小麦抗条锈病新基因被发现

从中国科协第八次科技期刊与媒体见面会上获悉,中国农科院作物科学研究所张增艳、辛志勇研究员筛选出我国高抗小麦条锈病优势小种条中28~32、水源致病型4的人工合成小麦新种质Ci108,发现其含有1个抗条锈     

大豆种质资源对疫霉根腐病的抗性鉴定

在人工接种条件下,用大豆疫霉根腐病病菌1号生理小种对631份大豆材料(生产上主栽品种、即将推广的新品系以及大豆资源材料)进行鉴定,筛选出一批抗大豆疫霉根腐病的品种和资源材料,为大豆疫霉根腐病重发生区提供了种植品种,为抗疫霉根腐病育种提供了杂交亲本。     

新龙县春小麦条锈病发生规律及综合防治措施

小麦条锈病是小麦的主要病害之一,对小麦的危害大,减产高达15%～40%,甚至绝收,给农业生产造成严重影响。新龙县是四川省小麦条锈病菌源的重要越夏区,也是菌源监测的重点县。为有效控制小麦条锈病的危害,减少对内地冬麦区的初侵染循环,本文对新龙县小麦条锈病菌源监测地进行了田间试验和大田调查,研究了小麦条锈病发生规律、危害特点,初步掌握了新龙县春小麦的综合防治措施。     

基于高光谱成像技术的小麦条锈病病害程度分级方法

为了快速、准确地对小麦条锈病病害程度进行分级评估,提出了一种基于高光谱成像技术的小麦条锈病病害程度分级方法。首先利用Hyper SIS高光谱成像系统采集受条锈菌侵染后不同发病程度的小麦叶片高光谱图像,通过分析叶片区域与背景的光谱特征,对555 nm波长的特征图像进行阈值分割获得掩膜图像,并用掩膜图像对高光谱图像进行掩膜处理,提取仅含叶片的高光谱图像;然后用主成分分析法(Principal component analysis,PCA)得到利于条锈病病斑和健康区域分割的第2主成分(The second principal component,PC2)图像,采用最大类间方差法(Otsu)分割出条锈病病斑区域;最后根据条锈病病斑区域面积占叶片面积的比例对小麦条锈病病害程度进行分级。试验结果表明:测试的270个不同小麦条锈病病害等级的叶片样本中,265个样本可被正确分级,分级正确率为98.15%。该研究为田间小麦条锈病害程度评估提供了基础,也为小麦条锈病抗性鉴定方法提供了新思路。     

大豆种质资源抗锈鉴定

由豆薯层锈菌（Phakopsora pachyrihzi Syd）引起的大豆锈病是严重影响大豆生长的重要病害之一。防治该病最经济有效的方法之一是抗病育种,而抗病资源的筛选是抗病育种的工作基础。利用室内离体叶片接种方法确定了大豆抗锈接种鉴定的接种浓度,最适接种浓度为100孢子μL,每片大豆叶子的接种量为2 μL,发病时间为第5天,第7天孢子堆破裂释放夏孢子。对296个大豆品种进行了抗锈鉴定,并辅以显微观察和分子检测技术。初筛结果显示:只有大青仁表现出抗性,重复接种鉴定后该品种未表现出明显发病症状,PCR可检测到该品种被接种叶片上的锈菌,针对这个品种再次接种锈菌,结果表现出抗性,其余品种均表现为感病。      

山西省小麦条锈病越夏菌源区精准勘界初报

小麦条锈病属远程气流传播病害。20世纪50年代-80年代,小麦条锈病曾在山西省多次大范围暴发成灾,对全省小麦生产造成严重威胁。经植保技术人员多年坚持不懈的调查研究与科研攻关,基本搞清了小麦条锈病在山西省的流行规律,明确了山西北部高寒山区是全国小麦条锈病主要的越夏基地之一。然而时过境迁,随着全球性气候变化以及种植业结构调整,小麦条锈病的发生     

