基于超像素分割的田间小麦穗数统计方法

【目的】 小麦穗数是产量构成的重要因素。通过图像处理技术快速准确地统计小麦穗数,为作物长势监测和产量估测提供重要依据。【方法】 本研究以经氮肥梯度处理后不同长势的小麦为研究对象,首先,通过简单线性迭代聚类算法（simple linear iterative cluster,SLIC）对田间小麦图像进行超像素分割的预处理;提取并分析图像的部分颜色特征参数,选择适宜的颜色特征参数训练分类器;选择准确率最高的分类器对图像进行分类处理,识别麦穗。其次,对麦穗识别结果进行二值化;经腐蚀、膨胀等一系列形态学计算提取麦穗主体并进行区域统计;提取麦穗骨架,检测骨架角点数,结合角点数与区域统计结果计算小麦穗数;最后,通过线性回归分析方法验证了无氮（0）、低氮（1/2常规施氮量）、正常氮（常规施氮量）、高氮（2倍的常规施氮量）4个氮水平麦穗统计结果。【结果】 （1）利用超绿值（E_g）和归一化红绿指数（D_gr）作为分类特征可以有效地识别麦穗、土壤和叶片;（2）相较于直接基于像素进行图像处理,经超像素分割处理后麦穗识别结果更理想,识别出麦穗主体清晰,形态更为完整;（3）经比较,高氮水平下小麦长势较好,穗数统计准确率最高,为94.4%,无氮水平下小麦长势较差,穗数统计准确率最低,仅为81.9%;排除无氮情况后,长势较均匀的氮水平混合样本中麦穗计数准确率达到92.9%,相较于长势差异较大的混合样本准确率提高了8.3%。【结果】 在一般环境下,利用超像素和颜色特征的麦穗自动统计方法可以快速准确地对大田小麦进行穗数计算,长势过弱以及差异过大区域不推荐使用,研究结果为小麦大田估产提供了新的参考。     

基于深度学习的高分辨率麦穗图像检测方法

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。     

基于改进Bayes抠图算法的麦穗小穗自动计数方法

小麦产量评估需人工获取田间单位面积的麦穗数和麦穗小穗数，往往耗时耗力。为了实现高效、自动地麦穗小穗计数，提出一种基于改进Bayes抠图算法的麦穗小穗自动计数方法。该方法首先利用改进Bayes抠图算法对获取地自然生长条件下的麦穗图像进行抠图，将麦穗从自然背景中分割出来。然后对该图像进行平滑滤波和二值化，运用迭代极限腐蚀运算对二值化图像进行腐蚀处理，去除麦穗图像中的麦芒，分离出麦穗上每个单独的麦穗小穗。再运用面积滤波滤除掉面积过小的区域，对剩余区域的黑洞进行填充，由此每个单独的麦穗小穗形成一个单独的连通区域，最后对连通区域进行标记和计数，完成麦穗小穗的自动计数。使用4个小麦品种的麦穗图像对麦穗上的小穗进行计数验证，结果表明，该方法在识别4个品种田间麦穗单幅图像中小穗数量的平均计数精度达到94.53%，平均相对误差为5.47%，对比已有麦穗小穗自动计数方法，计数精度显著提高，这对于小麦在线产量预估具有重要意义。     

基于改进YOLOX-s的田间麦穗检测及计数

麦穗检测与计数关乎小麦的产量预估与育种，估算小麦产量的重要指标之一就是单位面积穗数，如何准确检测单位面积穗数对于农业生产管理决策有着重要的指导作用。因此本研究提出了基于改进的YOLOX-s的田间麦穗检测方法对麦穗进行精准识别与计数。首先，选取多个国家的不同品种小麦图像，使用图像增强、数据清洗等方法建立全球小麦图像数据集。其次，在YOLOX-s的基础上根据麦穗图像的特点，重新设计了特征提取网络的深度，同时加入注意力机制，充分提取麦穗特征。将SPP模块替换为SPPF模块，在提升推理速度的同时，不降低模型性能。通过全球小麦图像数据集进行模型训练，并使用实地拍摄的麦田图像对模型进行测试。试验结果表明：通过全球小麦图像数据集的训练，改进的YOLOX-s网络模型的mAP达到了89.03%,精确度达到了91.21%。在实拍的麦田图像中，计数准确率达到了97.93%,平均单幅图像计数为0.194 s,单株小麦识别速度为2.8 ms,检测速度较YOLOX-s提升30.2%,计数速度优异，麦穗定位准确。     

