基于深度学习的水稻表型特征提取和穗质量预测研究

水稻产量与水稻穗数和穗质量密切相关,精确预测水稻产量可以加快育种速度。以盆栽水稻为研究对象,首先利用可见光图像结合图像处理技术进行特征提取,获取整株水稻的51个表型特征。结合深度学习,运用Faster R CNN卷积神经网络训练模型对水稻穗数进行检测,同时使用SegNet网络框架训练得到的模型对水稻稻穗进行分割,得到水稻穗部的二值图像,结合图像处理技术提取穗部的33个表型特征数据。提取了颜色、形态、纹理共85个表型参数,对所有85个数据进行归一化处理,将归一化的85个表型数据与稻穗鲜质量、干质量进行逐步线性回归,挑选相关性高的特征数据。分别使用穗数和33个特征穗部、51个特征整株、所有85个特征中相关性高的特征数据构建盆栽水稻稻穗鲜质量、干质量的预测模型,最后根据模型的决定系数R2、平均相对误差（MAPE）和相对误差绝对值的标准差（SAPE）挑选最优预测模型。预测结果表明穗部特征预测效果最好,其中效果最好的模型鲜质量、干质量预测值与真实值的决定系数R2分别达到0.787±0.051和0.840±0.054。     

基于GIS的三门峡市公园可达性分析

基于GIS技术,以三门峡市中心城区城市公园为例,利用网络分析法定量评价步行、非机动车、机动车3种交通方式下的公园可达性,并结合可达面积与人口分析比较研究区、各行政区、各行政街道间的差异。结果表明,研究区内公园分布不均,湖滨区公园多、陕州区公园少;研究区公园绿地非机动车和机动车方式下的可达性较好;步行方式下的可达性较差,只有不到36.11%居民可步行30 min内到达相近公园;湖滨区公园绿地可达性要好于陕州区;前进街道、涧河街道、湖滨街道公园的可达性最佳,会兴街道、张湾乡公园的可达性最差。     

美国金门公园漫游

金门公园位于美国西部加利福尼亚州三藩市的西部太平洋海岸,属地中海型温暖气候。曾于1894年举办世界博览会,现今已成为三藩市一块可供玩乐、休闲、陶冶身心和市民求知识的好地方。主要活动景点有:植物园,日本庭园,温室花园;加州科学院内的天文馆、水族馆、热带雨林馆和自然历史博物馆;世博会遗迹迪杨艺术纪念博物馆及一些具有历史意义的建筑物;还有众多提供娱乐、体育活动场所。     

唐山市新华文化商业区景观设计

文章结合唐山市商业区的总体规划,依托唐山凤凰的图腾形象,经过周密、深入的调研与思考,将唐山市新华文化商业区从整体到细节设计为"三心三轴三区"的景观布局形式:"三心",即商业建筑围合的3个建筑广场中心,以商业广场景观为核心激发整体的活力;"三轴",即贯穿于商业区的中心道路主轴线和东西两侧的道路副轴线,主要连接商业区各个主要入口并延伸至中心景观广场;"三区"是指高端购物综合体区,中心休闲饮食文化街区和电影动漫游戏娱乐区。这样的布局形式从人性关怀的角度,将各种景观构成要素有机地整合在一起,强调"开放、多元、体验、生态"的原则,以景观主题营造温馨、舒适的购物环境,在主要景点的设计中展示了唐山的文化特色,进一步总结设计出符合现代城市商业区的景观环境。     

四川盆地9000kg hm~(-2)产量潜力小麦品种的花后冠层结构、生理及同化物分配特性

四川盆地小麦高产育种取得了突破性进展,但高产生理研究相对滞后。本研究以2011—2015连续5年的田间试验,比较了高产和一般产量潜力品种花后群体冠层结构、主要生理指标和同化物的转运分配特性,旨在揭示四川小麦9000 kg hm-2高产品种的生理基础。选择代表性高产潜力品种和一般产量潜力品种各3个,高产潜力品种产量平均9422 kg hm~(-2),比一般产量潜力品种高14.3%,增产原因是生物量或收获指数的提高。相比一般产量潜力品种,高产潜力品种旗叶短且宽,长宽比低于10,开花初期至灌浆中期叶基角和开角增加明显。开花至灌浆后期,高产潜力品种顶三叶的SPAD值及花后0 d和20 d的群体光合速率显著高于一般产量潜力品种,群体光合速率以10:00–12:00的差异最大。此外,高产潜力品种在开花期茎鞘生物量所占比例较高,而成熟期籽粒所占比例较一般产量潜力品种高1~4个百分点。籽粒产量与小麦形态、生理参数关系密切,与灌浆期旗叶基角(r=0.947,P0.01)和倒二叶基角(r=0.963,P0.01)呈正相关,与旗叶长宽比(r=-0.913,P0.01)和倒二叶长宽比(r=-0.911,P0.01)呈负相关;与开花期顶三叶SPAD值呈正相关,r值分别为0.75、0.90和0.82(P0.01);与成熟期穗轴干重比例呈负相关(r=-0.956,P0.01)。本研究表明,株高适中、株型紧凑,花后冠层叶绿素含量和群体光合速率较高,以及合理的物质分配,是高产潜力品种获得高产的生理基础。     

Testing the accuracy of imaging software for measuring tree root volumes

Manually measuring tree root characteristics can be inefficient and limiting. To test the application of a new digital technology in tree root architecture research, root systems from 29 green ash (Fraxinus pennsylvanica 'Patmore') trees were unearthed, cleaned, and photographed to create 3D models using structure from motion (SfM) photogrammetry. Three root segments from each root system were selected, marked, and removed after being photographed. The volumes of these segments (derived from the 3D models) were compared against volumes measured using water displacement. In addition to the root segments, model and water displacement volumes were compared for three complete root systems. Regression analysis showed a strong linear relation between the two volumes measurements (adjusted R² = 0.97 for the root segment data). The RMSE for the root segment volume estimates was 40.37 cm³ (12.3%), with a bias of 17.2 cm³ (5.3%). This error rate was similar to previous published work and suggests the technology used may allow researchers to improve efficiency in data capture, add new measurements (i.e., surface area) to their modeling efforts, and digitally preserve tree root systems for future study.     

