酒糟和醋糟营养成分差异及其瘤胃降解特性分析

本试验旨在评价酒糟、醋糟等非常规饲料资源的饲用价值，为酒糟醋糟资源应用于肉牛养殖提供数据参考。试验选用山西不同地区酒糟、醋糟试样5个，试样编号分别为白酒糟、啤酒糟、醋糟1、醋糟2、醋糟3，发酵原料分别为白酒糟（高粱）、啤酒糟（大麦+大米）、醋糟1（高粱+大麦）、醋糟2（大麦+玉米）、醋糟3（高粱+玉米）。通过实验室常规方法测定样品常规营养成分以及利用体外产气法和尼龙袋法评价其饲用价值，同时建立体外法与尼龙袋法测定干物质降解率的回归方程。结果表明：5个样品的干物质（DM）含量为23.25% ~ 42.96%，粗蛋白质（CP）含量分别为啤酒糟（31.84%）>白酒糟（14.58%）>醋糟3（14.40%）>醋糟1（12.21%）>醋糟2（8.46%）。醋糟1的中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）含量均为最高，其次为醋糟2、醋糟3，白酒糟NDF含量最低。啤酒糟的72 h产气量（GP72）显著高于白酒糟（P < 0.05）。体外产气法和尼龙袋法测定的酒糟72 h干物质降解率（IVDMD72、DMD72）显著高于醋糟（P < 0.05）。5个试样的IVDMD72与DMD成正相关，随着降解时间增加其相关性逐渐增加。综上，酒糟的CP含量较高（14.58% ~ 31.84%），醋糟NDF、ADF含量相对较高（59.59% ~ 64.91%，38.78% ~ 54.78%）。结合GP、IVDMD及DMD结果，酒糟消化性能优于醋糟。以IVDMD建立估算DMD的回归公式为DMD72=-19.215+1.645IVDMD72（R2=0.912，P < 0.05）|以IVDMD建立估算DM有效降解率（ED）的回归公式为ED=-12.448+1.045IVDMD72（R2=0.929，P < 0.01）。 [关键词] 醋糟|酒糟|体外产气法|尼龙袋法     

农田环境中农药残留比例型荧光传感系统研究

为监测农业环境中有机磷农药的残留，从种养源头管控农产品安全，基于锆离子和1,2,4,5-四（4-羧苯基）苯（H-4-TCPB）合成了蓝色荧光金属-有机框架材料（MOFs）Zr-TCPB，并与红色荧光量子点QDs组装成双荧光QDs@MOFs复合物，基于Zr-TCPB对有机磷农药特异性荧光淬灭效应，构建比例型荧光化学传感器系统，实现了有机磷农药的快速、灵敏、可视化检测。甲基对硫磷与对硫磷的检测限（LOD）分别为1.9μg/L和4.9μg/L，线性检测范围为0.005~2mg/L。研究表明，该荧光分析法能有效用于农业环境水样中甲基对硫磷及对硫磷的现场快速测定，甲基对硫磷回收率为93.23%~116.46%，平均相对标准偏差（RSD）为5.29%，对硫磷回收率为92.52%~107.83%，平均RSD为5.74%。该方法在环境样品农药残留快速监测方面具有巨大的应用价值。     

称重式降水传感器与翻斗雨量传感器测雨性能对比分析

为了观测降水数据的准确性,选取了南通市4个台站2018年4月—10月份的DCS1型称重式降水传感器和SL3-1型翻斗雨量传感器观测的降水数据,分析两者观测的日降水量和降水总量等方面的差异。结果显示：在选取的观测样本中,以人工观测的降雨日数为参考,称重传感器的平均一致率为91.2%;以翻斗传感器观测的降雨日为参考,称重传感器的一致率为94.5%。称重传感器观测的累积降水量与翻斗传感器观测的累积降水量相对平均误差为-1.55%,符合中国气象局规定的相对误差不超过±4%的规范要求。在分析日降水量方面,发现称重传感器比翻斗传感器观测量平均偏小0.29 mm;有明显性降水时,两者在日降水量等级判别上基本一致。称重传感器观测的数据小于翻斗传感器观测的数据概率要高,两种传感器观测的差值分布较为一致。称重传感器在捕捉微量降水的能力不比翻斗传感器差,甚至更好。称重传感器观测的日降水量与翻斗传感器观测的日降水量相关系数为0.99826,达到0.01显著相关的水平。     

农业装备升降装置非接触式光纤位移传感器设计与试验

为了解决农业设备位移的宽量程、高灵敏度非接触测量问题,提出一种基于Peanut-shape迈克尔逊干涉结构的非接触式光纤位移传感器。分析了光纤Peanut-shape迈克尔逊干涉原理,设计了将磁场与Peanut-shape结构形成的全纤式迈克尔逊干涉相结合的传感器结构,并通过磁场仿真,得到磁场强度曲线。建立了传感器应变标定系统和位移测试系统。试验结果表明:Peanut-shape迈克尔逊干涉的光纤传感器应变灵敏度达到1. 82 pm/με,是普通光纤的1. 5倍,线性度为0. 997;位移测试得到的光谱曲线与磁场仿真曲线结果一致,可以实现位移的测量,且线性拟合度达到0. 999。     

