陕西关中东部灌区施用氮磷钾肥对夏玉米产量的影响

对陕西关中东部灌区夏玉米施用氮磷钾肥进行了研究,结果表明:施用氮磷钾肥能显著增加玉米产量,是夺取玉米高产的有效措施。氮磷钾肥对玉米产量和经济性状影响的顺序是:N>P>K。     

供水工程影响下中国北方地区耕地后备资源开发潜力

灌溉水源是北方地区耕地后备资源能否有效开发的关键。当前,中国正在推动国家水网工程规划建设,为北方地区耕地后备资源开发提供了新的机遇。在以往研究基础上,该研究考虑北方地区已建、在建及规划的供水工程,基于自然适宜、利用高效、发展稳定三方面评价准则,结合三维魔方空间分类方法,开展了雨养情景和供水灌溉情景下耕地后备资源开发潜力分析。结果表明：雨养农业情景下,北方地区勉强适宜（Ⅱ级）、中度（Ⅲ级）和高度（Ⅳ级）适宜的耕地后备资源面积分别为2.9万、1.0万和0.6万km²。灌溉农业情景下,耕地后备资源面积明显增加,勉强适宜（Ⅱ级）、中度（Ⅲ级）和高度（Ⅳ级）适宜的耕地后备资源面积将分别达到5.4万、7.6万和6.5万km²,主要集中于新疆、内蒙古和甘肃3省（自治区）。该研究结果可为中国耕地后备资源开发利用及国家水网工程效益发挥提供参考。     

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。     

镉胁迫下富铁有机肥对芒草生长及镉富集的影响

为了探究镉胁迫下富铁有机肥对芒草生长及镉富集的影响,通过盆栽试验,设置CK（不施肥）、ZCK（施加普通有机肥）和Z2、Z3（施加不同浓度富铁有机肥）处理。结果表明：与CK相比,所有施肥处理均促进了芒草生长,改善了土壤理化性质,抑制了芒草富集重金属,且其中Z2、Z3比ZCK对芒草生长的效果更好。相对于ZCK,Z3的芒草干质量显著增加了131.80%,Z2的芒草根长显著增加了54.22%。此外,Z2地上部的镉含量相比于ZCK显著降低了49.86%,Z3地下部的镉含量相比于CK显著降低了58.94%。研究表明,施加富铁有机肥相对于普通有机肥更能有效促进芒草生长并抑制芒草对镉的富集,该肥料具有对轻度镉污染土壤进行边修复边生产的应用潜力。     

不同氮肥形态对李氏禾铬富集能力的影响

为了优化李氏禾（Leersia hexandra Swartz）铬修复时的施氮效率,通过盆栽试验,研究了5种氮肥形态（硝酸钙、尿素、氯化铵、硝酸铵、硫酸铵）对李氏禾铬修复性能、生长指标和根系指标的影响。结果表明：与对照（不施氮肥）相比,施加的5种形态氮肥均促进了李氏禾生长,提高了根系活力,改变了根系形态特征,有利于提高李氏禾铬含量、铬累积量、富集系数和土壤铬去除率。施加硫酸铵的李氏禾生物量和根平均直径最大,分别为对照的5.54倍和1.51倍,其根系活力比对照增加108%;施加硝酸铵的李氏禾总根表面积和总根体积最大,分别为对照的2.17倍和1.99倍（P<0.05）。相关性分析结果表明,李氏禾的生物量、根平均直径、总根表面积、总根体积和根系活力均与土壤铬修复效率有关。其中,施加硫酸铵处理的富集系数和土壤铬去除率最高,分别为对照的1.45倍和5.56倍。研究表明,施加硫酸铵比其他氮肥形态更有利于提高李氏禾铬污染土壤修复效率。     

