Status and prospect of research on intelligent monitoring of breeding environment in livestock barns
-
摘要:
家畜疫病的发生及传播与养殖环境密切相关，实现畜舍环境信息的精准感知及智能化调控是提高动物健康水平及生产性能的关键，对我国畜牧产业高质量发展具有重要意义。本文从畜舍养殖环境指标体系、精准感知技术与方法、环境优化调控策略及舒适度评估4个方面出发，介绍了影响家畜健康的环境指标、畜舍养殖环境监控设备、无线数据传输优化技术，阐述了环境数据预测模型及分布规律的研究，并重点分析了畜舍调控装备优化设计、多环境参数调控及环境舒适度评估模型等方面的研究和发展现状，最后总结了当前畜舍环境智能监控应用所存在的问题，并对今后养殖环境智能监控发展方向进行了展望，为我国全面发展智慧畜牧业、提升生产效率提供参考。
Abstract:The occurrence and spread of livestock diseases are closely related to the breeding environment. Achieving accurate perception and intelligent regulation of the environmental information of the barn is the key to improving animal health and production performance, which is of great significance to enhance the high-quality development and transformation of livestock industry in China. Starting from four aspects including the indicator system of the livestock barn breeding environment, accurate perception technology and methods, environment optimization control strategy and comfort assessment, this paper introduces the environmental indicators affecting the livestock health, livestock barn breeding environment monitoring equipment, wireless data transmission optimization technology, and elaborates on the research of environmental data prediction models and distribution laws. It also focuses on analyzing the research and development status of optimization design of livestock barn control equipment, multi-environmental parameter regulation and control, and environmental comfort assessment models, etc. Finally, it summarizes the problems existing in the current application of intelligent monitoring of livestock barn environment and looks forward to the future development direction of intelligent monitoring of farming environment, with the aim of providing references for the comprehensive development of intelligent animal husbandry and improvement of production efficiency in our country.
-
氮是植物生长发育必需的大量元素之一，影响植物生长发育的许多方面，尤其是对叶绿素合成、光合作用以及干物质的积累与分配有着至关重要且不可替代的作用[1]。
中国是全球最大的氮肥生产国和消费国，在占世界7%的耕地上消耗了全球35%的氮肥。作为世界上粮食安全压力最大的国家，中国自20世纪90年代成功地实现了粮食基本自给，氮肥在其中发挥了巨大的作用[2]。但近期大量研究证明，氮肥用量已经超过了作物的需要，在经济作物体系中，尤其是大田作物，氮肥施用过量已是普遍现象[3-5]。目前，我国的氮肥生产量和消耗量居世界首位，不合理施氮和过量施氮问题严重。实际生产中，作物对氮肥的需求量很难精确，而且由于“施氮量越大作物的产量越高”错误思想的影响，农民往往施用远超过作物需求的氮肥。过量的氮肥施用导致其利用率较低[6-8]。
作物的氮素营养一般来源于土壤和肥料，但花生等豆科作物能根瘤固氮，依赖根瘤、土壤、人工施肥三者提供氮素，三者之间既互相关联又相互制约[9-10]。长期大量氮肥的投入不仅使得花生氮素利用效率降低，同时也抑制了自身的固氮能力，直接影响花生产量的提高和粮食安全[11]。因此，在保持花生高产和优质的同时降低氮肥施用量至关重要，对降低农业生产成本、促进农业可持续发展、保护生态环境具有重要意义。近年来，越来越多的学者聚焦氮高效品种的筛选和推广，旨在通过提高花生氮素利用效率来降低氮肥施用量、稳定产量，进而缓解过量施氮造成的一系列问题[12]。
本试验通过研究81份花生品种的19项与花生氮效率相关的指标，通过主成分分析与聚类分析，筛选出花生对氮肥最敏感的指标以及氮敏感型与氮不敏感型花生品种，为后续花生氮高效品种的筛选与培育提供理论依据。
1. 材料与方法
1.1 试验地点
试验于2021年在广东省广州市增城区华南农业大学宁西教学科研基地进行，试验地位于23°24′N、113°64′E，属于亚热带季风气候，气温高、雨水光照充足、夏季长、霜降期短，年平均降水量1800 mm，年平均气温22.0~28.0 ℃。试验地前茬作物为水稻，土壤类型为红壤土，耕作层0~20 cm，pH 4.85~5.16；土壤养分状况：有机质 12.38~19.47 g/kg，碱解氮92.26~119.95 mg/kg，速效磷54.18~60.45 mg/kg，速效钾187.42~227.56 mg/kg。
1.2 供试材料
试验材料为81份来自世界各地的花生品种。
1.3 试验设计
大田试验设低氮和正常施氮2个处理，正常施氮处理施用尿素225 kg/hm2，低氮处理施用尿素0 kg/hm2。起垄栽培，垄距100 cm，垄面宽85 cm，垄上3行花生，行距33 cm，株距15 cm，每穴1粒，每小区20穴，共20株。播种前施150 kg/hm2 P2O5(对应过磷酸钙1250 kg/hm2)和150 kg/hm2 K2O(对应氯化钾250 kg/hm2)，所有肥料均作为基肥一次性施入。3月初播种，7月初收获，水分管理及病虫草害等管理防治措施同当地要求。
1.4 植株性状调查及干质量测定
于花生收获期每小区随机选取5株长势一致的花生植株进行考种，按照《花生栽培观察记载技术规范》[13]进行考种，指标包括主茎高、主茎节数、主茎粗、侧枝长、分枝数、百果质量、百仁质量、百果仁质量、总果数、单株生产力等产量与产量构成指标。考种完的花生植株分成根、茎、叶和荚果，在105 ℃杀青20 min，然后在75 ℃烘干至恒质量，最后使用精度为0.01g 的电子秤测定不同部位干质量并计算总干质量。
