小麦条锈病单叶片光谱和叶绿素含量关系分析

为了利用遥感监测小麦条锈病,研究条锈病侵染后小麦单叶光谱和叶绿素含量变化,人工接种条锈病菌在小麦幼苗上,测得接种1～24d的光谱和叶绿素含量,将其叶绿素含量与光谱及其一阶微分做相关性分析,利用光谱微分参数进行方程的模拟。接种1～12d,感染条锈病的叶片叶绿素含量与原始光谱及其一阶微分光谱在可见光波段呈负相关关系,接种13～24d,两者在可见光波段呈正相关的关系。接种后1～12d的方程模拟中以SDb为变量的模型为最佳模型,接种13～24d的方程模拟中以SDr/SDg为变量的模型为最佳模型,说明可利用光谱参数进行条锈病侵染小麦的早期监测。     

冬小麦条锈病生理变化及其遥感机理

对不同处理条件下的冬小麦条锈病进行 (病情指数 ) (DI)调查 ,并进行同步的光谱测定及田间取样 ,在室内测试了对病情指数有重要影响的几个参数因子 ,叶绿素含量及上叶含水量 ,并且将其与光谱反射率进行统计分析。研究结果表明 ,这些参数因子与反射率数据在 5 5 0～ 70 0和 70 0～ 1160nm范围内与DI有着相似的高相关性 ,说明条锈病害的DI变化可以通过叶绿素含量、上叶含水量参数直接的变化在光谱上得到响应 ,从而证明遥感监测DI是可行的 ,同时解释了遥感监测机理。选出与叶绿素含量、上叶含水量相关性最强的波段与DI作多元回归 ,建立的模型能很好地反演冬小麦条锈病的病情指数 ,正确率达到 75 %以上     

基于成像高光谱的小麦叶片叶绿素含量估测模型研究

为了探索小麦叶片的光谱特征和敏感波段,建立小麦叶绿素含量与光谱特征参量间的定量关系模型,以促进高光谱技术在小麦精准施肥以及快速、无损长势监测中的应用。采用相关分析法分析了叶绿素含量与光谱反射率及其一阶导数的关系,建立了叶绿素含量监测模型。经筛选验证确定小麦叶绿素含量的最佳估测模型为SPAD=36.75+188.168R387和SPAD=2 094.242R'7153+112 646.744R'7152-1.561E7R'715+42.991。这2个模型均可较好地估测小麦叶片的SPAD值,相比较而言,基于波段R387建立的SPAD估测模型精确度更高。     

小麦条锈病气象预测方法及遥感监测研究进展

从影响小麦条锈病发生发展的大尺度气候背景、局地气象因子两方面,对小麦条锈病发生发展的气象预测研究进行了综述,指出了常规预测方法存在的问题和难点。概述了高光谱遥感在小麦条锈病监测中的应用,并对遥感与作物模型的结合进行了探讨,在此基础上展望了基于大气环流的小麦条锈病中、长期预测及G IS辅助的遥感技术在小麦条锈病监测方面的应用前景。     

基于EFAST方法的苹果叶片叶绿素含量估算

为了快速、准确地估算叶绿素含量,使用2012年和2013年在山东省肥城市潮泉镇获取的整个生育期苹果叶片叶绿素含量和配套的光谱数据,利用PROSPECT模型和EFAST方法探讨了对叶绿素含量敏感的波段,然后采用经验统计方法实现了单波段高光谱对苹果叶片叶绿素含量的监测。结果表明:以571 nm和697 nm波段光谱参数为自变量所建立的估测模型拟合精度较高,其决定系数(R2)分别为0.71和0.69,均方根误差(RMSE)分别为1.14、1.17 mg/dm~2,相对误差(RE)分别为-1.07%和-1.01%。以PROSPECT模型和EFAST方法整合筛选的敏感波段建立的估算模型监测叶绿素含量效果较好,为利用高光谱技术监测苹果长势提供了理论依据。     