基于称量反馈的设施番茄灌溉系统的构建与应用

为提高设施番茄灌溉的精准性,该研究设计了一种基于称量反馈的灌溉系统,该系统包括称量反馈模块、多源信息采集传输模块、灌溉决策模块与水肥执行模块。称量反馈灌溉决策首先利用卫星定位模组获取灌溉地经纬度信息自动计算当天的日出时刻、日落时刻、日中时刻,结合椰糠条吸水特性与番茄植株日需水量变化规律,把1 d自动划分为4个不同的动态灌溉阶段;根据温室内温湿度信息及排液电导率（electrical conductivity,EC）值反馈的番茄植株根部信息,制定了一般模式灌溉肥液或洗盐模式灌溉清水（或低浓度营养液）。设计试验以基于辐射累积控制灌溉、定时灌溉作为对照,分别从栽培效果、灌溉效果、应用效益方面验证该灌溉系统的应用效果。结果显示使用该称量反馈灌溉系统比基于辐射累积控制灌溉系统灌溉量增加1.8%,用肥量减少7.3%,排液比降低7.9%,排液EC值降低9.3%;与定时灌溉方式相比灌溉量减少11.3%,用肥量减少20.0%,排液比降低17.9%,排液EC值降低4.9%。栽培效果显示,使用该称量反馈灌溉系统的椰糠条栽培番茄在茎粗、叶片叶绿素相对含量、糖度值、单穗质量和基于辐射累积的控制灌溉相比无显著性差异（P>0.05）,但株高增加4.8%;与定时灌溉相比在株高、茎粗、叶片叶绿素相对含量、糖度值、单穗质量均无显著性差异（P>0.05）。预计使用该称量反馈灌溉系统,园区15栋日光温室（1.22 hm²）相比基于辐射累积控制灌溉,应用效益月节约0.276万元,与定时灌溉方式相比,园区月节约2.247万元。该系统简化了番茄植株需水量的计算过程,实现了番茄栽培水分的精准感知与按需精量灌溉。     

基于复杂种植结构多情景分析的灌区多目标多水源优化配置

为改善多水源灌区农业用水供需矛盾,通过合理调整种植结构,优化灌区水资源配置,该研究以河北省邯郸市漳滏河灌区为研究对象,将农业灌溉缺水量最小和农作物经济效益最大作为目标函数,兼顾灌区生态安全约束,构建了基于种植结构优化的多目标多水源优化配置模型,针对作物熟制、作物种类、种植制度以及灌溉方式设置了8种不同的种植结构优化情景,通过自主改进的基于精英策略并协遗传算法（NSGAⅡ-S）对模型求解,获得不同情景下的水资源优化配置方案。结果表明：应用模型进行水资源配置后,各情景配水总量均有所减少,其中水库配水量高于其他水源的配水量,水库水、引黄水和引江水均达到用水总量控制目标,民有分区的各计算单元间的配水量变化明显,总配水量高于滏阳河分区;适当压减主要依靠抽取地下水灌溉的冬小麦的播种面积,变灌溉农业为旱作雨养农业,可以极大地减少地下水用量,增加灌区经济效益;最佳的种植结构优化方案为CS₄（削减冬小麦的种植面积,种植苜蓿,灌溉方式采取管灌或喷灌）,该方案冬小麦播种面积压减17.10%,地下水开采量减少了16.42%,灌区的经济效益增加了26.41%,在保证配水总量最小的同时,具有更高的经济效益。该研究所构建的多目标多水源优化配置模型和作物配水结果可为类似地区的水资源配置提供参考。     

水稻田间育秧水肥药变量喷灌装置设计与试验

为解决南方水稻工厂化田间育秧水肥药人工管理作业中存在的灌溉均匀性差、化肥和农药浪费以及劳动强度大等问题,该研究设计了一种水稻田间育秧水肥药变量喷灌装置,阐述了水肥药变量喷灌装置总体结构和工作原理,进行了关键部件设计与试验;以可编程逻辑控制器（programmable logic controller,PLC）为控制核心,构建了注肥量在线调控及整机变量喷灌控制系统。采用Box-Behnken试验设计方法,对装置喷灌均匀性与主要影响因素进行试验研究,应用单目标优化方法对喷灌关键参数进行优化,并通过验证试验,得到最优参数组合为：干管入口水压0.20 MPa、球阀开度90°、喷头喷角80°,此时装置的喷灌均匀性为92.69%;构建了氯化钾肥液质量浓度与电导率（electrical conductance,EC）值的线性模型,开展了装置变量灌溉施肥性能试验,3种喷灌等级下各作业区的肥液EC值分别为1.65、1.66和1.68 mS/cm,平均喷灌强度分别为900.85、1092.04和1263.67 mm/h,施肥均匀系数分别为85.21%、87.86%和91.62%。采用水肥药变量喷灌装置开展水稻育秧田间管理试验,华航51常规稻和广8优165杂交稻的秧苗长势均匀度均高于95%,成毯性良好,各项素质指标满足机插作业要求。所设计的水肥药变量喷灌装置能够满足水稻田间育秧水肥药变量喷灌作业要求,对提高水稻工厂化田间育秧机械化水平、保证秧苗质量具有实际应用价值。     

叶面喷施锌肥对小麦产量和效益的影响

以烟农19为试材,以喷施清水为对照,进行了锌肥不同时期和用量对小麦产量和效益的影响。结果表明：小麦施锌后产量提高,其中以苗期和拔节期各喷1次效果最好。