科技文摘

20210605 中國東北地區水分脅迫對玉米氣孔導度、冠層溫度和蒸散發的影響//DOI：10.25165/j.ijabe.20211402.5289

東北平原是中國玉米的主產區之一，受制于其雨養農業的種植模式，玉米生產易受到氣候變化的影響。該研究在東北玉米典型種植區吉林梨樹縣開展了兩年實驗，研究了不同玉米生長階段水分脅迫對玉米生理生態和蒸散量的影響規律。結果顯示，玉米生理指標隨著土壤含水量（SWC）變化呈現出明顯的階段變化規律：當SWC≥0.22 cm3/cm3（62%田間持水量），葉片氣孔導度和作物蒸散量均達到最大值，冠層溫度與空氣溫度一致；當SWC在0.15-0.22 cm3/cm3（43%-62%田間持水量）之間時，氣孔導度和蒸散量均隨著SWC的下降而降低，而冠層溫度隨著SWC的下降而升高；當SWC<0.15 cm3/cm3（43%田間持水量）時，氣孔導度和蒸散量達到最小值，冠層溫度與空氣溫度比值（冠氣比）穩定在1.2。冠氣比與土壤含水量和氣孔導度緊密相關，且與作物水分虧缺指數（CWSI）線性相關。考慮到CWSI計算過程需要較多參數，冠氣比可以替代CWSI來評估作物水分狀況。因此該研究建議冠氣比值1.2可作物區分玉米是否發生嚴重水分脅迫的閾值，在抽雄灌漿期土壤水分維持在60%田持以上可保障玉米的正常生長。

[編譯自：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 菠蘿皮渣壓縮成型工藝參數優化試驗研究//DOI：10.25165/j.ijabe.20211403.6041

為提高菠蘿皮渣廢棄物利用率，減少資源浪費和環境污染，針對目前菠蘿皮渣壓縮成型工藝參數不明確的問題，該文設計了單模孔壓縮成型試驗裝置，并對模孔內物料進行了受力分析，開展了以菠蘿皮渣粒度、含水率和模孔長徑比為因素，以顆粒成型率、松弛密度和比能耗為指標的三因素三水平正交試驗，并對試驗結果進行了極差、方差和模糊綜合評價分析，確定了影響菠蘿皮渣壓縮成型綜合性能的主次作用因素為長徑比、粒度和含水率，較優參數組合方案為物料粒度6-9mm、含水率16%、長徑比4∶1，在此條件下的最佳指標為顆粒成型率為97.80%、松弛密度1.32g/cm、比能耗44.17J/g，該研究成果可為菠蘿皮渣顆粒成型生產工藝參數設計及成型裝備的研制提供參考。

[編譯自：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 利用機器學習技術評估杯形塊橡膠中干橡膠含量的光譜測量方法//DOI：10.25165/j.ijabe.20211403.6298

干橡膠含量（DRC）是評價杯塊橡膠質量的一個重要因素。DRC分析需要長期的實驗室驗證。為了開發快速有效的DRC測定方法，該研究提出了使用不同光譜測量法來評估杯形塊橡膠的DRC的方法。通過系統完整的基礎分析，基于使用近紅外光譜反射的點測量或使用高光譜成像的面測量技術，從而找出一種有效的測量方法。同時還編制了一個120個樣本的數據集，并將其隨機分配為90個樣本的校準集和30個樣本的驗證集。為了獲得杯形塊橡膠樣品的平均光譜，通過定位和掃描分別收集光譜數據，進行基于點和基于面的測量。使用偏最小二乘回歸（PLSR）和最小二乘支持向量機（LS-SVM）方法對光譜數據與參考值進行校準。試驗表明，兩種算法的基于面測量的方法在預測杯形塊橡膠的DRC方面表現出色，明顯優于基于點測量的方法。PLSR的最佳預測結果的確定系數（R2）、預測均方根誤差（RMSEP）和殘差預測偏差（RPD）分別為0.99、0.72%和15.17，而LS-SVM的最佳預測結果的R2、RMSEP和RPD分別為0.99、0.64%和16.83。總之，基于LS-SVM預測模型的面測量法可以較準確地預測杯形塊橡膠的DRC值。

[編譯自：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.]