不同节水灌溉模式对水稻生理生长和产量形成的影响

为研究水稻生理生长和产量形成对不同节水灌溉模式的响应规律,设计4种不同节水灌溉模式(浅水勤灌、湿润灌溉、控制灌溉和蓄水控灌),观测不同节水灌溉模式下水稻株高、叶绿素含量的动态变化,分析水稻总产量及其组成(每穴有效穗数、每穗粒数、结实率、千粒质量和每穴产量)。结果表明:不同节水灌溉模式下水稻株高变化规律的差异并不明显,水稻收获时的株高以蓄水控灌最高(103.4 cm),控制灌溉处理次之;线性模型和指数模型均能较好地模拟不同节水灌溉模式下水稻株高随移栽后时间的动态变化,相关系数分别为0.978 1～0.982 4和0.975 6～0.982 7;水稻叶绿素含量于移栽后76 d达到峰值,移栽76 d后进入衰退期,叶绿素含量逐渐下降,蓄水控灌处理水稻生长中后期叶绿素含量总体高于其他模式;不同节水灌溉模式对水稻每穴有效穗数、每穗粒数、结实率、千粒质量和每穴产量均存在影响,蓄水控灌模式下水稻产量最高,达到10 172 kg/hm~2,而浅水勤灌处理水稻产量处于最低水平(8 735 kg/hm~2)。     

不同生育时期土壤干旱后复水对水稻生长发育的补偿效应

以丰华占为水稻供试品种,通过盆栽实验,在水稻生长的不同生育时期分别进行水分胁迫处理,研究其对水稻植株形态、叶绿素含量、干物质积累及产量的影响。结果表明,不同生育期干旱胁迫后株高、分蘖有所下降,尤以分蘖期控水影响较大,恢复灌溉后大多可恢复到对照水平。各生育期遭受水分胁迫后,水稻地上部干重均有不同程度的降低,均达到显著水平,且复水后均始终低于对照处理。叶绿素含量控水处理后显著下降,恢复供水后除分蘖期可恢复到对照水平,其它处理则始终下降。干旱胁迫后水稻根系活力均显著上升,其中穗分化期、抽穗期干旱处理在复水后均仍然显著高于对照。不同生育期干旱对产量的影响强弱顺序为抽穗期>穗分化期>分蘖期>结实期。分蘖期控水主要影响有效穗数,穗分化期控水影响有效穗数、每穗粒数和结实率,抽穗期控水影响每穗粒数、结实率和千粒重,结实率控水影响结实率和千粒重。     

不同灌水处理小麦品种抗旱性鉴定指标遗传规律研究

依据Griffing方法配制种植不同类型的复合双列杂交组合,分别设水、旱二种水分条件。在不同生育时期测定株高、株穗数、株粒重、穗粒数、黄叶片数、SOD、POD、MDA等农艺、生理生化性状,研究不同组合类型对杂交后代的遗传力影响及其与抗旱性的关系及遗传规律。结果表明,可采用抗旱指数(DRI)作为评价小麦品种抗旱性强弱的指标。旱地株粒重、旱地穗下节长、旱地黄叶片、籽粒饱满度、落黄、旱地成穗数、旱地株高等7个质量性状和数量性状与抗旱性关系密切且遗传力较强,可作为高产种质杂种后代的早期抗旱性鉴定指标。SOD活性和MDA含量由于广义遗传力和狭义遗传力均较高,可以在杂种后代早期世代进行选择,OA能力和POD活性广义遗传力较高但狭义遗传力低,适宜在杂种后代的晚期世代进行选择。     

夹江县水稻新品种引进对比试验报告

水稻品种是水稻丰产的决定性因素,为筛选出适宜夹江县“水稻-泽泻”轮作种植模式的优质高产水稻品种,指导全县水稻生产,笔者于2022年在夹江县开展了水稻新品种对比试验,用稻药轮作模式,以F优498、宜香优2115两个水稻品种为对照,对泰优808、雅优637、荃优399、品香优秱珍、晶两优1206、川优553,6个新品种的生育期、抗逆性、株高、有效穗数、穗实粒数、千粒重和产量等性状进行了对比。结果表明,新引进的6个参试水稻品种均适宜夹江县“水稻-泽泻”轮作生产模式,适宜推广,其中,荃优399的生育期、产量和株高等综合表现能力最强,其次为晶两优1206、泰优808。     