1.5 叶绿素含量的测定
于花生苗期每小区随机选取3片大小、颜色一致的功能叶进行叶绿素a、叶绿素b以及类胡萝卜素含量的测定。采用二甲基亚砜(DMSO)浸提法，用打孔器取新鲜叶片约0.2 g(避开主叶脉)，放入7 mL DMSO原液的试管中(试管最好用磨口玻璃塞密封，以免液体挥发影响测定结果)，置于60 ℃ 恒温水浴条件下避光浸提一定时间(由15 min至几小时，根据植物叶片厚度和角质化程度而定)，直至用肉眼观察叶片颜色变白为止。叶绿素被DMSO浸提干净后，把浸提液倒入刻度试管。叶片用DMSO洗涤2 ~ 3次，洗液一并倒入刻度试管，最后用DMSO定容到10 mL。然后取200 μL DMSO叶绿素浸提液于酶标板中，用酶标仪测定D470 nm、D649 nm和D665 nm。
1.6 数据处理与分析
氮响应系数(Nitrogen response coefficient，NRC)：
$${\rm{NRC}}= \dfrac{(正常施氮处理指标-低氮处理指标)}{低氮处理指标}\text{，} $$ (1) 不同花生品种各综合指标的隶属函数值：
$$ u\left(X_{j}\right)=\left(X_{j}-X_{\rm{min}}\right)/\left(X_{{\rm{max}}}-X_{\rm{min}}\right)， \;j=\mathrm{1,2},\cdots n， $$ (2) 各综合指标的权重：
$$ w_{j} = \dfrac{P_{j}}{\displaystyle\sum _{j=1}^{n}P_{j}}\text{，} $$ (3) 各花生品种综合氮敏感指数大小：
$$ D=\displaystyle\sum _{j=1}^{n}\left[u\left(X_{j}\right) w_{j}\right]，$$ (4) 式中，Xj表示第j个综合指标；Xmin表示第j个综合指标的最小值；Xmax表示第j个综合指标的最大值；wj表示第j个综合指标在所有综合指标中的重要程度即权重；Pj为各花生品种第j个综合指标的贡献率；D为各花生品种在不同氮处理下由综合指标评价所得的氮敏感性综合评价值。
2. 结果与分析
2.1 花生各性状氮响应系数主成分分析
以81份花生品种19项指标氮响应系数为原始数据，利用SPSS降维分析中的因子分析，抽取大于1的特征值得出各主成分的贡献率、成分矩阵及特征向量矩阵。由表1得出，因子分析提取了6个主成分，其贡献率分别为第1主成分19.955%，第2主成分19.358%，第3主成分12.361%，第4主成分8.767%，第5主成分7.656%，第6主成分5.596%，累计贡献率73.694%，说明可以解释原始数据73.694%的总变异，可以代替绝大多数指标做一个概括。因此，选择前6个主成分，将原来的19个单项指标组合为6个新的互相独立的综合指标，由此来代表原始19个指标携带的大部分信息。
表 1 各综合指标的贡献率及特征向量1)Table 1. Contribution rate and eigenvector of each composite index指标 Item C1 C2 C3 C4 C5 C6 叶绿素a含量 Chlorophyll a content −0.435 0.756 −0.295 −0.082 −0.069 0.040 叶绿素b含量 Chlorophyll b content −0.404 0.705 −0.143 0.170 0.225 0.009 总叶绿素含量 Total chlorophyll content −0.488 0.800 −0.277 −0.026 0.003 0.032 类胡萝卜素含量 Carotenoid content −0.462 0.738 −0.307 −0.031 −0.004 −0.028 百果质量 100-pod weight −0.056 0.427 0.704 −0.229 −0.350 0.101 百仁质量 100-kernel weight −0.216 0.136 0.635 0.022 −0.042 0.299 百果仁质量 100-fruit kernel weight −0.035 0.471 0.681 −0.258 −0.316 0.083 单株果数 No. of fruits per plant 0.783 0.321 −0.125 −0.364 0.013 −0.034 单株生产力 Yield per plant 0.848 0.398 0.023 −0.224 0.080 −0.046 果干质量 Fruit dry weight 0.846 0.416 0.023 −0.206 0.092 −0.046 根干质量 Root dry weight 0.367 0.002 −0.361 −0.099 −0.006 0.384 茎干质量 Stem dry weight 0.449 0.161 0.004 0.684 −0.256 −0.170 叶干质量 Leaf dry weight 0.105 −0.063 −0.143 0.327 −0.241 0.624 总干质量 Total dry weight 0.636 0.431 0.046 0.460 −0.189 0.054 主茎高 Main stem height −0.041 0.196 0.299 0.646 −0.090 −0.216 主茎节数 Number of main stem nodes −0.096 0.225 0.454 0.063 0.573 0.057 侧枝长 Lateral branch length 0.132 0.093 0.405 0.160 0.667 −0.142 分枝数 Number of branches 0.317 0.498 −0.275 0.124 0.182 0.027 主茎粗 Main stem diameter 0.079 −0.078 0.040 0.159 0.432 0.556 特征值 Eigenvalue 3.791 3.678 2.349 1.666 1.455 1.063 贡献率/% Contribution rate 19.955 19.358 12.361 8.767 7.656 5.596 累计贡献率/% Cumulative contribution rate 19.955 39.313 51.674 60.442 68.098 73.694 1) C1~C6分别为第1~6主成分
1) C1−C6 are the first to sixth principal components, respectively特征向量矩阵能够反映出各个指标在每个主成分当中的载荷，在第1主成分当中，单株生产力(0.848)、果干质量(0.846)、单株果数(0.783)和总干质量(0.636)的特征向量较大，起主要作用，解释为花生产量性状因子；在第2主成分当中，总叶绿素含量(0.800)、叶绿素a含量(0.756)、类胡萝卜素含量(0.738)和叶绿素b含量(0.705)的特征向量较大，起主要作用，解释为花生光合色素含量因子；在第3主成分当中，百果质量(0.704)、百果仁质量(0.681)和百仁质量(0.635)的特征向量较大，起主要作用，解释为花生产量构成因子；在第4主成分当中，茎干质量(0.684)和主茎高(0.646)的特征向量较大，起主要作用，解释为花生茎秆性状因子；在第5主成分当中，侧枝长(0.667)和主茎节数(0.573)的特征向量较大，起主要作用，解释为花生株型因子；在第6主成分当中，叶干质量(0.624)、主茎粗(0.556)和根干质量(0.384)的特征向量较大，起主要作用，解释为花生干物质转移因子。根据各主成分贡献率大小及各指标在不同主成分中的特征向量，得出总叶绿素含量(29.146%)、叶绿素a含量(28.501%)、单株生产力(27.811%)和总干物质积累(27.458%)所占比例最大，表明叶绿素含量、单株生产力和干物质积累最能代表不同类型花生品种对氮素的响应情况。
