从化区农田耕层土壤有效硅空间分布及影响因素   总被引：1，自引：0，他引：1       下载免费PDF全文

渠悦  马涛  胡月明  刘洛  孙孝林 《农业资源与环境学报》2021,38(6):989-998

为探究广州市从化区农田土壤有效硅空间分布及影响因素，以期为促进我国粮食主产区水稻产量增长提供科学依据和参考，采用描述性统计、地统计学、相关性分析与GIS （地理信息系统）技术结合的方法对从化区土壤有效硅开展研究。结果表明，研究区土壤有效硅平均含量为60.31 mg·kg^-1，总体偏低，并呈现中度变异；在中心区域、粮食主产区和丘陵地带，土壤有效硅含量较高；有效硅含量与土壤pH、有机质含量、黏粒含量呈正相关，土地利用方式、成土母质对其也有显著影响。研究表明，在所考虑的影响因素中，成土母质对从化区农田土壤有效硅的影响程度居于首位。  相似文献   

4个草莓品种在广西来宾市露地种植表现及品质特性北大核心     

邓立宝  谭玉金  刘敬宝  黄颂  马涛  陈淑芬  黄增宏  罗瑞鸿  黄雪莲  胡雪松  潘鸿 《中国南方果树》2022,(5):182-186

为筛选出适宜广西来宾市露地种植的优良草莓品种,引进了“妙香7号”“红颜”“红玉”“宁玉”4个草莓品种并开展种植试验和调查分析。结果表明,“妙香7号”“红颜”“红玉”“宁玉”4个草莓品种在露地种植条件下平均单株产量0.172~0.292 kg,平均产量18060~30660 kg/hm^(2),果实可溶性固形物含量8.35%~10.92%,果实可溶性糖含量5.59%~7.35%。这些草莓品种产量较高,果实品质接近或优于本地主栽品种“甜查理”,抗性中等或偏弱,在做好水肥管理和病虫害综合防治的情况下可作为“甜查理”的重要补充。  相似文献   

昼夜节律与肉羊养分消化代谢和瘤胃发酵参数的关联          下载免费PDF全文

张春桃  马涛  屠焰  刁其玉 《中国农业科学》2022,55(18):3664-3674

【目的】生物钟系统普遍存在于生命体的各级水平,与动物本身的消化生理及生长性能存在着密切的内在关联。试验探讨了昼夜节律与湖羊瘤胃发酵参数和养分消化代谢的关联,以期为提高育肥羊生长性能和营养物质的利用率提供依据。【方法】选用体重为(21.57±0.77) kg 健康湖羊45只,随机分为3个处理组,每组15只,各处理组采用相同的精料补充料和粗料。3个处理分别设置为：白天处理组（DH),即早上饲喂日总精料的70%+日总粗料的30%;晚上处理组(DL),即早上饲喂日总精料的30%+日总粗料的70%;对照组(CON),即早上和晚上各饲喂日总精料的50%+日总粗料的50%。饲喂两个月后,进行消化代谢试验。采用全收粪、尿法用于测定养分表观消化率和代谢率。饲养试验结束后,分别于晨饲前两小时和晚饲前2h,通过口腔采集瘤胃液样本用于相关指标测定。【结果】①试验羊只的日增重DH组为215.00g,进食量低于DL组和CON组,饲料转化比最优,为5.35,分别优于其他2组11.19 %和16.04 %。②与CON相比,DH组羊只干物质 (DM)、有机物 (OM)、粗蛋白 (CP)、中性洗涤纤维 (NDF)和酸性洗涤纤维 (ADF)消化率均高于CON 和DL组,具体：DH与DL组相比,DM消化率提高了21.42%,CP提高了22.29%,NDF提高了9.85%,ADF提高了28.69%。③氮的生物学价值DH组比CON明显提高（P>0.05）各组间可消化氮的摄入量之间无显著差异,DL组试验羊的总氮排出显著高于DH组（P<0.05）。DH组羊沉积氮、氮利用率和氮的生物学价值显著高于DL组（P<0.05）和CON组（P>0.05）。④不同处理对各组试验羊瘤胃微生物蛋白(MCP)、乙酸、和总挥发性脂肪酸(TVFA)等指标差异不显著（P>0.05）,DH组羊只瘤胃pH、乙丙比、丁酸显著低于DL组（P<0.05）。随着昼夜交替变化,瘤胃pH、NH₃-N、乙酸、丙酸、总挥发性脂肪酸和乙丙比发生显著变化（P<0.05）,相关参数值白天高于夜间。【结论】在相同日粮营养素含量条件下,改变早、晚精粗料比的分配,可提高羊只生长性能和养分的消化利用率;白昼与夜间对瘤胃发酵有影响,白天饲喂高精料日粮对瘤胃TVFA、NH₃-N和MCP含量具有促进作用。总之,早上适量提高精料比例,更符合动物机体的消化和吸收的节奏,对饲料的利用效果更佳。  相似文献   

基于CARS算法的不同类型土壤有机质高光谱预测   总被引：2，自引：8，他引：2       下载免费PDF全文

唐海涛  孟祥添  苏循新  马涛  刘焕军  鲍依临  张美薇  张新乐  霍海志 《农业工程学报》2021,37(2):105-113

不同土壤类型的理化性质和光谱性质存在差异,以往研究多以高光谱反射率或光谱吸收特征建立模型,输入变量类型结构单一,往往导致土壤有机质(Soil Organic Matter,SOM)预测模型的精度不高。为提高SOM高光谱预测模型精度,该研究以黑龙江省海伦市为研究区,将不同类型土壤分别以竞争自适应重加权采样(Competitive Adaptive Reweighted Sampling,CARS)筛选的特征波段、数字高程模型(Digital Elevation Model,DEM)数据和光谱指数作为输入变量,结合随机森林(Random Forest,RF)算法建立SOM预测模型。结果表明:1)通过CARS算法筛选后,各土壤类型特征波段压缩至全波段数目的16%以下,在很大程度上降低土壤高光谱变量维度和计算复杂程度,从而提高了模型的预测能力,说明CARS算法在提取特征关键波段变量、优化模型结构方面起到重要作用;2)不同类型土壤的SOM预测精度存在差异,沼泽土的预测精度最高为0.768,性能与四分位间隔距离的比率(Ratio of Performance to InterQuartile distance,RPIQ)为3.568;黑土次之,草甸土的预测精度最低,仅0.674,RPIQ为1.848。3类土壤的RPIQ均达到1.8以上,模型具有较好的预测能力;3)局部回归预测精度最优,验证集的调整后决定系数为0.777,均方根误差(Root Mean Square Error,RMSE)为0.581%,模型验证RPIQ为2.689,模型稳定性高。该试验筛选的预测因子通过RF模型可实现SOM含量的快速预测,简化了传统复杂的程序,可为中尺度区域不同类型土壤的SOM预测提供依据,为输入量的选择提供参考。  相似文献