基于改进的GPU并行NSGA-Ⅲ的土地利用优化配置

土地利用优化配置是实现土地资源可持续利用的重要途径。该研究根据地理单元发展演变特点对基于参考点的非支配排序的遗传算法进行针对性改进，并耦合多目标优化方法，构建了土地利用空间优化模型。针对目前空间优化模型耗时过长，效率低的问题，该研究将GPU（Graphics Processing Unit, GPU）并行计算和土地利用优化配置模型有机结合，提升模型的优化效率。该研究选取武汉市东西湖区进行实证研究，对比了模型在CPU（central processing unit, CPU）串行计算和GPU并行计算两种方式下的运行耗时，并从最终优化结果中选取生态保护优先和经济发展优先2种典型方案进行分析。结果表明：1）GPU并行计算能够显著提升模型的优化效率，模型运行耗时由原来的158.08 h缩短到了1.68 h；2）模型能够统筹协调多个目标，对研究区域土地的数量结构和空间布局进行合理配置，为规划决策者提供多个可行方案。生态保护优先方案中，生态效益降低了6.16%，经济效益增长了13.64%；经济发展优先方案中，生态效益降低了6.19%，经济效益增长了15.86%。     

基于虚拟模型的水稻冠层叶面积计算方法

水稻冠层的叶面积是分析水稻生长状况的重要参数,传统叶面积统计方法效率较低且误差较大,难以对植株冠层不同高度层的叶面积进行测量。针对传统水稻冠层叶面积统计方法的薄弱点,该文提出一种基于虚拟模型的水稻冠层叶面积计算方法。该方法首先通过田间试验获取的水稻形态参数,建立虚拟水稻模型,然后基于该模型计算植株整体叶面积以及两株水稻在一定株距下不同高度层内叶片面积的大小,从而为水稻种植管理措施的优化提供参考。该文算法与长宽校正法相比,在整株叶面积统计结果上,二者相差在5%左右;每层叶片面积实际测定和仿真结果的比较,两者误差在10%之内。该方法对于水稻冠层叶片面积统计具有一定的实际意义。     

基于GPU的虚拟植物生长的双尺度自动机模型实现方法

为提高双尺度自动机模型绘制植物图形的速度,给出其基于图形处理器（GPU）的并行实现方法。该方法将拓扑结构与归一化植物器官相结合构造三维植物图形：首先在GPU顶点着色器（vertex shader）中构造拓扑结构,然后在GPU几何着色器（geometry shader）中实现几何造型,最后将几何结构数据渲染到帧缓存中显示。选取植物学家给出的一株白杨进行基于GPU的生长模拟试验。结果显示,随绘制顶点数的增加,采用GPU进行绘制,相对CPU而言,其加速比可以从几倍扩大到十几倍以上。该方法可进一步应用于大规模自然场景绘制、虚拟农业等领域。     

脱硫石膏改良盐碱土对水稻叶绿素荧光特性的影响

为揭示脱硫石膏改良盐碱土对水稻叶绿素荧光特性的影响,以水稻品种吉特605为试验材料,以不采用任何改良技术为对照(CK),设计4种脱硫石膏改良盐碱土技术集成模式,分别在水稻出苗期、分蘖期、孕穗期和灌浆期连续2年监测土壤电导率(EC)和pH值,测定水稻叶片叶绿素荧光参数和叶绿素含量,分析4种集成模式的改良效果。结果表明,随着处理时间的延长,与CK相比,各技术集成模式下土壤EC和pH值均极显著降低,水稻叶片叶绿素荧光参数Y、ETR、F_m、F_v/m等均显著增加(P<0.05),F_o呈下降趋势。除F_o、qP与叶绿素相对含量(SPAD)和叶片叶绿素含量(LCC)之间无显著相关性外(P>0.05),其他叶绿素荧光参数与SPAD和LCC之间均呈极显著正相关(P<0.01),其中NPQ与LCC之间相关系数最大,为0.771。各技术集成模式下qP的2年均值在4个生育时期均无显著差异(P>0.05),模式D和E下SPAD的2年均值均显著高于CK,模式E下LCC的2年均值也较CK显著升高。在各生育时期,各技术集成模式下叶绿素荧光诱导动力学曲线均表现出相同的变化趋势,但曲线中各特征点出现的时间不同,峰值也不同;随着技术集成模式的优化,斜率逐渐增大,各个特征点的相对可变荧光强度值均呈递增趋势。通过主成分分析,在水稻出苗期、分蘖期、孕穗期和灌浆期均提取到2个主成分,累积贡献率分别为96.285%、93.491%、91.285%和95.104%。利用隶属函数与权重对4种技术集成模式进行综合评价,获得了可综合评价改良效果的D值,排名依次为E>D>C>B>CK,说明模式E,即脱硫石膏22.5 t·hm^-2+改良剂7.5 t·hm^-2+有机肥30.0 t·hm^-2+黄沙30.0 t·hm^-2改良盐碱土的效果最佳。在此基础上,结合合理的灌排措施可有效缓解盐碱土对水稻幼苗的伤害,明显提高水稻叶片的叶绿素含量和光合电子传递效率,减轻盐碱胁迫对水稻生长过程中PSII系统的损伤。本研究结果为脱硫石膏改良盐碱土种植水稻提供了理论依据和技术保障。     

