棉花地上部形态建成的光温模型

以不同株型棉花品种为研究对象,基于“同类相似性”原理,借助数学建模和统计分析方法,系统分析光温生态因子对棉花叶片长、宽,叶柄长、粗,主茎节间长、粗,果节长、粗,蕾铃高、直径等形态指标的影响,量化温、光因子与棉花各器官形态建成的关系,构建了基于GDD (growing degree day)和Logistic方程的棉花形态建成光温模型。利用独立的试验数据对模型进行了检验,结果表明,棉花主茎叶片的长度和宽度、叶柄长度、主茎节间的长度和粗度、果枝叶片的长度和宽度、叶柄长度、果节的长度和粗度、蕾铃高度和直径的RMSE值分别为0.48、0.65、0.53、0.09、0.02、0.55、0.28、0.23、0.14、0.17、0.20和0.11 cm。显示棉花器官形态指标的模拟值与检验值具有较好的吻合度,说明模型具有良好的预测性和描述性。     

三系杂交粳稻常优4号高产制种技术

通过连续2年常优4号小规模的制种试验,探索出其相应的高产制种技术,包括合理安排播期、科学栽培、抽穗扬花期管理、除杂保纯、病虫害防治等内容,以供生产者参考。     

不同类型土壤的光谱特征及其有机质含量预测

 【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。     

一种新的估算水稻上部叶片蛋白氮含量的植被指数

 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。     

耕地细碎化条件的机械化特征 ——小型收割机的田间作业行为调查

南方丘陵山地农业具有耕地细碎化的典型特征,土地细碎化条件下的紧凑型种植模式是普遍现象,细碎化耕地条件的机械化依靠小型作业机械。为描述作业机械在细碎化耕地条件下的行为特征,田间调查发现,快速进退、频繁转向、循边收获、移动困难等是细碎化耕地条件机械化田间作业的显著特点。小型收割机在南方的普遍应用状况表明丘陵山地作业机械的性能评价需要以土地适应性为主导的评价指标。     

基于几何参数模型和OpenGL的油菜角果可视化研究

以油菜角果为研究对象,通过不同品种和氮肥盆栽试验数据统计分析,拟合得到油菜角果的几何参数模型.在此基础之上,研究了油菜角果的三维建模技术,构建了基于形态特征参数的角果几何模型.用圆柱体模拟果柄;采用组合多个几何图元的方式构建角果果身模型;用圆台体模拟果喙.然后,基于OpenGL图形平台,绘制了角果的三维形态,并进行了颜色渲染和光照处理.最后,通过耦合角果个体形态结构模型以及角果个体之间的相互关系,实现了角果个体-群体2个层次的形态可视化,为构建可视化油菜生长系统奠定了技术基础.     

油菜作物模型研究进展

作物模型是农业模型的重要内容,主要分为作物生长模型和作物形态结构模型。从油菜生长模型和油菜形态结构模型及可视化两方面,较系统综述了油菜作物的发育、生长（光合、呼吸、分配等）、水分平衡、氮素平衡、器官建成及管理等方面的国内外研究进展,分析了油菜模型的研究现状及存在问题,并展望了未来油菜作物模型的发展前景。     

基于图像增强和α角度模型的K均值小麦冠层分割算法的改进

[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。     

基于株型的水稻冠层光合生产模拟

利用基于冠层光分布的光合作用模型,以紧凑型和松散型2个不同株型水稻冠层为对象,通过设计不同的模型输入参数组合,定量分析了不同株型水稻冠层直接辐射消光系数的日变化特征、正午时刻直接辐射在冠层内的垂直分布特征、冠层内光合作用速率的垂直分布特征、不同辐射强度下冠层光合作用速率随叶面积指数的变化特征及其日变化等。结果表明,紧凑型的增产潜力依赖于较大的叶面积指数、叶片光合效能、太阳高度角和太阳辐射强度等。研究结果为水稻高产栽培及理想株型的优化设计提供了支撑。     

作物生育期模拟并行调度算法的研究与设计

探明作物生育期模拟在PC集群环境下的并行调度算法,有助于提高模型的计算效率。该研究综合应用划分策略和流水线技术,具体分析了已有作物的生长发育和物候期模拟算法的输入输出参数特性,确定了作物生育期模拟通用算法框架,包括热效应、光周期效应、春化效应、有效积温、生理发育时间和物候期共6个计算单元;进一步明确了具有独立、自依赖和相互依赖关系的作物模型的计算任务划分和数据分解方法。为达到数据通讯和同步开销最小的目标,设计了多节点混合调度的优化模型。该研究提出了基于OpenMP的多处理机并行调度算法和基于MPI/OpenMP混合的多节点并行调度算法,并在Windows Compute Cluster Server2003组成的PC集群环境下,在加速比、计算缓冲区大小和计算节点个数等方面进行了性能度量与比较。结果表明:两种并行调度算法均可有效提高小麦生育期模拟的计算效率,第1种算法简单易行,平均加速比为1.55,对集群计算资源的利用率有限;第2种算法的平均加速比是3.37,当计算量较大时,具有更好的计算性能。