曲翼中耕培土装置作业参数优化与试验

中耕培土作业质量对防旱保墒、促进玉米植株生长有重要影响,合理的结构及作业参数可有效改善玉米的生长环境.针对传统中耕培土器碎土率较低、培土高度不佳的问题,该研究对曲翼中耕培土装置(以下简称曲翼培土装置)曲翼结构及其关键作业参数进行优化.首先对阻力监测系统进行改进并通过土槽试验对其可靠性进行验证;再基于装置关键部件与结构理...     

斑节对虾循环水养殖系统构建与运行试验

为探索斑节对虾循环水养殖可行性及应用发展价值,该研究自主设计蛋白分离组合装置、内循环流化床等关键工艺环节水净化装备,构建了技术先进、结构紧凑的斑节对虾循环水养殖系统。针对其不同阶段生长特性及水环境需求,提出一种水质调控方法,科学投喂。运行试验120d,溶解氧浓度5.30～7.14mg/L,p H值7.23～8.44,氨氮浓度0.43～1.38 mg/L(稳定运行后),亚硝酸盐氮浓度0.15～0.56 mg/L(稳定运行后);斑节对虾在循环水养殖模式水生态环境下正常生长,先后经历快速生长期、稳定生长期及缓慢生长期,终末养殖密度3.02 kg/m2,取得高效养殖结果;终末饲料系数1.67,单茬每平方米利润34.78元,每平方米年利润69.56元(按1年2茬计),获得良好经济效益。该实践可为斑节对虾循环水养殖模式应用提供技术支持。     

基于网络RTK的离心式无人机变量施药可行性初探

针对植保无人机施药准确性和作业效率需求的提高,验证网络实时动态(Real-Time Kinematic,RTK)载波差分技术在无人机施药上的可行性,设计了一种基于网络RTK的离心式变量施药系统。采用STM32F103为控制核心,通过串口获取GPS定位信息,并连接DTU模块实现网络RTK技术,通过脉冲宽度调制(Pulse Width Modulation,PWM)技术调节占空比的大小,从而调节离心喷头的转速以及蠕动泵的流量。系统在工作时,通过农情信息完成处方图构建,通过高精度GPS模块获取经纬度信息,在施药过程中系统实时检索无人机所在位置,调出处方决策信息,按照处方信息调节离心喷头和蠕动泵的输出比例,从而控制无人机的施药粒径大小和施药量大小,并将作业数据上传至监控平台。通过试验表明系统能正确执行变量施药任务;在使用离心喷头进行变量施药任务时,受到系统稳定性和离心喷头特性的影响,在处方交界区域会存在一个不稳定区域;离心喷头在较高转速下进行变化时,在处方交界区域粒径大小的变化越平滑。该结果满足预期试验设计,可为植保无人机变量施药技术改良提供基础与参考。     

基于机器学习的棉花叶面积指数监测

为实现基于机器学习和无人机高光谱影像进行棉花全生育期叶面积指数(Leaf Area Index, LAI)监测,该研究基于大田种植滴灌棉花,在不同品种及不同施氮处理的小区试验基础上,对无人机获取的高光谱数据分别采用一阶导(First Derivative, FDR)、二阶导(Second Derivative, SDR)、SG(Savitzky-Golay)平滑和多元散射校正(Multiplicative Scatter Correction, MSC)进行预处理,并结合Pearson相关系数法、连续投影(Successive Projections Algorithm, SPA)、随机蛙跳(Shuffled Frog Leaping Algorithm, SFLA)和竞争性自适应重加权(Competitive Adaptive Reweighting, CARS)筛选敏感波段,将筛选出的波段,使用偏最小二乘回归(Partial Least Squares Regression, PLSR)、支持向量回归(Support Vector Regression, SVR)和随机森林回归(Random Forest Regression, RFR)3种机器学习算法构建棉花LAI监测模型。结果表明:棉花冠层LAI敏感响应波段集中在可见光(400～780 nm)和近红外(900 nm之后)波段;对比3种机器学习算法,各预处理下RFR建立的LAI监测模型精度最高,稳定性最好,其中以FDR-SFLA-RFR模型最佳,在建模集的决定系数为0.74,均方根误差为1.648 3,相对均方根误差为26.39%;验证集的决定系数、均方根误差分别为0.67和1.622 0,相对均方根误差为25.97%。该研究基于无人机获取的棉花冠层光谱反射率,从不同光谱预处理、波段筛选及建模方法建立的模型中筛选出最佳估算模型用于棉花全生育期LAI监测,研究结果可为棉花大田精准管理及变量施肥提供依据。     

蓬勃发展的罗马尼亚家具业

罗马尼亚位于欧洲中部的东南,人口2 200多万人,54%的人口住在城镇。罗马尼亚自然资源丰富,森林覆盖面积占全国土地的28%,榉木的储藏量世界第一,占30%,针叶类占24.4%,橡木占19.3%。     