用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法

随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。     

马铃薯薄片干燥过程形态变化三维成像

为研究马铃薯薄片在干燥过程中形态变化规律,该文利用Kinect传感器搭建了图像采集平台,研究其在不同干燥温度下(50、60、70、80℃)的形态变化规律。通过图像采集平台获取马铃薯薄片深度图像和彩色图像,利用彩色图像确定感兴趣区域,对对应区域的深度图像进行灰度值拉伸、阈值分割、边缘去噪处理,进而提取特征,计算出正投影面积的收缩率、深度均值及标准差,以表征马铃薯干燥过程中表面卷曲及平整度等形态指标的变化规律。对不同干燥时间点马铃薯片进行三维图形显示可观察其变化规律明显。统计结果表明:低温(50、60℃)与高温(70、80℃)对马铃薯薄片干燥时的收缩率、卷曲程度具有显著影响(P0.05)。50℃时收缩率为54.97%,80℃时收缩率升高为64.55%;干燥温度与马铃薯片卷曲程度呈先升后降的关系,60℃时卷曲度最大,其深度均值为27.81 mm,80℃时降低到18.86 mm。而四组温度下,马铃薯薄片的平整度具有显著性差异(P0.05),50℃时马铃薯片深度值的标准差为7.99 mm,80℃时降低至5.71mm,说明平整度随着干燥温度升高而增加。该研究可为马铃薯薄片干燥过程中形态变化的检测提供参考,同时为干燥工艺的智能化控制提供技术依据。     

体外产气法评价全株藜麦与全株玉米混合青贮饲料饲用价值

为提高全株藜麦的饲料化利用率，寻找其与全株玉米的最佳青贮比，试验共设全株藜麦与全株玉米比为100：0，90：10，80：20等11个组合进行青贮发酵，发酵60 d后测定各组青贮料的体外产气发酵指标，使用灰色关联度分析筛选出最佳青贮比例。结果表明，体外发酵至36 h时，各处理组GP趋于稳定，体外发酵减弱接近停止；全株藜麦与全株玉米比例为90：10时，该青贮饲料组合的粗蛋白（CP）和粗脂肪（EE）含量显著高于其他各组（P<0.05），乙酸（AA）、总挥发性脂肪酸（TVFA）含量以及氨态氮（NH₃-N）浓度显著高于其他各处理（P<0.05）。分析表明，全株藜麦与全株玉米比例为90：10时，混合青贮饲料的营养品质和产气发酵特性综合表现最好，可作为优质混合青贮饲料在家畜养殖中推广使用。     

高压直流接地极对埋地管道腐蚀的影响和管控思考

高压直流输电、油气长输管道建设促进了全国范围内的能源优化配置,但高压直流接地极放电对埋地管道的强直流干扰问题应该引起足够关注。为进一步加强相关风险管控,回顾中国高压直流输电网的发展历程,对高压直流接地极放电影响管道的典型特点进行分析,结合当前实际提出后续风险管控的发展方向。研究结果表明:邻近油气长输管道路由的高压直流输电线路和接地极对管道的影响具有干扰时间不确定、干扰机理复杂、干扰程度大及缓解困难的特点,是管道当前面临的突出安全风险。高压直流输电网调试或故障运行过程中,接地极单极放电会加速管道腐蚀。后续应从加强沟通协调和联合测试,深化腐蚀机理和规律研究,采取综合治理措施等方面提升检测、研究及治理水平,全方位保障国家能源通道的安全稳定。     

基于径向基网络的含缺陷管道安全系数修正

安全系数是管道完整性评价方法的重要参数之一,传统评价方法仅考虑了管道所处地区等级对其影响,未能全面评价管道的真实安全状态。提取管道相关风险因素,比较各因素间相对重要程度并建立表征不同风险状态的分值体系,根据所得风险分值对安全系数进行修正,使得修正后的安全系数能够反映含缺陷管段实际风险状态;结合径向基网络方法的自学习特点,将各风险因素作为输入,修正后的安全系数作为输出,建立基于径向基网络的管道安全系数计算模型。由模型训练得出的修正安全系数与测试样本吻合度较好,验证了模型的准确性。结果表明:修正安全系数在考虑地区等级的基础上同时引入了其他重要风险因素的影响,为管道完整性评价中的安全系数取值提供了新的思路。     

Effects of nitrogen,phosphorus, and potassium on SPAD-502 and atLEAF sensor readings of Salvia

There are various optical sensors in the market for precision nitrogen (N) management, which estimate leaf N status from chlorophyll content of leaves. However, readings may also be affected by the amounts of other nutrients in the plant leaves like potassium (K) and phosphorus (P), as well as sampling location within a plant or leaf. SPAD-502 and atLEAF optical sensors were used on Salvia ‘Vista Red’ plants grown with 0N-7.9P-0K, 41N-0P-0K, 0N-0P-31.6K, 0N-7.9P-0K + 41N-0P-0K, 0N-7.9P-0K + 0N-0P-31.6K, 41N-0P-0K + 0N-0P-31.6K, or 0N-7.9P-0K + 41N-0P-0K + 0N-0P-31.6K fertilizer plus a control. Both sensors were correlated with leaf N and each other. However, both sensor readings were affected by the presence or absence of P and K in the leaves, and thus these nutrients should be analyzed and reported along with leaf N values. Sensor readings were found to vary within a leaf and within leaf canopy location, so sampling needs to be consistent.