高水稻产量与水氮利用效率有重要意义。本文概述了水稻节水灌溉技术、氮肥利用效率与氮肥施用技术、水分与氮素对水稻产量及水氮利用效率的耦合效应、作物-土壤关系及水氮调控机制等方面取得的进展;讨论了存在的问题,这些问题包括:高产水稻作物与土壤的水氮互作效应尚不明确;高产水稻水氮耦合与高效利用的分子机理不清楚;协同提高水稻产量与水氮利用效率的调控途径尚未掌握。针对这些问题,建议今后重点研究:高产水稻作物与土壤的水氮互作效应及其机制;水氮互作调控水稻吸收利用水分和氮素的生理与分子机理;协同提高水稻产量和水氮利用效率的调控途径与关键技术。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。