干湿交替灌溉与氮肥形态耦合对水稻光合特性及氮素利用的影响

  【目的】  探讨干湿交替灌溉与氮肥形态对水稻光合特性及氮肥利用的影响。  【方法】  以徐稻3号为材料，在防雨棚内按处理数量构建9 m × 1.5 m × 0.4 m水泥池，用于2因素3水平完全区组试验。因素1为灌溉方式:浅水层灌溉 (0 kPa，CK)、轻度干湿交替灌溉 (?20 kPa)、重度干湿交替灌溉 (?40 kPa)。因素2为氮素形态:100%NH₄+-N (NH)、50%NH₄+-N+50%NO₃–-N (1/2NH+1/2NN)、100%NO₃–-N (NN)。在水稻分蘖盛期、幼穗分化始期、抽穗期和成熟期取植株样品，测定水稻根系氮代谢酶活性、叶片光合荧光特性及植株各部位氮素含量。  【结果】  在相同氮肥形态下，轻度干湿交替灌溉根系硝酸还原酶 (NR)、谷氨酰胺合成酶 (GS)、谷氨酸合成酶 (GOGAT)、谷氨酸脱氢酶 (GDH) 活性与浅水对照相比分别增加6.4%～80.4%、8.1%～85.9%、5.1%～61.8%与13.4%～94.0%；叶片光合速率及最大光化学效率得到提升；水稻产量、光合氮素利用率及氮肥农学效率明显提高，重度干湿交替灌溉则抑制根系NR、GS、GOGAT及GDH活性，降低叶片光合速率及最大光化学效率，最终导致水稻产量、光合氮素利用率及氮肥农学效率显著降低 (P < 0.05)。在浅水对照下，NH处理可改善根系氮代谢酶活性，提高叶片光合速率及最大光化学效率，有利于水稻产量、光合氮素利用率及氮肥农学效率的提升。干湿交替灌溉下，铵硝混合处理提高了根系氮代谢酶活性，增加了叶片光合速率及最大光化学效率，提高了水稻产量、光合氮素利用率及氮肥农学效率。相关分析表明，根系GS、GOGAT及GDH活性及叶片光合速率、最大光化学效率与氮素农学效率呈显著 (P < 0.05) 或极显著 (P < 0.01) 的正相关关系，而非光化学猝灭系数则与氮肥吸收利用率呈显著的负相关关系 (P < 0.05)。  【结论】  水稻生长期一直保持浅水层时，供应100%铵态氮可以充分发挥水肥的耦合效应，促进根系氮代谢酶活性，提高叶片的光合速率及最大光化学效率，有利于水稻的高产及氮高效利用。轻度干湿交替灌溉则以施用50%铵态氮和50%硝态氮混合氮肥最佳。     

水稻淡黄叶突变体xws的光合特性与基因定位

为了解析水稻叶绿体发育和高光效育种中光合作用的机理,本研究以不育系P88S群体中发现的一株淡黄叶自然突变体xws为试验材料,对该突变体进行表型鉴定和光合特征分析,并对其进行精细定位和候选基因分析。结果表明,xws在整个生育期叶片、茎和穗均呈淡黄色。与野生型相比,xws叶片、茎和穗的叶绿素a、叶绿素b和类胡萝卜素含量均显著下降。透射电镜观察结果发现,与野生型相比,xws嗜锇小体消失,类囊体数量减少。xws的净光合效率、气孔导度、蒸腾速率、胞间CO₂浓度和叶绿素荧光参数与野生型相比均降低。以xws与R032杂交的F₂群体作为定位群体,将基因精细定位至水稻第3号染色体分子标记WY242和WY119之间,其物理距离为51.7 kb。本研究结果为进一步研究水稻叶绿体发育,从而提高水稻光合作用和分子调控网络途径提供了理论支撑。     

