温室雾滴喷灌试验

雾滴喷灌(简称雾灌),又叫细滴喷灌,是喷灌发展的一种新动向。和普通喷灌相比,它具有雨滴细小,喷洒均匀等优点,特别适合于温室,大棚内应用,对蔬菜苗期和花卉的浇灌尤为有利。我们在温室内对芹菜进行雾灌,并与畦灌对比,以探索雾灌对小气候的影响及省水、增产效果,现将初步试验成果简介如下:     

杜仲栽后截干生长快效果好

对在同一立地条件和整地方式下栽植的杜仲，头年11月份的对比检查：截于新生干高达1一1．5米，地径粗达2．5厘米，未截干的高生长一般维持原状，地径稍有增长；栽植2年的杜仲，截干的株高一般可达2米以上，地径粗达3．5厘米，未截子的株高增长不到3O厘米，地径一般只达2厘米左右。且截子的比不截子的主干明显，不弯不倒，生长旺盛。实践证明，杜仲栽后截子，是培育杜仲速生丰产林的有效措施。截子的具体方法是：整好地后，在12月至元月将杜仲苗栽下去，2月在离地3—4厘米的部位将杜仲苗主干剪去，然后将剪断的杆子插在原处作标记，方便培管…     

基于无人机遥感的花生叶片叶绿素含量监测研究

为实现对花生叶片叶绿素含量进行快速、实时、无损、准确监测,本研究利用大疆精灵4号无人机搭载可见光相机,获取花生不同生育期的遥感影像,利用深度神经网络(CNN)和卷积神经网络(DNN),建立叶片数字图像彩色信息和叶片叶绿素含量的关系模型。结果表明,利用数字图像特征(包括红光,绿光,蓝光,归一化红光,归一化绿光等)作为网络输入向量时效果较好,CNN产生的预测值和农学实测值训练集平均绝对误差为0.8左右,DNN产生的预测值和农学实测值训练集平均绝对误差为1左右,两者均在误差范围内,可用来实时监测花生的叶绿素含量,为生产上快速诊断花生的肥料状况提供理论依据。     

油菜套大豆间玉米套红薯间套模式及技术要点

分析了澧县近年来通过改革山区旱地耕作制度所形成的“油菜套大豆间玉米套红薯”模式的效益，介绍了该模式的主要技术要点。     

杜仲栽后截干长得快

杜仲栽后截干长得快蒋维焕，刘仕元在发展杜仲生产过程中，笔者初步探索出杜仲栽后截干有加快生长的明显效果。在同一立地条件和整地方式下栽植的杜仲，第一年１１月份的对比检查：截干的新生干高达１—１．５米，地径达２．５厘米，未截干的高生长一般维持原状，地径稍有...     

花生氮敏感品种及评价指标的筛选

目的 明确不同花生品种对氮素响应的特点。方法 本试验以来自全国各地的81份花生种质资源为材料,设置正常施氮与低氮胁迫2种大田试验处理,测定81份花生品种苗期的叶绿素含量及收获期的产量、干物质积累及农艺性状等19项指标。以测定的19项指标的氮响应系数为基础进行主成分分析,筛选出6个新的独立的综合指标,通过计算其隶属函数值与各综合指标权重得出花生氮敏感综合评价D值,通过聚类分析对花生品种进行分类。进一步分析不同类型花生品种的氮响应系数及指标间的相关性。结果 81份花生品种分为氮敏感型品种(13)、中间型品种(33)及氮不敏感型品种(35)。正常施氮处理下,氮不敏感型花生品种农艺性状的响应差异不显著,但氮敏感型和中间型花生品种产量及干物质积累的上升幅度显著高于氮不敏感型品种。不同性状的相关性分析表明,施氮主要通过影响花生干物质积累与分配及株型结构进而影响花生产量的形成。结论 花生苗期叶绿素含量、单株生产力与收获期干物质积累可作为花生氮敏感品种的筛选指标,研究结果可为花生氮高效品种的筛选与培育提供依据。     

基于中国知网和Web of Science 的无人机文献计量分析

【目的】通过文献计量学的方法，对无人机发展近况进行研究。【方法】在中国知网 和Web of Science 两大数据库平台上对无人机相关文献进行检索，基于CiteSpace 文献分析软 件，对两大平台的无人机相关文献发表量、国家分布、被引量、发表机构、研究方向、研 究热点和无人机机型进行文献计量学分析。【结果】两大平台发文量变化趋势相似，在Web of Science 我国和美国的发文量占比最大，但平均被引用量西班牙、澳大利亚、法国、德国、 英国和美国6 个国家高于平均值，我国最低；在CNKI 中国航空院校的发文量最大，Web of Science 上前十发文机构我国和美国占据九席；在CNKI 以航空航天科学与工程的发文量最高 （44%），在Web of Science 工程学的文章数量占比最大（55%）；遥感、测绘、无人机在农业 上的应用和四旋翼无人机在两大平台上均是目前的研究热点，且国内对固定翼无人机和无人 直升机的研究较少。【结论】各国对无人机的研究日益增加，主要以我国和美国为主。我国 应紧跟国际研究热点，继续加大无人机研究深度，特别是固定翼无人机和无人直升机，巩固 我国无人机行业在国际上的地位。     

基于无人机遥感的花生氮营养反演研究

氮素是影响花生生长发育的重要因素之一，目前传统凯氏定氮法测定步骤繁琐且需要时间较长，而无人 机遥感具有实时、灵活、低成本的特点，因此，为实现对花生氮含量的快速、无损、准确监测，本研究利用大疆精灵4 号无人机搭载的可见光相机，获取不同生育期的可见光影像，运用神经网络算法，建立叶片数字图像彩色信息和叶 片氮含量的关系模型。结果表明，利用数字图像指标作为网络输入向量时，所构建模型的平均绝对偏差为1.5左 右，且以r、g、b(r=R/(R+G+B), g=G/(R+G+B), b=B/(R+G+B))和a, b, c (a=R+G, b=R+B, c=G+B)两种组合参数拟合效果最 好，平均绝对偏差为0.2左右，和真实值相差较小。通过检验发现，两种方法都能准确地预测出花生叶片氮含量，所 构建模型能快速、无损地测定花生植株的肥料状况。