大豆田苗后施用噻吩磺隆安全性研究

噻吩磺隆对后茬作物安全,且对卷茎蓼等杂草防效优良,但茎叶处理存在安全问题,因此,设置3个不同播期,在5个不同茎叶时期施用噻吩磺隆,研究其对杂草的防效及对大豆的安全性影响。结果表明:大豆田茎叶期施用75%噻吩磺隆水分散粒剂随着气温的升高,对杂草防效提高,对大豆的安全性提高,在拱土期、真叶期、一片复叶期施药对大豆安全,两片复叶期施药对大豆相对安全。田间湿度过大、平均气温低于大豆活动温度、根腐病等导致的大豆苗弱,大豆三片复叶期等条件下施药对大豆不安全,甚至造成严重药害。     

基于物联网的小麦苗情诊断管理系统设计与实现

为提高小麦生产调控管理水平,该文设计并实现了基于物联网技术的小麦苗情远程诊断管理系统。系统采用浏览器/服务器模式(Browser/Server),通过远程监控节点(站点)动态数据计算,并进一步融合小麦生理生态特性和作物气象灾害指标分析,可对小麦生产过程和主要气象灾害进行精准监测、快速诊断,做出综合分析结果和生产管理调优方案,并以文字描述、现场图片与视频、数据表格多种方式输出,用户可通过LED电子显示屏、计算机及智能移动终端等多种设备,便捷快速获得多源数据资源共享和决策支持服务。该系统目前已经在中国主要小麦产区陆续开展示范应用,结果表明在提高小麦苗情的精准监测和智能管理等方面,具有较好的应用前景。     

基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算

针对目前基于计算机视觉估算冬小麦苗期长势参数存在易受噪声干扰且对人工特征依赖性较强的问题,该文综合运用图像处理和深度学习技术,提出一种基于卷积神经网络(convolutional neural network, CNN)的冬小麦苗期长势参数估算方法。以冬小麦苗期冠层可见光图像作为输入,构建了适用于冬小麦苗期长势参数估算卷积神经网络模型,通过学习的方式建立冬小麦冠层可见光图像与长势参数的关系,实现了农田尺度冬小麦苗期冠层叶面积指数(leaf area index,LAI)和地上生物量(above ground biomass, AGB)的准确估算。为验证方法的有效性,该研究采用以冠层覆盖率(canopy cover, CC)作为自变量的线性回归模型和以图像特征为输入的随机森林(random forest, RF)、支持向量机回归(support vectormachinesregression,SVM)进行对比分析,采用决定系数(coefficientofdetermination,R2)和归一化均方根误差(normalized root mean square error, NRMSE)定量评价估算方法的准确率。结果表明:该方法估算准确率均优于对比方法,其中AGB估算结果的R2为0.7917,NRMSE为24.37%,LAI估算结果的R2为0.8256,NRMSE为23.33%。研究可为冬小麦苗期长势监测与田间精细管理提供参考。     

不同灌水次数与氮肥运筹对‘豫教5号’叶面积指数及产量的影响

为给冬小麦提供“更合理、更节约、更高效”的水肥运筹技术方案,以‘豫教5号’为试验材料,采用三因素裂区方法研究了不同灌水次数和施氮处理对小麦叶面积指数和产量的影响。结果表明,灌水次数、施氮量以及基追比例分别对小麦叶面积指数、产量及构成因素有显著影响。在W1（底墒水）处理下叶面积指数与施氮量均呈线性正相关关系;在W2（底墒水+拔节水）、W3（底墒水+拔节水+灌浆水）处理条件下,拔节期、孕穗期、抽穗期的叶面积指数与施氮量呈线性正相关关系,抽穗后20天与施氮量则呈二次曲线关系,且以N3R2为最大值。在不同灌水次数条件下,产量、穗数、穗粒数与施氮量呈二次曲线关系,千粒重随施氮量的增加呈线性下降趋势。在灌溉底墒水+拔节水+灌浆水、施氮量为240 kg/hm²及基追肥5:5处理组合下实现了水肥的高效配合,产量、穗数、穗粒数分别为8609.60 kg/hm²、688.2×10⁴株/hm²、37.9粒,其中产量比对照W1N0 (3517.5 kg/hm²) 增产144.8%。由此可知,在小麦生长后期降雨量偏少的黄淮豫东地区,小麦生产中灌溉水的节约空间相对较小,氮肥的节约空间则相对较大。     

正确判断发动机10种不正常声响

平时发动机在工作中出现不正常的声响，主要原因是内部相配机件磨损而松旷、修理质量不高、调整不当以及使用不当等造成。因此，应根据响声的不同，正确判断故障原因和部位，并及时作出处理，以免造成发动机严重损坏。     

