连续投影算法融合信息熵选择霉变玉米高光谱特征波长

运用高光谱技术鉴别玉米霉变等级时,因光谱波段数多、数据量大、信息冗余度高,使鉴别工作难度加大。为了减少数据量,获得最有利于鉴别的高光谱信息特征波长,本研究提出了一种连续投影算法(SPA)融合信息熵的特征波长选择方法。首先,对霉变玉米样本高光谱数据运用多元散射校正(MSC)进行光谱预处理以消除噪声,然后利用SPA对处理过的光谱进行波长初选,得到8个初选特征波长,再通过信息熵原理处理初选特征波长下的图像信息,获得最佳特征波长。结果表明,运用SPA融合信息熵法得到有利于霉变玉米鉴别的最佳波长为819 nm,提取该波长下霉变玉米图像的纹理特征后,采用Fisher判别分析(FDA)进行鉴别,6个等级霉变玉米的鉴别正确率高达98.6%,充分证明所给出的特征波长选择方法是有效的。本研究特征波长选择方法可为更好地运用高光谱技术鉴别玉米霉变等级提供指导。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业，该研究提出了基于点云配准的自然光照环境下的果树三维重构方法，并针对传统最近点迭代（Iterative Closest Point，ICP）算法对待配准点云的空间位置要求苛刻的问题，提出了改进的点云配准算法。首先，使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像，并通过信息融合实现相应角度下的点云获取。其次，对点云进行背景去除和滤波处理，基于直方图设定分割阈值，提取单株枣树点云，并将放置在树根附近的标靶球作为标记，使用人工标记法进行两站点云初配准。最后，在初配准基础上计算点云的曲面法向量和曲率，由曲率相近的点构成配对点对，使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point，kd-tree-ICP）算法完成精配准，对点云使用Alpha-shape算法面片化，实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明，通过引入初配准，有效提高了点云配准的准确性和稳定性，配准误差均控制在1.0 cm以内，平均配准误差为0.78 cm；重构模型真实感较强，在外观上更加接近真实树，枝干相对误差控制在7%以内。该研究重构模型精度较高，可为枣树智能修剪提供可视化研究基础和技术支持。     

基于混合狼群算法参数优选的泵站群运行优化

对于求解复杂的并联泵站群优化运行模型,狼群算法(wolf pack algorithm,WPA)存在收敛性和鲁棒性差等问题。为改善这些问题,该文以某典型并联泵站群为例,以泵站系统主机组运行能耗最低为优化目标,考虑流量、叶片角度、开机台数等约束条件,建立了并联泵站群优化运行模型。将模拟退火算法引入WPA算法中,提出混合狼群算法(hybrid wolf pack algorithm,HWPA)用于求解建立的优化模型。选择最小值、平均值和标准差作为算法性能的评价指标。相较于粒子群算法(particle swarm optimization,PSO)和WPA算法,HWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值平均降低了15.60、10.23 kW,平均值平均降低了36.94、14.30 kW,标准差平均降低了84.82%、72.90%。在HWPA算法的基础上,对算法中的游走步长、奔袭步长、围攻步长的最小值和最大值4个参数进行单因素分析和拉丁超立方抽样设计计算,确定出4个参数的最优组合为0.33、1.53、0.672和4.8×10^5,进而提出改进混合狼群算法(improved hybrid wolf pack algorithm,IHWPA)。相较于HWPA算法,IHWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值和平均值平均降低了4.66和13.26 kW,标准差平均降低了94.02%。应用IHWPA算法确定典型并联泵站群6个不同运行工况优化方案,结果表明,采用引入模拟退火算法、优选WPA算法参数的方法提高了算法的全局收敛性与计算鲁棒性,泵站运行最优决策方案较实际方案的运行能耗平均降低9.80%,可为泵站工程提供合理有效的运行方案,降低运行能耗。     

