基于无人机影像的小麦株高与LAI预测研究

为快速、准确地估测不同生育时期小麦品种（系）株高与叶面积指数（LAI）表型性状，基于各生育时期小麦品种（系）数字正射影像（digital orthophoto map，DOM）和数字表面模型（digital surface model，DSM），分别构建不同生育时期株高估测模型和光谱指数LAI估测模型。借助一元线性回归、多元逐步回归（SMLR）和偏最小二乘回归（PLSR）分析方法，并采用决定系数（r）、均方根误差（RMSE）和归一化均方根误差（nRMSE）综合性评价指标，筛选出小麦不同生育时期最优的株高和LAI估测模型。结果表明，（1）全生育期株高估测效果最好，模型预测值与实测值高度拟合（r、RMSE、nRMSE分别为0.87、5.90 cm、9.29%）；在各生育时期中，灌浆期模型预测精度较好，成熟期预测精度最差，r分别为0.79和0.69。（2）所选的18种光谱指数与LAI相关性均较好，其中BGRI、RGBVI、NRI和NGRDI的相关系数达到极显著水平，且各时期三种回归估测模型均表现出较高的稳定性和拟合效果，其中SMLR回归模型对各生育时期LAI预测精度最好，其拔节期、孕穗期、扬花期、灌浆期和成熟期的预测集r分别为0.68、0.57、0.61、0.68和0.53。这说明，基于无人机获取的不同生育时期小麦DSM影像提取株高，并运用18种光谱指数构建LAI估测模型方法是可行的。     

基于图像和改进U-net模型的小麦赤霉病穗识别

为了快速、有效地监测小麦赤霉病的发生情况,利用数码相机对人工接种赤霉病菌的小麦田进行RGB图像获取,在图像预处理基础上,利用深度学习网络U-net来对人工标记好的发病麦穗图像进行训练。通过深度学习数据集的构建与测试,建立了基于RGB图像和改进U-net网络模型的小麦赤霉病识别与监测模型,并对模型识别结果进行了验证。结果表明,U-net可以很好地提取图像波段信息,但对于比较复杂的麦穗图像,在使用Keras方法进行图像语义分割时,需要对U-net网络结构进行改进,即在下采样部分加入Dropout层。与人工标记结果相比,模型识别结果的一致性较好,具有较高的监测精度。该模型平均精度为0.969 4,损失函数值为0.075 9,平均交并比MIoU为0.799。上述结果说明改进的U-net模型可以很好地识别和监测小麦图像中的发病麦穗,并在发病麦穗的分割上具有很好的效果     

基于无人机RGB影像的小麦叶面积指数与产量估算研究

为探讨基于无人机RGB影像实现对小麦叶面积指数(leaf area index, LAI)和产量估算的可行性,设置不同生态点、品种和氮素处理的小麦田间试验,应用大疆精灵4 Pro无人机获取小麦拔节期、抽穗期、扬花期和灌浆期4个主要生育时期的RGB高时空分辨率影像,并同测定小麦LAI。采用相关性分析筛选出不同生育时期对LAI敏感的光谱与纹理特征集,并借助随机森林(random forest, RF)、偏最小二乘回归法(partial least squares regression, PLSR)、BP神经网络(back propagation neural network, BPNN)和支持向量机(support vector machine, SVM)分析方法,筛选出小麦不同生育时期最优的LAI估测模型。基于不同生育时期的光谱与纹理特征以及时期特征集,进一步建立产量预测模型,并在不同生态点验证叶面积估算模型与产量预测模型的普适性。结果表明,基于RF的LAI估测模型的验证精度最高,4个生育时期的均方根误差(root mean square error, RMSE)分别为2.26、1.44...     

