玉米大豆间作种植密度耦合数学模型及其优化方案研究

云南省大豆的种植主要以与玉米间作为主,适宜的种植密度是获得高产的前提,为研究种植密度对群体产量和经济产值的影响,找到最佳种植密度组合。采用二次饱和D-最优设计,分别在云南嵩明县（A）、会泽县（B）和鲁甸县（C）等3个点进行试验。研究了玉米和大豆种植密度对群体产量和经济产值的影响,并分别建立二元二次数学模型。结果表明：玉米和大豆密度对间作群体产量和经济产值影响显著,均呈凸抛物线型变化,在低密度水平下,群体产量和经济产值随密度的增加而增加。通过模型解析表明,玉米+大豆密度组合分别为64 110株/hm ²+147 013株/hm ²（A）、63 068株/hm ²+147 116株/hm ²（B）、64 059株/hm ²+145 077株/hm ²（C）时,各试验点可分别达到最高群体产量。玉米+大豆密度组合分别为62 909株/hm ²+149 852株/hm ²（A）、61 499株/hm ²+151 807株/hm ²（B）、62 762株/hm ²+147 108株/hm ²（C）时,各试验点可分别达到最高产值。经模拟得出,在本试验条件下,各试验点玉米大豆间作群体产量≥12 270kg/hm ²、经济产值≥24 000元/hm ²的最佳密度组合分别为玉米59 251~66 437株/hm ²、大豆140 075~161 495株/hm ²（A）,玉米58 927~65 366株/hm ²、大豆144 159~169 203株/hm ²（B）,玉米58 821~66 703株/hm ²、大豆139 315~154 886株/hm ²（C）。合理的密度搭配能有效提高群体产量,获得较高经济产值。     

湖南省粮食产量波动的影响因素分析及预测

旨在维护国家稳定,为预判粮食生产前景、提高粮食生产效率、保障粮食安全提供理论依据。利用湖南省统计数据,运用灰色关联分析法筛选关联性较强的影响因素,并建立GM(1,N)预测模型预测粮食产量。2008—2017年与湖南省粮食产量关联度最大的影响因素是粮食作物播种面积和农业机械总动力;科技因素是影响2008—2017年湖南省粮食产量的主要因素,其次是自然因素,社会因素;2018—2027年湖南省粮食产量有较小波动,且农业机械总动力和财政农业支出影响较大;农业机械总动力在前后十年对粮食产量都有较重要的影响,越来越占据主导地位。粮食产量受国家政策的影响,受农业机械总动力影响最大,维持产量水平需高度重视农业机械化水平,稳步提高粮食作物播种面积。     

基于层次分析法的食用菌电商平台营销系统的改进模型

针对食用菌电商平台营销策略的改进问题,基于层次分析法,设计了食用菌电商平台营销策略评价指标体系,并结合模糊综合评价模型对该评价体系进行了定量和定性分析,构建了评价模型。该评价模型能够科学、全面地反映食用菌电商平台的营销能力和发展情况,对提高食用菌企业和电商平台的营销能力具有重要意义。     

土地规模化经营对农业生态效率影响及城乡市场分割调节作用探析

土地规模化经营是农业生态效率改善的重要动力,但土地规模化经营作用农业生态效率受到城乡市场分割的门槛调节。该研究借助2001—2017年全国30个地区(因数据缺失,西藏及港澳台地区未涵盖,下同)面板数据,运用面板门槛模型,就城乡市场分割调节土地规模化经营作用农业生态效率过程展开研究。结果表明:(1)我国农业生态效率总体向好,但地区间差异悬殊;(2)土地规模化经营驱动农业生态效率改善,但存在城乡市场分割门槛调节,弱市场分割地区土地规模化经营促进农业生态效率,强市场分割地区作用相反;(3)城乡市场分割调节土地规模化经营作用农业生态效率主要通过限制农产品、劳动力、资本城乡合理流动,削弱农业新型经营主体绿色农业发展意愿和能力途径展开;(4)我国多数地区城乡市场分割水平偏高,区域发展中城市资源偏向和工业优先发展突出,需进行及时改革。该研究可为政府制定绿色农业发展策略提供参考依据。     