不同氮肥条件下盐分处理对小麦生长的影响分析

以盆栽为试验条件,研究了不同氮肥条件下土壤盐分含量对冬小麦生长特性及产量的影响.结果表明:高盐胁迫导致小麦株高降低,分蘖能力下降,生物量及有效叶面积减少,有效穗数,每穗粒数减少,千粒重降低,产量下降.高盐胁迫处理与对照差异显著,低盐胁迫处理与对照差异不显著.在相同盐分胁迫下,施氮量与小麦性状及产量呈正相关关系,小麦株高、叶面积及产量等指标随着施氮量的增加表现增大趋势.     

水稻工厂化育秧生长信息智能模拟采集系统的设计

水稻工厂化育秧可有效提高生产效率,确保国家粮食安全。为了给水稻工厂化育秧生长管理提供更为迅速、可靠的信息判决依据和决策支持,设计了一种水稻工厂化育秧生长信息智能模拟采集系统,包括针对水稻秧苗生长情况的高光谱图像信息采集系统和监测水稻生长环境各项参数指标的环境信息采集系统(CO2采集单元、温度采集单元、土壤水分采集单元、光照强度采集单元)。同时,采用Keil C语言开发系统的工作软件,以AT8 9 S5 2单片机为控制器、LCD1 6 0 2为液晶显示器等设计了系统正常工作的软硬件系统。     

基于计算机视觉的小麦长势监控研究

如何利用有限的耕地生产尽量多的农产品,是现阶段我国农业面临的一个重要问题。对此,人们发展出了智能化和数字化的农业模式,具体表现为各种植物生长柜和监控决策系统。农作物的长势是上述系统进行决策的依据和基础,长势监控的准确性便成为评价这些系统功能的重要方面。小麦是我国的三大粮食作物之一,推进数字化农业在小麦长势监控中的应用,对保障小麦的高产、稳产具有重大的现实意义。为此,基于计算机视觉,设计了一种小麦的长势监控系统。其中,视频采集装置拍摄小麦生长过程的图像,形成的视频信号由计算机视觉软件分析,得到各种形态特征和颜色特征,以此形成控制指令,最后通过执行装置对小麦的长势进行控制和调节。在植物工厂中验证系统的准确性,监测了3个小麦品种不同时期的株高和叶绿素含量。与人工测量果相比,计算机视觉测量的小麦株高普遍较低,需要优化系统的参数和算法以消除拍摄角度引起的误差;系统测量的不同品种或生育期之间的相对株高和叶绿素含量都很一致,表现出较好的准确性,具有良好的应用前景。     

水稻秸秆营养穴盘成型机的设计与降解性能研究

水稻秸秆营养秧盘是以稻草粉、牛粪为原料,采用气动成型原理实现秧盘成型的水稻营养秧盘,具有原料易得、可降解、可自养和改良土壤理化性状等优点。为此,对水稻营养秧盘的结构进行分析,改进了水稻秸秆营养穴盘成型机的设计,探讨了水稻秸秆营养秧盘对水稻生长影响及其降解性能。在黑龙江前哨农场开展水稻秸秆营养秧盘(XS)与塑料水稻育秧盘(CK)对比田间试验,探究不同水稻育秧盘对水稻秧苗素质、水稻产量及自身降解特性的影响。试验结果表明：与塑料育秧盘(CK)相比,采用水稻秸秆营养秧盘可以提高水稻出苗率、株高、茎基宽,显著提升水稻秧苗生物量、有效穗数、每穗粒数、结实率、千粒质量及产量;在保障水稻生长的同时,水稻秸秆营养秧盘降解效果明显,移栽到田间120天后,降解率达到84.79%。研究结果可为水稻秸秆营养秧盘的推广提供前提条件和理论基础。     