略阳乌鸡体重和产蛋数性状遗传参数估计

【目的】略阳乌鸡是陕西省特有的家禽品种,该品种具有体型大、肉质好、氨基酸含量丰富、对林地散养适应性强的优点,但也存在生长缓慢,产蛋性能差的不足。为此,在系统测定略阳乌鸡生产性能的基础上,开展对体重和产蛋性状遗传参数的估计,阐明遗传效应对上述性状的调控作用及性状间的遗传关系,期望为这些性状的选育奠定理论基础。【方法】对略阳乌鸡蛋用系一世代71个半同胞家系799只公鸡和804只母鸡6、10、14、20周龄和开产日龄体重进行测定,以个体为单位记录从开产到31、35和40周龄产蛋数,以四分位数±1.5倍四分位距为界删除异常值,更正性别记录错误。以性别为固定效应,育种值为随机效应用单变量动物模型估计各性状遗传力,用双变量动物模型估计性状间遗传相关,用逆伽玛分布指定育种值和残差项方差先验分布,用贝叶斯算法执行130 000次迭代,弃去前30 000次迭代结果,以100为间隔抽取1 000个估计值获得方差和协方差后验分布,计算各性状遗传力和性状间遗传相关。用R语言PerformanceAnalytics软件包chart.Correlation命令计算性状间表型相关。【结果】略阳乌鸡6、10、14、20周龄公鸡体重为（0.56±0.07）、（1.07±0.13）、（1.56±0.19）、（1.97±0.21）kg,母鸡体重为（0.47±0.06）、（0.86±0.12）、（1.18±0.16）、（1.48±0.19）kg,开产体重为（1.68±0.23）kg;31、35和40周产蛋数为（31.2±11.5）、（42.5±16.7）和（54.7±20.4）枚。体重遗传力随年龄逐渐减小,分别为0.74、0.76、0.63、0.54和0.52,置信区间在0.25—0.33之间。产蛋数遗传力为0.27、0.25和0.26,置信区间在0.35—0.42之间。10、14、20周龄体重间维持中等偏上（0.52—0.68）的遗传相关性,但6周龄体重（0.21—0.52）和开产体重（0.21—0.46）与各时间点体重遗传相关性较弱。体重间遗传相关系数置信区间在0.13—0.34之间。在3个时间点产蛋数间遗传相关系数趋近于1,置信区间在0.03—0.06之间。体重和产蛋数间遗传相关系数均不显著。在时间维度上,各体重性状间表型相关系数在0.43—0.90之间（P<0.001）,产蛋数性状间表型相关系数在0.79—0.94之间（P<0.001）。6—20周龄体重与产蛋数间维持了弱（0.023—0.15）正相关关系,但开产体重与产蛋数存在弱负相关关系（-0.17—-0.14）。【结论】首次估计了略阳乌鸡品种特异性的遗传参数,发现略阳乌鸡体重性状主要受遗传效应调控,而产蛋数性状受环境影响更大,阐明了早期与晚期性状间、体重与产蛋数间的遗传关系,为早期选种和多性状育种奠定了理论基础。这些结果建议在略阳乌鸡群体中对体重性状表型选择有望取得良好效果,但对产蛋数性状应建立纯系利用杂种优势;体重和产蛋数间不存在负遗传相关关系,可同时对两个性状选育提高。     