眉县无人机防治小麦条锈病存在的问题及对策

“后疫情”时代,世界粮食发展与安全格局发生新变化。稳定发展粮食生产,解决好吃饭问题,成为治国理政的头等大事。小麦是我国重要粮食作物之一,小麦条锈病是影响小麦安全生产的严重生物灾害,一般流行年份可使小麦减产10%～20%,特大流行年份减产可达60%以上,甚至绝收。2020年和2021年,陕西省眉县小麦产区条锈病偏重流行,眉县在利用无人机飞防作业防病治病方面作了有益的探索,发现在飞防时间、飞防技术、作业监管和障碍区处置等方面存在的问题,并研究出解决对策,对利用无人机开展小麦条锈病飞防作业有一定的指导意义。     

融合GA与SVR算法的小麦条锈病特征优选与模型构建

为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征集合,并基于融合遗传算法(Genetic algorithm,GA)和支持向量回归(Support vector regression,SVR)算法对初始特征集合与SVR参数进行联合优选,确定遥感监测小麦条锈病严重度的敏感因子,建立基于GA-SVR算法的小麦条锈病遥感监测模型,并将其与相关系数(Correlation coefficient,CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明,融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型,3个样本组中GA-SVR模型预测病情指数(Disease index,DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根误差(Root mean square error,RMSE)至少减少了10.1%,平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度,研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。     

聊城市机手跨区“出征”

2013年5月下旬开始,山东省聊城市参加全国跨区业的3000多台小麦联合收割机将陆续"出征",农手们根据小麦各产区不同的小麦成熟期,"转战"湖、河南、安徽、山东及河北等地,进行为期1个多月的     

基于嵌入式系统的小麦条锈病远程监测平台设计与试验

为了实现小麦条锈病的远程实时监测,设计并搭建了基于嵌入式系统的小麦条锈病远程监测平台,实现了用户对大田小麦条锈病发病状况的实时监测。首先基于Arduino微控制器和42步进电机控制的六棱柱转轴和传送装置结合,通过蓝牙控制六棱柱转轴上的电磁吸附装置吸附金属加工后的载玻片设计了孢子捕捉器,实现了空气中小麦条锈病孢子图像的采集;其次,通过高倍光学显微镜和电子目镜将采集到的孢子图像通过Linux核心板上传至云端服务器,并通过基于Python的图像处理算法对图像进行中值滤波、边缘提取、角点检测等处理实现孢子计数;最后通过基于Android平台的应用软件实现远程查看孢子图像和计数处理结果。试验结果表明,该平台服务器图像处理算法可实现孢子的准确计数,对测试图像的计数准确率为100%,孢子捕捉器的玻片切换成功率为95%。该研究可为大田小麦条锈病的实时监测奠定基础,也可为大田内其他气传病害的监测提供借鉴。     

基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报

开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义.本研究以冬小麦主产区(河南省、山东省、河北省、安徽省和江苏省)为研究区域,构建了冬小麦籽粒蛋白质含量多层线性预测模型,并实现了2019年冬小麦蛋白质含量预报.为了解决预测模型在年际扩展和空间扩展存在偏差的问...     

基于CC-MPA特征优选算法的小麦条锈病遥感监测

为了弥补一次性建模分析的缺陷,提高小麦条锈病遥感监测模型的运行效率和精度,根据模型集群分析（Model population analysis,MPA）算法的特点,综合利用光谱区间选择算法和光谱点选择算法的优势,提出了一种联合相关系数（Correlation coefficient,CC）与MPA的特征变量优选算法。在利用CC算法对全波段光谱进行特征变量选择的基础上,分别利用基于MPA思想开发的竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）和变量组合集群分析法（Variable combination population analysis,VCPA）进一步优选对小麦条锈病敏感的特征变量,并利用偏最小二乘回归（Partial least squares regression,PLSR）算法构建了小麦条锈病遥感监测的CC-CARS和CC-VCPA模型。结果表明：联合CC-MPA算法优选的特征变量构建的CC-CARS和CC-VCPA模型精度均高于CC、CARS和VCPA算法。3组验证集样本中,CC-CARS模型预测病情指数（Disease index,DI）与实测DI间的R2V较CC模型和CARS模型至少分别提高了6.78%和6.66%,RMSEV至少分别降低了15.31%和10.98%,RPD至少分别提高了18.08%和12.34%。CC-VCPA模型预测DI与实测DI间的R2V较CC模型和VCPA模型至少分别提高了9.58%和0.73%,RMSEV至少分别降低了20.78%和3.86%,RPD至少分别提高了26.22%和4.02%。基于CC-MPA的光谱特征优选算法是一种有效的特征选择方法,尤其是利用CC-VCPA方法选择的特征变量数更少,模型预测效果更好,研究结果对光谱特征优选及提高作物病害遥感监测精度具有重要的参考价值。     