2.2 氮敏感花生品种的筛选
用上述主成分分析抽取的6个综合指标作为评价花生氮敏感性的基础值，利用公式(2)分别计算81份花生品种的隶属函数值u(Xj)。对于同一个综合指标如第1主成分而言，编号47的花生品种u(Xj)最大，为1.000，表明此品种在第1主成分表现为氮敏感性最强，而编号44的花生品种u(Xj)最小，为0.000，表明此品种在第1主成分表现为氮敏感性最弱。然后根据6个综合指标的大小，利用公式(3)求出其权重，最后利用公式(4)计算花生品种综合氮敏感性评价指标(D)，D越大说明该花生品种的氮敏感性越高。以上述所得的综合评价指标(D)作为原始数据，采用欧式距离平方法和Word最小方差法进行聚类分析，将81份供试花生品种分为氮敏感型(Ⅰ类)、中间型(Ⅱ类)和氮不敏感型花生品种(Ⅲ类)(表2)。
表 2 供试花生品种氮敏感等级及分类1)Table 2. Nitrogen sensitivity level and classification of peanut cultivars under test品种编号
Culticar number氮敏感类型(等级)
Nitrogen sensitivity type (Grade)u(X1) u(X2) HN (1,11,45,47,49,58,92,116,122,123,127,162,166) 氮敏感型(Ⅰ)
Nitrogen-sensitive type0.519a 0.677a HN (2,4,7,9,16,43,53,55,61,62,69,80,84,86,88,90,91,93,102,110,
115,128,130,133,134,135,147,148,152,153,158,160,164)中间型(Ⅱ)
Intermediate type0.165b 0.369b HN (12,14,15,18,19,26,27,29,31,32,34,44,46,48,65,72,77,79,85,
8798,104,106,113,114,118,121,125,132,136,143,144,151,161,165)氮不敏感型(Ⅲ)
Nitrogen-insensitive type0.101c 0.216c 1) 同列数据后的不同小写字母表示不同氮敏感型花生品种差异显著(P < 0.05，LSD法)
1) Different lowercase letters of the same column indicate significant differences among peanut cultivars of different nitrogen-sensitive types (P < 0.05，LSD method)对聚类出的3种类型花生进行氮敏感性评价，通过对比6个主成分的平均隶属函数值，u(X1)和u(X2)的平均值在不同类型花生品种间差异显著(表2)，其余4个均无显著差异。某一主成分的u(Xj)值越大说明该类型花生在该主成分的氮敏感性越强，氮不敏感型(Ⅲ类)花生品种u(X1)和u(X2)的平均值最小，氮敏感性最低；中间型(Ⅱ类)花生品种的u(X1)和u(X2)的均值为0.165和0.369，氮敏感性介于氮敏感型(Ⅰ类)花生品种和氮不敏感型(Ⅲ类)花生品种之间；氮敏感型(Ⅰ类)花生品种的u(X1)和u(X2)的平均值最高，说明其产量及产量构成因素和叶片光合色素含量对氮肥的敏感性最强。
2.3 不同氮敏感型花生品种农艺性状的差异
由图1A~1E可得，施氮对不同氮敏感型花生品种的主茎高无显著影响，对主茎节数、侧枝长、分枝数与主茎粗表现出了不同程度的影响。相较于氮不敏感型(Ⅲ类)花生品种来说，正常施氮可以显著提高氮敏感型(Ⅰ类)品种的主茎节数、侧枝长及分枝数和中间型(Ⅱ类)花生品种的侧枝长、分枝数及主茎粗。与低氮处理相比，正常施氮处理仅显著提高了氮敏感型(Ⅰ类)花生品种的分枝数(32.53%)，虽然对其主茎高、主茎节数及侧枝长没有达到显著影响，但相较于低氮处理也分别增加了17.86%，33.04%和21.25%；而正常施氮处理对中间型(Ⅱ类)和氮不敏感型(Ⅲ类)花生品种的农艺性状影响较小。由此可以说明氮不敏感型花生品种的农艺性状受氮肥影响较小，而氮肥对氮敏感型花生品种的株型结构影响较为明显。
![]()
图 1 施氮对不同氮敏感型花生品种农艺性状、产量及构成因素的影响不同小写字母表示组间氮响应系数在0.05水平差异显著；“*”表示氮肥处理间在0.05水平差异显著(LSD法)Figure 1. Effect of nitrogen application on agronomic traits, yield and composition factors of peanut cultivars with different nitrogen sensitivitiesDifferent lowercase letters indicate significant differences in nitrogen response coefficient at 0.05 level among groups; “*” represents significant differences at 0.05 level between nitrogen application treatments (LSD method)2.4 不同氮敏感型花生品种产量及构成因素的差异
由图1F~1J可得，施氮对不同氮敏感型花生品种的单株产量、总果数、百果质量、百仁质量和百果仁质量表现出了不同程度的影响趋势。相较于氮不敏感型(Ⅲ类)花生品种来说，正常施氮可以显著提高氮敏感型(Ⅰ类)花生品种的单株产量、总果数、百果质量及百果仁质量和中间型(Ⅱ类)花生品种的单株产、百果质量、百仁质量及百果仁质量。与低氮处理相比，不同氮敏感型的花生品种在正常施氮处理下的百果质量、百仁质量与百果仁质量均无显著变化，仅在单株生产力及总果数上表现出了不同程度的变化趋势。虽然百果质量、百仁质量、百果仁质量在氮肥处理间没有达到显著差异，但氮敏感型(Ⅰ类)和中间型(Ⅱ类)花生品种的产量在正常施氮处理下显著提高，与低氮处理相比分别提高了189.50%和30.40%，且氮敏感型(Ⅰ类)花生品种的总果数在正常施氮处理下也显著提高了120.80%。
百果质量与单株结果数是决定花生产量的2大关键因素。因此在百果质量差异不显著的情况下，氮不敏感型(Ⅲ类)花生品种产量受施氮影响较小是因为其单株结果数在低氮处理下就能维持较高水平，而氮敏感型(Ⅰ类)花生品种的单株结果数在施氮处理下显著提高，从而使得产量大幅上升。
2.5 不同氮敏感型花生品种干物质积累状况的差异
由图2A~2E可得，施氮对不同氮敏感型花生品种的根干质量和叶干质量无显著影响，对果干质量、茎干质量及总干质量表现出了不同程度的影响趋势。相较于氮不敏感型(Ⅲ类)花生品种来说，正常施氮可以显著提高氮敏感型(Ⅰ类)花生品种的果干质量、茎干质量及总干质量和中间型(Ⅱ类)花生品种的果干质量及总干质量。与低氮处理相比，不同氮敏感型的花生品种在正常施氮处理下各部位及总干物质积累均表现出了不同程度的变化趋势。正常施氮显著提高了氮敏感型(Ⅰ类)花生品种的果干质量(202.92%)、根干质量(55.03%)、茎干质量(59.61%)、叶干质量(114.80%)和总干质量(100.78%)；也显著提高了中间型(Ⅱ类)花生品种的果干质量(30.52%)、叶干质量(50.44%)和总干质量(26.53%)。
![]()