玉米叶片叶绿素含量的高光谱反演模型探究

叶绿素含量是绿色植物生长状态的一个重要指标。首先在实验室采集玉米叶片高光谱数据和测定叶绿素含量,并对光谱数据进行对数一阶微分变换,对比选取建模反演因子。根据选定的反演因子采用线性回归、模糊识别和BP神经网络方法建立了玉米叶片叶绿素含量高光谱反演模型,并计算出模型的精度。结果表明,有较好非线性映射能力的BP神经网络反演模型能够高精度地反演出玉米叶片中的叶绿素含量。BP神经网络模型叶绿素含量预测和实测叶绿素含量的平均绝对误差(e)为1.126,决定系数(R2)为0.902,均方根误差(RMSE)为1.375。玉米叶片叶绿素含量与高光谱数据并非线性关系,BP神经网络反演模型能够较好地运用到叶片叶绿素含量反演中。     

基于植被指数的马尾松叶绿素含量估算模型

利用高光谱技术,探索马尾松反射光谱组成的植被指数与其叶绿素含量之间的关系。采用美国ASD公司生产的手持式野外光谱辐射仪测量马尾松冠层光谱,对观测叶片进行同步叶绿素含量测定,并利用统计学分析方法,分析马尾松冠层光谱组成的植被指数与叶绿素含量之间的相关关系,并建立相应的估算模型。结果表明:叶绿素含量与植被指数进行相关性分析,相关性最好的为TCARI;通过建立TCARI与叶绿素含量之间的估算模型并检验其精度,得出了叶绿素含量估算的高光谱模型:y=exp(0.686+(-2.765)×x)。说明利用高光谱数据可以估测马尾松的叶绿素含量。     

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

基于高光谱数据的作物净初级生产力估算方法

叶片叶绿素含量、叶片含水量、叶面积指数、光合有效辐射是影响作物净初级生产力(NPP)的重要因素。以光能利用率模型作为基本模型,结合叶片叶绿素含量、叶面积指数和叶片含水量等生态参数反演方法,构建新的NPP高光谱遥感估算模型。在山东禹城实地观测的小麦和玉米NPP数据基础上,研究还将新构建的模型与NDVI、CI和MCARI等传统叶绿素冠层模型的线性拟合结果进行比较。分析结果表明,新构建的模型在小麦、玉米2种作物NPP估算中都有着较好的表现,可以用来估算作物NPP。     

冬小麦冠层水平叶绿素含量的高光谱估测

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测,旨在为叶绿素含量快速准确估测提供参考。【方法】利用ASD便携式野外光谱仪和SPAD-502叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量,并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析,建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型,并进行检验,从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦(抽穗期)叶绿素含量估算模型拟合精度优于其他4种估算模型,决定系数R2分别为0.847和0.572,均方根误差RMSE分别为0.397和0.697,相对误差RE分别为61.0%和119.0%,拟合精度优于其他4种估算模型。【结论】原始光谱一阶导数的偏度和峰度作为自变量能很好地估测抽穗期小麦冠层叶绿素含量。     

控制小麦条锈病的现状与设想

针对抗条锈病品种因新小种变异而丧失抗性的世界性难题,基于仅采用抗病品种控制小麦条锈病而加剧“新抗源——新小种”互为因果和殊死抗争的现状,提出通过筛选、创选和启用感病丰产材料并创造“小麦——条锈菌”相安无事生存的设想,本文着重论述了“小麦——条锈菌”相安无事育种控制策略设想的可行性,旨在为长期困扰人类的锈病问题寻找一条新的解决途径．     

Evaluating ten spectral vegetation indices for identifying rust infection in individual wheat leaves