基于叶片数增长动态的营养液供给对番茄生长、产量和品质的影响

【目的】 针对基质栽培番茄的营养液管理问题,研究了基于叶片数增长动态调控营养液供给对番茄生长、产量和品质的影响。 【方法】 温室基质栽培条件下,以番茄为试验材料,根据植株每增长 1、2 和 3 片叶时营养液浓度的提高幅度分别设置 TR0.1 (0.1 mS/cm)、TR0.2 (0.2 mS/cm)和 TR0.3 (0.3 mS/cm) 3 个处理,即叶片数增长动态处理;另设常规营养液管理模式作为对照（CK),即番茄定植至开花前、开花至第一穗果坐果、第一穗果坐果至采收结束 3 个生育期内供给营养液浓度分别为 1.5、2.1 和 2.7 mS/cm。通过测定营养液总盐含量和番茄株高、茎粗、叶片数、产量、养分利用率和品质等指标对不同营养液管理方法进行评价。 【结果】 叶片数增长动态处理 (TR0.1、TR0.2和TR0.3) 营养液浓度提高频率是 CK 的 2.0～5.6 倍,且可利用的营养液总盐含量、大量元素和微量元素的总含量均表现为 CK > TR0.1 > TR0.2 > TR0.3。叶片数增长动态处理 (TR0.1、TR0.2和TR0.3) 和 CK 的茎粗和叶片数受营养液浓度提高幅度影响较小。TR0.1 处理的产量和营养液养分利用率比 CK 分别提高了 30.4% 和 37.7% ( P < 0.05)。与 CK 相比,TR0.1、TR0.2 和 TR0.3 处理的果实中硝酸盐含量和可滴定酸含量分别降低了 19.4%～68.6%和16.7%～23.2% ( P < 0.05),总可溶性固形物和糖酸比分别增加了 0.8%～12.9% ( P < 0.05,TR0.3 除外) 和 31.3%～34.7% ( P < 0.05),说明叶片数增长动态处理的果实品质优于 CK。基于叶片数增长动态调控营养液供给的方法中,与 TR0.3 处理相比,TR0.1 处理的株高增加 7.5 cm ( P < 0.05),产量和营养液养分利用率分别提高了 30.7% 和 29.4% ( P < 0.05);TR0.1 处理果实硝酸盐含量、总可溶性固形物、可滴定酸含量和糖酸比均最高,除糖酸比外,各处理呈显著性差异。 【结论】 基于叶片数增长动态调控营养液浓度供给的方法优于常规基质栽培营养液管理方法,可以实现基质栽培番茄的高产优质,提高营养液养分利用率,其中每增长 1 片叶营养液浓度增加 0.1 mS/cm 的供给方法 (TR0.1),因营养液浓度变化速率快,浓度变化幅度小,对促进番茄生长、养分吸收及增加产量、改善品质的效果最好,为供试条件下最优的营养液调控方法。      

氮高效吸收水稻磷素吸收利用的特点

为探究氮高效水稻磷素吸收利用的基本特点及其与氮素吸收的关系。在大田条件下,于2012-2013年,以114个染色体单片断代换系水稻为供试材料,研究其产量、氮磷吸收利用等性状,并以成熟期吸氮量和产量将供试材料聚类分成6种不同氮效率类型水稻。结果表明,供试群体成熟期吸磷量差异较大,变幅为2.54~5.46 g·m^-2;氮高效水稻成熟期吸磷量显著高于其他氮效率水稻,增幅达8.99%~47.24%;氮高效水稻结实期总吸磷量显著高于其他类型水稻,各器官吸磷量也有相似的趋势;氮高效水稻单茎吸磷量、干物质量大;吸磷量影响因子对成熟期吸磷量的贡献表明,结实期吸磷量、穗吸磷量、全株含磷率、单穗吸磷量、吸磷强度均高于同组因子,通径分析与相关分析结果一致;氮高效水稻磷素利用效率除吸磷增量籽粒生产效率显著高于其他类型外,其他各指标均处于中等或较低水平;成熟期吸磷量和吸氮量均对产量有正向促进作用,吸氮量贡献更大。综上,氮高效水稻无论是全株还是各器官成熟期磷素吸收量均较大,结实期表现的更明显,但磷素利用效率中等;氮高效水稻磷素吸收能力强与其单茎吸收量、吸氮强度大有密切关系;氮高效水稻磷素吸收与氮素吸收密切相关。本研究结果为水稻磷素高效吸收利用提供了理论参考。     