广东梅州柑橘黄龙病和病毒病的发生调查及其黄龙病菌原噬菌体多样性

【目的】调查柑橘黄龙病（Huanglongbing,HLB）和病毒病在广东省梅州市柑橘主产区的危害情况,分析该地区柑橘黄龙病菌（CLas）的原噬菌体多样性。【方法】以16S rDNA为模板设计引物,利用实时荧光定量PCR（qPCR)检测梅州市不同抽检地在2017—2019年3年间柑橘黄龙病的发病情况;同时分别采用已报道的柑橘衰退病毒（Citrus tristeza virus,CTV）、柑橘裂皮病毒（Citrus exocortis viroid,CEVd）、柑橘褪绿矮缩病毒（Citrus chlorotic dwarf-associated virus,CCDaV）、柑橘碎叶病毒（Citrus tatter leaf virus,CTLV）和柑橘黄脉病毒（Citrus yellow vein clearing virus,CYVCV）的特异性检测引物,提取样品的RNA,反转后以样品的cDNA为模板,通过普通PCR的方法分析梅州市抽检地区柑橘病毒病的发生情况。此外,以基于2种原噬菌体类型（SC1和SC2）对应的超变异基因区域设计的2对引物（Lap-TJ-F/Lap-TJ-R1和Lap-TJ-F/Lap-TJ-R2）,运用普通PCR方法分析该地区CLas菌株原噬菌体的遗传多样性。【结果】除2018年9月梅州大浦顺兴公司蜜柚基地的抽检样品外,梅州市其他被检地区均发现CLas。总体来说,梅州市的脐橙CLas检出率为55.3%,蜜柚为61.5%,沙田柚为61.7%。其中2017年采集自平原县大拓镇的蜜柚和沙田柚样品CLas检出率为100%,兴宁市白马镇的蜜柚为100%,沙田柚为80%;其他抽检地区的样品CLas检出率在16.7%—83.3%。虽然梅州市部分地区的检出率较高,但其病原菌的含量并不高,大部分处于柑橘黄龙病发病初、中期,属可防可控阶段;此外,梅州市柑橘病毒的总检出率不高,CTV、CTLV和CYVCV为梅州的主要病毒,CEVd和CCDaV没有检测到。CTV、CTLV和CYVCV在脐橙上的检出率依次为78.9%、7.9%和21.1%,蜜柚为15.4%、25.0%和9.6%,沙田柚为6.4%、2.1%和4.3%。基于Lap-TJ-F/Lap-TJ-R1和Lap-TJ-F/Lap-TJ-R2来研究CLas原噬菌体多样性的PCR扩增条带共有4种类型（SC1-1、SC1-2、SC2-1和SC2-2）,经过PCR电泳和测序得出,来自梅州市脐橙和沙田柚的CLas菌株以SC2-1型为主,蜜柚上以SC1-1型为主。【结论】梅州柑橘产区的柑橘黄龙病目前属于可防可控阶段,其病原菌菌株的原噬菌体在不同品种上具有其独特性;由于在抽检时发现有柑橘病毒病的存在,因此在种植过程中需加强种苗监管,同时应采取有效措施对柑橘黄龙病和柑橘木虱（Diaphorina citri）进行绿色防控。     

Genetic analysis and QTL mapping of growth period traits and plant height traits in soybean recombinant inbred lines from Dongnong 47 × PI 317334-B

High and stable yield is the main goal of soybean genetic improvement. In this study, association analysis was used to detect the quantitative trait loci (QTL) for the plant height, and soybean growth period using 182 SSR markers in the RIL population of 136 F_4:8 lines, which developed from a cross between photoperiod-insensitive cultivar ‘Dongnong 47’ and photoperiod-sensitive variety PI317334–B. The results showed that 33 QTLs related to soybean growth period and plant height traits were detected by compound interval mapping, and were located on 12 linkage groups including N, C1, C2, J, D1a, B2, E, G, A2, O, L, I, with the contribution rate of 7.85–33.84%. These QTL loci and linkage markers related to soybean photoperiod sensitivity, would be helpful to identify key genes that control soybean photoperiod sensitivity, and provide an important basis for the breeding of new photoperiod-insensitive soybean varieties based on molecular design breeding.     

文本挖掘下的话语认知与构建——以人工智能和5G领域白宫新闻文本为例

[目的/意义]政府新闻文本是政策文本的表达形式之一。对政府新闻文本进行挖掘分析,能直观的展现表面动态,揭示对话事件的立场及其背后关系,能对情报分析工作、中国新型智库的发展建设,提供有效的助力。[方法/过程]文章利用TextRank算法进行核心句提取,并结合批评话语分析理论框架来做评估,以语料驱动从关键句、关键词两个宏观角度讨论政府决策态度,以词性从话语策略的微观角度总结美国官方对人工智能和5G领域的话语认知形象。[结果/结论]通过分析可以看出,美国政府对于人工智能和5G领域的态度将持续保持在“政府引领下的美国需优先”这一局面,面对发展中国家的科技竞争,增加政府政策性文本的指导无疑是最好的对策建议。     

云南籽粒苋种质资源的表型多样性分析

为了系统分析云南籽粒苋种质资源的表型遗传多样性。采用遗传多样性指数、主成分分析、相关分析和聚类分析对104份云南籽粒苋种质资源的30个表型性状进行研究。结果表明,遗传多样性指数最高的质量性状和数量性状分别是主花序形状(1.68)和主花序长度(2.07)。前10个主成分累计贡献率达到73.944%,单株鲜体重与第3、第6、第9主成分极显著正相关,单株粒重与第9主成分极显著正相关。聚类分析将104份种质划分为5类,第Ⅰ类群可为间套种亲本材料,第Ⅱ和Ⅲ类群可为大粒亲本材料,第Ⅳ类群可为优质饲用亲本材料,第Ⅴ类群可为观赏类亲本材料。云南籽粒苋种质资源表型性状具有丰富的遗传多样性,有较大的开发利用潜力。     

Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index

Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region.