灌排模式和施氮水平对水稻株高与茎蘖生长动态的影响

为探究灌排模式、施氮水平对水稻株高、茎蘖生长动态的影响,以稻田水位作为调控指标,通过测坑控水试验,采用Logistic曲线以及DMOR数学模型定量分析不同施氮水平下分蘖期先旱后涝（FHL）、拔节孕穗期先旱后涝（BHL）以及控制灌排（CID）3种处理对株高、茎蘖生长动态的影响。结果表明：灌排模式主要通过改变水稻株高、茎蘖的生长时间以及生长速率来影响株高、茎蘖生长,最大株高由大到小表现为CID处理、FHL处理、BHL处理,最大茎蘖数由大到小表现为CID处理、BHL处理、FHL处理。施氮主要是通过提高水稻株高、茎蘖的生长速率来促进株高、茎蘖生长;最大株高随着施氮量的增加而增加,CID和FHL两种处理下,最大株高由施氮150kg/hm2的98.9、97.8cm增加到施氮300kg/hm2的102.4、101.2cm,继续施氮没有显著提高;CID处理和BHL处理下,最大茎蘖数随着施氮量的增加而增加;FHL处理下,低氮处理和高氮处理的最大茎蘖数显著小于中氮处理。灌排模式与施氮水平的交互作用对株高、茎蘖数动态过程均有极显著影响,增施氮肥在一定程度上可以缓解因水分胁迫所引起的株高、茎蘖数的下降,但是高氮会加重水分胁迫,不利于株高、茎蘖的生长。     

不同泥沙含量下受淹胁迫对鄱阳湖平原双季稻

为探究鄱阳湖平原区洪涝时期不同泥沙含量下受淹胁迫对双季稻生长及产量的影响,采用大田试验与室内分析相结合的方法,设置淹2/3株高和全淹2种受淹深度,S1（0kg/m3）、S2（0.5kg/m3）、S3（1.0kg/m3）3种泥沙含量,对淹水后6、9d早稻和中稻的生长指标和水稻产量进行了观测研究。结果表明：适度受淹刺激水稻伸长,节间不断分化,叶片伸长、增宽。早稻抽穗开花期受淹株高、节间长增加9.35%、12.75%,2/3淹下叶面积增加11.00%。但胁迫过大抑制水稻生长,中稻全淹下株高和分蘖数减小33.49%、29.28%,叶面积减小30.94%,此时中稻难以伸出水面,导致功能叶片附沙严重,泥沙含量增大进一步抑制了水稻生长。受淹导致早稻和中稻穗干物质量平均减小32.35%、58.72%（P<0.05）。结实率和千粒质量减小是早稻抽穗开花期受淹后产量下降的主要原因,此时泥沙含量和淹水时间的影响并不明显。中稻全淹下泥沙导致减产加剧,S2、S3下减产率比S1下显著增加31.63%、52.20%（P<0.05）,此时产量下降是穗长、有效穗数、穗粒数、结实率、千粒质量综合作用的结果。研究结果可为鄱阳湖平原区洪涝灾害治理和粮食安全保障提供理论和技术支撑。     

利用无人机影像监测不同生育阶段玉米群体株高的精度差异分析

为明确利用无人机影像监测玉米群体株高的精度及其影响因素,本研究基于无人机搭载光学成像设备构建大田玉米群体数字高程模型（Digital Elevation Model,DEM）,研究不同生育时期下玉米群体株高监测的精度差异。针对3个玉米品种、8个播期处理构建的株高差异化群体,用多旋翼无人机搭载高清RGB相机和多光谱成像设备,采集试验区高清RGB和多光谱影像,获取玉米群体数字高程信息DEM和各处理区植株高度,分析不同品种和播期处理下基于无人机和人工测量株高间的相关关系。试验结果表明,高清RGB相机和多光谱成像设备获取的DEM均能反映玉米群体的高度差异。高清RGB相机的株高监测精度优于多光谱成像设备,但株高监测精度不足,难以反映玉米群体的较小株高差异。不同生育阶段对玉米株高监测精度具有较大影响,生育前期冠层尚未全部覆盖地表或生育后期植株衰老叶片枯黄下垂时,受裸露地表影响,群体株高被严重低估。本研究分析了影响无人机搭载成像设备监测玉米株高精度的因素,可为该方法应用于大田生产提供借鉴意义。     