胶东水库灌区果树灌溉效益分摊系数试验研究

在灌溉工程项目经济效益分析和评估中 ,通常应用灌溉效益分摊系数法 ,对粮食作物如冬小麦、夏玉米、水稻方面有一些研究成果 ,但对果树的灌溉效益分摊系数研究较少。山东省胶东地区是国内享有盛名的果树种植区 ,自然条件优越 ,果树种植面积大 ,效益高 ,产业化发展前景好 ,对果树生产效益方面的研究具有实际和很好的代表性。基于上述原因 ,龙口市北邢家水库所在其灌溉试验站对果树灌溉效益分摊系数进行 3年的试验研究 ,主要研究了长把梨、苹果、黄杏 3种主要果树的灌溉效益分摊系数 ,为灌溉水在果树生产中的作用作了定量分析 ,为灌溉工程的经济评价提供了科学依据。     

基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。     

基于RSTCNN的小麦叶片病害严重度估计

以小麦叶片条锈病和白粉病为研究对象,针对同类型病害的不同严重度之间的图像颜色及纹理特征差异较小,传统方法病害严重度估计准确率不高的问题,提出一种基于循环空间变换的卷积神经网络(Recurrent spatial transformer convolutional neural network,RSTCNN)对小麦叶片病害进行严重度估计。RSTCNN包含3个尺度网络,并由区域检测子网络进行连接。每个尺度网络以VGG19作为基础网络以提取病害的特征,同时为了统一区域检测过程中前后特征图的维度,在全连接层前引入空间金字塔池化(Spatial pyramid pooling,SPP);区域检测子网络则采用空间变换（Spatial transformer,ST）有效提取尺度网络特征图中病害的注意力区域。小麦叶片病害图像通过每个尺度网络中卷积池化层得到的特征图,一方面可作为预测病害严重度类别概率的依据,另一方面通过ST进行注意力区域检测并将检测到的区域作为下一个尺度网络的输入,通过交替促进的方式对注意力区域检测和局部细粒度特征表达进行联合优化和递归学习,最后对不同尺度网络的输出特征进行融合再并入到全连接层和Softmax层进行分类,从而实现小麦叶片病害严重度的估计。本文对采集的患有条锈病和白粉病的小麦叶片图像结合数据增强方法构建病害数据集,实验验证了改进后的RSTCNN在3层尺度融合的网络对病害严重度估计准确率较佳,达到了95.8%。相较于基础分类网络模型,RSTCNN准确率提升了7~9个百分点,相较于传统的基于颜色和纹理特征的机器学习算法,RSTCNN准确率提升了9～20个百分点。结果表明,本文方法显著提高了小麦叶片病害严重度估计的准确率。     

基于遥感DSI指数的干旱与冬小麦产量相关性分析

利用2000—2012年MODIS ET/PET和NDVI数据集构建干旱指数(DSI),监测山东省和河南省冬小麦主产区的农业干旱,并在地级市尺度上进一步评估冬小麦关键生育期干旱对冬小麦产量的影响。结果表明:2010年9月—2011年2月山东省特大干旱过程显示的DSI不仅能监测气象干旱,还能较好地反映农业干旱在空间上的差异性以及时间上的演变。不同冬小麦生育期干旱对冬小麦产量影响不同,灌浆期干旱对冬小麦产量的影响最大,干旱致使土壤水分亏缺,影响了作物正常的灌浆强度,进而导致作物减产;其次是拔节期;返青期干旱对产量基本没有影响。     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。