黄淮麦区主要推广小麦品种抗寒性的演变规律

为给黄淮地区小麦生产以及小麦抗寒育种提供参考依据,选取黄淮麦区20世纪60年代到2000年以后小麦主推品种40个,以实验室冷冻法结合logistic方程计算小麦的半致死温度(LT50),分析不同年份、不同类型小麦品种冬前期(苗期)、越冬期、返青期(分蘖期)、拔节期、孕穗期的抗寒性变化规律。结果表明,随着品种育成时间的往后推移,小麦品种抗寒性总体有逐渐增强的趋势,当前生产上的主要品种的抗寒性要强于一些老品种;不同区域品种的抗寒性也有差异,山东和陕西的品种表现出较强的抗寒性。半冬性品种济麦22、烟农19、良星66和皖麦38在各生育时期均表现出较强的抗寒能力,弱春性品种豫麦18、偃展4110在各生育时期抗寒性均较弱,这与它们在生产上的表现相一致;不同小麦品种在其生育进程中的抗寒性变化规律基本相似。     

基于RapidSCAN CS-45的新疆滴灌冬小麦氮肥推荐研究

为给滴灌小麦氮营养状况实时评估和氮肥合理施用提供参考,通过2年田间定位试验,以当地主栽品种新冬22号为试验材料,设置5个施氮水平(0、120、240、360、480kg·hm~(-2)),利用主动式光谱仪RapidScan CS-45获取各生育时期冠层归一化植被指数(NDVI)和归一化红边植被指数(NDRE),分析其与滴灌冬小麦各生育时期氮肥施用效应的关系,建立了新疆滴灌冬小麦生育时期施氮模型。结果表明,滴灌冬小麦冠层NDVI和NDRE值在返青期至孕穗期均快速增加,在孕穗期至灌浆期增长减缓,进入灌浆期后开始降低;滴灌冬小麦冠层NDVI与NDRE值的动态变化趋势具有明显的一致性,总体上随施氮量的增加而增大,均与施氮量呈显著的线性关系,其中在返青期和扬花期NDVI与施氮量的线性关系最好,r~2分别为0.925 4和0.944 5,在拔节期、孕穗期、灌浆期和乳熟期NDRE与施氮量的线性关系最好,r~2分别为0.929 7、0.959 6、0.941和0.953;滴灌冬小麦全生育时期总施氮量为239.98kg·hm~(-2),返青期、拔节期、孕穗期、扬花期、灌浆期和乳熟期冠层NDVI临界值分别为0.150 8、0.721 3、0.820 6、0.828 8、0.831 6和0.741 0,NDRE临界值分别为0.059 3、0.242 5、0.307 6、0.346 5、0.360 4和0.322 5。因此,在滴灌冬小麦返青期和扬花期,可选择基于冠层NDVI建立的施氮推荐模型,拔节期、孕穗期和灌浆期选择基于冠层NDRE建立的施氮模型实现推荐施氮。     

星机协同的冬小麦长势遥感监测研究—以陕西省咸阳市为例

为了解决作物长势遥感监测中星机协同性问题，在田块尺度上通过设置小麦氮素和灌溉梯度试验，在各关键生育时期测定SPAD和LAI两个长势指标并获取无人机遥感数据，构建小麦长势多光谱监测模型，并将优化的波段比值修正法与Sentinel-2A影像结合进行模型升尺度应用。结果表明，在拔节期、孕穗期、开花期和灌浆期，分别利用Clgreen、Clrededge、OSAVI和OSAVI构建的三次函数、指数函数、指数函数和幂函数对小麦SPAD的拟合效果最佳，升尺度应用至孕穗期、开花期和灌浆期卫星遥感监测后验证精度均较好；上述四个生育时期分别利用Clgreen、Clrededge、DATT和OSAVI构建的幂函数、二次函数、指数函数和指数函数对LAI拟合效果最佳，升尺度应用验证精度均较好。基于该星机协同方法对咸阳市冬小麦长势进行监测发现，2021年武功县、兴平市、三原县等区域小麦各生育时期长势均较优，永寿县、淳化县、彬州市等地的小麦长势均较差。这说明通过对无人机和卫星遥感影像融合方法的完善，可提高冬小麦长势监测中星机协同性。     

