薯-豆套作模式下作物对种间竞争与补偿作用的响应

以马铃薯-大豆套作模式为研究对象,通过2年的大田试验,分析不同熟期大豆品种与马铃薯组合后系统内作物干物质和养分积累的特性与种间竞争补偿的相互关系,阐明间套作系统种间竞争力弱化和恢复补偿能力提高的作用机理,为实现间套作可持续发展提供科学依据。结果表明:套作马铃薯干物质及养分积累无显著变化,而套作大豆变化显著。出苗60 d内套作大豆干物质积累量是同期单作的43.74%,出苗后80～100 d,晚熟品种干物质积累量相对于中熟和早熟提高的幅度分别为35.54%～59.22%和65.56%～70.81%,大豆收获时,晚熟品种干物质积累接近单作,两者间差异不显著。共生期,套作大豆N、P、K积累量较同期单作降低的幅度分别为31.43%～41.44%、21.17%～25.36%和23.23%～35.6%,晚熟品种与中熟、早熟品种间差异达到显著水平。共生期结束后,套作大豆养分吸收量较单作显著增加,收获时,晚熟品种N、P、K养分积累量接近单作,两者间差异不显著。综上,在该群体中,马铃薯是核心作物,共生期处于竞争优势(A_PS>0、CR_PS>0),而大豆处于竞争弱势(A_PS<0、CR_PS<0),选择晚熟大豆品种与马铃薯组合可弱化种间竞争力和营养竞争比率,还有利于马铃薯收获后恢复补偿能力的发挥。     

基于气候适宜度的黑龙江省大豆种植区划研究

为促进黑龙江省大豆种植结构优化、发展大豆种植业,结合黑龙江省实际情况,综合考虑温度、降水、日照,建立气候适宜度模型。利用黑龙江省32个气象站点1998-2018年逐日气候数据及大豆全育期内的观测资料,计算大豆种植气候适宜度。基于计算结果及K-means算法将全省大豆种植区域进行划分。研究结果表明:黑龙江省大豆种植可以划分为4个区域,其中北部高寒地区的温度适宜度偏低(低于0.30),大豆种植宜选取耐寒性强、发育期短的大豆品种;中、南部地区各项气候适宜度均高于省内均值,气候条件基本满足大豆生长发育所需,适宜发展大豆种植业。最终基于区划结果及区域气候特征,对各区域大豆种植品种提出建议。     

玉米作为地质封存CO_2泄漏耐受植物的评估

二氧化碳的捕获与储存(CO2capture and storage,CCS)是全球CO_2减排最重要技术战略,其存在CO_2泄漏的风险,会对周围农田生态产生重要影响。深入认识植物对高浓度CO_2的响应并筛选对CO_2的耐受植物,为CCS项目区农业生产决策提供参考数据。本文设置玉米对不同CO_2浓度的响应情形,选择株高、鲜重、干重、净光合速率、蒸腾速率、气孔导度和胞间CO_2浓度作为玉米耐受的观测指标。结果表明,当CO_2浓度为10 000、20 000μmol/mol时,玉米株高增高7%～12%,生物量增加10%～15%,净光合速率增加高达60%左右;当CO_2浓度为40 000、80 000μmol/mol时,玉米株高度减少9%～12%,生物量减少10%～17%,净光合速率减少35%～45%左右。一定程度CO_2浓度的增加,对玉米生长发育具有"施肥"效应;在更高CO_2浓度下,会抑制其生长发育,并未出现植株死亡的现象。通过CO_2耐受指数法(LCTI)计算得出,玉米可以作为地质封存CO_2泄漏的耐受植物。     

优质、抗逆、香型水稻新品种绥粳28的选育及应用前景分析

绥粳28是以绥粳4号为母本、绥粳11为父本进行有性杂交,利用系谱法选育而成的集优质、抗逆、香型等诸多优点于一身的水稻新品种,2018年通过黑龙江省品种审定委员会审定。本文介绍了该品种的选育经过、特征特性,并对该品种未来在黑龙江省的推广应用前景进行分析,为今后寒地优质粳稻品种选育提供参考。     

