膜下滴灌对棉田生态环境及作物生长的影响

通过田间试验研究了膜下滴灌对棉田生态环境状况及棉花生长发育及产量形成的影响。结果表明,膜下滴灌与常规灌溉相比,覆膜滴灌改变了棉花田间水分环境,为棉花的生长创造了良好的水、肥、气、热条件,有利于棉花生长发育;同时,可以减少地面蒸发,减少灌溉水的深层渗漏, 保持土壤肥力, 提高水分利用率, 增加作物产量,具有良好的经济、生态和社会效益。     

不同灌水量下新疆高产棉花冠层结构分析研究及产量初报

主要讨论了北疆棉区推广棉种新陆早12号与新陆早13号在不同灌水量条件下冠层结构特征的差异,得出新陆早13号对限量滴灌反应不敏感,而新陆早12号对限量滴灌反应较敏感.因此在限量滴灌条件下选择新陆早12号、适量滴灌条件下选择新陆早13号栽培种植较为适宜.由此得出了不同品种对灌水量的反应表现及理想群体冠层结构的合理指标,为增加棉花产量和提高水分利用效率提供了理论依据.     

基于数码图像的棉花叶片氮含量估测研究

为了探究利用数码图像处理技术诊断棉花氮素营养的最佳图像特征参数和最佳叶位,以‘新陆早53号’为材料,使用智能手机获取棉花不同叶位叶片图像,利用数字图像处理技术提取叶片图像颜色和纹理特征参数,分析叶片氮含量和特征参数的相关性,构建基于不同图像特征参数的氮含量估测模型。结果表明：颜色特征参数r、G/(B+R)、G/B和纹理特征参数COR、ASM与叶片氮含量相关性较好,相关性系数(r)均大于0.55。基于颜色-纹理综合特征参数构建的氮含量估测模型均优于基于颜色或纹理特征参数所建模型,其中倒4叶氮含量估测模型最优,模型决定系数(R²)为0.875、均方根误差(RMSE)为1.324、相对误差(RE)为8.09%。因此,利用数字图像处理进行棉花氮素营养诊断时,应选择的最佳图像特征参数为r、G/(B+R)、G/B、COR、ASM,应选择的最佳叶位为棉花倒4叶。     

灌溉水源中沙门氏菌的SYBR Green I实时荧光定量PCR检测方法的建立

【目的】建立基于SYBR Green I嵌合染料法的灌溉水源中沙门氏菌实时荧光定量PCR(Quantitative Real-time PCR, q PCR)检测方法。【方法】以沙门氏菌侵袭蛋白A (inv A)基因为靶基因，设计1对特异性q PCR检测引物，在对q PCR反应体系和反应条件进行优化后，通过特异性实验和灵敏度实验对q PCR方法进行验证，并制作灌溉水源中沙门氏菌q PCR定量标准曲线，最后与国标方法对比检测灌溉水源中沙门氏菌污染来验证该方法的准确性。【结果】经过优化的q PCR检测方法灵敏度检测结果显示最低检测限量为1×10^-1 pg·μL^-1，特异性检测结果显示具有良好的特异性，干扰菌株对本q PCR检测方法无影响，所制作的q PCR扩增标准曲线在2×10⁰～2×10⁵ cfu·m L^-1有较好的线性关系，相关系数为0.999 6，能对沙门氏菌进行准确的定量分析。该方法在与国标方法对比检测灌溉水源中沙门氏菌污染时具有同等准确性。【结论】本研究建立的基于SYBR...     

基于RF和SPA的无人机高光谱估算棉花叶片全氮含量

为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系，实现作物生长过程中氮素水平的快速、准确和无损监测，以石河子大学教学试验场2019年棉花小区试验为基础，选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理，使用随机蛙跳（random frog,RF）和连续投影算法（successive projections algorithm,SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398～1000nm的光谱中优选5组LNC的敏感特征波段，波段数目下降了93.0%～96.3%，有效降低了光谱的冗余信息；基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55，模型验证的决定系数和均方根误差分别为0.70和2.37，模型具有较好的精度和稳定性，可作为棉花LNC的无人机高光谱估算方法。     

棉花生产智慧精准管理技术研究与应用

针对棉花规模化生产精准技术实际应用中存在的监测不精确、决策依据不充分、控制不精准及管理效率低等薄弱点，创建了棉花生产从播种到收获的关键环节精准监控技术体系。包括：研发了棉花播种质量在线监测与调控技术及装备，可明显提高播种作业质量和作业效率；创立了滴灌棉田全程养分、水分快速监测与定量诊断技术，研发了水肥决策与精量控制系统，构建了水肥一体化精准管理技术与应用云平台，可大幅度提高滴灌水肥利用效率；构建了“病虫监测→施药决策→处方图生成→精量喷药”棉花病虫害精准防控技术，可明显降低农药投入量；创新性研发了棉花产量监测，以及采棉机棉箱火情、工况参数和故障诊断检测技术及装备，构建了采棉机信息化服务云平台，可大幅提高采棉机作业效率、作业质量与管理水平。在总结上述研究进展的基础上，展望了未来棉花生产智慧管理发展的主要方向。     

