东海甲藻赤潮前后典型断面营养盐变化及其补充初探

根据2005年春、夏季东海赤潮高发区两个航次的综合调查资料,对调查海域大规模甲藻赤潮过程中典型断面的营养盐变化特征进行了分析,并在此基础上初步探究了营养盐补充的主要来源。结果表明,营养盐持续补充在该海区甲藻赤潮过程中起到了重要作用,调查海区表层主要受长江冲淡水等陆源淡水补给作用的影响,而底层主要受台湾暖流补给作用的影响,且陆源补给作用对调查海区北部的影响强于南部,台湾暖流对调查海区南部的影响强于北部;长江冲淡水等陆源影响对硅酸盐、氮盐补给程度较高,其次是磷酸盐;台湾暖流对调查海区底层磷酸盐补给程度最高,对氮盐和硅酸盐的补给作用不明显;此外,底层沉积物释放作用可能也是硅酸盐补给的重要来源之一。     

基于GIS的优质小麦变量施肥信息系统研究

变量施肥量的确定在优质小麦生产中起着重要的作用,依据麦田土壤养分的空间变异性与小麦的生长特性因地制宜确定施肥量能为小麦优质生产提供施肥决策支持。该文是在施肥推荐中利用Kriging插值方法对研究区土壤养分空间变异性进行研究,解决以往变量施肥系统对土壤养分的供应量存在疑惑的问题;综合考虑土壤类型、障碍层次等土壤基础信息,将“氮肥后移”技术写入曲劳与斯坦福公式中进行施肥推荐,以实现小麦的优质生产。详细阐述了土壤养分空间变异分析和变量施肥推荐两个关键技术。     

水稻光温敏核不育系秋杰S的选育与利用

海南波莲科技有限公司采用日本粳稻品种秋光为母本，以引自美国的籼稻品种Jefferson为父本进行杂交，再用温敏核不育系C815S为母本进行杂交、隔代回交，于2017年育成水稻光温敏核不育系秋杰S。该不育系不育性稳定，不育起点温度低，异交习性好，株叶形态优良，具广亲和性，米质达部标2级优质标准，于2020年8月通过福建省农作物品种审定委员会技术鉴定，与抗稻瘟病恢复系莲恢1616配制的杂交中稻组合秋两优1616于2022年7月通过福建省品种审定。     

发芽处理对谷物主要成分含量变化的影响

谷物是我国的主要粮食作物,其加工方法多种多样,发芽是其中的一种方法,具有绿色、环保、健康等特点,它是提高谷物营养成分的重要途径.对发芽过程中谷物的淀粉、蛋白质、脂肪、矿物质、维生素等主要营养成分的变化进行了综述,并分析了当前发芽谷物存在的问题,旨在为发芽谷物深加工及谷物产品开发提供理论参考,进而促进我国谷物类资源的高效开发利用.     

灌溉方式对水稻产量、品质与抗倒性影响的研究进展

水分管理是调控水稻生长发育的主要农艺措施之一，对水稻产量、品质和抗倒性等具有重要影响。水稻生产中常用的灌溉方式有淹水灌溉、“薄、浅、湿、晒”模式、控制灌溉、半深水灌溉和干湿交替灌溉等。本文阐述了不同灌溉方式对水稻产量、品质和抗倒性的影响研究进展，比较归纳了不同灌溉方式的优劣势，并对未来研究方向进行了展望，以期为水稻高产优质抗倒节水栽培提供理论依据。     

放养密度对稻渔（禽）共生模式水稻产量、品质和生态环境的影响研究进展

当前，我国农业正面临人均耕地面积减少、资源与环境约束加剧、保障粮食安全和农民增收难度越来越大等问题，稻田综合种养是推动现代农业绿色高效生态发展的重要生产模式，能在一定程度上解决这些问题。近年来，稻田综合种养产业在国家的助力下迅速发展，但目前综合种养技术相对粗放，各地区缺乏相应的技术标准，尤其是在稻渔（禽）共生模式下水产（禽）动物的规格和放养密度方面缺乏相关的标准，这严重制约了稻田综合种养产业的提档升级与提质增效。本文阐述了目前稻田综合种养产业的发展现状，探讨了稻渔（禽）共生模式下不同水产（禽）动物放养密度对水稻产量、稻米品质和生态环境的影响，提出今后稻渔（禽）共生的发展方向，为提高稻渔（禽）共生模式的综合效益提供参考。     

高维三次样条插值法在气动参数计算中的应用

根据一维三次样条插值算法能够达到二阶连续的光滑程度，将其扩展到高维插值，应用到由多自变量决定的气动参数计算。相对于高维线性插值算法，提高了插值精度，同时又避免了高次拉格朗日插值中的失真现象。并针对于高维三次样条插值算法，提出一种改进的边界条件，能够提高插值精度，简便工程应用。通过标准函数的数值试验，证明该高维插值方法及其改进边界条件对气动参数计算精度的提高是明显的。     

哈尔滨智轨电车采暖系统制热量的计算及验证

依据哈尔滨环境条件和相关标准，确定了哈尔滨智轨电车采暖系统计算的车内外环境参数，并参考采暖系统计算的相关标准以及城轨车辆频繁开关门的特点，对哈尔滨智轨电车采暖系统的制热量进行计算，得出MC车的采暖系统制热量为24 kW、TP车的采暖系统制热量为32 kW。在实车上开展了预热试验、调节试验、开关门试验，试验结果满足标准要求，为极寒地区采暖系统的选型提供了依据。     

基于支持向量机的测厚仪CS值电压漂移故障判定及处理

支持向量机(SVM)是在统计学习理论基础上发展起来的一种新的模式识别方法， SVM的基本思想是通过非线性变换将输入空间变换到一个高维空间，然后在这个新的空间中求取最优分类超平面。它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。本文着重介绍选取SVM及其如何成功诊断处理钢厂轧机X射线测厚仪CS值电压自动漂移等故障的实例，实践理论与应用并重。