图 2 施氮对不同氮敏感型花生品种干物质积累和苗期光合色素含量的影响不同小写字母表示组间氮响应系数在0.05水平差异显著；“*”表示氮肥处理间在0.05水平差异显著(LSD法)Figure 2. Effect of nitrogen application on dry matter accumulation and seedling photosynthetic pigment contents of peanut cultivars with different nitrogen sensitivitiesDifferent lowercase letters indicate significant differences in nitrogen response coefficient at 0.05 level among groups; “*” represents significant differences at 0.05 level between nitrogen application treatments (LSD method)干物质积累是荚果产量形成的基础，尤其是生育后半期的干物质积累会显著影响产量。相较于氮不敏感型(Ⅲ类)花生品种，氮敏感型(Ⅰ类)和中间型(Ⅱ类)花生品种的叶干质量、总干质量和果干质量受施氮处理影响较大。
2.6 不同氮敏感型花生品种苗期叶片光合色素含量的差异
由图2F~2J可得，施氮对不同氮敏感型花生品种的叶绿素b含量没有显著影响，对叶绿素a含量、总叶绿素含量和类胡萝卜素含量表现出了不同程度的影响趋势。与中间型(Ⅱ类)和氮不敏感型(Ⅲ类)花生品种相比，正常施氮可以显著增加氮敏感型(Ⅰ类)花生品种苗期的叶片叶绿素a含量、总叶绿素含量和类胡萝卜素含量。与低氮处理相比，正常施氮处理对中间型(Ⅱ类)和氮不敏感型(Ⅲ类)花生品种苗期叶绿素a含量、叶绿素b含量、总叶绿素含量和类胡萝卜素含量无显著影响，但可以显著增加氮敏感型(Ⅰ类)花生品种苗期的叶片叶绿素a含量、总叶绿素含量和类胡萝卜素含量。说明正常施氮处理对氮敏感型(Ⅰ类)花生品种前期的叶绿素含量的提升作用显著高于中间型(Ⅱ类)和氮不敏感型(Ⅲ类)花生品种。
2.7 不同花生品种各性状氮响应系数的相关性分析
对花生品种19个性状的氮响应系数进行相关性分析，由表4可知大多数性状间的相关性都达到了显著或极显著水平。在正常施氮处理下，产量分别与单株果数、总干质量和分枝数呈极显著相关，与根干质量和茎干质量呈显著相关。干物质尤其是生育后半期的积累是荚果产量形成的基础，并且花生干物质在不同器官中的分配也会显著影响产量。分枝数等株型因子不仅直接影响叶片的有效光合面积，而且还会影响冠层结构内部水分、光照、CO2、温度等环境，最终影响群体的光合效率和作物产量。说明施氮主要通过影响花生干物质积累与分配及株型结构进而影响花生荚果产量的形成。
表 4 不同花生品种各性状氮响应系数间的相关性矩阵1)Table 4. Correlation matrix between nitrogen response coefficients of different peanut cultivars for each trait项目 Item X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X1 1.000 X2 0.593** 1.000 X3 0.963** 0.772** 1.000 X4 0.839** 0.658** 0.870** 1.000 X5 0.172 0.114 0.176 0.11 1.000 X6 0.021 0.059 0.041 0.046 0.440** 1.000 X7 0.19 0.169 0.198 0.135 0.849** 0.408** 1.000 X8 −0.042 −0.101 −0.076 −0.076 0.048 −0.184 0.090 1.000 X9 −0.039 −0.103 −0.083 −0.072 0.129 −0.135 0.177 0.867** 1.000 X10 −0.036 −0.069 −0.071 −0.063 0.132 −0.132 0.181 0.865** 0.998** 1.000 X11 −0.031 −0.097 −0.06 −0.078 −0.185 −0.225* −0.122 0.285* 0.243* 0.244* 1.000 X12 −0.062 −0.063 −0.085 −0.103 −0.027 −0.010 −0.064 0.135 0.258* 0.270* 0.049 1.000 X13 −0.043 −0.039 −0.049 −0.06 −0.093 −0.025 −0.105 −0.019 −0.010 −0.013 0.126 0.109 1.000 X14 0.026 0.061 0.015 −0.023 0.141 −0.031 0.146 0.427** 0.561** 0.568** 0.195 0.693** 0.231* 1.000 X15 0.003 0.221* 0.061 0.08 0.149 0.074 0.177 −0.171 −0.041 −0.027 −0.133 0.334** 0.014 0.268* 1.000 X16 0.042 0.253* 0.104 0.059 0.19 0.211 0.207 −0.057 0.031 0.041 −0.118 −0.141 −0.058 0.078 0.132 1.000 X17 −0.111 0.077 −0.08 −0.101 0.048 0.175 0.073 −0.008 0.178 0.186 −0.086 0.071 −0.104 0.051 0.125 0.438** 1.000 X18 0.167 0.353** 0.226* 0.277* −0.029 −0.059 −0.018 0.348** 0.353** 0.377** 0.126 0.238* −0.025 0.406** −0.044 −0.058 0.078 1.000 X19 −0.089 −0.002 −0.084 −0.127 −0.083 0.095 −0.114 −0.032 0.036 0.043 0.065 −0.015 0.028 −0.002 0.037 0.082 0.098 0.091 1.000 1) X1：叶绿素a含量；X2：叶绿素b含量；X3：总叶绿素含量；X4：类胡萝卜素含量；X5：百果质量；X6：百仁质量；X7：百果仁质量；X8：单株果数；X9：单株生产力；X10：果干质量；X11：根干质量；X12：茎干质量；X13：叶干质量；X14：总干质量；X15：主茎高；X16：主茎节数；X17：侧枝长；X18：分枝数；X19：主茎粗；“*”和“**”分别表示在0.05和0.01水平显著相关(Pearson法)
1) X1: Chlorophyll a content; X2: Chlorophyll b content; X3: Total chlorophyll content; X4: Carotenoid content; X5: 100-fruit weight; X6: 100-kernel weight; X7: 100-fruit kernel weight; X8: No. of fruit per plant; X9: Yield per plant; X10: Fruit dry weight; X11: Root dry weight; X12: Stem dry weight; X13: Leaf dry weight; X14: Total dry weight; X15: Main stem height; X16: Number of main stem nodes; X17: Lateral branch length; X18: Number of branches; X19: Main stem diameter; "*" and "**" indicate significant differences at 0.05 and 0.01 levels respectively (Pearson method)3. 讨论与结论