无人机遥感及深度学习在油菜冻害识别中的应用研究

气象灾害是影响我国农作物产量及农业可持续发展的重要因素,低温冻害导致油菜生长发育迟缓和大幅度减产。便捷、精准地识别和评估油菜冻害不仅为精准农田管理提供依据而且对培育抗冻品种有重要意义。本研究借助低空无人机遥感技术,用大疆精灵无人机Phantom 4 Pro V2.0,搭载2000万像素RGB相机,对生长88天正处于越冬期的2052份油菜育种材料进行航拍。将拍摄后的图片经拼接、剪裁、评价、扩展后按8:2划分为训练集和验证集。然后将训练集图片分批输入自主建立的深度学习网络模型中提取冻害特征并优化网络模型,优化完成后用验证集图片对识别结果进行验证。结果表明深度学习网络模型对油菜是否发生冻害的整体识别精度达98.13%,Micro F1为98.13%、Macro F1为98.11%,Kappa系数为0.96,说明深度学习网络模型整体性能较好。本试验使用较低的成本实现了大规模油菜材料冻害情况快速、高效、准确的评估,弥补了传统调查方法的缺陷。同时本研究建立的成套油菜冻害鉴定方法可为后续抗冻性状机理研究及品种选育提供重要支撑,也可为其它类似冻害的逆境鉴定方法开发提供借鉴和参考。     

长江中下游生态区大豆生长性状及产量的冠层高光谱偏最小二乘回归预测

高光谱遥感能够快速无损地估测作物生长性状及产量,这为作物规模化育种的田间评价与选择提供了高效手段。选用生育时期相似、生长性状有差异的52份大豆品种(系)进行2年田间试验,在盛花期(R2)、盛荚期(R4)及鼓粒初期(R5)测定大豆冠层反射光谱,同步测定大豆叶面积指数(LAI)和地上部生物量(ABM),收获后测定产量。针对不同生育时期冠层光谱与生长性状及产量进行偏最小二乘回归(PLSR)分析。结果表明:不同生育时期LAI的PLSR模型可以解释LAI总变异的54.4%~61.0%;不同生育时期ABM的PLSR模型可以解释ABM总变异的65.5%~67.0%;R5期是利用冠层光谱估测产量的最佳生育时期,其PLSR模型可以解释产量总变异的66.1%。本研究结果可望为大豆规模化育种中大量试验材料的田间长势监测和产量估测提供快速无损预测的技术支持。     

水分亏缺对冬小麦主茎叶片保护酶活性的影响

为了解水分胁迫对小麦中后期叶片保护酶活性的影响,通过盆栽试验,以四个不同抗旱性冬小麦品种为材料,研究了水分亏缺处理后,不同生育时期小麦主茎叶片保护酶系统活性的变化.结果表明,中度水分亏缺条件下抽穗期与开花期旗叶保护酶活性高于对照,重度水分亏缺条件下保护酶活性降低;灌浆期超氧化物歧化酶(SOD)活性存在品种间差异,过氧化物酶(POD)活性随着水分亏缺程度的增加而升高,过氧化氢酶(CAT)活性变化则同前两个时期一致.其中,超氧化物歧化酶(SOD)活性在抽穗期最高,过氧化物酶(POD)活性在灌浆期最高,而开花期过氧化氢酶(CAT)活性则明显低于其它时期.由此表明在不同生育时期保护酶系统活性的变化在水分亏缺条件下有明显差异.     

小黑麦、黑麦与普通小麦粮用和饲用价值的差异

为筛选适宜于山西省种植且能满足一定用途要求的小黑麦品种,在大田条件下,研究了小黑麦、黑麦与普通小麦各生育时期植株生物产量、矿质营养含量、籽粒产量及品质的差异.结果表明:(1)小黑麦、黑麦与普通小麦生物产量、经济产量厦经济系数均存在明显差异.各生育时期生物产量以黑麦最高,小黑麦次之,普通小麦最低.4个小黑麦品种中,从越冬始期到抽穗期,以中饲237生物产量最高.供试小黑麦品种中,籽粒产量以晋饲1号和054-22最高.经济系数则以普通小麦最高,小黑麦次之,黑麦最低.(2)随着生育进程的推进,小黑麦、黑麦与普通小麦植株蛋白质、钙、磷、粗纤维、灰分、可溶性糖含量的变化趋势一致,但含量高低存在明显差异.小黑麦、黑麦各生育期植株蛋白质含量、磷含量,返青期到抽穗期植株钙含量,拔节期和成熟期植株粗纤维含量明显高于普通小麦.4个小黑麦品种中,晋饲1号和中饲237植株综合营养价值高于其余两个品种.(3)小黑麦籽粒品质变化范围较大.在4个黑麦品种中,中饲237满足中筋小麦的国家标准,晋饲1号满足弱筋小麦的标准.     

