科技文摘

20210605 中国东北地区水分胁迫对玉米气孔导度、冠层温度和蒸散发的影响//DOI：10.25165/j.ijabe.20211402.5289

东北平原是中国玉米的主产区之一，受制于其雨养农业的种植模式，玉米生产易受到气候变化的影响。该研究在东北玉米典型种植区吉林梨树县开展了两年实验，研究了不同玉米生长阶段水分胁迫对玉米生理生态和蒸散量的影响规律。结果显示，玉米生理指标随着土壤含水量（SWC）变化呈现出明显的阶段变化规律：当SWC≥0.22 cm3/cm3（62%田间持水量），叶片气孔导度和作物蒸散量均达到最大值，冠层温度与空气温度一致；当SWC在0.15-0.22 cm3/cm3（43%-62%田间持水量）之间时，气孔导度和蒸散量均随着SWC的下降而降低，而冠层温度随着SWC的下降而升高；当SWC<0.15 cm3/cm3（43%田间持水量）时，气孔导度和蒸散量达到最小值，冠层温度与空气温度比值（冠气比）稳定在1.2。冠气比与土壤含水量和气孔导度紧密相关，且与作物水分亏缺指数（CWSI）线性相关。考虑到CWSI计算过程需要较多参数，冠气比可以替代CWSI来评估作物水分状况。因此该研究建议冠气比值1.2可作物区分玉米是否发生严重水分胁迫的阈值，在抽雄灌浆期土壤水分维持在60%田持以上可保障玉米的正常生长。

[编译自：Liu H J，Gao Z Z，Zhang LW，Liu Y. Stomatal conductivity，canopy temperature and evapotranspiration of maize（Zea mays L.）to water stress in Northeast China. Int J Agric & Biol Eng，2021；14（2）：112-119.]

20210606 菠萝皮渣压缩成型工艺参数优化试验研究//DOI：10.25165/j.ijabe.20211403.6041

为提高菠萝皮渣废弃物利用率，减少资源浪费和环境污染，针对目前菠萝皮渣压缩成型工艺参数不明确的问题，该文设计了单模孔压缩成型试验装置，并对模孔内物料进行了受力分析，开展了以菠萝皮渣粒度、含水率和模孔长径比为因素，以颗粒成型率、松弛密度和比能耗为指标的三因素三水平正交试验，并对试验结果进行了极差、方差和模糊综合评价分析，确定了影响菠萝皮渣压缩成型综合性能的主次作用因素为长径比、粒度和含水率，较优参数组合方案为物料粒度6-9mm、含水率16%、长径比4∶1，在此条件下的最佳指标为颗粒成型率为97.80%、松弛密度1.32g/cm、比能耗44.17J/g，该研究成果可为菠萝皮渣颗粒成型生产工艺参数设计及成型装备的研制提供参考。

[编译自：Tian K P，Zhang B，Huang J C，Liu H L，Shen C，Li X W，Chen Q M. Experimental research on optimization of compression molding process parameters of pineapple rind residue. Int J Agric & Biol Eng，2021；14（3）：221-227.]

20210607 利用机器学习技术评估杯形块橡胶中干橡胶含量的光谱测量方法//DOI：10.25165/j.ijabe.20211403.6298

干橡胶含量（DRC）是评价杯块橡胶质量的一个重要因素。DRC分析需要长期的实验室验证。为了开发快速有效的DRC测定方法，该研究提出了使用不同光谱测量法来评估杯形块橡胶的DRC的方法。通过系统完整的基础分析，基于使用近红外光谱反射的点测量或使用高光谱成像的面测量技术，从而找出一种有效的测量方法。同时还编制了一个120个样本的数据集，并将其随机分配为90个样本的校准集和30个样本的验证集。为了获得杯形块橡胶样品的平均光谱，通过定位和扫描分别收集光谱数据，进行基于点和基于面的测量。使用偏最小二乘回归（PLSR）和最小二乘支持向量机（LS-SVM）方法对光谱数据与参考值进行校准。试验表明，两种算法的基于面测量的方法在预测杯形块橡胶的DRC方面表现出色，明显优于基于点测量的方法。PLSR的最佳预测结果的确定系数（R2）、预测均方根误差（RMSEP）和残差预测偏差（RPD）分别为0.99、0.72%和15.17，而LS-SVM的最佳预测结果的R2、RMSEP和RPD分别为0.99、0.64%和16.83。总之，基于LS-SVM预测模型的面测量法可以较准确地预测杯形块橡胶的DRC值。

[编译自：Puttipipatkajorn A，Puttipipatkajorn A. Spectroscopic measurement approaches in evaluation of dry rubber content of cup lump rubber using machine learning techniques. Int J Agric & Biol Eng，2021；14（3）：207-213.]