激光粒度仪法与湿筛-沉降法测定火山碎屑物发育土壤颗粒组成的比较

为了比较湿筛-沉降法和激光粒度仪法测定玄武质火山碎屑物发育土壤的颗粒组成的结果,对供试土壤进行了比重值测定,并采用实测比重值和常用比重值(2.65)分别进行了湿筛-沉降法的土壤颗粒组成测定,同时又对样品进行了激光粒度仪法测定。结果表明:玄武质火山碎屑物发育土壤的比重值较土壤的常用比重值有一定的差异,进而导致了两种比重值条件下湿筛-沉降法测定的土壤颗粒组成的差异,但相差不大。激光粒度仪法测定的土壤颗粒组成与湿筛-沉降法比较,黏粒含量偏低,粉粒含量偏高,绝大多数砂粒含量偏高。导致这种差异的原因之一是两种方法的测定原理不同,分别测定的是同一颗粒的不同特征;其次是测定的粒径范围不同,湿筛-沉降法测定<2 mm的全部土粒,但激光粒度仪法对小于某粒径(MS3000激光粒度仪的测量范围是0.01～3500μm)的土粒不做测量;此外,还受黏土矿物的层状构造及土壤分散方法的影响。由于不同生产厂家、不同型号的激光粒度仪,其测量范围不同,对土壤颗粒组成的测定结果会产生一定的影响。所以,建议在应用激光粒度仪测定土壤颗粒组成时,标示仪器的生产厂家和型号。     

优化施肥对京郊地区设施生菜产量、品质及土壤速效养分的影响

为改善目前设施生菜的化肥过量施用,以及化肥的施用时期等问题,以农户习惯施肥为基础,设计减量优化施肥方案,研究优化施肥对京郊设施生菜产量、品质及土壤速效养分的影响。以结球生菜‘射手101’为试材,设CK、单施有机肥、习惯施肥、优化施肥A、优化施肥B共5个处理。试验结果表明,优化施肥A处理能够提高生菜经济产量,比CK处理提高22.01%,比习惯施肥处理提高5.82%;优化施肥A处理生菜硝酸盐含量最低,维生素C含量最高;优化施肥A处理能提高生菜养分吸收量,减少速效养分在土壤中的累积,同时能够提高生菜产量和品质,减少肥料浪费。     

生物炭对土壤改良的作用分析

本文分析了生物炭对土壤的改良作用及对土壤产生的积极作用,希望生物炭的应用能够提高土地的质量,为人们带来更多高品质的农产品。     

国审旱地小麦铜麦 6 号

铜麦6号是半冬性品种,株型半紧凑,田间长势好,在旱地、盐碱地、水地均可种植。对品种选育、特征特性、产量表现、栽培管理等方面进行了总结,旨在为旱薄、抗盐碱地的小麦发展作出贡献。     

氮肥与甲哌耦合对主干形核桃品质及土壤氮素的影响

为探讨主干形核桃高产优质栽培的理论基础,选择8年生主干形新温185核桃为试材,设置不同梯度氮肥与甲哌■耦合模式,研究其对核桃品质和土壤氮素利用的影响。整个生育期内核桃结果枝节间增长长度在同等氮肥条件下呈"下降—上升"的变化趋势,在成熟期A2B3处理下核桃节间增长长度出现最低,为0.43 cm。在核桃的4个生育期内均出现随土层的深度增加而土壤含氮量降低的变化趋势,在油脂转化期20～40 cm土层土壤含氮量均低于同期对照,在16.31～34.03 mg/kg范围内变化。A2B3耦合处理下核桃果实三径、单果质量、总糖含量、蛋白质含量、总酚含量均高于对照,而单宁含量却最低,为1.19%。甲哌■的喷施浓度为800 mg/L、氮肥施入水平为3 271.73 kg/hm~2时,可显著提高核桃对土壤氮素的吸收和利用以及核桃产量。     

2019年太和县小麦配方施肥应用效果调研

为了更好掌握小麦配方施肥应用效果,采样测试了解地力,配方设计,田间试验验证肥料配方是否适应当地小麦生产需要,提出施肥指导意见,采用农企对接送肥到村,通过示范区建设,开展观摩培训,指导服务等活动     

定边县旱地不同播种方式对荞麦产量的影响

为探索适宜定边县荞麦高产高效的种植模式,在定边县旱地进行了荞麦4种不同机械播种模式小区试验。结果表明,大垄双行机械条播为最佳播种模式。     

苏北黄河故道高沙土地区花生新品种示范试验

对苏北地区2017年引进的花生新品种及市场上广泛销售的花生品种进行统一示范种植。结果表明,11个花生新品种在田间抗病性、适应性和品质方面均表现良好,丰产性及综合农艺性状均表现良好。其中,中花16表现最优,产量最高;其次是泰花4号、花育23;再次是徐花5号、苏花0537、宁206;抗涝能力表现较强的品种有泰花8号、苏花0537、806、多彩花生。     

苗木根系的不同处理对民勤旱沙区黑果枸杞栽培成活率及生长量的影响

为了提高民勤旱沙区黑果枸杞栽植成活率,并提高枸杞品质和产量,本文以民勤黑果枸杞为研究对象,进行人工驯化栽培,通过对苗木根系的不同处理探讨对成活率及生长量的影响。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。