延庆区荒滩地土壤理化性质及其对植物多样性的影响

为了探索北京郊区荒滩地植被快速恢复模式,以延庆区大榆树镇荒滩地为研究对象,运用野外取样调查和室内检测分析方法,研究京郊荒滩地土壤理化性质与植物多样性特征及其相关性。结果表明：延庆区荒滩地土壤理化性质及植物多样性指数变异系数介于10%~100%之间,属中等变异性;植物多样性指数较低,植物物种以禾本科（Gramineae）、菊科（Compositae）、豆科（Leguminosae）、藜科（Chenopodiaceae）为主,所有物种中59.2%为一年生晚春型草本植物;相关性分析表明：植物多样性指数、盖度与土壤有机质、氮素含量及总孔隙度之间存在显著正相关关系;植物盖度与土壤全磷、速效磷之间存在显著负相关关系。基于上述结果,表明在土壤严重退化区域,土壤有机质、氮素含量、总孔隙度是其植被正向演替的关键因子。     

LNG接收站高压泵增加叶轮后的性能变化及影响

随着中国天然气需求量的爆发式增长,LNG接收站外输管道里程不断增长,出站压力随之持续增高,对压缩机、高压泵等设备性能提出了更高要求。以青岛LNG接收站为例,针对外输压力的变化,提出对其4台高压泵增加4级叶轮的改造方法,并对改造后外输高压泵的性能变化及其对LNG接收站工艺运行的影响进行研究。通过对改造后的高压泵扬程、轴功率、效率随着流量增加的变化趋势进行现场测试,结果表明:高压泵增加叶轮后,其扬程、轴功率、效率、电流均显著提高,其中3台高压泵的运行参数可满足LNG接收站现场实际需要,另外1台即使在相同的测试条件下出口压力仍明显偏低;气化器、HIPPS(High Integrity Pressure Protective System)系统、外输管道高报压力及联锁值均需随之上调,接收站高压区连接法兰出现了多处泄漏,应加大巡检频率和力度;当LNG接收站高压泵性能不同时,在运行过程中应该尽量选用性能相近的泵。研究结果可为高压泵的国产化设计、制造提供参考。     

复杂天然气管网系统运行期可靠性评价体系

中国天然气管道行业正朝着规模化、网络化方向发展,整个管网系统运行期的输气保障能力受到广泛关注,对其完成输送任务的可靠性进行评价显得尤为重要。为了保障大型天然气管网系统安全、高效运行与管理,对管网系统可靠性指标、系统可靠度计算、单元可靠度计算、可靠性数据及可靠性管理开展了研究。提出了包括可靠性类、维修性类以及健壮性类的3层系统可靠性评价指标体系,建立了基于管道工艺仿真的物理管网系统可靠度分布式阶梯计算模型,能够实现管网/管道/站场系统可靠度的简化、快速计算。将该计算模型在某压气站进行案例试算,按照站场系统→典型结构→基本回路→设备单元的顺序,将管网拓扑结构由上至下拆分为不同层级的可靠性框图,再利用单体设备可靠度由下至上依次计算各层级可靠度,获得该压气站在不同压缩机启停方案下的可靠度。该研究成果为今后持续开展大型天然气管网系统可靠性评价及管理奠定了基础。     

京郊荒滩地短期植被恢复对土壤理化性质及微生物群落结构的影响

为了揭示京郊荒滩地植被恢复初期土壤理化性质与微生物群落结构的变化特征,以补播苜蓿(Medicago sativa L.)、补播无芒雀麦(Bromus inermis Leyss)为研究对象,自然撂荒地为对照,采用高通量测序方法研究不同植被恢复模式土壤细菌与真菌的群落结构。结果表明:(1)2种植被恢复方式下土壤全氮含量显著高于对照,补播无芒雀麦土壤全磷含量最高;(2)2种植被恢复方式短期内显著改善了土壤物理性质,土壤容重显著低于对照,补播无芒雀麦土壤田间持水量、毛管持水量与最大持水量最高,补播苜蓿土壤饱和导水率最高;(3)2种植被恢复方式短期内对土壤微生物群落结构产生影响,真菌中的子囊菌门、细菌中的蓝细菌门相对丰度增加,真菌与细菌的生物多样性降低;(4)相关性分析表明,土壤有机质含量与真菌中的子囊菌门、细菌中的变形菌门、蓝细菌门数量存在显著正相关关系。2种植被恢复方式短期内均不同程度的改善了土壤理化性质,增加了固氮及降解有机质的微生物的数量及活性。     