食品能力验证样品中沙门氏菌的分离与多相分类鉴定

为沙门氏菌的快速检测与鉴定提供参考，从传统标准检测方法、特异性PCR、分子系统发育3个层面，其中传统标准检测方法基于食品安全国家标准GB 4789.4-2016《食品微生物学检验沙门氏菌检验》、特异性PCR基于invA基因、分子系统发育基于16S rDNA,对能力验证(CFAPA-805)样品进行沙门氏菌的分离鉴定。结果表明：3种检测方法结果一致，样品341中检出沙门氏菌，其中生化鉴定、血清学鉴定与分子系统发育鉴定结果显示，此次阳性样品中的沙门氏菌为沙门氏菌生化群(Ⅰ),肠炎沙门氏菌肠炎亚种，血清分型为O:9,12:H:g, m。本次实验室的能力验证结果为“满意”,肯定实验室沙门氏菌检测能力。通过比较，特异性PCR鉴定可以确定沙门氏菌是否检出，生化鉴定、血清学鉴定和分子系统发育鉴定可以确认沙门氏菌的生化群、血清分型与分子分型。     

机采棉种植模式对植保机械化学脱叶作业效果的影响

种植模式优化是实现新疆棉花高产优质的重要途经，但其对机采棉化学脱叶环节农机农艺融合的影响还不明确。该研究开展了"矮密早"（1膜6行，66 cm + 10 cm宽窄行，R6）、"宽早优"（1膜3行，76 cm等行距，R3）2种机采棉种植模式下多旋翼植保无人机和自走式喷杆喷雾机2种植保机械的化学脱叶田间试验，通过测定叶片尺度脱叶剂雾滴粒径分布和沉积参数，系统分析了不同种植模式和植保机械组合对棉花冠层脱叶剂雾滴沉积特性、行间地面雾滴损失以及最终脱叶效果的影响。结果表明无人机作业的雾滴粒径分布、覆盖率、沉积量及行间地面损失与喷雾机相比均有显著差异（P<0.01）。喷雾机和无人机作业的100～300 μm粒径有效雾滴占比分别为2.60%和61.00%，无人机较喷雾机提高了58.40个百分点，雾滴粒径分布更均匀；雾滴覆盖率分别为42.05%和3.22%，喷雾机作业的雾滴覆盖率是无人机的13倍；沉积量分别为0.49和0.69 μg/cm2，喷雾机作业的雾滴沉积量仅为无人机的71.00%，这是因为无人机喷雾具有高浓度、低容量的特点。喷雾机喷施后棉花冠层下部较冠层上部的雾滴覆盖率和沉积量相对降低17.99%和17.63%，无人机作业后冠层下部的雾滴覆盖率和沉积量较冠层上部相对降低35.45%和53.71%，说明无人机喷施的雾滴穿透性不足；喷雾机作业后行间地面雾滴沉积损失量为无人机的1.91倍。种植模式对雾滴沉积特性有显著影响（P<0.01），与"矮密早"相比，"宽早优"模式冠层下部雾滴覆盖度提高18.59个百分点（相对提高117.60%），变异系数降低43.73个百分点（相对降低43.83%）；冠层下部雾滴沉积量提高0.33 μg/cm2（相对提高125.60%），变异系数降低31.63个百分点（相对降低36.00%），提高了雾滴的穿透性和均匀性。无人机二次喷施作业后，脱叶率在90%～94%间，满足棉花机采作业要求。综上，采用无人机进行化学脱叶作业雾滴粒径分布合理但穿透性不足，而采用"宽早优"模式可以改善无人机雾滴穿透性不足的问题，提升冠层内雾滴分布均匀性，在满足棉花机采对化学脱叶要求的前提下，降低作业过程对棉花生长和土壤环境的潜在影响。     

滴灌棉田不同盐分土壤水分变化规律及其利用效率研究

通过研究滴灌条件下不同盐分含量土壤含水率、日蒸散量和棉花干物质积累量的变化规律,以及棉花的干物质水分利用效率,探讨滴灌棉花的水盐互作效应。设置室内模拟试验,采用称质量法获得棉花蒸散量和干物质积累量,分析不同土壤盐分含量〔0(CK)、0.15%、0.25%、0.35%、0.45%、0.55%、0.65%〕条件下,棉花日蒸散量、干物质积累量以及土壤水分含量变化规律,计算棉花干物质水分利用效率。结果表明:随着棉花生育期的推进,不同盐分含量土壤的水分含量变化和日平均蒸散量均呈现先增大后减小的趋势,蕾铃期土壤日平均蒸散量达到最大;棉花的干物质积累量和生育期耗水量随土壤盐分含量的增大呈减小的趋势。棉花的干物质水分利用效率在T4处理达到最大,与CK、T1、T2、T5处理差异并不显著,说明土壤中适量的含盐量在一定程度上可以有效提高水分利用效率。     

基于野外原位光谱的棉田耕层土壤全氮含量监测模型研究

针对可见光和近红外光穿透力不强、难以监测到耕层土壤全氮的问题，以石河子垦区播前棉田土壤为研究对象，获取3种不同土壤质地类型的原位光谱及不同耕层的土壤全氮含量信息，通过Savitzky-Golay平滑处理及最大归一化处理对土壤原位光谱进行预处理，并利用广义传播神经网络(GRNN)、随机森林回归(RFR)、支持向量机回归(SVR)、最小二乘回归等4种建模方法，建立和筛选出不同土壤质地类型的棉田耕层土壤含量的最佳监测模型。结果表明：(1)不同建模方法在各耕层监测精度不同，在浅、中、深耕层表现最佳的监测模型均为GRNN模型（R²分别为0.72、0.68、0.63）。(2)优化后的NGRO-GRANN模型监测精度高于GRNN模型，在浅、中、深三个耕层的预测精度提高16.2%~30.2%。(3)基于原位光谱建立不同耕层的土壤全氮监测模型具有较好的监测效果，且大量简化了室内光谱处理的繁琐步骤。该研究为野外原位光谱快速获取棉田播前土壤各耕层养分信息提供了理论基础与技术支撑，具有一定的可行性与鲁棒性。