氮素是限制作物生长和产量形成的重要元素，增施氮肥可以提高花生的光合能力、氮素积累、总生物量和荚果产量，但会降低其氮素利用效率，影响花生的新陈代谢。想要实现作物高产和农业生产中的减肥减量，就必须在优化氮肥施用量的同时提高氮肥利用率，保障作物的产量和品质[14-15]。而选育氮高效品种，提高作物氮肥利用效率，在保障作物产量和品质的前提下降低氮肥施用量，则是解决过量施氮和肥料利用率低下等问题的有效途径之一[16-17]。当下培育和筛选作物不同氮响应基因以及研究氮高效的基因已经成为国内外的研究热点之一，更有人将氮素高效利用的研究称为“第二次绿色革命”。
评价作物氮敏感性的指标有很多，其中多为叶绿素含量、干物质积累及氮素积累等，但对于不同作物的氮敏感性评价指标尚未统一。因为筛选指标受作物类型、土壤环境及筛选时期的影响有较大差异。目前，水稻、马铃薯、油菜、玉米、棉花等作物氮高效品种筛选试验方法与相关指标构建体系已经较为成熟[18-21]。花生作为豆科植物还具有根瘤固氮功能，对氮素吸收与利用的机理更为复杂，迄今为止相关研究报道较少。本试验参照前人的筛选体系和研究方法，结合花生自身生长发育特点，对81份花生品种的19项相关指标的氮响应系数进行主成分分析及聚类分析，将81份花生品种分为氮敏感型(13)、中间型(33)及氮不敏感型(35)，并得到苗期叶绿素含量、收获期分枝数和干物质积累为花生氮敏感型品种筛选指标。叶绿素是重要的光合色素，是光合作用的基础，而氮素作为花生生长发育所需的大量元素之一，与花生优质高产紧密相关，作为合成叶绿素的重要元素影响叶片的光合作用进而影响碳水化合物的积累，同时也影响相关碳氮代谢酶的活性。由于花生具有根瘤固氮功能，其叶绿素含量随生育时期的推迟对氮肥的需求减少而越来越小，所以在实际生产中可以通过观察花生苗期的叶色来初步判断其对氮肥的敏感性。氮素利用效率是评价作物氮高效品种的重要指标，但花生作为豆科植物，其氮素来源除土壤和肥料外还有根瘤固氮，不同花生品种最适宜的氮肥浓度差异较大，因此，花生的氮高效品种筛选指标应选取受氮肥水平影响较小的氮素收获指数；在适宜的施氮范围内，干物质积累与氮素积累呈显著正相关[22]，所以干物质积累可以在很大程度上反映作物的氮素积累，且较直接测定氮素积累而言更容易实现。在水稻、小麦、玉米、番茄、棉花和马铃薯等作物中也筛选出了叶绿素含量、干物质积累等作为氮高效品种的筛选指标[23-28]。以上指标获取方法较为简单且客观，受人为主观因素影响较小；其次评价指标是通过科学严谨的筛选方法得出，可以为今后作物氮敏感性评价提供理论依据。
-
![]()
图 1 畜舍物联网基本架构
Figure 1. The basic architecture of the Internet of things in livestock barns
![]()
图 2 不同水平高度的环境参数分布云图[27]
Figure 2. Cloud maps of environmental parameters distribution at different horizontal heights
![]()
图 4 家畜应激程度评估方法流程
Figure 4. Flowchart of assessment methods for the degree of livestock stress
表 1 无线数据传输技术应用场景及优点
Table 1 Application scenarios and advantages of wireless data transmission technology
无线数据传输技术
Wireless data transmission
technology文献
Literature应用场景
Application
scenario优势
DominanceZigBee [30] 育肥猪舍 近距离无线传输、高传输速率、功耗较低，适合单个
养殖舍多测点、多设备需求[31] 畜禽养殖舍 WiFi [32] 育肥猪舍 近距离无线传输、高传输速率、功耗较高，适合易
部署、固定点位的近距离组网[33] 奶牛舍 LoRa [34] 奶牛舍、犊牛舍 长距离无线传输、低功耗、低运营成本、网络覆盖范围
更广，满足多个养殖舍之间的通信需求[35] 奶牛舍 [36] 奶牛舍、犊牛舍 [37] 繁育猪舍、育肥舍 
下载: 导出CSV
表 2 畜舍建筑结构及调控装备优化研究方法
Table 2 Optimization research method for structure and control equipment of livestock barns
文献
Literature畜舍建筑结构类型
Building structure type
of livestock barn方法
Methodology调控装备
Control equipment作用
Effect[47] 钟楼式开放牛舍 CFD仿真技术 扰流风机 优化风机扩散器性能参数提高降温效果 [48] 低屋面横向通风奶牛舍 粒子图测速技术 挡风板、矮墙 设置挡风板、矮墙工况优化空气流场分布 [49] 开放式奶牛舍 Merkel 焓差理论 喷淋装置 选取最佳喷淋水滴粒径缓解奶牛热应激 [50] 半开放式猪舍 线性回归分析 水冷式猪床 设计降温猪床减轻热应激对猪只的影响 [51] 半开放式奶牛舍 线性回归分析 冷水管卧床设计 研究冷水管局部降温对奶牛热应激影响 [52] 半开放式奶牛舍 线性回归分析 漏缝地板 研究不同地面形式对气体排放量的影响 [53] 半开放式奶牛舍 显著性分析 保温卷帘 测试卷帘材料的传热性能、厚度和面密度 [54] 封闭开放式奶牛舍 方差对比分析 屋顶通风系统 解决屋顶烟囱风机通风口结冰堵塞现象 [55] 半开放式猪舍 显著性分析 水冷式猪床 探讨水冷式猪床保温措施对母猪的影响 [56] 半开放式猪舍 热湿平衡理论 墙体、屋面 测算围护结构低限热阻值及热工参数 [57] 密闭式卷帘奶牛舍 热成像技术 墙体、屋面、门窗 评价牛舍围护结构传热阻及热工性能
下载: 导出CSV
-
[1] 中华人民共和国农业农村部. 《“十四五”全国农业农村信息化发展规划》[EB/OL]. (2022-03-09). https://www.moa.gov.cn/xw/bmdt/202203/t20220309_6391341.htm?eqid=b30f5dcc0006fdd20000000264367dd1. [2] FOURNEL S, ROUSSEAU A N, LABERGE B. Rethinking environment control strategy of confined animal housing systems through precision livestock farming[J]. Biosystems Engineering, 2017, 155: 96-123. doi: 10.1016/j.biosystemseng.2016.12.005
[3] 熊本海, 杨振刚, 杨亮, 等. 中国畜牧业物联网技术应用研究进展[J]. 农业工程学报, 2015, 31(S1): 237-246. doi: 10.3969/j.issn.1002-6819.2015.z1.028 [4] 李保明, 王阳, 郑炜超, 等. 畜禽养殖智能装备与信息化技术研究进展[J]. 华南农业大学学报, 2021, 42(6): 18-26. doi: 10.7671/j.issn.1001-411X.202107050 [5] QI F, ZHAO X D, SHI Z X, et al. Environmental factor detection and analysis technologies in livestock and poultry houses: A review[J]. Agriculture, 2023, 13(8): 1489. doi: 10.3390/agriculture13081489
