河南省芝麻种植气候适宜度时空变化研究

为明确河南省芝麻气候适宜度时空分布特点,指导芝麻生产布局,根据芝麻光温水需求规律,采用模糊数学方法,构建芝麻生长发育气候适宜度模型,并利用河南省15个气象监测站点1961-2019年逐日气象数据,计算芝麻温度、光照、降水适宜度和综合气候适宜度。结果表明,15个站点芝麻温度适宜度(0.938~0.956)>光照适宜度(0.568~0.657)>降水适宜度(0.492~0.595),综合气候适宜度为0.641~0.712。1961-2019年,河南省芝麻光照适宜度和综合气候适宜度呈显著下降趋势,每10 a分别下降0.032和0.012;温度适宜度和降水适宜度变化趋势不显著。光照、降水适宜度和综合气候适宜度从北往南逐渐降低,而温度适宜度从西北往东南逐渐增加。可见,河南省芝麻温度适宜度较高,热量资源丰富;光照适宜度随年份降低,光照资源逐渐不利于芝麻生长;降水适宜度较低,降水是限制河南芝麻生产的主要气象因子。在河南芝麻生产中,巩固豫东南驻马店、周口等芝麻传统产区的优势,扩大气候适宜度高值区域豫北、豫东的种植范围,同时完善排灌配套设施,对提高芝麻气候资源利用率,保证河南芝麻稳产增产具有重要意义。

不同专用肥对豫北小麦产量、经济效益和养分吸收的影响

采用大田试验,研究了8种不同小麦专用肥(沃尔田小麦专用肥、心连心小麦专用肥、化佗小麦专用肥、多维宝小麦专用肥、嘉施利小麦专用肥、科邦小麦专用肥、普通小麦专用肥和豫北小麦专用肥)及配套施肥技术对豫北小麦产量、经济效益和养分吸收的影响,为豫北小麦专用肥的选择及合理施用提供依据。结果显示,和不施肥对照相比,施用小麦专用肥的小麦穗数和产量分别增加18.9%~41.8%和17.6%~32.4%,且以化佗小麦专用肥和多维宝小麦专用肥处理较高,其中多维宝小麦专用肥处理的小麦产值、施肥增加的产值和纯收入最高,分别为24626.72、6031.03、4351.03元/hm^(2),施肥产投比也最高,为3.59。8种小麦专用肥中,4种高氮低磷小麦专用肥(沃尔田小麦专用肥、心连心小麦专用肥、化佗小麦专用肥和多维宝小麦专用肥)处理小麦氮、磷、钾总积累量(517.02~590.46 kg/hm^(2))高于4种低氮高磷小麦专用肥(481.76~502.77 kg/hm^(2))(嘉施利小麦专用肥、科邦小麦专用肥、普通小麦专用肥和豫北小麦专用肥),其中多维宝小麦专用肥处理的肥料农学利用效率和偏生产力最高,分别为8.66、35.38 kg/kg。施用小麦专用肥可不同程度提高小麦收获后土壤碱解氮、全磷和有效磷含量,以普通小麦专用肥和多维宝小麦专用肥处理较高,分别较不施肥对照增加150.0%、91.2%、71.6%和114.3%、82.1%、54.9%。综合而言,高氮低磷小麦专用肥一次性施入在维持小麦高产和养分高效利用方面效果好于低氮高磷小麦专用肥,且以多维宝小麦专用肥施用效果最优。

中国主产区芝麻生育期降水时空分布特征

选取中国芝麻主产区河南、湖北、安徽、江西四省63个气象站点1978—2019年间的逐日降水资料,运用时间序列分析方法,研究主产区及四省芝麻生育期内降水量的时空分布特征及变化趋势。结果表明:主产区芝麻全生育期平均降水量在224.3~1 194.3 mm之间,呈西北部和南部低、中东部高的分布趋势,且变异系数较大,在0.20~0.98之间。主产区中河南、湖北、安徽三省降水主要集中在现蕾-盛花期,江西主要集中在苗期。从气候倾向率看,主产区北部降水量以减少趋势为主,南部以增加趋势为主,但趋势大部分不显著;具体到各省情况,安徽终花-成熟期平均每10年显著增加14.2 mm,江西苗期和全生育期平均每10年分别显著增加22.1 mm和43.1 mm,其余省份和其它生育期变化趋势均不显著。1978—2019年主产区芝麻生育期内每个省都有50%以上的年份降水量在300~600 mm区间,而河南有81.0%的年份降水量在300~600 mm之间,四省中占比最高,且全生育期内降水量较其它三省偏少,与芝麻需水量契合度较高。本研究所得出的1978—2019年中国主产区四省芝麻生育期内降水量的时空分布特征与变化规律,可为今后中国芝麻种植布局和生产决策提供参考。

基于YOLOv5s模型的小麦品种(系)穗数检测

及时准确地获取小麦品种(系)穗数对其产量预测具有重要的实际意义。针对目前小麦穗数调查手段落后、费时费力、效率低等问题,本研究以2020—2021年度种植于河南省农业科学院河南现代农业研究开发基地参加国家冬小麦黄淮南片水地组区域试验的82个小麦品种(系)为材料,以2021年4月采集的麦穗数码图像为数据源,基于单阶段目标检测算法YOLOv5s构建训练模型,用于小麦穗数检测。结果表明,经过60次迭代训练,YOLOv5s训练模型对小麦品种(系)穗数识别的精准率为96.47%,召回率为93.98%,平均精度均值为0.971,取得了较好的检测效果与泛化特性。与人工统计相比,应用YOLOv5训练模型对小麦穗数检测具有较高的精度,统计的准确率为95.60%,且每幅图检测耗时仅0.07 s。证明YOLOv5s训练模型在复杂田间环境中的适用性较好,能够在小麦抽穗期快速准确检测出小麦穗数,可为田间小麦穗数统计及产量估测提供技术参考。