接种基枝藻培养绿毛龟的试验

本试验分别采用了打磨龟背、营养液浸泡和奈乙酸溶液浸泡的处理方法。结果表明,奈乙酸溶液可使“冒绒”速度大大加快;奈乙酸对基枝藻孢子囊形成和孢子释放能起到促进作用,其适宜浓度为0.1～5ppm。     

冀东水稻田施用生化有机肥效果初探

2004年，在滨海盐碱稻田进行了基施生化有机肥示范试验，水稻基施生化有机肥50-60kg／667m^2，土壤肥力持久，可以明显减少化肥用量，提高水稻的抗逆能力和产量，处理区水稻增产7．6%-11．9％。水稻施用生化有机肥后，可少施化肥30kg／667m^2。     

我市水稻机械插秧推广的做法与体会

水稻是我省主要粮食作物，不论是播种面积，还是总产和单产均居粮食生产首位。长期以来，全省水稻种植基本靠人工栽插，生产手段落后，劳动强度大，作业效率低。是水稻生产机械化的一个瓶颈。     

刈割对草甸草原羊草、无芒雀麦再生和 碳水化合物含量的影响

牧草的再生性能是草地持续利用的基础,牧草贮藏的碳水化合物对牧草再生具有重要作用。本研究针对刈割强度对羊草(Leymus chinensis)和无芒雀麦(Bromus inermis)现存量、再生速度及不同部位碳水化合物的影响进行了分析研究,结果表明,羊草和无芒雀麦地上部现存量随留茬高度的降低呈降低趋势;第2次刈割后,羊草和无芒雀麦留茬4cm的再生速度均高于留茬8和12cm。刈割后无芒雀麦不同部位可溶性糖含量均在第2次刈割后16d上升,到秋季枯黄期降至最低值,且未恢复到刈割前水平。第2次刈割后16d,羊草茎基部还原糖含量可恢复到刈割前水平,而无芒雀麦茎基部还原糖含量降至刈割后最低值,到秋季枯黄期,留茬12cm羊草和无芒雀麦茎基部还原糖含量可达到刈割前水平。试验期间牧草主要生长季(6-8月)降水较少,严重抑制了羊草和无芒雀麦的再生和碳水化合物的贮藏。因此生长季降水少的干旱年份,羊草和无芒雀麦草地以留茬8~12cm、刈割1次为宜。     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

基于物候特征和全连接神经网络相结合的小麦自动识别研究

风云三号气象卫星具有空间分辨率高、时效性强、幅宽广等特点,对于实现河南省冬小麦自动识别具有很大优势。分析河南省冬小麦物候特征,基于冬小麦物候特征的植被指数时序变化规律,采用聚类分析可以得出冬小麦分类样本和时序指数特征。根据上述冬小麦分类样本和时序指数特征,考虑分类方法的高效性、精确性和自适应性,提出了基于物候特征和全连接神经网络相结合的小麦自动识别技术,该技术适用于河南省大面积冬小麦的分类。识别结果显示河南省 2019 年到 2022年冬小麦的空间分布情况,采用质量检验指标对识别结果进行精度验证,得出冬小麦识别准确率为 85.1%,非冬小麦识别准确率为 84.5%。试验结果表明,基于物候特征和全连接神经网络相结合的方法在小麦自动识别方面取得了显著的性能提升,与传统方法相比,所提出的方法具有更高的准确率和更稳定的识别性能。该方法对于冬小麦监测具有重要意义,并为农业生产的智能化和可持续发展提供了新的思路。     

寿宁县水田土壤酸化特征及其改良效果

对采集寿宁县全县的1 500个土样的分析结果表明,水田土壤pH均值介于4.78～5.52,总平均值为5.08,水田土壤普遍酸化。改良技术模式田间试验结果说明,不同改良技术模式处理的水稻产量增加了7.65%～10.79%,其增产效果土壤调理剂+商品有机肥处理>土壤调理剂处理>生物基炭有机肥处理;不同改良技术模式处理提高了pH值、有机质、有效磷、速效钾、交换性钙等含量,其提高效果土壤调理剂处理>土壤调理剂+商品有机肥处理>生物基炭有机肥处理;不同改良技术模式处理降低了有效铬、有效镉、有效铅、有效砷含量,其降低效果土壤调理剂处理>生物基炭有机肥处理>土壤调理剂+商品有机肥处理。     

橘色海菊蛤人工繁育技术研究

本研究以野生橘色海菊蛤(Spondylus aurantius)为材料,观察了橘色海菊蛤的亲体催熟、胚胎及稚贝的发育过程,比较了不同温度条件下胚胎发育速度及不同材质和采苗深度对海菊蛤附着效果的影响。结果显示,野生橘色海菊蛤在养殖池经自然催熟后性腺饱满,发育成熟;采用“晾干+流水+高温”刺激获得了橘色海菊蛤优质精卵,并成功完成了受精;受精卵通过不均等卵裂,依次发育为多细胞卵裂期、囊胚、担轮幼虫、D形幼虫、壳顶幼虫、匍匐幼虫和稚贝,累计耗时25～27 d。受精卵在温度为28℃和32℃时均可发育至稚贝,且在水温为32℃时,胚胎各个阶段发育速度均快于28℃。室内不同水层采苗结果显示,底层采苗器附着密度要显著高于上层(P<0.05);不同附着基材质附着密度结果显示,室内采苗阶段黑蝶贝壳附着效果最好,而后依次为海菊蛤壳>牡蛎壳>混凝土饼>黑色遮阳网>绿色聚乙烯网片。在自然海区养殖30d后,海菊蛤壳和牡蛎壳附着及生长效果最优。本研究首次成功开展了橘色海菊蛤人工繁育,获得了其胚胎和稚贝发育规律,研究结果可为该物种在南海人工规模化养殖提供支撑。