不同品质类型冬小麦氮素积累及分布与运转特点

选用3个冬小麦品种,测定了不同生育时期各器官氮素含量,着重研究不同品质类型(强筋、弱筋和中筋)冬小麦各生育时期氮素的积累、分布与运转特点。结果表明,不同品质类型冬小麦在生育前、中期植株体内的氮素含量无显著差异,小麦抽穗至开花以后,随着生殖器官的不断发育,各营养器官向籽粒中运转氮素增加,尤其在灌浆中期之后,强筋小麦的旗叶、倒二叶氮素下降幅度大,向籽粒运转比例增大,中筋、弱筋小麦的旗叶、倒二叶氮素下降比较平缓,向籽粒运输较小,直至成熟期籽粒中氮素含量形成明显差异,这是不同品质类型小麦遗传特性的表现。     

冬小麦品种（系）叶绿素荧光参数的因子分析

为了解小麦叶绿素荧光参数间的相互关系,在大田条件下应用PAM2100型叶绿素荧光仪对18个冬小麦品种（系）叶绿素荧光动力学参数进行了不同生育时期的观测,分析了冬小麦叶绿素荧光参数Fo等14个荧光参数间的相关性,并通过因子分析和聚类分析对其荧光特性进行了综合评价。结果表明,将14个叶绿素荧光参数压缩成可变荧光转换因子、实际量子效率因子、光合因子、稳态荧光产量因子和基础荧光因子5个相互独立的综合指标,分别决定总变异的49.06%、20.25%、15.96%、9.12%和4.30%,累计可表达总变异的98.69%。并通过聚类分析将18个小麦品种（系）划分为3类。     

基于Dualex植物多酚-叶绿素仪的冬小麦叶绿素含量高光谱估算

为探讨基于Dualex植物多酚-叶绿素仪和高光谱遥感技术反演小麦叶绿素含量的可行性,利用Dualex植物多酚-叶绿素仪,测定不同生育时期冬小麦叶片叶绿素含量(Chl),同时进行叶片光谱测定,以对Chl敏感的1个一阶导数波段、3个三边参数和3个植被指数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建估测模型,并利用验证样本对各生育时期估测模型进行精度检验,同时与传统的单因素模型进行了比较。结果表明,冬小麦反射光谱曲线在不同生育时期有所不同,且随着叶绿素含量的增加,可见光波段的光谱反射率不断降低;在以一阶导数光谱敏感波段、三边参数以及植被指数构建的冬小麦Chl单因素估算模型中,基于各生育时期显著相关的植被指数构建的模型精度最优;以7个参数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建的模型在各生育时期均表现出较好的拟合性及预测精度,尤其利用SVR建立的模型建模决定系数在0.8以上,预测决定系数在0.7以上,是进行冬小麦叶片Chl估测的最优模型。     

基于高光谱图像技术的小麦种子分类识别研究

为了探讨高光谱图像技术在小麦种子分类识别中应用的可行性,采集了河南地区主要种植的7个小麦品种的种子高光谱图像及900～1 700nm范围的光谱信息,建立了主成分分析法(PCA)-支持向量机(SVM)分类模型。运用PCA对光谱数据进行降维处理,结合SVM模型比较了不同实验条件下小麦种子分类准确率以及在最佳条件下3个、4个和6个品种种子的分类准确率。结果显示,3个品种间种子分类准确率除个别外平均达到95%以上,4个品种间种子分类准确率在80%左右,6个品种间种子分类准确率在66%左右。这说明充分利用光谱信息可以对3个或4个小麦品种进行多籽粒分类。     