基于 YOLOv7 的无人机影像稻穗计数方法研究

【目的】利用深度学习技术开展基于无人机采集的水稻稻穗 RGB 图像进行稻穗快速计数技术研究，利于建立省工、省时、高效的产量评估预测，为后续收获、烘干、仓储工作以及品种试验评估等提供依据。【方法】在水稻齐穗 - 灌浆期，使用无人机采集水稻稻穗图片，通过对图片中稻穗的标注、分类以及训练，获得基于 YOLOv7 的网络结构模型，与田间实际调查结果进行对比和验证，针对该方法对不同亚种水稻稻穗的数穗计数精度作出评价。【结果】将得到的模型的预测结果与真实结果进行比较，对于相同的训练集，YOLOv7模型的重叠率（Intersecion of union，IoU）值的中位数普遍高于 YOLOv5 模型。仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度，YOLOv7 模型的 mAP@0.5 为 80.75%、mAP@0.25 为 93.01%，优于 YOLOv5l 模型的 mAP@0.5 值 73.36%、mAP@0.25 值 91.16%；两种模型对籼稻识别精度不高。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型，YOLOv7 模型的 mAP@0.5 为 73.19%、mAP@0.25 为 83.71%，优于 YOLOv5l 模型的mAP@0.5 值 72.77%、mAP@0.25 值 81.66%；但两种模型均对粳稻识别精度不高。对预测结果与实际调查结果进一步比较验证表明，仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度，模型预测值与观察值显著相关。其中 YOLOv7 模型对粳稻预测精度最高，R2 为 0.9585、RMSE 为 9.17；其次为 YOLOv5 模型，R2 为 0.9522、RMSE为 11.91。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型。其中 YOLOv7 模型对籼稻预测精度最高，R2 为 0.8595、RMSE 为 24.22。其次为 YOLOv5 模型，R2 为 0.7737、RMSE 为 32.56。【结论】本研究初步建立的基于无人机的田间水稻单位面积穗数快速调查方法，具有较高精度，可应用于实际田间测产工作，有利于克服人工田间估产工作量大、效率低、人为误差等问题，未来可进一步应用于可移动水稻估产装置的开发。     

杂交小麦苗期光合特性分析及其对强优势组合的早期预测

【目的】通过分析不同杂交小麦组合及其亲本苗期叶片的光合特性与籽粒产量的相关性,为杂交小麦强优势组合早期筛选和预测提供理论依据。【方法】以2个恢复系和4个不育系及其配制的6个杂交小麦组合为材料,在大田种植条件下测定小麦苗期叶片的光合特性,包括净光合速率（P_n）、气孔导度（G_s）、胞间CO₂浓度（C_i）、蒸腾速率（T_r）、水分利用效率（WUE）、叶绿素含量、Rubisco活性及其大小亚基编码基因rbcL、rbcS相对表达量;调查成熟期的产量性状,包括株高、主穗穗长、单株地上生物量、有效穗数、穗粒数、单株籽粒产量、主穗小穗数、千粒重、收获指数,并分析杂种优势以及光合性状与产量性状的相关性。【结果】杂交小麦苗期的净光合速率、气孔导度、蒸腾速率均表现出显著的超高亲优势,其中净光合速率的平均超高亲优势为15.4%,气孔导度为21.3%,蒸腾速率则为11.46%,净光合速率值高的恢复系所配制的杂交组合具有更高的净光合速率和杂种优势,而胞间二氧化碳浓度、水分利用效率则少数有负向优势。成熟期有效穗数、单株籽粒产量及单株生物量具有较高的超高亲优势,其中穗数的超高亲优势值达到最高,平均优势值为34.21%。相关性分析表明,净光合速率与气孔导度、蒸腾速率、单株生物量和单株籽粒产量呈显著或极显著正相关,说明气孔导度、蒸腾速率可辅助筛选高光合小麦,同时苗期净光合速率与产量关系密切。叶绿素含量、Rubisco活性、大小亚基编码基因rbcL、rbcS相对表达量的杂种优势差异较大,其中杂交小麦Rubisco活性均高于双亲,且具有显著的超高亲优势,平均超高亲优势为5.38%。编码基因中,与rbcL相比rbcS具有更高的超高亲优势和中亲优势,而叶绿素含量主要表现为负向优势,少数表现出中亲优势,极少数表现出超高亲优势,且各项指标与净光合速率均无显著相关性。【结论】杂交小麦在苗期已表现出显著的杂种优势,尤其是净光合速率、气孔导度和蒸腾速率,而净光合速率与单株产量、单株生物量显著正相关,因此结合小麦杂交组合的田间表现,苗期净光合速率高低可以作为早期预测杂交组合的产量潜力的参考依据。     

