不同灌水和蛭石处理对一品红生长和灌溉水利用效率的影响

为探讨不同灌水和蛭石处理对盆栽一品红生长和灌溉水利用效率的影响,试验设计两个灌水处理(W1,总灌水量3.6L;W2,总灌水量7.2L);3个蛭石铺设方式(Z0,无蛭石;Z1,蛭石铺在花盆底部;Z2,蛭石铺在花盆表面)。结果表明:在相同蛭石处理时,与W1处理对比,除一品红根、茎干重外,W2处理显著(P0.05)提高了一品红叶数,极显著(P0.01)提高了干物质质量和蒸腾量。在相同灌水处理时,与Z2(Z0)处理对比,Z1处理下一品红红叶、总叶数、蒸腾量、干物质质量和灌溉水利用效率分别提高了13.11%、5.00%、59.91%、5.50%和12.87%(4.76%、25.24%、103.95%、3.10%和26.01%)。因此,W2Z1处理为本试验最佳组合模式。     

肥液氮素浓度在线检测装置研制

为实现肥液自动混合过程中氮素浓度的实时检测,设计了一个检测装置,该装置主要由硝酸根离子选择电极、电极信号调理电路、温度传感器、数据采集以及显示电路组成。在10-6~10-1 mol/L范围内配制了一系列标准浓度的NO3-溶液,对该检测装置进行了性能测试试验:1)以标准毫伏计PHS-3CT作为对比,测试了装置对电极响应电势的测量准确性,其相对误差最大为5.2%;2)在5~45℃范围内,分析了离子选择电极的温度变异性,结果表明电极响应电势随着待测溶液温度升高而呈线性变化,在此基础上采用最小二乘法的逐步拟合方法建立了温度参数模型,并对模型进行了验证,其测量误差最大为9.2%;3)采用固定干扰法分析了Cl-、SO42-、H2PO4-和HPO42-等4种干扰离子对装置测量结果的影响,结果表明Cl-引起的干扰最大,电极对Cl-的敏感性是NO3-的0.2%,因而肥液中少量的干扰离子对测量结果的影响不大。因此,该装置可满足工程上自动混肥过程中氮素浓度检测的应用要求。     

钒胁迫对紫花苜蓿生长及钒积累与转移的影响

为探讨钒（V）胁迫下紫花苜蓿的生长响应及钒积累与转移特征,采用室内水培试验,设置不同浓度（0、0.1、0.5、2.0、4.0、10.0 mg·L^-1 V）含钒营养液,研究了各浓度钒胁迫下紫花苜蓿株高、根长、叶绿体色素、光合气体参数、叶片膜脂过氧化程度及细胞膜透性、生物量、各组织钒浓度、钒转移系数（TF）和冠层、根系、整株钒提取量及冠层、根系钒提取量占总提取量百分比,以期为通过紫花苜蓿修复钒环境污染提供理论依据。结果表明,低浓度钒（0.1 mg·L^-1 V）处理时根长、叶绿体色素（叶绿素a、b及类胡萝卜素）含量、叶片净光合速率（Pn）、蒸腾速率（Tr）、气孔导度（Gs）、胞间CO₂浓度（Ci）及生物量均有增加但不明显（P>0.05）。相反,高浓度钒（≥4.0 mg·L^-1 V）显著降低了株高、根长、叶绿体色素、Tr、Gs、Pn及生物量,同时叶片膜脂过氧化程度及膜透性显著增大（P<0.05）。与对照相比,根长在≥0.5 mg·L^-1 V时显著减小;2.0 mg·L^-1 V时冠层及总干物质量显著降低（P<0.05）,但0.5 mg·L^-1 V和2.0 mg·L^-1 V时株高、叶绿体色素、光合气体参数、叶片膜脂过氧化程度及膜透性均无明显变化（P>0.05）。对照组各器官钒浓度为叶>根>茎,而钒处理组为根>茎>叶,根系是紫花苜蓿贮存钒的主要部位。TF随钒浓度的增加先降低后略有升高。每盆植株冠层钒提取量在4.0 mg·L^-1 V时最大,为0.546 4 mg。尽管在≥4.0 mg·L^-1 V时植株生长显著受抑制,但根系、冠层及整株钒提取量较≤2.0 mg·L^-1 V处理显著增大。研究表明,紫花苜蓿具有相对较强的抗钒胁迫能力,具有一定的修复钒环境污染的潜能。     

