施肥对雨养区马铃薯干物质累积及肥效的影响

针对宁夏雨养农业区,选择具有代表性的海原县树台乡马铃薯种植基地,设置氮磷钾肥不同施肥处理,于2016~2017年开展了马铃薯田间试验,探讨雨养区施肥对马铃薯干物质累积及肥效的影响。试验结果表明,不同施肥处理对马铃薯干物质积累、产量及水肥利用效率影响不同,其中氮磷钾肥配施处理马铃薯干物质快速积累期增长速度最快,施用氮、磷、钾在淀粉积累期马铃薯块茎累积量分别提高了36.4%、40.5%、18.5%。两年期间,氮磷钾肥配施处理的水分利用效率最大,2016、2017年较无肥区分别增长35.3%、51.0%,平均增长43.2%。在氮磷钾配施条件下,氮、磷、钾肥增产量分别是5 496.6 kg/hm^2、4 739.4 kg/hm^2、3 044.1 kg/hm2,其增产率分别为31.1%、30.6%、17.1%。每千克N、P2O5、K2O分别增产马铃薯30.5 kg、52.7 kg、67.7 kg。氮、磷、钾肥利用率分别为38.3%、18.2%、53.9%,其中钾肥利用率较高。     

不同垄作方式对雨养区马铃薯水分利用效率及经济效益的影响

为探讨不同垄作方式对马铃薯出苗率、产量、土壤含水率、水分利用效率及经济效益的影响,针对宁夏雨养农业区,在海原县树台乡马铃薯种植基地,设置6种垄作方式,于2016—2017年开展了马铃薯田间试验。结果表明,(1)覆膜可明显提高马铃薯的出苗率,其中覆白膜处理的出苗率显著高于其他处理,2年内单垄双行白膜全覆和单垄双行白膜半覆的出苗率较高,平均分别为89.5%和88.5%,比单垄双行处理分别高出了21.7%和20.2%。2年内覆黑膜处理的出苗率为81.7%~82.1%。(2)覆膜处理显著提高马铃薯的产量,其中以单垄双行黑膜全覆处理的产量最高,该处理在2016年(贫水年)和2017年(丰水年)分别比单垄双行处理增产89.9%和57.4%,平均增产73.6%。其余覆膜处理增产为55.2%~61.6%。(3)与不覆膜相比,所有覆膜处理均能提高马铃薯生育期内土壤含水率,并提高水分利用效率,其中以单垄双行黑膜全覆的水分利用效率最高,与单垄双行处理相比,2年水分利用效率增量平均为76.3%,其余覆膜处理的水分利用效率增量为52.1%~66.4%。(4)2016年和2017年覆膜处理的纯收益分别是单垄双行处理的10倍以上和1.6倍以上,在贫水年覆膜更加必要。2年试验均为单垄双行黑膜全覆处理的纯收益最高,平均纯收益为11 895.7元·hm(~-2)。因此得出最适宜本地区的垄作方式为单垄双行黑膜全覆。     

基于冠层光谱特征和株高的马铃薯植株氮含量估算

为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM),并从中提取冠层光谱特征和株高(Hdsm)。然后将各生育期提取的Hdsm和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和Hdsm作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合Hdsm利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明：基于DSM提取的Hdsm与实测H具有较高的拟合度(R2为0.860,RMSE为2.663cm,NRMSE为10.234%);各生育期加入Hdsm,均能提高马铃薯PNC的估算精度和稳定性;各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。     

基于Faster R-CNN网络的茶叶嫩芽检测

为有效识别茶叶嫩芽提高机械采摘精度、规划采摘路线以避免伤害茶树,针对传统目标检测算法在复杂背景下检测精度低、鲁棒性差、速度慢等问题,探索了基于Faster R-CNN目标检测算法在复杂背景下茶叶嫩芽检测方面的应用。首先对采集图像分别进行等分裁切、标签制作、数据增强等处理,制作VOC2007数据集;其次在计算机上搭建深度学习环境,调整参数进行网络模型训练;最后对已训练模型进行测试,评价已训练模型的性能,并同时考虑了Faster R-CNN模型对于嫩芽类型(单芽和一芽一叶/二叶)的检测精度。结果表明,当不区分茶叶嫩芽类型时,平均准确度(AP)为54%,均方根误差(RMSE)为3.32;当区分茶叶嫩芽类型时,单芽和一芽一叶/二叶的AP为22%和75%,RMSE为2.84;另外剔除单芽后,一芽一叶/二叶的AP为76%,RMSE为2.19。通过对比基于颜色特征和阈值分割的茶叶嫩芽识别算法(传统目标检测算法),表明深度学习目标检测算法在检测精度和速度上明显优于传统目标检测算法(RMSE为5.47),可以较好地识别复杂背景下的茶叶嫩芽。     

基于冠层光谱特征和株高的马铃薯植株氮含量估算

为及时准确地掌握作物的植株氮含量（PNC）信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高（H）和地面控制点（GCP）的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像（DOM）和数字表面模型（DSM）,并从中提取冠层光谱特征和株高(H_dsm)。然后将各生育期提取的H_dsm和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和H_dsm作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_dsm利用多元线性回归（MLR）、误差反向传播（BP）神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明：基于DSM提取的H_dsm与实测H具有较高的拟合度（R²为0.860,RMSE为2.663 cm, NRMSE为10.234%）;各生育期加入H_d...     

基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报

开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义.本研究以冬小麦主产区(河南省、山东省、河北省、安徽省和江苏省)为研究区域,构建了冬小麦籽粒蛋白质含量多层线性预测模型,并实现了2019年冬小麦蛋白质含量预报.为了解决预测模型在年际扩展和空间扩展存在偏差的问...