基于高光谱遥感和集成学习方法的冬小麦产量估测研究

【目的】利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值。【方法】以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型。【结果】2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关（P<0.0001）,且表现出较高的遗传力（0.61-0.85）,主要受遗传因素控制。在正常灌溉处理下,与传统机器学习方法表现最佳的模型相比,集成学习方法在3个生育期的平均决定系数(R²) 分别由0.610、0.611和0.640提高至0.649、0.612和0.675,平均均方根误差 (RMSE) 分别降低至0.607、0.612和0.593 t·hm^-2;节水处理下,3个生育期的平均R²分别由0.461、0.408和0.452提高至0.467、0.433和0.498,平均RMSE分别降低至0.519、0.559和0.504 t·hm^-2。【结论】利用集成方法将不同模型估测结果进行结合,能够有效地提高产量估测精度,2种灌溉处理下均在灌浆中期估测精度最佳,可为冬小麦育种工作中产量估测提供参考。     

小麦穗面积的简易测定法

<正> 已有不少试验证明,麦穗的光合产物对籽粒产量的贡献,能与旗叶相当,可提供穗粒重的20％或更多。因此,在研究麦穗的光合性能以及栽培和育种工作中,对小麦产量起作用的穗面积便日益受到人们重视。由于麦穗表面是许多颖片相叠而成,其测定比叶面积复杂得多,所以,直到目前为止,还没有快速测定的仪器。据国外文献报道,一些科技工作者在实际工作中已采用了各种估测方法。本文在前人研究的基础上,提出一种不破坏麦穗而能在田间进行操作的简易测定法,并与其它方法进行测试比较,以提供应用者参考。     

万亩小麦基地喜迎高产

<正>目前,河北永年县乡音合作社创建的万亩小麦基地培育的小麦新品种"硅谷826"施用"硅谷"水溶长效缓释肥后长势情况良好。经田间实际估测,小麦平均亩有效穗数为31万穗,平均穗粒数为60个。专家组认为,今年夏粮高产的苗架已经搭起,只要后期天气正常,小麦亩产实现800公斤希望很大。5月20     

基于机器视觉的稻茬麦单茎穗高通量表型分析

【目的】高通量表型技术不仅是现代育种领域的重要手段,也是解析田间作物生理生态行为的工具,但不同类别高通量表型技术的基础架构特征仍不清楚,因此需要针对机器视觉高通量表型技术进行专门探讨。【方法】本文用机器视觉技术检测计算稻茬麦茎穗一体的表型指标。使用宁麦13、鲁原502和郑麦9023 3个小麦品种,进行小区化对比试验,使用等孔距栅条精播板进行单粒精播,准确控制条播小麦的群体条件。于稻茬麦成熟期进行茎穗一体图像获取,对图像进行灰度增强、直方图均值化、S分量提取、Otsu阈值分割、茎穗分离和茎穗形态参数提取等操作。提取的稻茬麦地上部单茎穗各器官的形态参数包括茎秆长、茎秆平均宽度、茎秆投影面积、茎秆周长、麦穗长、麦穗平均宽度、麦穗投影面积和麦穗周长。同时,使用传统方法获取小麦单叶片质量、单茎秆质量、单穗质量和单穗籽粒产量等农艺性状指标。分别构建线性模型、二次模型、指数模型及拓展模型进行多维指标拟合,包括小麦单茎穗生物量与单穗籽粒产量关系、单茎穗的麦穗形态参数与单穗籽粒产量关系等拟合分析。在单茎穗层面对小麦茎穗的表型指标与单穗籽粒产量之间的关系进行相关分析和回归分析,进而基于机器视觉在小麦茎穗一体方面的个例应用,讨论大田高通量表型分析的机器视觉技术研发的要点。【结果】宁麦13、鲁原502和郑麦9023 3个小麦品种的单叶片质量与单穗籽粒产量的相关系数依次下降,小麦单茎穗形态参数与单穗籽粒产量的相关性显著低于生物量指标,但单穗投影面积、单穗长与单穗籽粒产量依然存在显著正相关。3个小麦品种在单茎穗的各生物量指标与单穗籽粒产量的最优回归模型各不相同,麦穗图像的形态参数不能准确反映单穗籽粒产量,但单茎穗的茎秆和麦穗形态参数的组合应用表现出最佳的拓展模型拟合结果。利用茎穗一体的数字图像处理所得的复合型形态参数可以准确预测单穗籽粒产量,从而表明利用机器视觉技术观测小麦的生长过程并实时预测产量的可行性。【结论】机器视觉技术能提供远高于常规农艺性状的高通量指标集,为解析各类农艺性状之间的联系及产量的通径分析提供更多的途径,但也造成高维指标集和有价值信息提取的技术困难。应用于田间小麦群体的机器视觉技术应具备多尺度智能化自适应的技术架构,同时应具备基于场景、群体、个体和器官的多空间尺度和苗期、分蘖期、拔节期等多生理时间尺度的统计性数字表型发现和计算能力,同时,机器视觉各技术研发环节和各技术模块都需要农艺学深度参与和校准,而配备标准表型数据库更是保障高通量技术实用性和可靠性的基础。     

