大西江农场种植模式对黑河43农艺性状和产量的影响

为探讨不同种植模式对大豆生长发育和产量的影响,并确定适合黑龙江省大西江农场的最优大豆种植模式,以大豆品种黑河43为试验材料,连续3年在相同密度条件下设计了7种不同种植模式,对各种植模式下不同大豆生育期的土壤含水量、大豆农艺性状及其干物质积累量和产量进行分析。结果表明:不同种植模式下不同时期土壤含水量差异显著,垄作种植模式各时期土壤含水量均高于平播。干物质积累量和叶面积指数在生育生长期均呈先增后降的趋势。垄上四行不等行距模式大豆株高最高,为86.53 cm。大垄种小垄管模式茎粗最粗,为6.67 cm。常规垄播百粒重最大,为20.69 g。垄上三行模式底荚高最高,为16.97 cm。相关性分析显示:茎粗、单株粒数、单株荚数和单株粒重与产量呈极显著正相关,相关系数分别为0.257,0.578,0.319和0.651,垄上四行不等行模式在这些方面表现较好,产量最高,为3364.91 kg·hm^(-2),比垄上三行模式产量高9%,比常规垄播模式产量高10%。综上所述,垄上四行不等行模式可作为黑龙江大西江农场的最优大豆种植模式,同时为相同积温带其他地区选择最优的种植模式提供参考。

种植模式对大豆农艺性状和产量的影响

为研究不同种植模式对大豆生长发育和产量的影响,以黑河43为材料,于2019年在黑龙江省大西江农场进行大豆种植模式大区对比试验。共设计7种种植模式,对不同种植模式下的大豆叶面积指数、农艺性状和产量构成进行分析。结果表明:垄上四行不等行距模式产量最高,为3 414.65 kg·hm-2,其次是大垄种小垄管模式,为3 384.82 kg·hm-2,比试验农场采用的垄上三行种植模式分别提高了7.6%和6.7%,不同种植模式间产量差异显著。垄上四行等行距种植模式结荚期叶面积指数最高,为2.87,与其它模式差异显著。垄上四行不等行距模式的大豆株高和底荚高均最高分别为67.2和16.85 cm。垄上三行模式植株最粗,为5.22 cm,单株粒数最多,为52.06,但百粒重在所有模式中最低,为18.63 g。大垄种小垄管种植模式收获株数最多,达到35.7株·m-3,常规种植模式百粒重最高,为19.85 g,其它指标均处于中等水平。相关分析显示,大豆产量与茎粗、单株荚数、单株粒数、单株粒重呈极显著正相关,相关系数分别为0.464、0.762、0.750和0.970。垄上四行不等行距种植模式产量最高,其它指标也有良好表现,综合来看,垄上四行种植模式是较为理想的高产模式。

宽窄行种植模式对大豆生长发育和产量的影响

为揭示种植模式对嫩江地区大豆生长动态及产量的影响,探讨较适合该地区的田间种植模式,以黑河43大豆为试验材料,在密度相同的条件下设置7种不同种植模式,研究其对大豆不同生育时期叶面积指数(LAI)、干物质积累分配等指标及产量的影响。结果表明:种植模式对土壤含水量存在显著影响,大垄种植全生育期的土壤平均含水量高于常规垄作以及平播。在生育期内大豆叶面积指数、干物质积累量先增加后降低。垄作产量高于平作产量,行间距相同时,增加垄宽会增加大豆产量;垄宽相同时,采取宽窄行配置能增加大豆产量。灰色关联分析表明单株粒数对大豆产量影响最大。垄上四行宽窄行模式下单株荚数、单株粒数、单株粒重最大,最终籽粒产量达到3678.15 kg·hm^(-2),较同为大垄栽培的大垄种小垄管、垄上四行等行距、垄上三行等行距模式分别高3.01%、5.95%和13.20%,比当前农场的种植方式65 cm常规垄播模式高797%。综上,本试验条件下,垄上四行宽窄行种植模式为较适合嫩江地区的田间配置方案。

改进遗传算法在油茶果采摘机优化中的应用

为了提升算法在求解优化问题时的性能,提出了一种改进的实数遗传算法(RCGA)。算法的改进之处在于引入了一种新的交叉算子及替换操作:交叉算子通过增大算子的搜索范围来提升解的质量与算法收敛速度;替换操作则同时考虑了个体目标函数值与多样性贡献率两个特征,以方波函数的模式对种群进行周期性的局部初始化操作,从而增大种群多样性。将改进的算法应用于油茶果采摘机的优化设计中,通过一系列的对比实验验证了改进算法的性能优于其他先进有效的算法;同时,改进后的算法能够明显优化采摘机的工作空间与采摘臂的长度,使整体结果提升了63.49%。可见,改进后的算法是解决采摘机优化的一种有效方法。

基于跳跃基因算子的改进实数遗传算法

为了避免遗传算法在求解数值优化问题时出现搜索能力差、多样性缺失等弊端,提出一种基于实数编码的改进遗传算法(IRCGA).算法集成两个特别设计的算子:模拟二进制跳跃基因算子(SBJG)和多方向交叉算子(MX). SBJG算子以染色体为操作对象,本质上模拟了二进制跳跃基因操作中的插入运动,即利用一种随机的方式将选定的染色体块插入到染色体位点,实现种群内部染色体间的转位,为种群提供额外的遗传多样性;MX算子通过增加交叉方向的方式扩大算子的搜索区域,从而提升后代个体质量与算法的搜索能力.在11个实例的基础上进行对比实验,结果表明,采用改进算子能够明显提升算法在求解数值优化问题时的性能,同时,相比于其他先进有效的算法, IRCGA具有较强的搜索能力且能够维持一定的种群多样性,从而验证了改进算法的有效性和可行性.