减数分裂期高温对水稻穗粒数影响的定量分析

【目的】穗粒数是水稻产量构成因子之一。为明确减数分裂期高温对水稻穗粒数的可能影响,构建其定量估算模型,【方法】于2014-2015年以两优培九和南粳45为供试材料,于减数分裂期设置不同强度和持续时间的高温处理,以自然无高温环境为对照,分析了减数分裂期不同高温强度和高温持续时间对穗粒数的影响,建立了减数分裂期高温与穗粒数的定量关系,最后根据温度日变化特征,构建了自然环境下的减数分裂期高温对穗粒数的定量影响算法。【结果】减数分裂期高温对穗粒数的影响程度与高温强度、持续时间有关。同样高温条件下,穗粒数随高温持续天数增加呈指数减少;日相对穗粒数随温度增加而减少,可用二次曲线进行描述。穗粒数对高温敏感的终止时间大约为抽穗前5 d。利用2015年试验资料对上述模型进行了检验,两优培九和南粳45穗粒数模拟值的相对均方根差为0.094和0.085,说明模型可很好地模拟减数期高温对穗粒数的影响。【结论】对完善高温对水稻生长过程的定量影响具有重要作用。     

不同播栽方式下杂交籼稻茎秆生长和穗粒形成特点及与气象因子的关系

为探明不同播栽方式下杂交籼稻幼穗分化期茎秆和幼穗生长的规律及差异以进一步明确不同播栽方式穗粒形成特点,于2014年采用两因素裂区试验设计,研究了机直播、机插和手插3种播栽方式下2个不同穗粒型杂交籼稻组合[宜香优2115(中穗型)和F优498(大穗型)]的穗分化期茎秆和幼穗生长规律和穗粒形成特点,并分析了幼穗分化期气象因素与幼穗和茎秆生长的关系。结果表明:1)基部向上第1至第3伸长节间长度分别在抽穗前20d、16d、12d后趋于稳定,故基部第1、2节间的降长增粗应在抽穗前16d之前;穗干质量和穗茎比在抽穗前12d后迅速增加。2)从抽穗前16d开始至抽穗期,穗茎干重比与多数枝梗和颖花性状呈显著或极显著正相关,穗与茎秆竞争同化物的能力直接影响到穗粒形成。3)机插穗分化中后期穗茎干质量比较高,且抽穗期穗干质量显著高于手插和机直播,有利于提高其每穗粒数,且机插拔节后群体生长率及单茎和群体干物质积累量较高,抽穗期叶面积指数较高,粒叶比高于机直播,较机直播更利于粒重的提高和穗长及着粒数的增加;大穗型品种F优498抽穗期穗干质量显著高于中穗型品种宜香优2115,且穗分化后期穗茎干质量比高于宜香优2115,是其每穗粒数高的重要原因;F优498穗部着粒较密,较大的叶面积指数及粒叶比利于大穗的形成。4)机插全生育期最长,机直播最短,且机插穗分化期历时较长,穗分化期积温和日照时数较高,为穗粒形成提供了较好的温光条件;茎秆长度和干质量及穗长受气象因子影响较大,孕穗前适宜的温度和一定的积温有利于茎秆和幼穗伸长及茎秆的物质充实。生产上应针对不同播栽方式及品种的生育进程差异,适时采取措施调节茎秆和幼穗生长及物质分配,在培育壮秆的基础上提高穗分化期穗茎比以达到增粒增产的目的。     

Perception and preference of trees: A psychological contribution to tree species selection in urban areas

Trees can enhance human mental and physical well-being in urban environments. However, the tree benefits in urban planning are insufficiently recognised, and there is little knowledge on the tree characteristics that are relevant to humans and how they are evaluated. This paper presents perceptual tree parameters and their relation to human preferences. In study 1, participants sorted 24 tree images by perceived similarity. Hierarchical cluster analysis and multidimensional scaling (MDS) revealed the distinction between conifers and deciduous trees, crown shape, the two-dimensional crown size to trunk height ratio and the crown density as important to humans. In study 2, participants rated the trees based on their preferences. Multiple linear regression analyses showed that a high two-dimensional crown size to trunk height ratio and a high crown density predicted deciduous tree preferences. These findings are discussed in light of the savannah hypothesis and the Gestalt grouping principle of closure. In the task of tree selection and placement for urban areas, the identified perceptual tree parameters may allow for achieving a coherent overall picture with a simultaneous increase of tree species richness. Thus, urban landscape planning can apply the presented findings for increasing ecosystem health and residential satisfaction.     

超立方体结构上的并行归并排序算法

This paper discusses the parallel merging sorting algorithm for hypercube architecture.Based on the analysis of communication complexity, the speedup of this algorithm is derived.