植株自旋转多视角重建技术在小麦植株三维表型获取中的应用评估

基于多视角重建技术的作物三维表型高通量获取系统成本低、获取效率高，引起越来越多的关注。植物自旋转式拍摄平台易于搭建，但植物旋转过程中产生的抖动对点云三维重建和表型解析精度有一定影响。为评估旋转式多视角成像在小麦植株三维表型解析中的适用性，基于植物旋转设计了便携式小麦植株三维表型高通量采集系统，选取穗期不同品种的小麦植株作为实验样本进行点云重建，基于Hausdorff距离评价了重建点云的精度误差；并基于人工测量数据，对所提取的表型指标精度进行评价。结果表明，植物旋转式重建的点云与相机旋转式重建的点云有较高的一致性，点云精度差距基本控制在0.4 cm以下；获取的叶长、叶宽和株高的均根方误差分别为0.79、0.13和0.53 cm，平均绝对百分比误差分别为3.26%、7.63%和0.74%，表明该方式适合穗期的小麦植株表型重建，具有较高的点云重建和表型提取精度，并为小麦植株表型评价提供了一种低成本的解决方案。     

利用90K芯片分析烟农74（11）小麦衍生品种（系）的遗传关系

小麦种质烟农74（11）是20世纪70年代烟台农业科学院选育的小麦育种中间材料，衍生了鲁麦14、鲁麦13、烟农19等多个大面积推广品种，并以这些品种为育种亲本，选育出多个国审小麦品种，是近期山东省小麦育种的基础。选用烟农74（11）种质衍生品种（系）62份、非烟农74（11）种质衍生品种（系）58份，共计120份实验材料，采用小麦90K芯片，分析了供试材料的遗传关系。共获得26 026个有效SNP位点，其中A、B、D基因组各占32.17%、40.69%和7.64%。供试群体多态性信息含量（PIC）为0.18～0.31，平均为0.25，低于SSR标记揭示的遗传多样性。分析了全部材料组（组Ⅰ）和烟农74（11）衍生材料组（组Ⅱ）遗传相似性系数，发现组Ⅰ材料间的遗传相似性系数在0.61～0.70的占59.44%、0.71～0.80的占32.98%、≥0.91的占0.80%；组Ⅱ的遗传相似性系数在 0.61～0.70的占26.77%、0.71～0.80的占53.22%、0.81～0.90的占17.26%，≥0.91的占2.75%，这表明烟农74（11）种质衍生后代间的遗传关系比较狭窄，需要拓宽遗传基础。此外，对几个经典小麦杂交组合进行了遗传相似性系数分析，发现子代和上缘亲本间的遗传相似性系数为0.68～0.87，平均为0.79；姊妹系间为0.84～0.87，父母本间为0.65～0.71。通过经典组合分析并结合当前小麦遗传关系狭窄的现实，建议在中短期育种目标中，双亲遗传相似性系数最好控制在0.8以下；在中长期育种目标中，双亲遗传相似性系数最好控制在0.7以下。     