NaCl胁迫对低植酸小麦突变体材料种子萌发特性的影响

植酸广泛存在于禾谷类和豆类等作物种子中,近年来利用诱变技术选育低植酸作物新品种已成研究热点。本研究在不同NaCl浓度处理下,对前期通过60Co-γ辐射获得的9份低植酸小麦突变体材料进行萌发试验。结果表明,0.5%NaCl能促进种子萌发,而1.0%、1.5%NaCl明显抑制种子萌发,在其胁迫下,种子幼苗和主根生长受到抑制。初步筛选到耐盐性较好的低植酸小麦突变体材料4份,分别为lp14、lp49、lp55、lp50。     

Extensional Flow Studies of Wheat Flour Dough. I. Experimental Method for Measurements in Contraction Flow Geometry and Application to Flours Varying in Breadmaking Performance

An experimental method is reported for extensional measurements on wheat flour doughs in contraction flow geometry. In this method the transient stress under constant extension rate was measured, followed by stress relaxation measurement after cessation of flow. Four different wheat cultivars (with large differences in bread volume) were used to evaluate the usefulness of the method and to find how different parameters relevant to baking quality could be extracted from the data. The plot of transient viscosity against time showed the effect known as strain hardening, appearing at a Hencky strain roughly independent of the strain rate but differing between the wheat varieties. The relaxation rate curves for the four wheat varieties were similar except at the highest strain rate, 7·40 s⁻¹. It was decided in the following case study to use the highest strain rate, 7·40 s⁻¹and to extract three parameters from the stress growth plot and three parameters from the stress relaxation rate plot. In the case study, flours of 17 wheat varieties were mixed in the Mixograph to maximum resistance before being subjected to the contraction flow measurement. The six parameters extracted from each wheat flour dough measurement, together with the corresponding protein content, Zeleny value, and bread volume, were evaluated by multivariate analysis. A model for predicting the bread volume from the contraction flow parameters explained 94·6% of the variation in bread volume, while a model with Zeleny values and protein contents included explained 97·2%.     

基于同化物分配的冬小麦节间形态参数模型

冬小麦节间形态结构模型是功能-结构小麦模型的重要研究内容。本研究以济麦22、泰农18和鲁原502为材料,于2013-2014和2014-2015年度开展了品种和施氮试验,并结合2013-2014年冬小麦节间主要形态参数和器官生物量等数据,通过分析不同节位节间同化物分配和节间主要形态参数与器官生物量的定量关系,构建了冬小麦节间主要形态结构模型。经2014-2015年小麦生长数据检验,除分蘖节间长模型模拟精度略低外,主茎节间长、主茎节间粗和分蘖节间粗模型精度均较高,所建模型可较好模拟不同品种与施氮水平下冬小麦节间主要形态结构。     

基于MIMICS模型的麦田地表土壤含水量反演研究

为尝试联合应用光学与微波遥感数据反演小麦覆盖区土壤含水量的可行性,收集了2014年3月28日RADARSAT-2微波数据和2014年3月24日Landsat8光学数据,同时开展了地面同步试验,测量了49个点的地面数据.首先根据地面实测数据优化了光学遥感反演地表小麦含水量模型,然后利用MIMICS 模型和AIEM模型模拟研究区后向散射系数生成训练数据集,再以Matlab为平台建立BP神经网络、SVM(Support Vector Machine)、MEA-BP (Mind Evolutionary Algorithm-Back Propagation)神经网络、LS-SVM(least squares support vector machine)方法模型,构建小麦覆盖区地表土壤含水量反演模型,最后利用地面实测数据对反演模型进行了精度验证.结果表明,以LS-SVM方法构建的小麦覆盖区地表土壤含水量反演模型的精度最好,其RSME为0.010,相对误差为6.57％.说明联合应用光学与微波遥感数据,并结合简化MIMICS模型构建小麦覆盖区地表土壤含水量反演模型,其反演精度较高且具有可行性.     

基于冠层透射微分光谱的小麦植株含水量监测研究

为实现基于可见光透射微分光谱的小麦植株含水量监测,通过三年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r| 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。