控失尿素对水旱轮作下水稻产量和氮素利用效率的影响

为探究控失尿素对水旱轮作下水稻产量及土壤肥力的影响,采用大田小区试验,研究了控失尿素减量和普通尿素不同配比混施对水稻产量、氮肥利用率及土壤养分残留量的影响。结果表明,普通尿素和控失尿素均能显著提高水稻叶片叶绿素含量、株高和生物量,但两处理之间无显著差异。控失尿素增产效果低于普通尿素,主要是由于水稻有效穗数的降低。控失尿素和普通尿素混施比单施控失尿素增产0.51~0.92 t/hm~2。在不同配比中,控失/普通为7∶3处理更有利于水稻生长,具有较高的株高、生物量以及氮肥利用效率和较低的氮素残留,增产效果较好。控失尿素减量10%和20%都会显著降低水稻叶片叶绿素含量和肥料利用率,且分别减产0.24~0.41和0.39~0.51 t/hm~2。     

基于冠层光谱特性的水稻叶片含水率模型

基于水稻叶片含水状况与冠层光谱反射率存在关联,尝试构建水稻叶片含水率模型。在水稻生长的孕穗期,同时测量室外水稻冠层光谱反射率和叶片含水率,依据水稻叶片含水率与各光谱波段反射率之间的相关性系数,选取高相关性系数对应的光谱特征波段。采用遗传算法对BP神经网络的初始权值进行优化处理。分别应用BP神经网络和GA-BP-Network、传统多元线性回归方法建立预测模型。试验表明,GA-BP-Network模型的预测含水率值与真实值平均误差率为3.9%,最大误差率为6.1%,均比BP神经网络、传统多元线性回归预测模型有了很大的改善,提高了预测水稻叶片含水率的准确性。     

基于YOLOv5m和CBAM-CPN的单分蘖水稻植株表型参数提取

为快速获取单分蘖水稻植株的形态结构和表型参数，该研究提出了一种基于目标检测和关键点检测模型相结合的骨架提取和表型参数获取方法。该方法基于目标检测模型生成穗、茎秆、叶片的边界框和类别，将所得数据分别输入到关键点检测模型检测各部位关键点，按照语义信息依次连接关键点形成植株骨架，依据关键点坐标计算穗长度、茎秆长度、叶片长度、叶片-茎秆夹角4种表型参数。首先，构建单分蘖水稻的关键点检测和目标检测数据集；其次，训练Faster R-CNN、YOLOv3、YOLOv5s、YOLOv5m目标检测模型，经过对比，YOLOv5m的检测效果最好，平均精度均值（mean average precision，mAP）达到91.17%；然后，应用人体姿态估计的级联金字塔网络（cascaded pyramid network，CPN）提取植株骨架，并引入注意力机制CBAM（convolutional block attention module）进行改进，与沙漏网络（hourglass networks，HN）、堆叠沙漏网络模型（stacked hourglass networks，SHN）和CPN模型相比，CBAM-CPN模型的预测准确率分别提高了9.68、8.83和0.5个百分点，达到94.75%，4种表型参数的均方根误差分别为1.06、0.81、1.25 cm和2.94°。最后，结合YOLOv5m和CBAM-CPN进行预测，4种表型参数的均方根误差分别为1.48 、1.05 、1.74 cm和2.39°，与SHN模型相比，误差分别减小1.65、3.43、2.65 cm和4.75°，生成的骨架基本能够拟合单分蘖水稻植株的形态结构。所提方法可以提高单分蘖水稻植株的关键点检测准确率，更准确地获取植株骨架和表型参数，有助于加快水稻的育种和改良。     

