基于叶片形态的毛竹单叶叶面积模型

【目的】毛竹叶片小、易卷曲的特点增加了叶面积测量的难度和测量误差,本研究旨在建立快速、便捷、准确测量毛竹叶片面积的模型。【方法】采集7个省份的毛竹叶片,对毛竹叶片形态进行分类,利用叶长、叶宽数据和扫描所得实际叶面积进行建模,并采用均方根误差、卡方、赤池信息量准则和预测精度检验模型的精度,同时与叶面积仪测定结果进行精度比较。【结果】1)根据长宽比,毛竹叶片可以分为3类,分别是类三角形叶片(长宽比≤7.2)、长椭圆叶片(7.2长宽比≤8.3)和细长条叶片(长宽比8.3); 2)对毛竹叶面积和叶形态学指标的相关分析显示,叶片长度与宽度的积对叶面积影响最大,相关系数为0.993; 3)建立以叶片长宽积为自变量的叶形分类拟合模型,其决定系数为0.990 1、均方根误差为0.159 6、卡方值为10.368 1、赤池信息量准则为-6 317.10、预测精度为97.73%,其预测结果最佳,优于叶形不分类的整体拟合和叶面积仪测量结果。【结论】基于叶片形态分类的毛竹叶面积拟合模型仅需测定叶片的长和宽,便可准确预测叶片面积,其精度不但优于叶面积仪与整体拟合结果,而且测量过程快速、便捷。该模型可解决长期困扰的毛竹叶片面积测量难题。     

湖北省杉木人工林立地类型划分及评价

以湖北省杉木人工林为研究对象,选择166块具有代表性的杉木人工林标准地,并测定样地的常规立地因子。利用数量化理论Ⅰ的方法建立了杉木优势高与立地因子之间的关系模型,对研究区杉木人工林进行立地类型划分及立地质量评价。结果表明,所选择的5个立地因子与优势高数量化拟合的复相关系数为0.639;海拔、腐殖层厚度和坡位这3个立地因子对优势高的贡献率达84.99%,且影响均达到极显著水平;采用海拔、腐殖层厚度和坡位3个因子构建研究区杉木人工林立地类型,共划分为22类;按照优、良、中、差4个评价等级对166块样地所属的立地类型进行立地质量评价,得出湖北省杉木人工林在中海拔、土壤湿润、土壤养分含量较高的立地条件下生产力较高,研究区立地质量整体处于中等偏上水平的结论。     

中国杜鹃花品种分类问题与思考

杜鹃花具有极高的观赏价值，是世界级名花。经过数百年的人工选育，全球杜鹃花品种已超过3万个。我国虽然拥有丰富的杜鹃花资源，但园艺化程度与国外差距明显，其中一个重要原因就是国内杜鹃花品种分类及品种名称较为混乱，阻碍了其进一步应用和发展。文中综述了近年来中国杜鹃花品种分类研究的成果与存在的不足，并展望了研究方向。分析认为，综合植物系统分类学研究及品种亲本来源信息是建立科学品种分类体系的基础，同时运用分子生物学技术和形态性状数量分析等方法进行归类将是重要的研究方向。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

刈割次数对苜蓿相关表型性状与饲草产量的影响

试验选取4份苜蓿材料,设4次刈割处理,观察测试表型性状及干物质的变化动态,并用DPS7.05数据处理系统对各性状指标与饲草产量的关系进行计算分析,以探讨刈割次数对苜蓿表型性状及饲草产量的影响,为高效优质生产提供依据。结果表明,刈割频度显著影响苜蓿越冬率(P<0.05),苜蓿株高、茎粗、茎叶比、分枝数等指标均随刈割次数增加呈明显降低趋势,其中WL525苜蓿首次刈割与其他3次刈割时的株高、茎粗均呈现显著性差异(P<0.05),茎叶比差异性不显著(P>0.05);而苜蓿饲草产量则随刈割次数增多而增加,与刈割1次的情况相比,WL525苜蓿刈割4次后产量增量最多,达1885kg/hm₂;4次刈割后试验材料饲草总产量从高到底的次序依次为WL525>WL903>赛迪>惊喜。全部材料中与饲草产量关联度最大的指标为株高和茎粗,其中株高与惊喜苜蓿饲草产量的关联系数最大,达0.3751;茎粗与WL525苜蓿、WL903苜蓿饲草产量的关联系数最大,分别为0.2854、0.1944。     

大别山山核桃果实与叶片性状的表型多样性研究

[目的]探讨大别山山核桃天然种群的表型多样性,为种质资源收集、优选、改良提供理论支持,为大别山山核桃的开发利用奠定基础。[方法]从19个大别山山核桃天然种群中选取198个单株,测定其果实和叶片的表型性状共16个,采用巢式方差分析,单因素方差分析,相关性分析,非加权配对算数平均法(UPGMA)等方法揭示大别山山核桃表型性状与地理分布的关系及其变异规律。[结果](1)大别山山核桃的16个表型性状在种群间和种群内均存在极显著差异(P<0.01),表明大别山山核桃的表型多样性非常丰富;(2)各表型性状的变异范围为1.64%-26.59%,平均变异系数为9.63%;果实表型与叶片表型的种群内平均变异系数分别为6.16%和15.42%,果实表型平均变异系数较小,性状相对稳定;(3)表型性状间的相关性分析表明,性状间达极显著相关的有60对,达显著相关的11对;(4)种群间和种群内的平均方差分量百分比分别为49.28%和17.53%,平均表型分化系数为66.25%,表明大别山山核桃表型变异主要来自种群间;(5)当距离系数为0.04时,19个种群被分为4类,聚类情况基本与经度的变化一致。     

用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法

随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

菊花新品种‘东篱雅致’

菊花新品种‘东篱雅致’是以中国传统大菊品种‘绿朝云’为母本，以花形奇特、不同色系的‘钟声’，‘清水莲’和‘笑靥’等传统大菊品种作父本进行人工混合授粉，经连续选择育成。舌状花松针形，粉、绿复色。植株低矮, 直立性强, 适于盆栽观赏, 主要观赏期11月中旬—下旬，可以用于北京地区节日布展或庭院观赏。