赣东北地区中、晚稻品种展示试验初报

为筛选出适宜赣东北地区种植的优质水稻品种,2023 年在江西省余江区开展了中稻和晚稻两个不同生育期优质水稻品种（系）展示试验。结果表明,中稻品种（系）昇香两优惠占和双黄占表现优异,生育期适宜,分蘖率和千粒重较高,产量均在 9800kg/hm2 以上;晚稻品系先香优 9226 和祁两优香占生育期适宜,结实率较高,千粒重较大,抗倒伏能力强,产量达10000kg/hm2 以上;上述品种（系）可作为优质稻进行下一下试验及大面积推广种植。另外,粤芽丝苗和广 10 优溢香在产量和适应性方面表现均较好,可作为优质种质资源加以利用。     

多光谱遥感结合随机森林算法反演耕作土壤有机质含量

土壤有机质(Soil Organic Matter,SOM)遥感反演一般以单期影像作为输入量,为研究多时相影像遥感结合随机森林提高SOM遥感反演精度的可能性,该研究以黑龙江省农垦总局胜利农场耕地范围为研究区,以Sentinel-2A和Landsat 8影像作为数据源,获取两期裸土遥感影像,构建光谱指数,以随机森林算法筛选波段和光谱指数作为输入量,构建SOM反演模型。结果表明:1)两期影像的SOM反射光谱响应波段包括二者共有的中心波长:约560、660、850 nm,以及Sentinel-2A特有的中心波长740 nm 4个波段;2)基于单期影像最佳波段和光谱指数,Sentinel-2A影像SOM最优反演模型R2为0.913,均方根误差为0.860 g/kg,精度高于Landsat 8影像反演模型;3)单期影像最佳波段引入光谱指数,相比以最佳波段作为输入量,使SOM最优反演模型的均方根误差分别提高了28.867%和8.722%;4)引入时相信息,基于单期和两期影像波段和光谱指数,SOM最优反演模型精度由高到低为两期影像(R2为0.938,均方根误差1.329 g/kg)、Sentinel-2A影像(R2为0.935,均方根误差为1.944 g/kg)、Landsat 8影像(R2为0.922,均方根误差2.022 g/kg),两期影像SOM最优反演模型的稳定性和精度略高于单期影像。研究结果证明了Sentinel-2A影像数据以及多时相裸土影像反演SOM的优势。     

大庆地区6种委陵菜生长末期的生理指标变化

在自然降温过程中,以大庆地区委陵菜、蔓委陵菜、伏委陵菜、蒿叶委陵菜、光叉委陵菜、鹅绒委陵菜为试验材料,对叶片中的过氧化物酶(POD)、过氧化氢酶(CAT)、硝酸还原酶(NR)的活性及丙二醛(MDA)、脯氨酸(Pro)、可溶性糖的含量等指标进行了研究。结果表明,随着温度的逐渐降低,光叉委陵菜中POD活性最小,NR活性波动最大。鹅绒委陵菜中可溶性糖的含量在6种委陵菜中波动最小,Pro含量最低,委陵菜中MDA含量波动范围最大,蒿叶委陵菜中CAT活性最低,POD活性最高。     

基于CARS算法的不同类型土壤有机质高光谱预测

不同土壤类型的理化性质和光谱性质存在差异,以往研究多以高光谱反射率或光谱吸收特征建立模型,输入变量类型结构单一,往往导致土壤有机质(Soil Organic Matter,SOM)预测模型的精度不高。为提高SOM高光谱预测模型精度,该研究以黑龙江省海伦市为研究区,将不同类型土壤分别以竞争自适应重加权采样(Competitive Adaptive Reweighted Sampling,CARS)筛选的特征波段、数字高程模型(Digital Elevation Model,DEM)数据和光谱指数作为输入变量,结合随机森林(Random Forest,RF)算法建立SOM预测模型。结果表明:1)通过CARS算法筛选后,各土壤类型特征波段压缩至全波段数目的16%以下,在很大程度上降低土壤高光谱变量维度和计算复杂程度,从而提高了模型的预测能力,说明CARS算法在提取特征关键波段变量、优化模型结构方面起到重要作用;2)不同类型土壤的SOM预测精度存在差异,沼泽土的预测精度最高为0.768,性能与四分位间隔距离的比率(Ratio of Performance to InterQuartile distance,RPIQ)为3.568;黑土次之,草甸土的预测精度最低,仅0.674,RPIQ为1.848。3类土壤的RPIQ均达到1.8以上,模型具有较好的预测能力;3)局部回归预测精度最优,验证集的调整后决定系数为0.777,均方根误差(Root Mean Square Error,RMSE)为0.581%,模型验证RPIQ为2.689,模型稳定性高。该试验筛选的预测因子通过RF模型可实现SOM含量的快速预测,简化了传统复杂的程序,可为中尺度区域不同类型土壤的SOM预测提供依据,为输入量的选择提供参考。