基于深度学习的生姜种芽快速识别及其朝向判定

针对目前生姜机械化播种难以实现"种芽朝向一致"农艺要求的问题,该研究提出了一种基于深度学习的生姜种芽快速识别及其朝向判定的方法。首先,构建生姜数据集。其次,搭建YOLOv3网络进行种芽的识别,包括:使用Mosaic等在线数据增强方式,增加图像的多样性,解决小数据集训练时泛化能力不足的问题;引入DIo U(Distance Intersection over Union)边框回归损失函数来提高种芽识别回归效果;使用基于IoU的K-means聚类方法,经线性尺度缩放得到9个符合种芽尺寸的先验框,减少了先验框带来的误差。最后进行壮芽的选取及其朝向的判定。测试集中的结果表明,该研究提出的生姜种芽识别网络,平均精度和精准率、召回率的加权调和平均值F1分别达到98.2%和94.9%,采用GPU硬件加速后对生姜种芽的检测速度可达112帧/s,比原有YOLO v3网络的平均精度和F1值分别提升1.5%和4.4%,实现了生姜种芽的快速识别及其朝向的判定,为生姜自动化精确播种提供了技术保证。     

基于单目视觉车辆姿态角估计和逆透视变换的车距测量

针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的2组对比试验分析该文方法的可行性和有效性,结果表明,该文所提出的测距模型能够有效测量纵向70 m、横向4 m以内的目标车辆距离,测量误差在5%以内,且道路环境越好,误差越小,道路良好的平坦道路测距误差在3%以内;该文算法的平均处理速度达到了40帧/s。     

基于改进YOLOv5s的苹果叶片小目标病害轻量化检测方法

为解决自然环境中苹果叶片病害检测场景复杂、小目标病害检测难度高以及模型参数大无法在移动端和嵌入式设备部署等问题,提出一种基于YOLOv5s的苹果叶片小目标病害轻量化检测方法。该方法将YOLOv5s的骨干网络更改为ShuffleNet v2轻量化网络,引入CBAM（convolutional block attention module）注意力模块使模型关注苹果叶片小目标病害,添加改进RFB-s（receptive field block-s）支路获取多尺度特征,提高苹果叶片病害检测精度,并更改边界框回归损失函数为SIoU（scylla-intersection over union）,增强病斑定位能力。试验表明改进后的YOLOv5s模型在IoU大于0.5时的平均精度均值（mean average precision,mAP_0.5）和每秒传输帧数（frame per second,FPS）分别达到90.6%和175帧/s,对小目标的平均检测准确率为38.2%,与基准模型YOLOv5s相比,其mAP_0.5提升了0.8个百分点,参数量减少了6.17 MB,计算量减少了13.8 G,对小目标的检测准确率提高了3个百分点。改进后的YOLOv5s目标检测模型与Faster R-CNN、SSD、YOLOv5m、YOLOv7、YOLOv8和YOLOv5s目标检测模型相比,具有最小的参数量和计算量,对小目标病害叶斑病和锈病的检测准确率分别提高了1.4、4.1、0.5、5.7、3.5、3.9和1.5、4.3、1.2、2.1、4、2.6个百分点,该方法为真实自然环境下苹果叶片病害尤其是小目标病害的轻量化检测提供参考依据。     

基于时序图像跟踪的葡萄叶片病害动态监测

为提高自然成像条件下的酿酒葡萄图像中病害识别的可靠性,对时序叶片图像作连续病害检测并监测病斑变化情况。首先,在每一天利用Faster R-CNN算法对摄像机视场中葡萄叶片进行检测,对检测到的叶片采用改进卡尔曼滤波法进行跟踪,以获得叶片正面图像。为了实现多叶片跟踪和解决由遮挡而造成的跟踪失败问题,该文在卡尔曼滤波和匈牙利算法基础上,结合运动测度和深度外观信息对跟踪目标进行匹配,运动匹配时采用马氏距离,外观匹配方面采用最小余弦距离。其次,将不同日期的叶片正面图像做SIFT(scale-invariant feature transform)匹配,找到同一叶片按日期排列的一组序列图像,并在序列图像中通过深度学习技术进行病害识别。最后,通过监测叶片序列图像上病斑相对面积变化或病斑数量是否增加来确认病害的存在。该文对提出的跟踪算法、叶片匹配算法和序列图像上病害识别的精度进行了测试,试验表明:跟踪算法平均多目标跟踪准确度为73.6%,多目标跟踪精度为74.6%,基于判别模型颜色特征的传统跟踪算法两指标分别为14.3%和61.3%;基于SIFT特征的叶片匹配在识别同一叶片时的精度达到了90.9%;病害监测方面,虚警综合排除率(马修斯相关系数)达到了84.3%。该文的方法可以排除一些虚假病害,病害监测的可靠性有所提高,可适用于自然条件下葡萄病害的连续在线监测。     