[6] TURNPENNY J R, WATHES C M, CLARK J A, et al. Thermal balance of livestock: 2. Applications of a parsimonious model[J]. Agricultural and Forest Meteorology, 2000, 101(1): 29-52. doi: 10.1016/S0168-1923(99)00157-4
[7] 严格齐, 李浩, 施正香, 等. 奶牛热应激指数的研究现状及问题分析[J]. 农业工程学报, 2019, 35(23): 226-233. doi: 10.11975/j.issn.1002-6819.2019.23.028 [8] 李林贵, 陈翔宇, 阿不夏合满·穆巴拉克, 等. 反刍动物冷应激作用机理及其调控技术研究进展[J]. 饲料研究, 2024(6): 148-153 [9] 汪开英, 苗香雯, 崔绍荣, 等. 中国东南地区猪舍夏季降温效果的试验研究[J]. 农业机械学报, 2002(3): 80-83. doi: 10.3969/j.issn.1000-1298.2002.03.025 [10] 汪开英, 苗香雯, 崔绍荣, 等. 猪舍环境温湿度对育成猪的生理及生产指标的影响[J]. 农业工程学报, 2002, 18(1): 99-102. doi: 10.3321/j.issn:1002-6819.2002.01.026 [11] YAN G, SHI Z, CUI B, et al. Developing a new thermal comfort prediction model and web-based application for heat stress assessment in dairy cows[J]. Biosystems Engineering, 2022, 214: 72-89. doi: 10.1016/j.biosystemseng.2021.12.006
[12] MADER T, DAVIS M, GAUGHAN J B, et al. Wind speed and solar radiation adjustments for the temperature-humidity index[C]//16th Conference on Biometeorology and Aerobiology. Vancouver, BC, Canada: American Meteorological Society, 2004: 36-42.
[13] 臧强, 李保明, 施正香, 等. 规模化羊场羊舍夏季环境与小尾寒羊的行为观察[J]. 农业工程学报, 2005, 21(9): 183-185. doi: 10.3321/j.issn:1002-6819.2005.09.040 [14] 鲁煜建, 王朝元, 赵浩翔, 等. 东北地区奶牛夏季热应激对其行为和产奶量的影响[J]. 农业工程学报, 2018, 34(16): 225-231. doi: 10.11975/j.issn.1002-6819.2018.16.029 [15] PETERS R, CHAPIN L, EMERY R, et al. Milk yield, feed intake, prolactin, growth hormone, and glucocorticoid response of cows to supplemented light[J]. Journal of Dairy Science, 1981, 64(8): 1671-1678. doi: 10.3168/jds.S0022-0302(81)82745-2
[16] DAHL G, BUCHANAN B, TUCKER H, et al. Photoperiodic effects on dairy cattle: A review[J]. Journal of Dairy Science, 2000, 83(4): 885-893. doi: 10.3168/jds.S0022-0302(00)74952-6
[17] MUTHURAMALINGAM P, KENNEDY A, BERRY R, et al. Plasma melatonin and insulin-like growth factor-1 responses to dim light at night in dairy heifers[J]. Journal of Pineal Research, 2006, 40(3): 225-229. doi: 10.1111/j.1600-079X.2005.00303.x
[18] TUCKER C, ROGERS A, VERKERK G A, et al. Effects of shelter and body condition on the behaviour and physiology of dairy cattle in winter[J]. Applied Animal Behaviour Science, 2007, 105(1/2/3): 1-13. doi: 10.1016/j.applanim.2006.06.009
[19] JENTSCH W, PIATKOWSKI B, DERNO M. Relationship between carbon dioxide production and performance in cattle and pigs[J]. Archives Animal Breeding, 2009, 52(5): 485-496. doi: 10.5194/aab-52-485-2009
[20] SANCHIS E, CALVET S, DEL PRADO A, et al. A meta-analysis of environmental factor effects on ammonia emissions from dairy cattle houses[J]. Biosystems Engineering, 2019, 178: 176-183. doi: 10.1016/j.biosystemseng.2018.11.017
[21] WU W, ZHANG G, KA P. Ammonia and methane emissions from two naturally ventilated dairy cattle buildings and the influence of climatic factors on ammonia emissions[J]. Atmospheric Environment, 2012, 61: 232-243. doi: 10.1016/j.atmosenv.2012.07.050
[22] 汪开英, 戴圣炎, 王玲娟. 畜禽场空气悬浮颗粒物污染与其监控技术研究进展[J]. 农业机械学报, 2017, 48(6): 232-241. [23] 汪开英, 代小蓉. 畜禽场空气污染对人畜健康的影响[J]. 中国畜牧杂志, 2008, 44(10): 32-35. [24] CAMBRA-LÓPEZ M L, AARNINK A, ZHAO Y, et al. Airborne particulate matter from livestock production systems: A review of an air pollution problem[J]. Environmental Pollution, 2010, 158(1): 1-17. doi: 10.1016/j.envpol.2009.07.011
[25] BUCZINSKI S, ACHARD D, TIMSIT E. Effects of calfhood respiratory disease on health and performance of dairy cattle: A systematic review and meta-analysis[J]. Journal of Dairy Science, 2021, 104: 8214-8227. doi: 10.3168/jds.2020-19941
