利用稻壳炭提高复合肥料在土壤中的磷素有效性

[目的]研究稻壳炭添加对复合肥料在土壤中磷素有效性的影响,旨在为养分高效、环境友好型复合肥料的开发提供科学依据.[方法]以磷酸一铵(MAP)、磷酸二铵(DAP)、硝酸磷肥(NP)和聚磷酸铵(APP)为磷源,设置0、5％、10％3个稻壳生物炭加入量,与尿素、氯化钾、石粉以及其他辅料制作N-P2O5-K2O比例为15-10...     

苎麻间套作的应用研究进展

苎麻是具中国特色的经济作物之一,是中国重要的出口产品。由于受国际市场环境的影响,苎麻产业日益萧条,与其他作物的间套作越来越受到关注和重视。笔者阐述了国内外有关间套作种植方式的研究进展,简要介绍了苎麻以及其副产品的应用价值,分析了苎麻间套作的生理生化效应、经济效益、生态效益（防治病虫害、修复土壤重金属污染等）,提出苎麻间套作应注意的关键问题并初步探讨了解决方案,以期为苎麻间套作的推广提供理论依据。     

苎麻抗旱种质资源筛选

苎麻基因资源丰富多样,为了选育抗旱能力强的苎麻品种,以进一步适应山区及丘陵山区苎麻生产的需要,进行了苎麻抗旱种质资源筛选研究。结果表明:参试的95份苎麻资源中抗旱性为1级的有8份、2级的有20份、3级的有22份、4级的有30份、5级的有15份。     

苎麻种质资源农艺性状主成分及聚类分析

为了揭示我国丰富的苎麻种质资源,充分发掘利用其有益基因,利用主成分分析和聚类分析方法对收集的94份苎麻种质的7个主要农艺性状进行评价分析。利用主成分分析将苎麻的7个性状简化为4个主成分因子,其累积贡献率高达90.35%;其中第一主成分以株高、茎粗、有效株率的影响为主;第二主成分各个性状系数均为正,可以看作是苎麻种质农艺性状的综合反映;第三主成分以分株数、总株数的影响为主;第四主成分以有效株率的影响为主。采用系统聚类分析,将94份苎麻种质材料在阈值为3.79时聚为三个大类,可划分为高株细茎型、矮株粗茎型和1个特殊型。上述结果将苎麻种质资源农艺性状简化为4个主成分因子,并将94个苎麻品种分为3种类型,为苎麻优质品种选育和多功能应用提供参考依据。     

发展杨树生产对沅江市区域经济和生态环境的影响

对沅江市杨树生产现状进行了实地调查.经十多年生产实践证明,湖区大面积种植杨树,可带动当地造纸印刷业、地板业、家具业、运输业等相关产业的发展,促进农民增收,现实效益相当明显;并对改善当地人居环境,防虫治水有着积极的意义.同时,针对大面积种植单一树种的局限性,及对湖区的湿地生态环境产生的不良影响提出了科学的建议.     

喷施多效唑对苎麻农艺性状及根系生理的影响

为了探究叶面喷施多效唑对苎麻地上部生长及地下部生理特性的影响,以湘苎三号为试验材料进行不同浓度(0、50、100、150、200 mg/L)多效唑处理.结果表明:多效唑能够有效抑制苎麻的株高,增加苎麻茎粗、叶片厚度、叶片数量,提高苎麻叶片的叶绿素相对含量、叶片过氧化物酶(POD)活性,降低叶片丙二醛(MDA)含量;多效...     

无人机多光谱遥感在作物生长监测中的应用研究进展

随着无人机(Unmanned aerial vehicles, UAV)多光谱软硬件一体化、观测精度及易用性的发展,UAV多光谱遥感在农业上的应用越来越广泛。本文对国内外相关研究成果进行综述,主要介绍了多光谱遥感技术的基本原理和UAV多光谱遥感系统,并对UAV多光谱遥感技术在植被分类与杂草识别、作物病虫害监测、作物植株水分含量监测、作物长势监测和产量估测等方面的研究进行了概述。最后分析了UAV多光谱遥感技术在农业领域中所面临的难题和未来的发展趋势,以期为UAV多光谱遥感技术在现代农业上的开发应用提供参考。     

不同氮肥用量对烤烟生长发育及品质的影响

[目的]研究不同施氮量对烤烟生长发育和品质等的影响,以期提高常德烟区烟叶品质。[方法]以烤烟品种云烟87为材料,设置5个氮肥处理,研究不同氮肥用量对烤烟生长发育、农艺性状、经济性状和烤后烟叶化学成分的影响。[结果]随着施氮量增加,烟株的株高、茎围和单叶重增加,烤后烟叶中烟碱、总氯、总糖、还原糖和总氮含量逐渐升高。[结论]在常德烟区以T3处理(施氮量120kg/hm2)上等烟比例最高,产量和产值较高,经济效益最好。     

结合无人机遥感和目标检测实现苎麻植株计数

植株数是监测作物生长状况和质量的重要田间表型性状。为建立高效的苎麻植株数监测技术,针对现有作物植株遥感计数研究中存在的训练样本数据少、作物品种少的问题,研究利用154份苎麻种质资源,结合数据增强方法和2种目标检测算法,探讨在植株生长稠密的情况下,利用小样本数据检测田间苎麻植株数量的准确性。结果表明,借助数据增强方法扩充样本数据后,YOLOv5(You Only Look Once)和Faster-RCNN (Faster region-based convolutional neural network)都能很好地实现植株检测和计数,YOLOv5在小目标、小样本数据中更具优势(R²=0.728,RMSE=10.881)。数据增强后,模型识别准确率平均提高了6.606%。当地面采样距离为0.125 cm/像素时,可以取得较好的性能。基于作物植株的目标检测具有局限性,监测田间作物最大障碍之一是开发在各种条件下(品种、生长阶段等)都具有鲁棒性的田间作物监测方法。研究认为,借助无人机遥感图像获取作物植株数的方法可以取代传统的计数方法,并且在数据量较少的稠密样本试验中前景可...