植物根系表型信息获取技术研究进展

人口数量增长和全球气候变化加剧了粮食安全供给压力,育种学家亟需培育高产、高效作物品种以满足日益增长的粮食消费需求.基于根性状的品种培育改良可有效提高作物水分、养分利用率,但根系表型观测的困难性极大地限制了育种进程.随着自动化控制、成像和传感器以及图像解译技术的发展,高通量根表型信息系统性收集已成为可能.本文综述了一系列适用于室内或田间的非破坏性或破坏性根系二维或三维结构测定技术;系统阐述了主流的根表型参数提取图像分析技术和软件;探讨了基于根表型平台的根性状筛选应用于新品种培育的成功案例,并对高通量根表型平台的进一步研发进行了展望.     

农业模型发展分析及应用案例

农业模型、农业人工智能及数据分析等技术贯穿于智慧农业的信息感知、信息传输、信息处理与控制全过程，是智慧农业的核心技术。为进一步明晰农业模型的内涵和作用，促进农业模型进一步研究及应用，推动智慧农业健康、稳定和可持续发展，本研究采用系统分析、比较及关系框图等方法，分析了农业模型的内涵，阐述了农业模型和智慧农业要素与过程的关系，明确了农业模型的作用并附以应用案例，比较了农业模型的国内外重要发展动态与趋势。国内外农业模型研究与应用重要进展比较表明，农业模型研究应用需要考虑农业生物要素的4个水平、农业环境要素的6个尺度、农业技术与农业经济要素的6个层次并采用相应方法进行，农业模型环境要素空间多尺度研究应用有较大发展潜力；农业模型与分子遗传学、感知技术及人工智能技术结合，农业模型研究应用的公私有组织协作，粮食安全挑战将成为农业模型进一步发展的重要推动力，且需更注重将各种农业系统模拟、数据库、和谐性与开放数据及决策支持系统相连接。中国农业模型研究与应用已形成具有中国特色的作物模型系列，也融入农业模型的互比较与改进、智慧农业等世界潮流，需要抢抓机遇，加快发展。农业模型是农业系统要素内及要素间关系的定量化表达，是农业科学定量与综合的重要方法，具有认识论价值，它与感知技术的结合可以在智慧农业数据获取与处理中发挥不可或缺的作用，成为信息农业技术落地应用的重要桥梁和纽带。     

油菜株型模拟研究进展

株型结构是作物表型组学研究的重要内容之一.油菜株型研究不仅有助于定量化株型评价,选育高光效、适宜机械化作业的品种,也有利于提高油菜生长模型的机理性,具有重要的科学意义.本文针对当下国内外作物株型研究现状,重点从传统作物株型和作物株型模拟两个方面分别进行归纳总结,并着重综述了油菜株型相关研究进展,最后概要评述了当前在油菜...     

秸秆生物反应堆在日光温室草莓上的应用效果研究

秸秆生物反应堆在赣榆区日光温室草莓上的应用试验结果表明,日光温室草莓应用秸秆生物反应堆后,产品提早上市5~12d,667m~2产量较对照增产358.5kg,增产率达11.09%,667m~2效益较对照增加5804元,增幅达17.41%。     

麻阳河黑叶猴自然保护区生境对彭水水库蓄水响应的遥感监测分析

为揭示贵州麻阳河黑叶猴自然保护区生态环境对彭水水库建设的蓄水响应关系,为该保护区原始生态环境和黑叶猴生境的科学评价与保护,植被覆盖的恢复提供参考依据和基础数据,本文对彭水水电站建设前、中、后保护区生态环境变化进行动态监测,保护区对彭水水电站建设蓄水的响应进行分析。结果表明：彭水电站建设后在自然保护区范围内淹没面积仅有4.8 hm2,只占整个自然保护区面积的0.1%,主要影响区域在洪渡河流域的淹没区,水位上涨导致土地利用、水土流失有部分变化。说明水库蓄水对整个自然保护区生态环境的完整性影响较小。     

LiDAR传感器及技术在农业场景的应用进展综述

农业传感器是实现农业现代化发展的关键支撑技术,先进成熟的工业传感器向农业领域拓展应用有效补充了农业传感器的体量。LiDAR传感器由于其较强的抗干扰能力,在复杂多变的农业场景中应用越来越广泛、深入。首先,介绍LiDAR传感器的性能特点,工作原理与分类,市场应用与新技术;然后,基于国内外大量相关研究,系统介绍LiDAR传感器及技术在森林参数测量、果树靶标几何特征探测、作物几何表型特征检测、农业车辆自主导航定位以及农药雾滴飘移检测这5个农业场景的应用进展;同时,针对农业场景中探测对象的特殊性,讨论分析LiDAR传感器及技术在上述5类农业场景应用中的发展趋势;最后,展望LiDAR新技术在农业场景应用中的发展方向,即通过集成自动化采集系统装备与数据智能分析方法进一步提升LiDAR数据精准性、全面性、丰富性和实时性。     

基于高光谱成像技术的不同类型小麦穗发芽籽粒识别

【目的】为探索利用高光谱成像技术识别不同类型小麦籽粒穗发芽的方法。【方法】利用涵盖不同倍性、籽粒颜色的3个品种的小麦种子为材料，通过设置穗发芽对比实验，利用PCA、ICA、HSV 3种变换方法分析不同类型小麦正常和穗发芽籽粒光谱、图像的差异，提取图像和光谱特征参数，并运用最小距离法、最大似然法和支持向量机3种不同识别算法进行小麦籽粒发芽识别。【结果】穗发芽与否会在其光谱特性上有所反映，发芽籽粒的光谱反射率在品种间差异较小，发芽与未发芽籽粒的光谱反射率存在较大差异，大于未发生穗发芽品种之间的差异，特别是在光谱波段470～620 nm之间。通过光谱差异分析并结合支持向量机算法进行识别得到的结果精度更高，识别精度达到96%。【结论】研究结果可为种子质量监控、自动筛选识别等提供技术支持。