基于无人机多光谱影像的春玉米田管理分区研究

为了提高大尺度农田管理的针对性，探寻低成本高效的分区方法，以黑龙江省典型黑土区30.8 hm²春玉米田为对象进行分区研究。基于吐丝期无人机多光谱影像，使用多尺度分割与模糊聚类相结合的方法进行分区，同时基于播种前的土壤养分（土壤有机质、速效氮磷钾）、土壤体积含水率、电导率、pH进行模糊聚类分区并作为对照，对分区间春玉米产量和土壤养分进行方差分析，并对分区内变异系数进行比较以评价分区效果。结果表明，基于无人机影像得到4个较优管理分区为M1、M2、M3、M4，各分区产量分别为7 597.53、8 236.35、8 686.98、9 119.93 kg·hm^-2，各分区间产量差异显著，其中M1、M2、M3间土壤养分差异显著（P<0.05），分区内作物产量和土壤养分的变异系数降低；基于土壤数据确定4个分区，即S1、S2、S3、S4，春玉米产量分别为7 754.81、8 173.44、8 860.05、9 153.23 kg·hm^-2，分区间土壤养分、土壤水分差异显著（P<0.05），分区内部土壤均一性提高。综合来看，2种方法的划分结果在空间分布上具有一定的相似性，同级分区的空间重合度分别为40.00%、46.51%、57.45%、59.38%，整体重合度为51.32%。当缺乏土壤数据时，无人机多光谱影像可为农田管理分区提供参考依据。     

LAI无人机多光谱遥感估测及其在盐渍土改良中的应用

【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数（LAI）是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于LAI反演结果的盐渍土改良效果评价能够从众多试验小区中定位出最优的改良效果。与传统方法相比,该方法具有成本低廉、精度高等优势,研究结果有广泛推广前景,可以为盐渍土的改良提供重要技术支持。     

基于无人机多光谱影像和随机森林的蔬菜识别

实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割，以光谱特征（spectrum features，SPEC）为基础，分别引入指数特征（index features，INDE）、纹理特征（grey-level co-occurrence matrix features，GLCM）和几何特征（geometric features，GEOM）构建8个分类方案（S1～S8），使用随机森林算法进行分类并分析分类效果。结果表明，方案S5（SPEC+GLCM+INDE）的分类效果最好，总体精度和Kappa系数分别为92.75%和0.92。几何特征的引入降低了分类精度，而纹理和指数特征则与其相反；仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜，为提高精度后续研究有必要引入植株高度等特征；在4大类特征中，重要性排在首位的是光谱特征，其次为指数特征。基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度，并能确认影响精度的重要特征，可为其他作物的精准识别提供借鉴。     

半乳糖对产蛋鹌鹑的卵巢毒性及牛磺酸的预防作用

将120只5月龄产蛋日本鹌鹑随机平均分成4组，进行两个阶段的试验。第一阶段各组鹌鹑在正常饲料中分别添加A.对照(不添加牛磺酸和半乳糖)；B.1%牛磺酸；C.10%半乳糖；D.10%半乳糖+1%牛磺酸；第二阶段各组鹌鹑在正常饲料中分别添加A.对照(不添加牛磺酸和半乳糖)；B.1%牛磺酸；C.5%半乳糖；D.5%半乳糖+1%牛磺酸。记录各组鹌鹑产蛋个数、重量、采食量和死亡率。结果显示与对照组和牛磺酸组相比，10%的半乳糖(C组和D组)使鹌鹑产蛋量和采食量都显著下降(P＜0.05)。半乳 糖处理9～10d后，C组鹌鹑几乎停止产蛋，且死亡率达 到20%，是其它3组(3.33%)的6倍多(P＜0.05)。牛磺 酸对半乳糖引起的产蛋量下降有一定的延迟作用，且D 组鹌鹑的产蛋量始终高于C组。在第二个阶段，当半乳 糖含量降至5%时，C组和D组鹌鹑的产蛋量及采食量都逐渐提高。D组鹌鹑产蛋量的恢复速度显著高于C组(P＜0.05)。在第二阶段试验结束时，D组鹌鹑的产蛋量和采食量几乎与A组和B组相等，这表明1%牛磺酸对5%半乳糖引起的卵巢毒性有很好的预防作用。     

