施氮和刈割对盐角草生长及盐分累积的影响

为了研究施氮与刈割对盐角草盐分累积规律及其生长的影响。本试验在大田种植情况下,研究刈割处理和4个氮水平(0,150,300,450 kg/hm²)对盐角草的生长、钾钠钙镁含量及其累积量的影响。结果表明,施氮能够增加盐角草生物量,提高钾钠钙镁的累积量,但施氮对盐角草体内盐分离子含量的影响与离子种类、生育时期及刈割有关。随施氮量递增,盐角草体内4种阳离子浓度变化趋势发生转变,但方向与拐点存在差异。刈割能够增加鲜物质量,减少干物质累积量。刈割能够提高盐角草体内钾离子浓度及其累积量;钠钙变化与施氮量有关;镁的浓度主要与刈割时期相关。随施氮量增加,刈割处理中钠含量呈先降低后升高的趋势,拐点在150～300 kg/hm²;未刈割相反。刈割盐角草体内钙含量随着施氮量增加呈先增加后降低的趋势,拐点出现在300 kg/hm²处;未刈割反之,但拐点出现在150 kg/hm²处。花果期的镁浓度随着施氮量增加而降低;收获期镁浓度随着施氮量增加呈逻辑斯谛增长模式。本试验条件下,施氮刈割能够促进盐角草生长及提高盐渍土的生物改良效果。     

基于模糊PID的变量液体施肥控制系统

变量液体施肥控制系统具有大惯性、非线性和参数时变的特点,采用传统的PID控制方法很难实现准确的控制。为此,在建立电动执行器的数学模型的基础上,采用自适应模糊PID对液体肥流量进行自动控制,并利用Mat Lab对变量液体施肥控制系统进行建模和仿真及实验验证。仿真与实验结果表明:变量液体施肥控制系统采仿真时,自适应模糊PID控制系统的动态静态指标明显高于常规PID控制;系统超调量、调整时间明显改善,即超调量为1.5%,系统进入稳态所需时间为0.86s。变量液体施肥控制系统实验时,PID控制变量液体施肥系统的响应时间为1.6s,超调量为7.8%。模糊PID控制变量液体施肥系统的响应时间为0.8s,超调量为0,使施肥量更有效地保持在给定范围。该方法可为变量液体施肥控制提供一种有效的控制方法。     

稻麦变量施肥机控制系统设计与试验

针对稻麦变量施肥智能化程度低、通信系统可靠性和兼容性差等问题,研究设计了一种稻麦变量施肥机控制系统。该系统以CAN总线通讯作为现场总线,实现各控制节点之间的实时通信;通过GPS导航和处方图得到当前位置需肥量,根据变量施肥数学模型,通过步进电机节点实时调节外槽轮排肥器开度,实现施肥变量调节。试验结果表明:该系统机械结构设计合理,动作响应迅速,定位精准,各行排肥器之间排肥量变异系数最大为1. 78%,变量施肥精度达97%以上,作业效果良好。其控制程序稳定可靠,各控制节点之间通信及时、准确,整机设计合理,系统工作稳定,智能化程度高,各项技术指标满足农艺要求。     

不同水肥管理稻田土壤铬生物有效性及吸收富集特征

【目的】探究不同水肥管理对土壤铬生物有效性的影响及水稻吸收富集特征。【方法】试验地为8a长期定位水肥管理水稻田,灌溉处理设常规灌溉（F）、控制灌溉（C）2种灌溉模式,施肥处理设为施用常规化肥（F）、有机肥（OF）2种施肥模式,分析了不同水肥管理下稻田土壤pH值、土壤铬量及形态分布、水稻根系和稻谷铬量的差异。【结果】(1)与常规灌溉处理和常规施肥处理相比,控制灌溉处理和有机肥处理均显著降低了土壤pH值。(2)与FF处理相比,COF处理增加了土壤可交换态、可还原态和可氧化态铬量和比例,各形态铬量分别增加了54.31%、43.06%和39.33%;减少了残渣态铬量和比例,残渣态铬量减少了2.84%;提高了重金属铬从根到稻谷的转运系数;增加了水稻植株根部和稻谷铬量,分别较FF处理增加了46.31%和59.43%。(3)在相同灌溉条件下,不同施肥处理土壤pH值和可交换态、可还原态铬量显著负相关;而在相同施肥条件下,不同灌溉处理间土壤pH值和可交换态、可还原态铬量之间不存在明显相关性。【结论】对比常规肥,施用有机肥给节水灌溉稻田带入了外源重金属铬,并显著增强了土壤铬生物有效性,促进了水稻植株吸收富...     