气象因子对黄淮麦区小麦穗发育的影响

通过对不同熟期小麦幼穗发育时期与气象因子统计分析,得出结果表明:不同的气象因子对小麦幼穗发育的贡献不同,总体是负积温对小麦穗部发育贡献最大,积温、日照时数次之,降水贡献最小。相同的气象因子对不同熟期的小麦穗部发育的影响也不一样。用得出的回归方程,能对3月下旬(低温敏感期)的小麦穗部发育时期进行一定程度地预测。     

冬小麦镇压防霜的初步研究

试验表明,冬小麦拔节期前镇压能推迟节间伸长或延缓幼穗的发育进程,因此有躲避或减轻霜冻的作用。能实际使用的镇压时期为拔节期１６ｄ到拔节期,旺麦宜早,正常麦以晚一点为好。镇压后的头６ｄ里植株因受伤而减弱抗霜力;６ｄ以后抗霜力恢复正常。     

EMS诱导国麦301小麦突变体库的建立与鉴定

利用化学诱变剂甲基磺酸乙酯(EMS)诱变处理国麦301小麦种子,构建小麦EMS突变体库,旨在为小麦功能基因组学研究和分子育种准备基础材料。对M2代全生育期田间及收获后进行生物学性状及农艺性状鉴定。结果表明,突变群体的表型变异率为6.398%;获得了幼苗、叶、茎、穗、熟期等的突变体769个,变异类型丰富。     

农田尺度下冬小麦晚霜冻害空间差异及原因分析

【目的】揭示农田尺度下冬小麦晚霜冻害与产量关系及其空间分布规律,探讨其空间差异性原因,为冻害风险早期预判及影响因子调控提供先验知识和依据。【方法】选择矮抗58冬小麦品种作为研究对象,以2013年4月发生的3次自然霜冻为契机,构建死穗率、残穗率、残穗指数和减产率等晚霜冻害评价指标。基于商丘市一农户麦田内100个采样点（以5 m间隔定点）的小麦产量、冻害考察以及土壤肥力测定数据,运用多元线性逐步回归、地统计学、系统聚类、方差分析以及多重比较等方法对穗数、实际产量和晚霜冻害评价指标进行空间统计分析,探讨其与小麦发育进程、返青期土壤肥力因子的关系。【结果】逐步回归分析表明,死穗率是影响穗数的关键因子,呈负效应。影响实际产量的因子是残穗指数、死穗率和残穗率,3个因子均呈负效应,值越大,实际产量越低,其中残穗指数的影响最大（直接通径系数为-0.453）。影响减产率的因子为死穗率、残穗率和残穗指数,3个因子均为正效应,值越大,减产率越高,其中死穗率的影响最大（直接通径系数为0.626）。晚霜冻害具有显著的正空间自相关特性,冻害程度相近的样点在局域空间上呈集聚分布状态;在所有冻害评价指标中,减产率的空间集聚性最强（Moran’s I=0.5538）。冻害分区结果表明,随着冻害程度加深,穗数和实际产量显著降低（P＜0.05）;死穗率增幅最大（达271.3%）,其次是残穗率和残穗指数（分别为36.4%和31.8%）,它们共同成为导致减产率大幅攀升（增幅达132.1%）的因素;冻害程度最重的区域几乎连片分布,空间集聚性明显。小麦发育进程和返青期土壤养分的空间差异明显,与晚霜冻害具有一定空间关联性。土壤全氮、水解氮、速效磷、速效钾和有机质等与冻害指标之间达显著负相关（P＜0.05）,随着前期土壤养分含量降低,冻害程度呈加重趋势。前期持续干旱使得土壤含水量迅速下降,进一步加重了晚霜冻害的影响程度。【结论】在农田尺度下,晚霜冻害影响冬小麦穗数和实际产量的空间差异性明显,其空间分布与小麦发育进程和返青期土壤养分等因子有一定的关联性,这为在精细空间上进行冻害风险早期预判与因子调控提供了可能。     

物联网技术在小麦气象灾害监控诊断系统中的应用研究

针对小麦生长周期长,容易遭受多种气象灾害的情况,设计了基于物联网的小麦气象灾害诊断系统。本系统根据多年农学实验研究成果,通过建立小麦气象灾害诊断指标体系规范,并采用传感器技术、网络传输技术、Webservice技术和Socket调用技术等集成,搭建了基于小麦生长环境实时监测数据的苗情和气象灾害诊断平台。该平台具有异地数据资源共享、分布式管理的功能,能在多种网络通信环境下实现苗情监控和灾害诊断,为小麦生产科学管理、防灾减灾提供了有力的技术支持。