基于流形学习算法的马铃薯机械损伤机器视觉检测方法

针对马铃薯表面芽眼和凹凸不平的影响,使之马铃薯机械损伤难以检测的问题,该文提出了一种基于流形学习算法的马铃薯机械损伤检测方法。首先利用马铃薯图像的显著图分割出马铃薯区域,然后利用主成分分析(principal component analysis,PCA)、等距映射(isometric mapping,Isomap)和局部线性嵌入(locally-linear embedding,LLE)3种流形学习方法提取马铃薯区域图像特征参数,然后分别建立基于3种流形特征的支持向量机(support vector machine,SVM)分类模型PCA-SVM、Isomap-SVM和LLE-SVM,利用网格搜索法(grid search)、遗传算法(genetic algorithm,GA)以及粒子群算法(particle swarm optimization,PSO)3种模型参数优化方法,优化支持向量机模型的惩罚参数c和RBF核参数g,以建立最优分类模型,最后比较3种分类模型的识别效果,确定最优分类模型。研究结果表明,PCA-SVM分类模型对训练集识别率为100%,测试集识别率为100%;Isomap-SVM分类模型对训练集识别率为100%,测试集识别率为91.7%;LLE-SVM分类模型对训练集识别率为100%,测试集识别率为91.7%,表明PCA、Isomap和LLE 3种流形学习方法用于马铃薯机械损伤检测是可行的,其中PCA-SVM分类模型检测效果最优。     

不同品种猪肉pH值高光谱检测的模型传递修正算法

针对猪肉pH值高光谱检测模型受品种差异影响存在适用性差的问题,比较了不同算法,提出了一种基于光谱值校正的模型传递算法,以用于品种之间的模型传递。以山黑猪为主品种建立PLS模型,用该模型直接预测零号土猪样本时,预测相关系数仅为0.415,预测均方根误差为0.180 4,预测精度较差。分别用斜率/截距(S/B)算法、模型更新算法以及光谱值校正传递算法对山黑猪模型进行修正或传递并进行了比较。采用S/B法时,山黑猪模型对零号土猪的预测相关系数仍为0.415,预测均方根误差由0.180 4降至0.134 3,下降了25.54%。采用模型更新算法时,把14个零号土猪样本添加到山黑猪校正集,修正后的山黑猪模型对零号土猪样本的预测性能较优,Rp由0.415提高至0.797,提高92.05%,预测均方根误差由0.1804降低为0.1121,下降了37.86%。采用光谱-理化值共生距离法结合DS算法的光谱值校正传递算法时,山黑猪模型对零号土猪样本的预测相关系数由0.415提高至0.837,提高了101.69%,预测均方根误差由0.1804降低至0.0856,下降了52.55%。结果表明,光谱值校正的传递算法能够有效消除品种之间光谱差异,提高了山黑猪模型的适用性,且传递修正效果优于S/B算法和模型更新算法。     

小桐子修复镉污染土壤的水分调控效应

通过温室盆栽试验研究了小桐子幼树在不同灌水上限(W1:30%FC,W2:50%FC,W3:70%FC,W4:90%FC)和镉质量比(Cd0:0 mg/kg,Cd1:50 mg/kg,Cd2:100 mg/kg,Cd3:200 mg/kg)下的生长状况、灌溉水利用效率(WUE)及小桐子富集镉的特征.结果表明:小桐子体内镉的富集量随着镉质量比的增加而增大(P<0.01),而小桐子的生长、土壤镉转移系数(TF)、生物富集系数(BF)和灌溉水利用效率均随着镉质量比的增加而下降(P<0.05).小桐子体内镉的富集量,TF,BF均随着灌水量的增加呈现出先增大后减小的趋势,其各器官富集镉的能力由高到低依次为根系、茎杆、叶片.在本研究条件下,有利于小桐子修复镉污染土壤的最佳灌水量和镉质量比组合为W3Cd1.