ET_0变化趋势分析及估算模型研究——以新乡站为例

【目的】参考作物蒸散量(ET_0)的估算是计算作物腾发量的基础,也是区域水资源评价与灌溉政策制定的前提,因此,研究ET_0变化趋势与估算模型能够对该地区农田灌溉用水预报提供基础支持,进而为灌溉制度的制定以及水资源高效利用提供科学依据。【方法】以河南新乡气象站1962―2016年气象资料为基础,运用Penman-Monteith模型计算ET_0序列,Mann-Kendall趋势检验法对年及季节尺度ET_0序列变化趋势进行分析,并用均值生成函数模型对其进行了拟合与验证。【结果】①新乡地区年尺度ET_0序列在1975―2016年间呈减小趋势,并在1985―2004年、2006年显著;②新乡地区春季ET_0序列在1982―1983年及1988―2003年间呈显著的减小趋势,夏季ET_0序列在1980―2012年间呈显著的减小趋势。③均值生成函数模型在对年尺度ET_0序列进行拟合时,其一致性系数达到0.83,绝对误差与相对误差分别在-120.8～120.0 mm及-14.0%～18.2%之间。④均值生成函数模型在对季节尺度ET_0序列进行拟合时,其一致性系数在春、夏、秋、冬各季节分别达到0.85、0.81、0.88及0.89,绝对误差分别在-60.2～64.3、-64.4～58.9、-39.6～32.8、-37.0～25.1 mm之间,相对误差分别在-20.1%～36.7%、-22.1%～32.1%、-18.0%～22.9%、-23.9%～24.6%之间。【结论】新乡地区年尺度ET_0序列在1985―2004年间显著减小,均值生成函数模型在对年及各季节尺度ET_0序列进行拟合时整体效果较好,因此,可通过其进行年及季节尺度ET_0序列的估算,且其在秋、冬二季的拟合效果明显好于春、夏二季。     

PDCA循环理论在阅读推广中的应用——以安徽省图书馆为例

结合PDCA循环特性和图书馆阅读推广特点,分析PDCA循环理论应用于图书馆阅读推广活动的必要性和可行性,构建了PDCA循环理论在图书馆阅读推广工作中的应用模式,提出以用户为关注焦点、注重过程管理和持续改进以提高阅读推广活动实效。     

基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型

为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,BackPropagationNeuralNetwork)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2℃、0.454 0℃和0.005 9,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。     

基于FVCOM渤海浅水分潮的特征分析

基于非结构有限体积法海洋模型FVCOM，对渤海潮波系统进行数值模拟。利用渤海沿岸共19个潮位站的资料对模拟结果进行验证，计算结果均与实测结果吻合良好。基于此进一步研究渤海3个主要浅水分潮M4、MS4和M6的主要特征，并与前人的研究成果进行对比。结果表明M4和MS4分潮传播特征相似，都存在5个无潮点，其中1个为顺时针旋转，而其余四个为逆时针旋转。对于M6分潮，结果显示存在9个无潮点，两个为顺时针，其余七个为逆时针。M4分潮振幅在近岸处可达25cm，约为M2分潮振幅的10％，MS4振幅次之，M6振幅最小，仅为M4分潮振幅的18%左右。三者振幅均为从外海向近岸迅速增大，表明浅水分潮振幅分布特征与海底地形关系密切。     

基于WOFOST模型的辽宁省春玉米干旱灾损风险评估

利用锦州农业气象试验站的作物生长发育和土壤实测数据对WOFOST模型水分胁迫模块进行了调参，适用性验证表明，WOFOST模型适用于辽宁省春玉米生长发育和产量的模拟，辽宁省春玉米受干旱的影响可以利用WOFOST模型较敏感地反映出来。利用调参后的WOFOST模型模拟了全生育期及出苗~拔节、拔节~抽雄、抽雄~乳熟和乳熟~成熟各阶段发生轻、中、重旱情景对辽宁省春玉米产量的影响，并根据模拟结果确定了不同干旱风险等级下辽宁省东、中、西部玉米生产的灾损范围。结果表明：不同生育期发生干旱对产量的影响不同，总体上，抽雄~乳熟期发生干旱的影响最大，其次是拔节~抽雄期，而出苗~拔节期和乳熟~成熟期发生干旱对产量的影响较小，全省春玉米在抽雄~乳熟期发生重旱的减产风险达30%~70%；在相同干旱水平下，不同区域受影响程度也不同，在全生育期及各生育阶段发生轻、中、重旱情景下，干旱导致的减产率总体上表现为由东部向西部地区逐渐加重的趋势，在全生育期重旱情景下，辽宁省东部的春玉米减产率为40%~75%，中部为60%~90%，西部达65%~95%。     

Modelling Wheat Stomatal Resistance in Hourly Time Steps from Micrometeorological Variables and Soil Water Status

An accurate estimation of stomatal resistance (r_S) also under drought stress conditions is of pivotal importance for any process‐based prediction of transpiration and the energy budget of real crop canopies and quantification of drought stress. A new model for r_S was developed and parameterized for winter wheat using data from field experiments accounting for the influences of net radiation (R_Net), air temperature (T_Air) and vapour pressure deficit of the atmosphere (VPD) interacting with an average water potential in the rooted soil (ψ_RootedSoil). r_S is simulated with a limiting factor approach as maximum of the metabolic (related to photosynthesis) and hydraulic (related to drought stress) acting influences assuming that, if drought stress occurs, it will dominate stomatal control: r_S = max(r_S(T_Air), r_S(R_Net), r_S(VPD, ψ_RootedSoil)). This transitional approach is suited to reproduce measured daily time courses of r_S with a varying accuracy for the single measurement dates but performed satisfactorily for the whole data set (r² = 0.63, RMSE = 59 s m^?1, EF = 0.60). This new semi‐empiric approach calculates r_S directly from external environmental conditions. Therefore, it can be easily implemented in existing model frameworks as link between operational crop growth models that use the concept of radiation use efficiency instead of mechanistic photosynthesis modelling and soil–vegetation–atmosphere transport models.