Ten, widely-used vegetation indices (VIs), based on mathematical combinations of narrow-band optical reflectance measurements in the visible/near infrared wavelength range were evaluated for their ability to discriminate leaves of 1 month old wheat plants infected with yellow (stripe), leaf and stem rust. Narrow band indices representing changes in non-chlorophyll pigment concentration and the ratio of non-chlorophyll to chlorophyll pigments proved more reliable in discriminating rust infected leaves from healthy plant tissue. Yellow rust produced the strongest response in all the calculated indices when compared to healthy leaves. No single index was capable of discriminating all three rust species from each other. However the sequential application of the Anthocyanin Reflectance Index to separate healthy, yellow and mixed stem rust/leaf rust classes followed by the Transformed Chlorophyll Absorption and Reflectance Index to separate leaf and stem rust classes would provide for the required species discrimination under laboratory conditions and thus could form the basis of rust species discrimination in wheat under field conditions.     

离体叶段鉴定小麦白粉病、条锈病和叶锈病抗性方法的研究

用苯骈咪唑保绿的离体叶段对小麦白粉病、条锈病和叶锈病抗性的鉴定结果表明：小麦对白粉病的抗性,用５０ ｍｇ／ｋｇ 苯骈咪唑保绿的小麦离体叶段鉴定结果与田间成株期鉴定结果基本一致;而对小麦抗条锈病、叶锈病性的鉴定结果和田间成株期鉴定的结果有差异。说明此法可用于小麦抗白粉病性的鉴定,而对小麦抗条锈病、叶锈病的鉴定,此法尚待改进。     

创新诱发材料SY95-71选育和利用价值研究

春小麦品系ＳＹ９５ －７１ 选自６ｘ 小黑麦和小麦的杂交、回交组合Ｅｒｏｎｇａ ８３／ 繁６∥繁６。ＳＹ９５－７１ 比常用作诱发材料的冬小麦品系铭贤１６９ 更易感染条锈病和白粉病,建议将ＳＹ９５ － ７１ 作为创新诱发材料在四川小麦育种中加以利用。本文还讨论了６ｘ 小黑麦和小麦的杂种Ｆ１ 及回交后代ＢＣ１Ｆ１ 异常低的育性及其在育种上的利用价值     

小麦抗条锈病染色体异源易位系的选育

利用小麦品种Jubilar作为受体 ,黑麦自交系L15 5为供体 ,培育了 1个抗条锈病 ,叶锈病和白粉病的小麦异源易位系A1882。使用C -带技术证明 ,这个易位系含有 1RS/ 1BL易位染色体。研究表明 ,与其它的 1RS/ 1BL易位系相比 ,本研究创制的这个 1RS/ 1BL易位染色体含有不同抗病基因。用这个异源易位系与高产品种杂交 ,并利用易位染色体作标记辅助选择 ,培育了抗小麦条锈病兼抗白粉病材料R14- 12、R14- 2 2和R16 5 - 2。经接种鉴定 ,这些品系对小麦条锈菌条中 30号和 31号生理小种免疫 ,抗叶锈病并中抗白粉病。这 3份材料的农艺性状较好 ,抗病性稳定 ,容易在小麦育种中应用。本研究证明 ,通过初级易位系与优良品系的杂交和选择 ,把异源易位染色体放在协调的小麦遗传背景上 ,是在小麦育种中克服易位染色体不良作用的有效方法     

小麦条锈菌DNA提取方法的比较研究

以小麦条锈菌夏孢子为实验材料,分析比较了CTAB法、SDS法、尿素法和CTAB/SDS法4种方法对小麦条锈菌基因组DNA的提取效果。结果表明,利用4种方法提取的小麦条锈菌夏孢子DNA的纯度和得率存在一定差异,单位重量夏孢子分离的DNA量依次为:CTAB法>尿素法>CTAB/SDS法>SDS法,而所获得的DNA纯度依次为:CTAB/SDS法>CTAB法>SDS法>尿素法。以不同分离方法获得的小麦条锈菌DNA为模版,利用特异性微卫星引物RJ17进行PCR扩增和电泳分析,4种方法均能满足SSR反应,但CTAB法更适于SSR反应。     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。