先旱后涝胁迫下水稻茎蘖及株高动态响应

为了解先旱后涝胁迫下水稻的茎蘖和株高生长动态,采用测坑试验方法研究先旱后涝胁迫对水稻分蘖数和株高的影响,根据分蘖变化拟合分析了水稻茎蘖消长动力学模型,根据株高动态变化拟合了Logistic增长模型.试验结果表明:先旱后涝胁迫过程在分蘖期和拔节孕穗期均不同程度地抑制水稻分蘖;水稻在分蘖期、拔节孕穗期及抽穗开花期受涝可促进株高增长,在分蘖期、拔节孕穗期及抽穗开花期受旱则抑制株高增长;茎蘖消长动力学模型较好地拟合了茎蘖消长的过程,具有实践意义;Logistic模型拟合株高动态变化拟合度也较高,且适用合理.研究结果可为合理制定灌溉方案和提高水稻产量提供依据.     

基于Atrous-CDAE-1DCNN的紫丁香高光谱数据的叶绿素含量反演

叶绿素含量是评价植物生长状况以及光合作用能力的重要指标。通过叶绿素测定仪实地测定表征紫丁香叶片的叶绿素含量的SPAD(soil plant analysis development)值，利用高光谱图像技术和机器学习算法反演推算紫丁香叶片叶绿素的含量。针对数据采集时噪声信息的干扰、相邻波段间相关性强、冗余信息多的问题，利用空洞卷积去噪自动编码器(Atrous Convolutional Denoising Auto Encoder，Atrous-CDAE)将原始高光谱数据由204维减少到51维，并减少噪声干扰。结合1DCNN建立紫丁香叶片叶绿素含量的预测模型，并与原始数据和其他4种数据处理方法进行比较。结果表明：相比于原始高光谱数据和其他数据处理方法，经Atrous-CDAE处理后的数据预测结果最佳，预测集中决定系数R2为0.972 3，均方根误差RMSE为1.326 6。利用Atrous-CDAE处理的数据与其他经典预测模型组合均取得较优的预测结果，表明Atrous-CDAE可有效地提取数据潜在表征。对其他数据结合本文所提1DCNN模型进行预测，其R2均在0.94以上，RMSE均在2以下，表明该预测模型具有一定的适应性。     

基于改进Faster R-CNN的水稻稻穗检测方法

为了快速而准确地统计视频监测区域内的水稻穗数,提出了一种基于改进Faster R-CNN的稻穗检测方法。针对稻穗目标较小的问题,在Inception_ResNet-v2的基础上引入空洞卷积进行优化;对于不同生长期稻穗差别大的问题,设计了针对标注框尺度的K-means聚类,为候选区域生成网络提供先验知识,从而提高了检测精度。鉴于小尺寸稻穗目标的特殊性,用ROIAlign替代ROIPooling,提高了感兴趣区域的提取精度。试验测试时,根据水稻不同发育期稻穗的表型特征差异自制了3类数据集,并选取最佳聚类数为10。模型对比试验表明,本文方法的稻穗检测平均精度均值达到80.3%,较Faster R-CNN模型提升了2.4个百分点,且比SSD和YOLO系列模型有较大幅度的提升。     

基于红边优化植被指数的寒地水稻叶片叶绿素含量遥感反演研究

水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有695、507和465nm 3个高光谱特征波段的红边优化指数（ORVI）。与Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括ND_528,587、SR_440,690、CARI、MCARI的反演结果进行了对比分析,结果表明：IDB数据库中的已有4种植被指数叶绿素含量反演模型的决定系数R₂分别为0.672、0.630、0.595和0.574;ORVI植被所建立的叶绿素含量反演模型的决定系数R₂为0.726,均方根误差RMSE为2.68,精度高于其他植被指数,说明了ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。     

水稻生长环境监测与控制系统的研究

以八五九农场为载体,旨在建立一个可以指导水稻生长的操作简便、界面友好的水稻生长环境监测与控制系统,为农场水稻的生产提供决策支持信息。该系统核心技术和设备为自主开发,整体技术水平高,且成套设备的成本及价格远低于国外同类产品,在专用软件的支持下,可使监测数据定量化,决策科学化。     

