基于图像处理技术的四种苜蓿叶部病害的识别

基于图像处理技术,对4种苜蓿叶部病害进行识别研究。利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果。结果表明:该分割方法在由4种病害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4。进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型。比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18%,测试集识别正确率为93.10%。由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据。     

宁夏温室瓜菜白粉病菌鉴定及病害流行预测模型构建

为明确宁夏回族自治区温室瓜菜白粉病菌的分类地位,对采自该地区温室的南瓜、黄瓜和甜瓜上的白粉病菌基于ITS序列分析进行分子鉴定;利用孢子捕捉器对温室中甜瓜白粉病菌的孢子量进行监测,分析环境因子、孢子量和病情指数之间的关系,并采用逐步回归分析法构建温室甜瓜白粉病的流行预测模型。结果表明,基于ITS序列的分子鉴定结果,3种瓜菜白粉病的病原菌均为单囊壳白粉菌Podosphaera xanthii。发病期间,每日温室中甜瓜白粉病菌的孢子量在12:00—16:00时段最多,占24 h内总孢子量的34%~81%,20:00—08:00时段最少;白粉病菌孢子的释放与光照强度有关,相关系数为0.602。第t天的病情指数与标准累积温度、标准累积湿度、t-4 d前08:00—12:00时段的累积孢子量、第t-4天16:00—20:00时段的孢子量均具有显著的相关性,相关系数分别为0.935、0.938、0.956和0.921。以标准累积湿度和第t-4天16:00—20:00时段的孢子量为预测变量构建了温室甜瓜白粉病流行预测模型,决定系数为0.962,表明该模型具有较好的实际应用价值。     

基于热红外遥感的小麦条锈病菌越夏区精准勘界

为减少小麦条锈病菌越夏区勘界的人力作业成本和劳动强度,实现大尺度、精准勘界,本研究采用一套基于卫星和地理信息技术的新方法进行小麦条锈病菌越夏区勘界,利用2009年7月的Landsat-5卫星图像,截取甘肃省陇南地区热红外遥感影像,利用辐射传输方程对影像进行地表温度反演,通过反演温度实现对该区域的小麦条锈病菌越夏区精准勘界。结果表明:辐射传输方程L_λ=[ε·B(T_s)+(1-ε)L↓]·f+L能较好地反演Landsat-5卫星的热红外遥感影像,建立辐射温度与气温温度的拟合方程t=0.81T-216.52,拟合度较好,R~2为0.61。使用ENVI和Google Earth软件能将反演的温度和地理信息实现图层叠加,并能精准定位到小麦条锈病菌越夏区范围内的村庄及田块。这一技术可实现跨省份、跨地区大面积的遥感监测与调查,并且不受时间、空间限制。随着卫星技术和信息技术的发展,这一方法能使与温度相关的勘界调查精度更高。     

中国小麦条锈病研究与防控

正小麦条锈病是影响我国小麦安全生产的重要生物灾害,对小麦生产具有毁灭性危害,号称"国病",流行年份可导致小麦减产40%以上,甚至绝收。其病原菌条形柄锈菌专化型Puccinia striiformis f.sp.tritici孢子(尤其是其夏孢子和锈孢子)可随高空气流远距离传播,具有暴发性和大区流行的特点,其有     

林芝地区小麦条锈菌与气象因子的关系及流行动态模型的构建

为了解西藏林芝地区气象因子对小麦条锈病的影响及其流行动态,2016年采用五点取样法对林芝地区小麦条锈病的发病情况进行监测,通过相关性分析、逐步回归C(p)统计法和线性回归等方法,分析了病情指数与气象因子的关系,并结合时间和病情指数建立了病害预测模型。结果表明,在林芝地区,温度X_1、湿度X_2均与小麦条锈病病情指数Y呈极显著相关,降雨量X_3与病情指数Y呈显著相关;线性回归方程为:Y=-482.5991+19.7494X1+3.7974X2-0.8439X3。根据模拟情况选择的病害流行动态方程为Y=1/e~((0.914t+0.385)),决定系数为0.952,模型的拟合效果较好,表明该模型能够为林芝地区小麦条锈病的预测预报提供有效的参考依据。     