基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法

柑橘识别是实现柑橘园果实自动采摘、果树精细化管理以及实现果园产量预测的关键技术环节。为实现自然环境下柑橘果实的快速精准识别,该文提出一种基于改进YOLOv3-LITE轻量级神经网络的柑橘识别方法。在采摘机器人领域,果实识别回归框的准确率直接决定了机器手的采摘成功率,该方法通过引入GIo U边框回归损失函数来提高果实识别回归框准确率;为便于迁移到移动终端,提出一种YOLOv3-LITE轻量级网络模型,使用MobileNet-v2作为模型的骨干网络;使用混合训练与迁移学习结合的预训练方式来提高模型的泛化能力。通过与Faster-RCNN以及SSD模型对比在不同遮挡程度的测试样本下模型的识别效果,用F1值与AP值评估各模型的差异,试验结果表明:该文提出的模型识别效果提升显著,对于果实轻度遮挡的数据集,该文提出的柑橘识别模型的F1值和AP值分别为95.27%和92.75%,Average IoU为88.65%;在全部测试集上,F1值和AP值分别为93.69%和91.13%,AverageIoU为87.32%,在GPU上对柑橘目标检测速度可达246帧/s,对单张416×416的图片推断速度为16.9 ms,在CPU上检测速度可达22帧/s,推断速度为80.9 ms,模型占用内存为28 MB。因此,该文提出的柑橘识别方法具有模型占用内存低、识别准确率高及识别速度快等优点,可为柑橘采摘机器人以及柑橘产业产量预测提出新的解决方案,为柑橘产业智能化提供新的思路。     

基于虚拟模型的雾滴与叶片的交互行为分析

该文针对现有雾滴与植物叶片交互行为的研究局限于水平叶片的问题,提出了一种基于试验的液滴与不同倾角的植物叶片交互行为的模拟方法,并设计了一种新的液滴弹跳方向计算方法。首先利用微距高速摄像机对液滴在不同倾角的叶片上的静态接触角大小做了精确测量,并拟合了其随叶片倾角增大的变化规律,然后以此将弹跳判定公式推广到0°~50°范围内任意倾斜的叶片上。在液滴弹跳方向计算上引入了蒙特卡洛法,代替了原有的镜面反射计算液滴弹跳方向。模拟结果表明该方法能够较真实的模拟液滴与任意倾斜叶片的弹跳判定、碰撞、驻留以及飞溅现象。该文提出的方法,为研究雾滴与叶片的交互行为提供新的思路,使得模拟过程的计算量相对较小,为植物冠层与大量雾滴交互的沉积量计算和大规模植物场景与雾场交互的实施绘制提供了技术参考。     

行向对不同穗型水稻群体微气象特性影响的研究--Ⅱ.行向对群体干物质生产的影响

对沈阳地区不同行向、品种水稻生长过程中干物质积累的试验观测结果表明，行向对水稻群体叶重、茎鞘重的影响较大，而对穗重的影响相对较小；东西行向有利于水稻群体地上部分干物质的累积，直立穗型水稻采用东西行向比弯曲穗型水稻更有利。     

基于拉曼光谱分析寒地水稻叶瘟病害植株特征

稻叶瘟是影响寒地水稻产量的重要病害之一。为了减少病害受灾程度,增加早期检测的手段,该文利用拉曼光谱仪对正常水稻与感染稻叶瘟的水稻叶片进行拉曼光谱采集,指认出了水稻叶片的特征频率。通过对无病害叶片与病害叶片官能团的拉曼特性谱峰和特征频率偏移的对比分析,指出稻叶瘟水稻叶片的特征谱峰和稻瘟病敏感谱线为1 800~2 600 cm-1的频谱区域,分析得到984和994 cm-1的双峰连线的斜率以及828和851 cm-1的双峰连线的斜率随着病害程度的增加而逐渐增大。通过对随机抽取的50个拉曼光谱样本的分析,得到2 000~2 300 cm-1散射截面随着病害程度的加重而增加,说明散射截面的变化与稻瘟病害存在良好对应关系。研究表明拉曼光谱分析为早期检测水稻稻叶瘟病提供了一种有效的手段。