基于无人机遥感表型监测的苎麻优质种质资源筛选方法

苎麻是重要的纤维作物之一,由于土地资源紧缺及优良品种的推广应用等原因,苎麻遗传变异和遗传多样性减少,对苎麻种质资源多样性调查和保护的需求日趋加大。基于无人机遥感的作物表型测量方法可以对不同基因型作物的生长特性进行频繁、快速、无损、精准的监测,实现作物种质资源调查,筛选特异优质品种。为了实现苎麻种质资源表型的高效综合评价,辅助筛选优势苎麻品种,本研究提出了一种基于无人机遥感影像的苎麻种质资源表型监测及筛选方法。首先,基于无人机遥感影像,利用Pix4dmapper软件生成试验区的数字地表模型（Digital Surface Model,DSM）和正射影像;然后,对苎麻种质资源关键表型参数（株高、株数、叶面积指数、叶片叶绿素含量、含水量）进行估测。基于DSM采用“差分法”提取苎麻株高,基于正射图像采用目标检测算法提取苎麻株数,采用机器学习方法估测苎麻叶面积指数（Leaf Area Index,LAI）、叶片叶绿素含量（SPAD值）、含水量;最后,根据提取的各项遥感表型参数,采用变异性分析和主成分分析方法对苎麻种质资源进行遗传多样性分析。结果表明,（1）基于无人机遥感的苎麻表型估测效果较好,株高的拟合精度为0.93,均方根误差为5.65 cm;SPAD值、含水量、LAI的拟合指标分别达到0.66、0.79、0.74,RMSE分别为2.03、2.21、0.63;（2）苎麻种质资源的遥感表型存在较大差异,LAI、株高和株数的估测值变异系数分别达到20.82%、24.61%和35.48%;（3）利用主成分分析法将苎麻种质资源的遥感表型聚类为因子1（株高、LAI）和因子2（LAI、SPAD值）,因子1可用于苎麻种质资源结构特征评价,因子2可以作为高光效苎麻资源的筛选指标。本研究将为作物种质资源表型监测和育种相关分析提供参考。     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

黑土区玉米地作物信息多重分形与多尺度相关特征研究

为揭示黑土区玉米地作物信息的时空变异机理,在东北农业大学香坊实验基地选取48 m×48 m区域,利用多重分形和联合多重分形理论,研究作物信息的多重分形特征、不同时间作物信息以及不同作物信息之间的多尺度相关特征。结果表明,黑土区玉米叶绿素含量的多重分形特征不明显,茎粗和株高的多重分形特征较明显。随时间变化,造成叶绿素含量、茎粗空间变异的局部信息有所差异,引起株高空间变异的局部信息一致,叶绿素含量、茎粗、株高的空间变异性分别先降后增、先降后增、逐渐减弱。单一尺度和多尺度上,不同时间叶绿素含量之间、茎粗之间、株高之间的相关程度均有明显差异;叶绿素含量之间、茎粗之间的相关程度排序均有所差异,株高之间的相关程度排序相同。随时间变化,单一尺度和多尺度上不同作物信息之间的相关程度均有明显差异,且相关程度均逐渐降低。与单一尺度相比,多尺度上,叶绿素含量之间、茎粗之间、不同作物信息之间的相关程度增大,株高之间的相关程度有增有降。     

基于无人机光谱分析的农田监测系统应用

农田监测可以获取作物的生长状态,是农艺管理操作的依据。传统的农田监测由人工完成,效率和准确性较低,无法满足现代化农业的要求。以无人机为平台的遥感技术应用于农田信息监测中,能有效地解决这个问题。高光谱遥感具有连续的光谱,通过光谱分析可以得到农田作物的完整信息。为此,设计了基于无人机光谱分析的农田监测系统,利用无人机搭载的光谱仪拍摄水稻田的高光谱影像,基于多个光谱参数建立估算叶绿素含量(SPAD)的回归模型。结果表明:4个光谱参数与建模样本SPAD值的回归分析都达到显著水平,以DR 526和SD y建立的模型精确度较高。综合考虑决定系数和斜率值,将SD y作为文中SPAD值的最佳估算参数,可为精准农业的发展提供技术支撑。