[26] 代小蓉, NI J, 潘乔纳, 等. 华东地区典型保育猪舍温湿度和空气质量监测[J]. 农业机械学报, 2016, 47(7): 315-322. doi: 10.6041/j.issn.1000-1298.2016.07.043 [27] 汪开英, 李开泰, 李王林娟, 等. 保育舍冬季湿热环境与颗粒物CFD模拟研究[J]. 农业机械学报, 2017, 48(9): 270-278. doi: 10.6041/j.issn.1000-1298.2017.09.034 [28] FERRARI S, PICCININI R, SILVA M, et al. Cough sound description in relation to respiratory diseases in dairy calves[J]. Preventive Veterinary Medicine, 2010, 96(3/4): 276-280. doi: 10.1016/j.prevetmed.2010.06.013
[29] ALONSO R S, SITTÓN-CANDANEDO I, GARCÍA Ó, et al. An intelligent Edge-IoT platform for monitoring livestock and crops in a dairy farming scenario[J]. Ad Hoc Networks, 2020, 98: 102047. doi: 10.1016/j.adhoc.2019.102047
[30] CHEN C, LIU X. An intelligent monitoring system for a pig breeding environment based on a wireless sensor network[J]. International Journal of Sensor Networks, 2019, 29(4): 275. doi: 10.1504/IJSNET.2019.098559
[31] 张宇, 沈维政, 张译元. 畜禽舍养殖环境智能调控系统应用研究[C]//中国畜牧兽医学会信息技术分会第十届学术研讨会论文集. 北京: 中国畜牧兽医分会, 2015: 66-70. [32] 周丽萍, 陈志, 苑严伟, 等. 猪舍环境无线传感器网络监控系统研究[J]. 自动化技术与应用, 2016, 35(1): 56-60. [33] UMEGA R, RAJA M A. Design and implementation of livestock barn monitoring system[C]//2017 International Conference on Innovations in Green Energy and Healthcare Technologies (IGEHT). Coimbatore: IEEE, 2017: 1-6.
[34] GERMANI L, MECARELLI V, BARUFFA G, et al. An IoT architecture for continuous livestock monitoring using LoRa LPWAN[J]. Electronics, 2019, 8(12): 1435. doi: 10.3390/electronics8121435
[35] LIU X, HUO C. Research on remote measurement and control system of piggery environment based on LoRa[C]//2017 Chinese Automation Congress (CAC). Jinan: IEEE, 2017: 7016-7019.
[36] FU X, SHEN W, YIN Y, et al. Remote monitoring system for livestock environmental information based on LoRa wireless ad hoc network technology[J]. International Journal of Agricultural and Biological Engineering, 2022, 15(4): 79-89. doi: 10.25165/j.ijabe.20221504.6708
[37] SUN H, PALAOAG T, QUAN Q, et al. Design of automatic monitoring and control system for livestock and poultry house environment based on internet of things robot[C]//Proceedings of the 2022 4th Asia Pacific Information Technology Conference. Bangkok, Thailand: ACM, 2022: 224-230.
[38] 邵林. 多传感器数据融合技术在畜禽舍环境监测系统中的应用研究[D]. 保定: 河北农业大学, 2013. [39] 李永振, 方志伟, 鲁煜建, 等. 大型自然通风奶牛舍空气颗粒物浓度监测方法中测点数和位置优化[J]. 农业工程学报, 2023, 39(9): 201-209. doi: 10.11975/j.issn.1002-6819.202302038 [40] RAMIREZ B, GAO Y, HOFF S J, et al. Thermal environment sensor array: Part 1 development and field performance assessment[J]. Biosystems Engineering, 2018, 174: 329-340. doi: 10.1016/j.biosystemseng.2018.08.002
[41] JOO H S, NDEGWA P M, HEBER A J, et al. Particulate matter dynamics in naturally ventilated freestall dairy barns[J]. Atmospheric Environment, 2013, 69: 182-190. doi: 10.1016/j.atmosenv.2012.12.006
[42] 鲁煜建, 方志伟, 李永振, 等. 大型自然通风奶牛舍空气颗粒物浓度监测方法中采样间隔优化[J]. 农业工程学报, 2023, 39(9): 210-216. doi: 10.11975/j.issn.1002-6819.202302037 [43] 郭建军, 韩钤钰, 董佳琦, 等. 基于SSA-PSO-LSTM模型的羊舍相对湿度预测技术[J]. 农业机械学报, 2022, 53(9): 365-373. doi: 10.6041/j.issn.1000-1298.2022.09.037 [44] SHEN W Z, FU X, WANG R T , et al. A prediction model of NH3 concentration for swine house in cold region based on empirical mode decomposition and elman neural network [J]. Information Processing in Agriculture, 2019, 6(2): 297-305.