大果沙棘杂交后代果实主要成分遗传变异倾向研究

本文以黑龙江省绥棱浆果研究所选育的"楚伊×蒙优1"、"楚伊×蒙优2"、"楚伊×蒙优3"、"楚伊×蒙优4"、"HS-21×蒙优1"、"HS-22×阿列伊"、"绥1×蒙优7"和"HS-20×阿列伊"8个大果沙棘杂交组合为研究对象,对杂交后代果实中糖、酸和黄色素成分的遗传变异倾向进行了初步研究.结果表明:以蒙古沙棘系列雄株为父本的杂交组合后代果实中糖含量呈低亲变异的趋向,以阿列伊为父本的杂交组合后代果实中糖含量在一定程度上呈高亲变异倾向.阿列伊作为父本优于蒙古沙棘系列雄株."高糖"母本楚伊杂交组合的F1代株系果实中糖含量均呈现出衰退趋势.8个沙棘杂交组合后代果实中酸含量呈现一定程度的高亲变异."HS-21×蒙优1"杂交组合后代果实中酸含量变异广泛.8个沙棘杂交组合后代果实中黄色素含量一定程度上亦呈高亲变异倾向.在"楚伊×蒙优4"杂交组合后代中进行选择,获得超亲株系的几率最大.     

螯合诱导植物修复技术在土壤重金属污染治理中的应用

系统介绍螯合剂对土壤重金属活性、植物吸收的影响,以及对植物富集重金属的作用,分析目前该项技术在重金属污染土壤修复中所存在的问题,提出应用螯合诱导植物修复技术治理重金属污染土壤的新思路。     

基于VG-PENG收缩特征曲线与收缩各向异性的裂隙率估算模型

为量化农田裂隙发育程度,考虑脱湿过程中土壤孔隙在基质域、沉降域和裂隙域间转化,该研究提出基于土壤收缩特征和收缩各向异性的裂隙体积比率(裂隙率)关于含水率的预测模型。该模型包括3个子模型:改进VG型式的基质域收缩特征VG-PENG模型,描述收缩各向异性的几何因子Logistic模型,基于上述VG-PENG收缩特征模型和几何因子模型的裂隙率预测模型。通过土壤收缩试验和裂隙演化监测试验,采用图像处理技术提取裂隙数据,评价了该模型的优度及适用性。结果表明,VG-PENG收缩模型具有较好的连续性和明确的物理意义,可精确描述土壤收缩特征(R~20.98);该研究引入Logistic曲线描述土壤收缩几何因子,揭示了收缩过程中土壤横向开裂和纵向沉降的各向异性机理,提出了脱湿初期纵向沉降(几何因子趋近1)、中期主沉降-副开裂(几何因子处于1～3之间)、后期趋于稳定3个阶段,Logistic模型可精确描述收缩几何因子随含水率变化;基于VG-PENG收缩模型和Logistic几何因子模型,构建了裂隙率关于含水率的演化模型,该模型呈"S"型曲线,取决于土壤收缩属性及其各向异性特征,裂隙率模拟值和实测值吻合较好,呈显著水平(R~20.90,P0.001)。该研究裂隙率预测模型修正了土壤收缩各向异性在裂隙率估算中造成的误差,并突破性地将VG-PENG收缩特征曲线进一步推演并应用于裂隙率模拟,可方便、快捷地通过土壤收缩数据预测农田裂隙率随含水率演化规律,为膨缩土裂隙流研究提供理论依据和参数基础。     

柴达木盆地沙丘移动的空间分异及对形态参数的响应

研究沙丘移动规律与空间分异特征有助于准确了解风沙活动的危害程度,为区域城镇规划和青藏高原国家生态安全屏障保护与建设提供参考。该研究基于GoogleEarth软件测量横向沙丘的形态参数与移动速度,分析了移动速度与方向的空间分异特征,以及移动速度对形态参数的响应。结果表明,1)柴达木盆地内沙丘移动速度介于0～23.53 m/a之间,平均4.66 m/a,以中速(1～5 m/a)为主(53.73%),中部移动最快(5.22±4.27 m/a),东南部最慢(3.27±3.08 m/a),移动方向与主风向一致;2)沙丘移动速度与宽度的相关性最好(R~2=0.988),以后的研究中需多关注沙丘宽度这一参数;3)从柴达木盆地整体看,降水量越大、风速越低,沙丘移动越慢;从局部看,植被覆盖度越大,沙丘移动越慢;4)密集的河流可阻挡沙丘移动,保护格尔木市区,但不能消除沙丘移动的威胁。     

结合Sentinel-2影像和特征优选模型提取大豆种植区

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%～91.91%,Kappa系数在0.72～0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。