基于Logistic、IBk以及Randomcommittee方法的条锈病潜育期小麦冠层光谱的定性识别

为寻求在小麦条锈病潜育期能探知和监测病害的简单便捷方法,通过人工接种不同品种小麦诱发条锈病,在小麦条锈病菌尚处于潜育期时,采集小麦冠层光谱数据,并利用双重Real-time PCR分子生物学技术检测条锈病菌潜育菌量,基于Logistic、IBK以及Randomcommittee三种方法,在不同建模比、不同参数变换下建立可识别潜育期小麦条锈病的数学模型。结果表明,在全波段范围内(325~1 075 nm),3种方法所建模型模拟识别潜育期小麦条锈病是可行的,但识别效果有一定差异,基于Logistic、IBK以及Randomcommittee方法所建模型的平均准确率分别为83.95%~84.51%、87.72%~88.98%、93.19%~93.46%。因此,基于Randomcommittee方法所建模型的识别准确率最高,效果最好,更适合小麦条锈病潜育期的定性识别。     

潜育期小麦条锈菌的高光谱定性识别

小麦条锈病的发生流行严重影响小麦的生产安全,其早期的监测预警对病害发生的防控具有重要作用。本研究利用Hand Held 2地物光谱仪获取不同浓度小麦条锈菌胁迫下的潜育期小麦冠层高光谱数据,基于定性偏最小二乘(discriminant partial least squares,DPLS)、人工神经网络(artificial neural networks,ANN)和支持向量机(support vector machine,SVM)3种方法建立识别潜育期小麦条锈菌的模型,并分析接菌间隔日、建模比及光谱特征的差异对模型效果的影响。结果显示,在全波段(325~1 075 nm)建模,SVM识别效果优于ANN,而ANN优于DPLS,其中以一阶导数为光谱特征所建模型识别效果最优,在不同建模比下其识别准确率均可达到100.00%。     

应用GIS和地统计学研究小麦条锈病菌越冬范围

温度和冬小麦是影响小麦条锈病菌越冬的主要因子.依据1960～2001年间全国气象站点12月、1月份最冷月平均温度大于-7℃的概率和冬小麦种植区图,首次采用地理信息系统(GIS)对小麦条锈病菌在我国的越冬区进行了区划研究.结果表明,12月、1月份最冷一月平均温度大于-7℃的概率在70%～85%的地带可以认为是小麦条锈病菌越冬的界线.这一线大致沿北京大兴-河北徐水-山西阳泉-山西介休-陕西延长县-甘肃庆阳-甘肃平凉-甘肃甘谷-甘肃礼县-四川松潘-四川马尔康,该线以东和以南冬麦区均适合条锈病菌越冬.这与前人确定的条锈菌东部越冬线在很大程度上是一致的,差别在于本研究确定的北部界点在北京一带而不是山东的德州.     

中国小麦条锈菌鉴别寄主南大2419抗条锈性遗传分析

南大2419(Mentana)是中国小麦条锈菌重要鉴别寄主之一。采用经典遗传分析与等位性分析相结合方法,通过分小种(菌系)鉴定,分析南大2419所含抗条锈病基因和遗传特点及其与已知基因的异同。结果发现:南大2419对Su-1和86036菌系的抗性正交由3对隐性互补基因控制,反交由2对隐性重叠或独立基因控制;对CY26小种抗性正交由2对隐性重叠或独立基因所控制,反交由2对隐性互补基因控制。正反交抗病遗传特点不同,可能与细胞质效应有关。等位性分析表明南大2419所含的3对主效基因与已知基因载体品系中的主效基因Yr7、Yr8、Yr9、Yr10、Yr17、Yr19、Yr22、Yr23、Yr27和YrSu不同,为未知基因,暂定名为YrMen1、YrMen2和YrMen3。