[45] RODRIGUEZ M R, BESTEIRO R, ORTEGA J A, et al. Evolution and neural network prediction of CO2 emissions in weaned piglet farms[J]. Sensors, 2022, 22(8): 2910. doi: 10.3390/s22082910
[46] 王鹏鹏. 基于CFD的北方寒冷地区猪舍通风环境研究[D]. 呼和浩特: 内蒙古农业大学, 2018. [47] 邓书辉, 施正香, 范淋佳, 等. 基于CFD的开放式牛舍扰流风机安装参数优化[J]. 农业机械学报, 2013, 44(12): 269-274. doi: 10.6041/j.issn.1000-1298.2013.12.045 [48] 邓书辉, 施正香, 李保明, 等. 挡风板对低屋面横向通风牛舍内空气流场影响的PIV测试[J]. 农业工程学报, 2019, 35(1): 188-194. doi: 10.11975/j.issn.1002-6819.2019.01.023 [49] 丁涛, 宏帅, 施正香, 等. 缓解奶牛热应激的喷淋水滴特性试验[J]. 农业机械学报, 2016, 47(7): 323-331. doi: 10.6041/j.issn.1000-1298.2016.07.044 [50] 李伟, 李保明, 施正香, 等. 夏季水冷式猪床的降温效果及其对母猪躺卧行为的影响[J]. 农业工程学报, 2011, 27(11): 242-246. doi: 10.3969/j.issn.1002-6819.2011.11.046 [51] 杜欣怡, 仲玉婷, 施正香, 等. 奶牛卧床冷水管局部降温系统应用效果分析[J]. 农业工程学报, 2021, 37(15): 197-203. doi: 10.11975/j.issn.1002-6819.2021.15.024 [52] 赵婉莹, 许立新, 王朝元, 等. 不同地面形式自然通风奶牛舍冬季温室气体和氨气排放量[J]. 中国农业大学学报, 2020, 25(1): 142-151. doi: 10.11841/j.issn.1007-4333.2020.01.16 [53] 赵婉莹, 张琦, 施正香. 复合保温卷帘改善寒区开放式牛舍冬季热湿环境[J]. 农业工程学报, 2018, 34(21): 215-221. doi: 10.11975/j.issn.1002-6819.2018.21.026 [54] 王启超, 曹哲, 施正香. 东北寒区奶牛舍屋顶烟囱风机应用效果研究[J]. 中国奶牛, 2017(1): 42-46. [55] 李伟, 林保忠, 刘作华, 等. 水冷式猪床冬季保温措施对妊娠母猪小群饲养的影响[J]. 农业工程学报, 2012, 28(22): 222-226. doi: 10.3969/j.issn.1002-6819.2012.22.031 [56] 鲁煜建, 张璐, 王朝元, 等. 东北地区奶牛舍围护结构的低限热阻计算与验证[J]. 农业工程学报, 2019, 35(21): 216-222. doi: 10.11975/j.issn.1002-6819.2019.21.026 [57] 曹哲, 施正香, 安欣, 等. 基于热成像技术的牛舍围护结构传热阻测试方法[J]. 农业工程学报, 2017, 33(24): 235-241. doi: 10.11975/j.issn.1002-6819.2017.24.031 [58] SEEDORF J, HARTUNG J, SCHRODER M, et al. A survey of ventilation rates in livestock buildings in Northern Europe[J]. Journal of Agricultural Engineering Research, 1998, 70(1): 39-47. doi: 10.1006/jaer.1997.0274
[59] SAHA C K, AMMON C, BERG W, et al. The effect of external wind speed and direction on sampling point concentrations, air change rate and emissions from a naturally ventilated dairy building[J]. Biosystems Engineering, 2013, 114(3): 267-278. doi: 10.1016/j.biosystemseng.2012.12.002
[60] 丁露雨, 鄂雷, 李奇峰, 等. 畜舍自然通风理论分析与通风量估算[J]. 农业工程学报, 2020, 36(15): 189-201. doi: 10.11975/j.issn.1002-6819.2020.15.024 [61] 齐飞, 施正香, 黄金军, 等. 不同气候区猪舍最大通风量确定及湿帘降温系统应用效果[J]. 农业工程学报, 2021, 37(22): 202-209. doi: 10.11975/j.issn.1002-6819.2021.22.023 [62] BLANES V, PEDERSEN S. Ventilation flow in pig houses measured and calculated by carbon dioxide, moisture and heat balance equations[J]. Biosystems Engineering, 2005, 92(4): 483-493. doi: 10.1016/j.biosystemseng.2005.09.002
[63] 仲玉婷, 施正香, 赵婉莹, 等. 寒区低屋面横向通风牛舍建筑和环境设计初探[J]. 中国奶牛, 2019(11): 51-55. [64] BLEIZGYS R, BAGDONIENE I. Control of ammonia air pollution through the management of thermal processes in cowsheds[J]. Science of the Total Environment, 2016, 568: 990-997. doi: 10.1016/j.scitotenv.2016.05.017
[65] 张世功. 基于温湿度指数的牛舍喷淋降温系统的控制[D]. 福州: 福建农林大学, 2005. [66] GAUTAM K R, ZHANG G, LANDWEHR N, et al. Machine learning for improvement of thermal conditions inside a hybrid ventilated animal building[J]. Computers and Electronics in Agriculture, 2021, 187(1): 106259.
[67] CAGLAYAN N, ERTEKINB C. Intelligent control based fuzzy logic for climate control of livestock buildings[C]//CIGR-AgEng Conference. Aarhus, Denmark: International Society of Agricultural Engineering, 2016: 1-6.
[68] 付晓. 多因素协同的奶牛冷应激评估及冬季舍饲环境智能调控方法研究[D]. 哈尔滨: 东北农业大学, 2023. [69] 王校帅. 基于CFD的畜禽舍热环境模拟及优化研究[D]. 杭州: 浙江大学, 2014. [70] NORTON T, GRANT J, FALLON R, et al. Assessing the ventilation effectiveness of naturally ventilated livestock buildings under wind dominated conditions using computational fluid dynamics[J]. Biosystems Engineering, 2009, 103(1): 78-99. doi: 10.1016/j.biosystemseng.2009.02.007
[71] BECKER C A, AGHALARI A, MARUFUZZAMAN M, et al. Predicting dairy cattle heat stress using machine learning techniques[J]. Journal of Dairy Science, 2021, 104(1): 501-524. doi: 10.3168/jds.2020-18653
[72] FU X, ZHANG Y, ZHANG Y G, et al. Research and application of a new multilevel fuzzy comprehensive evaluation method for cold stress in dairy cows[J]. Journal of Dairy Science, 2022, 105(11): 9137-9161.
[73] TSAI Y C, HSU J T, DING S T, et al. Assessment of dairy cow heat stress by monitoring drinking behaviour using an embedded imaging system[J]. Biosystems Engineering, 2020, 199: 97-108. doi: 10.1016/j.biosystemseng.2020.03.013
[74] 赵晓洋. 基于动物发声分析的畜禽舍环境评估[D]. 杭州: 浙江大学, 2019. [75] NASIRAHMADI A, HENSEL O, EDWARDS S A, et al. A new approach for categorizing pig lying behaviour based on a delaunay triangulation method[J]. Animal, 2017, 11(1): 131-139. doi: 10.1017/S1751731116001208
[76] 李胜利, 姚琨, 曹志军, 等. 2022年奶牛产业技术发展报告[J]. 中国畜牧杂志, 2023, 59(3): 316-322. -
期刊类型引用(2)
1. Yu Gao，Ruier Zeng，Suzhe Yao，Ying Wang，Jianguo Wang，Shubo Wan，Wei Hu，Tingting Chen，Lei Zhang. Magnesium fertilizer application increases peanut growth and pod yield under reduced nitrogen application in southern China. The Crop Journal. 2024(03): 915-926 . 
必应学术
2. 黄丽，刘兴淋，胡秋玲，何珊，邓淑焜，王海苗. 幼苗期不同花生品种的耐渍性评价. 广西师范大学学报(自然科学版). 2024(05): 184-192 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 1051
- HTML全文浏览量: 81
- PDF下载量: 90
- 被引次数: 2
