水耕历史对稻田-田埂过渡区土壤物理性质与水-氮分布的影响

选取水耕年限分别为2年、19年和>100年稻田,通过野外样品采集与室内分析相结合的方法,对比了稻田田内和田埂土壤物理性质与水-氮分布差异,揭示了水耕历史对稻田-田埂过渡区土壤物理性质与水-氮流失过程的影响机制。结果表明,耕作活动影响了稻田-田埂过渡区土壤容重、孔隙、土壤水分特征曲线和饱和导水率（Ks）等物理性质。随着水耕年限的增加,田内耕作层与田埂表土层、田内犁底层与田埂硬质层的容重差异增大;耕作层的中小孔隙（直径<0.03 mm）含量增加,其他土层的总孔隙和大孔隙（直径>0.3 mm和>0.03 mm）含量降低;田内土壤的Ks下降速度较田埂更快。在测定的吸力范围内（0～100 kPa）,2年和19年的耕作层与表土层持水能力相近,而100年耕作层持水能力高于表土层;2年和100年的硬质层与犁底层持水能力相近,而19年硬质层持水能力更强;19年和100年田埂底土层持水能力较田内强。随着水耕年限增加,耕作层与表土层Ks差异减小,硬质层与犁底层Ks差异增加,2年、19年和100年硬质层的Ks分别是对应犁底层的1.10倍、6.90倍和6.32倍,100年田埂底土层的Ks...     

枣棉间作田叶螨发生规律及防治技术

一、叶螨发生消长规律 1.越冬叶螨发生规律 枣棉间作田叶螨在树根基部老翘皮处及田埂杂草根部越冬。春季田间杂草萌发时,越冬叶螨从树根基部及田埂杂草根部开始向杂草上转移取食。4月9日,枣树树根基部平均单株有螨1.4头,有螨株率60%左右。田间杂草蒲公英平均单株有螨5.29头,     

拖拉机田间作业常见问题的处理

拖拉机在田间作业时,常常会遇到这样或那样的问题如：过沟渠、爬田埂、越泥泞以及陷车、飞车、翻车等等情况。为保证田间作业的安全性和顺畅性,驾驶员应该正确掌握这些常见问题的处理方法。     

水稻杂草的防治

在生产中,水稻主要杂草有稻稗、慈菇水绵、葡茎剪股芦苇、田埂杂草、扁秆藨草、三江藨草（日本藨草）等,提出几种防治方法,供农民朋友参考。     

新疆新扩地棉田微生物区系研究

[目的]明确新疆新扩田埂地棉花优质生长的原因,为棉花可持续生产提供理论依据。[方法]采用稀释平板法,研究新疆新扩田埂地和连作地土壤中细菌、放线菌、真菌、自生固氮菌、无机磷细菌、钾细菌等微生物区系变化,探讨新扩田埂地棉花优质生长的原因。[结果]试验样地的pH值均在7.40左右,近中性,微偏碱,新扩地偏碱更甚;含水率均在19.0%左右,新扩地和连作地无明显差异。新扩地土壤中细菌、放线菌、自生固氮菌、无机磷细菌、钾细菌的总数均高于连作地,而真菌总数刚好相反,连作地具有更高的真菌总数。[结论]土壤微生物是导致棉花生长差异的重要因素。功能性细菌能够维持土壤微生态系统平衡,有利于棉花生长。     

旱辣蓼防田埂渗漏效果好

水田田埂渗漏是每一个从事水稻生产的农民常会遇到的棘手问题。田埂渗漏一般由蚯蚓、蝼蛄、黄鳝等所为,由于渗漏处的泥土湿润且松软,筑好后不到几天,这些动物又会重新打孔造成渗漏。现介绍一种用旱辣蓼防田埂渗漏的简便方法,效果不错。     

博士田埂指导 智能化让种田更轻松——黑土地上聆听科技春耕备耕新事

农学博士走进田间地头,指导施肥、选种,讲解黑土保护;大型农机装上信息化大脑,精量播种分毫不差;水稻智能化催芽,告别炕头捂的原始方法……正值春耕备耕之际,行走在黑土地上,一件件科技新事,勾勒了“藏粮于地、藏粮于技”的新画面。     

拖拉机田间作业常见问题的处理

拖拉机在田间作业时,常常会遇到过沟渠、爬田埂、越泥泞以及陷车等情况。为保证田间作业安全,驾驶员应该正确掌握这些常见问题的处理方法。     

水稻田埂豆栽培技术

近年来,随着耕地面积的逐渐减少,人们对黄豆的需求量逐渐增加,湖南省邵阳县岩口铺镇的农民开始在种植水稻的田埂上种植黄豆,取得了较好的经济效益和社会效益.2006年,全镇在1.26万亩水稻的田埂上种植田埂豆,平均每亩的田埂收干豆20千克,每千克售价4.40元,增加收入88元,并且有效地抑制了田埂杂草的滋长.仅此一项,全镇田埂豆总产量达252吨,收入110多万元.其栽培技术要点如下:     

基于双目视觉的种植前期农田边界距离检测方法

针对目前基于全球导航卫星系统技术的农机自动驾驶地头转弯方法的局限性,提出了基于双目视觉的农田田埂边界的识别和测距方法,对具体方法的可行性、适用性及约束条件进行了分析。针对光照变化大、重复纹理多的农田环境,双目立体匹配的代价计算步骤采用了Census变换和截断梯度融合的方法、代价聚合步骤采用了多尺度代价合并的分割树算法,可快速得到良好的视差图。针对农田地面不平坦及作物生长高度不均的实际情况,对视差图构建的三维点云进行了自适应阈值点云提取和干扰消除等操作,实现了田埂边界的识别。另外,根据农田信息,对计算的平均边界距离进行了校正。实验表明,此算法可以实现早期作业农田的边界距离检测,对前方5～10 m的田埂识别率达到99%,测距精度随着检测距离的减小而提高,5 m时的测距误差约0.075 m。在NVIDIA Jetson TX2硬件平台上,算法运行时间约0.8 s,对于行驶速度小于1.5 m/s的农机可满足作业的实时性要求。