机械定位深施超级稻专用肥提高土壤肥力和稻产量

为了探讨机械定位深施超级稻专用肥对提高土壤肥力和超级稻产量的作用,采用大田试验,调查研究了机械定位深施超级稻专用肥900 kg/hm2、机械定位深施超级稻专用肥1 200 kg/hm2和人工面施超级稻专用肥1 200 kg/hm2 3个处理对双季稻收获后稻田土壤养分、理化性质和超级稻产量的影响。结果表明：与人工撒施肥比较,2个机械定位深施超级稻专用肥处理均显著提高了土壤中的养分和大团聚体的含量,并使土壤中酶活性和超级稻实际产量显著增加。其中土壤有机质、全氮、水解性氮、全磷、速效磷、全钾和速效钾的含量,分别平均增加5.11%～6.34%、4.45%～5.13%、5.37%～5.95%、3.82%～4.51%、5.34%～6.12%、3.18%～4.20%和6.14%～7.12%;土壤中大于0.25 mm团聚体的含量提高了13.12%～17.36%;土壤中脲酶、过氧化氢酶和蔗糖酶活性分别提高了5.16%～6.21%、8.64%～9.25%和10.13%～11.04%;2个超级稻品种的实际产量分别平均增加了3.8%～5.6%和8.4～10.0%,有效穗数、每穗粒数和结实率分别平均提高了5.0%～12.4%、2.8%～8.8%和1.8%～4.7%。2个机械定位深施超级稻专用肥的处理对土壤肥力、土壤理化性质和超级稻产量的作用差异不显著,但机械定位深施超级稻专用肥900 kg/hm2处理较机械定位深施超级稻专用肥1 200 kg/hm2处理的肥料用量减少了25%,具有节本增效的优点,更适宜在超级稻生产上应用。     

丘陵早稻机械化种植品种筛选研究

通过比较分析江西省2个典型丘陵生态点8个机械化种植早稻品种的秧苗素质、机插质量、茎蘖动态、产量与品种种植性状,研究筛选适宜南方丘陵机械化生产的早稻品种.试验结果表明:丘陵双季稻区早稻机械化种植品种应具有早熟、分蘖力强、耐寒、抽穗整齐的特性.     

江西水稻种植机械化的现状与发展趋势分析

概述江西省水稻机械插秧、机械直播和机械抛秧3种机械种植方式的发展现状,分析了3种机械种植方式推广中存在的制约因素,并提出了解决的对策及其发展趋势。     

基于植被指数选择算法和决策树的生态系统识别

植被指数是对绿色植被的特定表达,在不同环境下的效果不同。植被指数的选择需要结合研究区域的环境特征。本研究将植被指数间的相关系数集成到基于马氏距离的植被指数选择算法中,根据所选样本确定最适宜的植被指数,构建决策树模型,以江西省永丰县为例,开展区域生态系统类型的识别研究。该方法首先确定提取对象,明确对象类别与对象间的隶属关系,然后逐层逐项地提取湿地、森林、草地、农田等生态系统信息。结果表明,所提出的植被指数选择算法具有较好的适用性;生态系统识别的总体精度达89. 11%,构建的决策树模型的分类精度高于传统方法,可为区域生态系统信息提取和生态系统管理提供研究方法。     

稻草无土育秧技术研究

[目的]分析稻草无土育秧技术,以充分利用剩余的秸秆资源,实现节能减排,发展农业循环经济。[方法]研究不同育秧基质(无土育秧基质、纯淤泥、纯细土、营养土)对水稻秧苗素质及播种均匀度的影响。[结果]通过大田试验表明,采用无土育秧基质进行育秧,其秧苗素质较普通泥土育秧具有秧苗粗壮、根色白、秧苗颜色正、生长整齐,根系盘结好,便于卷秧运输,适合于机械插秧的特点。[结论]无土育秧基质的研制既解决了水稻机插育秧取土难,又避免了水稻秸秆焚烧造成资源浪费和面源污染的问题。     

8寸插秧机在双季稻区的应用及配套农艺技术研究

为了研究不同行距插秧机对双季稻产量的影响及配套农艺技术,以11个早晚稻品种为材料,设置8寸和9寸两个机插行距,系统测定不同处理的机插质量和产量。结果表明：8寸插秧机的机插质量高,作业性能稳定;8寸插秧机较9寸插秧机,早稻增产347.30 kg/hm2,增产率达5.49%,晚稻增产579.54 kg/hm2,增产率达9.12%。基于试验支持研究和已有相关研究成果,制定了适应8寸插秧机的配套农艺技术。     

监测花生叶面积指数和地上部生物量的最优植被指数及适宜波段带宽

为推动光谱遥感在快速无损监测花生生长中的应用，明确监测花生叶面积指数（leaf area index，LAI）和地上部生物量（aboveground biomass，AGB）的最优植被指数及适宜的核心波段带宽。设置2个花生品种、4个施氮水平的花生田间试验，在不同生育时期（苗期、开花下针期、结荚期、成熟期）用Analytical Spectral Devices（ASD）公司生产的FieldSpec HandHeld 2型野外高光谱辐射仪，采集325~1075 nm范围冠层反射光谱，筛选敏感植被指数，并研究核心波段带宽对其监测叶面积指数（LAI）和地上部生物量（AGB）时精度的影响。结果显示，对花生LAI和AGB敏感的植被指数均为归一化红边指数（normalized difference red edge），即NDRE（λ₇₉₀, λ₇₂₀）。进一步分析这一指数的监测精度随波段带宽的变化，发现监测LAI时，核心波段带宽（bandwidth，b）在（λ₇₉₀：1~33 nm，λ₇₂₀：41~59 nm）范围内时能使NDRE（λ₇₉₀, λ₇₂₀）保持较高监测精度，其中带宽组合（λ₇₉₀：33 nm，λ₇₂₀：53 nm）的带宽和值最大，对核心波段带宽的要求最低，利用其构建监测模型时决定系数（determination coefficient，R²）为0.7482，利用独立试验数据检验模型时相对均方根误差（relative root mean square difference，RRMSE）为13.88%。监测花生AGB时，核心波段带宽在（λ₇₉₀：1~101 nm，λ₇₂₀：19~101 nm）范围内时能使NDRE（λ₇₉₀, λ₇₂₀）保持较高的监测精度，其中带宽和值最大的核心波段带宽组合为（λ₇₉₀：89 nm，λ₇₂₀：89 nm），其建模R²为0.7103，检验RRMSE为20.42%。综上，在花生整个生长进程中，可用上述两个具有不同核心波段带宽的植被指数NDRE（λ₇₉₀-b₃₃, λ₇₂₀-b₅₃）和NDRE（λ₇₉₀-b₈₉, λ₇₂₀-b₈₉）分别对LAI和AGB进行监测，监测模型为LAI = 0.0296 × exp^{（14.365×NDRE）}和AGB = 0.6240 × exp^{（20.222×NDRE）}。在核心波段适宜带宽上的研究结果，可以为花生长势光谱监测设备研发及评估提供参考。