大豆茎叶除草应用缓解剂增产效果分析

在筛选适宜的茎叶除草缓解剂处理，以期解决茎叶除草造成大豆叶片损伤继而影响产量问题。以大豆品种“克豆52”为试材，利用松·喹·氟磺胺乳油茎叶除草处理。3种缓解剂GAP、GAL、GAC分别设置3个浓度2个施用时期共18个处理，CKW茎叶除草次日喷清水，CKA仅进行茎叶除草。通过调查、统计、分析大豆叶片药害指数、株高、节数、有效荚数、百粒重，结合经济效益和对杂草影响决选最优处理。结果表明，AC1处理便于农户掌握，产量最高，增产18.48%,综合收益较高，对除草效果影响较小，值得在生产上推广。     

吉林省东部山区大豆玉米带状复合种植品种组合筛选

针对吉林省东部山区带状复合种植品种选择问题，该研究采用8个大豆品种、3个玉米品种随机组合设置不同处理，对不同大豆、玉米产量及大豆+玉米产量产值进行综合分析。结果表明：大豆产量在品种间、不同玉米品种间、大豆×玉米互作间均有显著差异，最适合带状复合种植的大豆品种为雁育豆8号和东生77,带状/净种比分别达到61.9%和59.5%,对大豆遮阴影响最少的玉米品种是先玉1219;不同品种玉米产量，仅玉米品种间有极显著差异，迪卡A6565表现边行优势最强、产量最高，带状/净种比达到66.4%;大豆+玉米产量和产值表现最好的组合均为雁育豆8×迪卡A6565,其产值比净种迪卡A6565增值12.2%。     

基于分数阶微分和最优光谱指数的大豆叶面积指数估算

高光谱遥感技术可对作物生长状况进行无损、高效地监测，是推动现代精准农业发展的必要手段。以不同施氮水平与覆膜处理下的开花期大豆叶面积指数(Leaf area index, LAI)为研究对象，对原始开花期大豆高光谱反射率数据进行0～2阶微分变换处理(步长0.5),并筛选出各阶光谱指数中与开花期大豆LAI相关性最高的指数作为最优光谱指数进行输入，采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)、遗传算法优化的BP神经网络(BP neural network optimized by genetic algorithm, GA-BP)3种机器学习方法构建大豆LAI预测模型。结果表明：0～2阶光谱指数与大豆LAI相关系数平均值分别为0.616、0.657、0.666、0.669、0.658,相比于原始与整数阶高光谱反射率，分数阶微分变换处理后的高光谱反射率构建的光谱指数与开花期大豆LAI具有更强的相关性；相关系数平均值最高的1.5阶微分处理最优光谱指数波长组合分别为：TVI(687 nm, 754 nm)、DI(687 n...     

不同种源池杉幼苗对淹水胁迫的生理响应及耐淹性评价

为给消落带的生态修复和优良池杉（Taxodium distichum var. imbricatum）种质资源发掘提供参考，以广西凭祥（GXPX）、江西分宜（JXFY）和浙江安吉（ZJAJ）3个种源池杉幼苗为对象，通过不同深度浸没模拟淹水胁迫，测定各种源叶片叶绿素含量、可溶性物质含量、丙二醛（MDA）含量和抗氧化酶活性等生理指标，并运用主成分分析和隶属函数分析法评价各种源的耐淹性，探究不同种源池杉幼苗在淹水胁迫下的生理响应及耐淹性差异。结果表明，随淹水深度增加，3个种源池杉幼苗叶片中的各叶绿素含量均呈先升后降的趋势；MDA、可溶性糖和可溶性蛋白含量及超氧化物歧化酶（SOD）和抗坏血酸过氧化物酶（APX）活性均呈先降后升的趋势；JXFY和GXPX种源的过氧化物酶（POD）活性呈上升趋势，ZJAJ种源则呈先降后升的趋势。综合分析表明，3个种源池杉幼苗的耐淹性表现为GXPX(0.886)> JXFY(0.376)> ZJAJ(0.042)。3个种源池杉幼苗在轻度淹水胁迫下均表现出较好适应性，在重度淹水胁迫下受到抑制与损害，广西凭祥种源的耐淹性最强。     

基于不同分析模型的大豆叶片SPAD值和LAI光谱估算比较

为探讨在大豆鼓粒期采用光谱技术估算叶片SPAD值和LAI的有效分析模型和方法，本研究以大田鼓粒期大豆为试验材料，在3个不同时段9:45～10:15(10AM)、11:45～12:15(12PM)和13:45～14:15(2PM)测量冠层全波段光谱反射率，并分别使用极限学习机(ELM)、偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)构建大豆叶片SPAD值和LAI估算模型，并对比不同模型分析结果的估算精度。结果表明：在各模型中，12PM和2PM测定的光谱反射率与大豆叶片SPAD值和LAI的拟合精度均高于10AM。基于RF的大豆叶片SPAD值估算模型验证集的R²为0.910,RMSE为2.006,MRE为3.684;基于RF的大豆LAI估算模型验证集的R²为0.916,RMSE为0.209,MRE为4.383,与ELM、PLSR和SVM相比，有更高的估算精度。综上结果说明大豆鼓粒期在11:45～12:15和13:45～14:15采用RF模型，运用全波段的光谱反射率估算大豆叶片SPAD值和LAI可得到较准确的结果。     

利用相关矩阵法优化光谱指数的冬油菜氮素营养诊断

近年来高光谱技术由于无损和高效等优点成为了现代精准农业发展的必要手段方法。为实现冬油菜无损、快速的氮素盈亏诊断，该研究以连续两年(2022—2023年)不同覆盖及施氮处理下冬油菜蕾薹期采集的90份植物样品(地上部生物量和植株氮浓度)和高光谱实测数据为数据源，根据原始光谱和一阶微分(first-order differential,FD)光谱与氮营养指数(nitrogen nutrition index,NNI)的相关系数计算了8种(共16个)典型的光谱指数，随后利用相关矩阵法提取最佳光谱组合，并根据与NNI相关系数的计算结果筛选最优光谱指数，最后将最优光谱指数分为3组模型输入变量，分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)和反向神经网络(back propagation neural network,BPNN)构建冬油菜蕾薹期NNI估算模型。结果表明一阶微分光谱指数与NNI的相关系数均大于原始光谱指数，3个组合选择的光谱指数与NNI的相关...