无公害葡萄标准化栽培技术

为满足人们对无公害葡萄的市场需求,从园地选择、园地规划、架式与株行距确定、苗木准备、苗木修剪、苗木栽植、肥水管理、病虫害防治、采摘收获等方面,介绍无公害葡萄规范化生产操作规程,为提高辽北地区的无公害葡萄产量提供参考。     

智能变量施肥技术初步试验研究

结合承担的精确农业变量施肥技术研究项目，提出了智能变量施肥技术体系和实现方法。利用美国MAPINFO公司MapInfo Proression 6．0地理系信息系统，采用MapBasic语言编程，建立了施肥地理信息与决策系统；利用89C52单片机实现智能变量施肥机控制系统。试验表明。研制的智能变量施肥机能够实现精确农业信息控制自动变量施肥作业，为精确农业的进一步试验研究提供技术依据。     

基于人工神经网络技术的蔬菜施肥决策研究

阐述神经网络的概念和特点，着重介绍BP神经网络并在Maflab环境下建立基于BP神经网络的施肥模型，以土壤养分（氮、磷、钾)和实际产量为模型输入，以氮肥、磷肥和钾肥的施用量为模型数输出．进行网络训练，直至获得满意的施肥模型。结合投入产出物的价格对模型功能进行扩展，按利润最大化目标进行施肥决策。     

基于姿态实时监测的多路精准排肥播种控制系统研究

针对现有精准排肥播种控制系统缺少对机具姿态进行监测判别的现状,在现有精准排肥播种控制系统架构基础上,增加了机具作业姿态实时监测模块,使系统可以根据机具的实时前进速度和作业姿态自动控制排肥量和播种量,减少人员对系统的操作。该系统主要由车载控制终端、PID控制器、多路集成比例阀、光电转速测试码盘、机具姿态解析模块、机具位置与速度解析模块、液压马达等组成,其中机具姿态解析模块采用MPU6050芯片实时测量下拉杆与机架的俯仰角,应用STM32F103MCU芯片实时获取MPU6050芯片的输出数据,并反馈到车载控制终端,封装后的机具姿态解析模块安装在拖拉机三点悬挂的下拉杆中部,对下拉杆与水平面的夹角数据进行实时记录和反馈,判别机具的作业姿态是否处于工作状态。将该控制系统安装在小麦基肥精准分层施肥播种机上,在北京市昌平区小汤山国家精准农业研究示范基地,对该控制系统进行静态标定和动态试验,以检测可靠性和稳定性。静态标定试验结果显示,马达转速与系统的排肥排种量存在一元线性关系,此时浅层肥料、深层肥料和种子的单圈排量分别为16.97、29.31、11.2g;姿态标定结果表明,设置临界角为5.3°时,系统的机具姿态提示信息正确,能够满足姿态监测的要求;动态试验表明,机具工作状态下,浅层肥料、深层肥料和种子排量变异系数分别为3.5%、3.8%和3%,3路的排量偏差都控制在5%以内,机具抬升状态下,排肥排种轴处于静止状态,说明该系统的运行过程总体比较稳定,能够满足小麦基肥分层施肥播种机具的精量排肥排种的作业要求,同时能够减少人为操作流程。     

基于模糊控制的水肥药一体化系统研究

为了提高目前水肥药一体化系统的自动化程度,设计了一种智能水肥药一体化系统;针对系统混肥精度不高的问题,设计了适用于营养液混合的模糊控制器,并利用Lab VIEW完成整个系统应用软件的开发。该系统不但能够实现独立灌溉、灌溉施肥一体化、灌溉施药一体化及水肥药一体化,而且还具备控制指令输入、系统工作监控和系统信息查询的功能。     

深松旋耕全层施肥联合整地机施肥量影响因素分析

针对深松旋耕全层施肥联合整地机在作业过程中存在施肥不均、精度较低等现象,对影响施肥量因素进行分析,确定排肥轴转速、排肥器开度以及肥箱料位高度为影响因素,设计三因素五水平正交试验,以施肥量变异系数为评价指标,进行极差分析和方差分析得出影响因素主次顺序:肥箱料位高度>排肥轴转速>排肥器开度,其中料位高度对施肥量变异系数的影响高度显著,为后续肥箱肥料监测系统提供理论基础。施肥量变异系数在0.19%~3.12%之间,满足试验要求。运用最小二乘法建立施肥量关于排肥轴转速、排肥器开度和肥箱料位高度之间的数学模型。经检验:数学模型值与实测值的相关系数达到0.889,可以作为施肥精量控制相关技术参数的选择依据。