影响茶树鲜叶品质的田间因子

本文根据作者在茶区经济调查和教学实践过程中的体会,结合当前形势,从栽培角度提出茶叶以优质取胜的策略。认为鲜叶是茶叶优质的基础,分析影响鲜叶品质的田间因子。讨论从良种良法栽培,改善生态环境,农业技术,以及调整茶树树龄结构等方面提高茶叶品质。

茄子青枯病发生率与田间生态因子的相关性分析

为了解析茄子青枯病发生率与田间生态因子的关系,在厦门同安茄子青枯病发病典型区,安装了农业生境野外数据观测装备,采集气温、地温、相对湿度、雨量、太阳辐射、光合有效辐射、光照度、CO_(2)浓度和土壤容积含水率等生态因子数据,并在营养生长期和生殖生长期调查茄子青枯病发病情况和青枯病原的分布特性。结果表明:茄子营养生长期的气温(28.6℃)、地温(30.1℃)和相对湿度(66.17%),均适宜青枯病发生;茄子在营养生长期的发病率(7.90%)和病情指数(5.40)大于生殖生长期的发病率(3.43%)和病情指数(2.47);青枯菌在发病2级的植株及根际土壤中分布最多,分别为营养生长期的81.80×10^(5) cfu·g^(−1)和生殖生长期的99.31×10^(5) cfu·g^(−1);强致病力青枯菌在发病植株和根际土壤中的分布量分别大于104 cfu·g^(−1)和105 cfu·g^(−1)。茄子青枯发病率与气温、地温、相对湿度、雨量、光照辐射和二氧化碳浓度呈极显著正相关(P<0.01),与光照度和土壤容积含水率呈显著正相关(P<0.05)。研究结果为青枯病预测预报技术的建立及病害的有效防控提供依据。

融合田间水热因子的甘蔗产量GA-BP预测模型

甘蔗产量预测对于制定甘蔗生长期间的精准管理决策具有重要意义。遗传算法(Genetic algorithm,GA)优化神经网络可以提高预测效率及预测精度,通过高速计算快速找到最优解。基于湛江观测实验站2011—2020年间田间物联网获取的气象因子(大气相对湿度、大气温度、降雨量)、田间水热因子及甘蔗产量,采用BP神经网络及GA-BP神经网络模型对所选地区甘蔗产量进行预测与相关性分析。结果表明,通过Pearson及Spearman相关系数可知,甘蔗产量与月土壤最高温度、月土壤最低温度、月土壤平均温度、月大气最高温度、月大气平均温度、月大气平均相对湿度为极显著相关,相关系数高于0.7,与月土壤平均含水率、月降雨量显著相关,与月大气最低温度相关性较弱。GA-BP神经网络模型对甘蔗产量的预测精度明显高于BP神经网络模型,R^(2)达到0.8428,MAPE仅为0.90%,RMSE为1.10 t/hm^(2),预测值与试验值之间拟合程度较高,V型交叉验证结果表明模型预测结果准确稳定。因此,GA-BP模型能够更加科学、合理地预测甘蔗产量,对甘蔗田间管理措施及统筹分配具有重要的指导意义。