微型无人机林火监测系统的设计与实现

为探索林火监测的新手段,提高森林安全管理水平,将实时视频传输和计算机技术相结合,研制了林火监测任务设备．并与无人机飞行平台共同构成了微型无人机林火监测系统。以林区火场影像为样本．像素RGB值为分类依据．使用统计产品与服务解决方案软件进行聚类分析．得到基于颜色特征的烟雾识别模型。该模型经过光谱特性改进和消噪处理后．对于试验影像的烟雾识别率在77％以上。利用该模型．系统可在飞行中实时完成对地面火情的探测并给出报警提示。在飞行试验的基础上,提出无人机林火监测系统的飞行作业流程．并讨论了系统运行的经济性和目前存在的问题。无人机林火监测系统同样可用于林区气象探测、可燃物和病虫害调查等方面．切实提高林区管理的技术水平。图5表2参14     

海河平原春季限水灌溉下冬小麦农田水分动态及产量形成特征

海河平原冬小麦生产与水资源匮乏的矛盾十分突出，亟需建立限水灌溉制度，实现丰产与水分高效的协调统一。于2018—2020年冬小麦生长季，选取旱地组（石麦22、衡观35和冀麦418）和水地组（石农086、冀麦585和石新828）2种类型小麦品种，设置适期播种和晚播2个播期以及春季2次灌水、不灌水和春3、4、5、6叶龄1次灌水处理。研究不同处理土壤水分动态变化及冬小麦产量形成特征。结果表明： 春季限水灌溉下，0—60 cm土层为主要供水层，其含水量（SWC60）变化显著影响小麦产量形成；春4叶龄为冬小麦春季1次灌水的最佳灌溉时期，灌水前干旱程度较轻，灌水后直至乳熟末期SWC60才低于60%，干旱胁迫也相对较轻；春季限水灌溉下，冬小麦产量显著降低，旱地组品种产量降幅低于水地组品种。不同春季叶龄1次灌水处理总体表现为春4叶龄灌水产量降幅最小，平均减产约10%。春季1次灌水晚播处理的产量水平与对应的适期播种处理无显著差异。春4叶龄灌水处理产量和水分利用效率（WUE）显著高于其他春季1次灌水处理，其单位面积穗数、穗粒数和千粒重更为均衡协调，最终在实现7 502.9~8 050.0 kg·hm^?2产量水平的同时，WUE达17.5 ~20.1 kg·hm^?2·mm^?1，较春季2次灌水节水70.1 mm。上述研究结果为构建精量高效的小麦春季限水灌溉制度提供了依据。     

桂产肿节风无机元素分析

【目的】分析桂产肿节风药材的23种无机元素含量，评价其安全性，为桂产肿节风药材的应用及质量评价提供参考依据。【方法】以采自广西不同产地的11批次肿节风药材为试验材料，微波消煮后，采用电感耦合等离子体质谱法（ICP-MS）和电感耦合等离子体发射光谱法（ICP）测定其Ti、 As、 B、 Ca、 Na等23种元素含量，再进行相关分析、主成分分析和重金属污染的综合评价。【结果】肿节风药材中含有丰富的无机元素，其中K（10888 mg/kg）、 Ca（5319 mg/kg）、 Fe（349.2 mg/kg）、 Na（115.6 mg/kg）和Zn（107.5 mg/kg）的平均含量远高于其他元素， As（0.1348 mg/kg）、 Mo（0.1048 mg/kg）和Sb （0.0477 mg/kg）含量较低； 23种无机元素之间有一定的相关性，其中有13个呈极显著正相关 （P<0.01，下同）、 14个呈显著正相关（P<0.05，下同）、 1个呈极显著负相关、 9个呈显著负相关；主成分分析表明As、 B、 Fe、Sr、 Sn、 Hg和Mn是肿节风的特征无机元素；重金属污染评价结果表明，肿节风药材中Pb、 Hg和Cd含量超标，超标率分别为72.73%、 45.45%和18.18%，所有样品综合污染指数均超安全级别，其中36.36%处于警戒级别， 63.64%处于轻度污染水平。【结论】初步明确肿节风的无机元素组成，筛选出7种特征无机元素，并绘制出无机元素图谱，该结果可为肿节风药材质量控制和安全性评价提供参考。