水稻秸秆生物质环保秧盘育秧技术

秸秆生物质环保育秧盘是以农作物的秸秆为原料,经过粉粹掺入各种微量元素干发酵后制成的秸秆基质环保育秧盘,可以替代传统的塑料育秧盘,减少育秧时取土、粉粹筛土、拌药等一系列工序,减少焚烧秸秆造成的污染,是一种省工、省成本、增收的环保型育秧钵。本文从育秧技术工艺流程、育秧前期准备、适时播种、育秧苗床管理等方面介绍了秸秆生物质环保育秧盘育秧技术,阐述了秸秆生物质环保育秧盘的优势及水稻生物质育苗的局限性,以供种植户参考。     

水稻应用秸秆育秧盘育苗效果研究

秸秆育秧盘的处理比毯式秧盘的处理秧苗素质差,机械插秧时伤苗率高2.13个百分点,成熟期晚4d,株高比常规毯盘处理低1.3cm,平方米穗数低20穗,穗粒数低于常规毯盘处理0.8粒,穗实粒数低1.2粒,结实率低0.5个百分点,出米率低1个百分点,产量低510kg/hm2。     

水稻生物降解秧盘机插技术研究

本文介绍了水稻生物可降解秧盘(规格58cm×28cm×2.8cm)育秧、机插试验及示范情况。用生物可降解秧盘育秧可提高出苗率与成秧率,秧苗分布均匀,插种时漏插率低,更能适应机械插种的要求;育成的秧苗插种时伤根少,插种后返青快,分蘖略早,生育进程快,苗数足,有利于获得高产;育成的秧苗机插时不散秧,比常规育秧有增产作用。     

不育系亲本中九A秧盘育秧繁种技术

2004～2006年湛江市农科所承担中九A秋繁面积共3.32hm2,平均单产2.43 t/hm2,最高单产2.75 t/hm2.总结了中九A秧盘育秧的繁种技术要点.     

海南水稻机插泥浆育秧配套技术

海南省水稻机插秧育秧所用营养土,以红砖土或黄;沙土混合为主,并添加各种壮秧剂配制而成;不仅 育秧成本高;而且面临营养土供应及营养土运费问题.以泥浆渊水稻土冤为营养土,参考国内外泥浆育秧技术袁以省 工\省力.节本为基础结合海南特色气候条件,通过多次试验,建立一套水稻机插育秧配套技术.     

水稻机插塑盘泥浆育秧栽培技术

介绍了机插水稻塑盘泥浆育秧栽培技术,主要包括秧田准备、品种选择与种子处理、适期播种、秧田管理、插秧、大田管理等内容,以期为机插水稻栽培提供技术参考。     

水稻钵形毯状秧盘育秧机插技术应用研究

2012年在江油地区开展水稻钵形毯状秧盘育秧机插与常规毯状秧盘育秧机插对比试验,试验面积115亩,钵形毯状秧盘育秧机插技术平均亩产557.5 kg,比常规毯状秧盘育秧机插增产5.4％.钵形毯状秧盘育秧技术是一项节约、增效的水稻种植技术,具有广阔的应用前景.     

水稻育秧中的野五害冶及其预防措施

水稻要高产,壮秧是关键,烂秧死苗会造成水稻减产和农民巨大的经济损失。结合水稻育秧经常出现的问题,总结育秧中的“五害”问题,即冷害、热害、药害、肥害、病虫害,并根据实践经验提出相应的预防措施,以供水稻生产参考。     

水稻硬地育秧的效果及成本分析初报

为使水稻生产向省力、简化、降本增效、优质高产的方向发展，笔者于2008年进行大田育秧与水泥地育秧比较试验。结果表明：硬地育秧的秧苗素质和产量及其构成与大田育秧的基本相仿，但硬地育秧投入成本低，经济效益好。     

中国草本花卉DUS测试现状

为促进新品种权审查提速,尽早实现"快保护",基于DUS测试实践及来源于农业农村部的数据分析,对我国草本花卉DUS测试现状进行总结。草本花卉的新品种权审批由农业农村部植物新品种保护办公室负责,农业系统具有相对完善的测试机构,拥有一支高素质的测试队伍,采用的是官方测试为主,现场考察为辅的实质审查方式。根据我国草本花卉DUS测试机构、测试指南、品种权申请与授权情况和DUS测试基本情况,归纳DUS测试中的常见问题,并提出提高DUS测试质量的建议。面对我国的丰富花卉资源保护重任,草本花卉DUS测试任重而道远。     

数值模拟秸秆热解过程影响要素及其应用分析

为进一步明确秸秆热解过程的影响因素及其相互作用,本研究系统分析2000—2018年国内外秸秆热解研究的相关文献,总结秸秆热解研究中存在的问题。从数值模拟分析的角度对影响秸秆热解过程的因素进行归纳分类,分析数值模拟中需要考虑的因素及其应用,如基于非稳态数值模拟可实时监测秸秆热解过程中装置内部瞬时温度分布、挥发分流动路径、秸秆颗粒流动规律及浓度分布等瞬态物理量变化。阐述将CFD数值模拟与试验测试、理论推导相结合来研究秸秆热解的必要性,并分析此种研究方式的可行性。     

深度学习方法在农业信息中的研究进展与应用现状

为使农业信息领域的研究人员能够系统和快速地了解深度学习在农业中的研究进展以及应用现状,对深度学习在农业信息领域的应用进行归纳、梳理、分析和展望。对涉及农业领域且应用深度学习技术的90项研究中所涉及的农业问题、具体模型和框架、数据集的来源和特征以及预处理方法、模型评价指标等进行归纳总结分析,并讨论深度学习的优点和局限性,进而展望深度学习的发展趋势。农业领域中的应用包括作物及其器官分类、病虫害识别、果实识别和计数、植物识别、土壤覆盖分类、杂草识别、行为识别和分类、植物养分含量估计、植物叶片或种子表型分析等方面;大多数研究采用卷积神经网络,如AlexNet、VGG16和Faster R-CNN。在框架方面,Caffe使用频次最高,其次是Tensorflow和Keras/Theano;分类准确度是最常用的模型评价指标,其次是F1得分和平均精度。与其他常用方法和技术相比,深度学习不仅精度高,而且性能优于现有的常用图像处理技术。其他涉及计算机视觉技术的农业应用有望通过深度学习技术的使用获得更好的效果。     

华蓥市油樟产业现状分析及发展对策

为推动华蓥市油樟产业高质量发展,通过对当前华蓥市油樟产业发展现状进行摸排调查,分析了存在的主要问题,并结合华蓥市实际,针对性地提出了油樟产业发展对策,以期为华蓥市油樟产业规模化高效发展提供参考。