铁、锌配施对藿香生长、产量及有效成分的影响

为探究铁、锌不同浓度配施对藿香生长、产量及有效成分的影响,以藿香为试验材料,采用双因素随机区组设计,研究铁锌配施对藿香生长、产量、各部位铁锌分配及挥发油含量的影响。结果表明,叶面喷施铁锌肥能显著影响藿香的生长发育、产量和挥发油成分,显著影响藿香的抗氧化酶活性,显著提高淀粉、还原糖、可溶性糖和可溶性蛋白含量,通过影响氮代谢相关酶活性间接影响植株氮代谢过程。叶面施铁对藿香产量的影响大于叶面施锌,铁锌配施的增产效果优于单独施用铁、锌肥;综合考虑藿香的生长和产量指标,认为Fe₁Zn₁(0.2%铁,0.1%锌)为铁锌配施的最优处理组合。施用锌铁肥能够增加藿香各部位的铁锌含量,锌在不同部位的含量呈叶>根>茎的变化趋势,铁在不同部位的含量呈根>叶>茎的变化趋势,锌主要集中在藿香叶片,而铁则主要集中在藿香根部。高浓度的叶面施铁有助于叶片Ca含量的累积。铁锌配施能显著提高藿香挥发油含量,并影响挥发油成分,其中D-柠檬烯含量最高,在Fe₁Zn₂处理时达到最大值(22.99%)。综上,合理配施铁锌肥能提高藿香主要化学成分的含量,但过高浓度的施用增产效果并不明显。本研究结果为铁锌肥在藿香生产中的应用提供了理论依据。     

基于卷积神经网络的堆肥腐熟度预测

【目的】目前堆肥腐熟度主要采用复杂的化学、生物学方法进行判断,操作繁琐且效率低。卷积神经网络 (convolutional neural network,CNN) 模拟人类视觉,既可保留堆肥图像的颜色信息,也提取了轮廓、线条、粒度等更加具有代表性的特征,从而避免了因光照条件不同对堆肥腐熟度预测识别效果的影响。本文提出了通过堆肥图像判断堆肥腐熟度的方法,构建基于卷积神经网络的堆肥腐熟度预测模型,并验证了该模型进行堆肥腐熟度判断的准确度。【方法】供试堆肥样本采集自江苏、山东、浙江三省,堆肥原料分别为秸秆、尾菜和畜禽粪便,堆肥周期依次为50 d、45 d和60 d。在厂棚内的堆肥槽中,用海康威视摄像头 (型号为C3W,焦段为广角,焦距2.8 mm,清晰度1080 p,夜间自动补光,摄像头距堆肥表面约1 m) 拍摄不同腐熟时期的堆肥图像,图像格式为JPEG。分别取三种不同原料的堆肥图像样本构成三组图像数据集,将三种原料的图像按照尾菜∶秸秆∶畜禽粪便原料1∶1∶1构成第四组图像数据集。每组数据集中,80%的图像数据用于训练基于卷积神经网络模型,并建立预测模型参数。剩余20%的图像用于测试,验证模型的腐熟度预测效果。【结果】搭建的堆肥腐熟度预测模型由输入层、3层卷积层、3层池化层、2层全连接层和输出层构成。构建的腐熟度预测模型在秸秆、尾菜、畜禽粪便及三者堆肥混合图像数据集上的腐熟度预测平均准确率分别为98.7%、98.7%、98.8%和98.2%。与几种经典高效的图像特征提取、分类方法相比,较每个数据集上最优经典算法的平均准确率提升了3～14个百分点。通过CNN方法判断堆肥腐熟度,纹理特征比颜色特征更加有效。【结论】采用卷积神经网络的堆肥腐熟度预测模型能够提取堆肥图像外观特征,实现在可见光条件下直接通过堆肥图像准确、快速地识别堆肥腐熟度,可为堆肥企业生产实践提供指导。