不同小麦品种田间种植试验

为改善小麦品质、提高小麦产量、增加粮食供应,该文详细介江苏省金湖县近年连续开展的小麦品种田间种植试验,以筛选出适合金湖县农业生产的高产、优质、多抗小麦新品种.为确定该县主推品种提供了依据,同时为农户了解不同小麦品种的特性、产量特征提供参考.从试验结果分析,金湖县可选择种植扬辐麦4号、宁麦13、扬麦25、淮麦30等春性弱...     

冬小麦引进品种对比试验

<正>通过引进冬小麦品种在且末县种植试验,筛选出适宜且末县自然环境条件的高产、优质冬小麦新品种,为且末县冬小麦品种选择提供依据。一、试验概况试验设在且末县托乎拉克勒克乡七格大弯试验基地,试验占地面积0.1公顷。参试品种有轮选987、中麦97、廊研43号,以新冬22号作对照。示范地土质为砂壤土,土壤肥力中上等,前茬作物为红枣。播前结合整地667米2底施复合肥50千克、尿素16千     

冬小麦新品种比较试验

<正>为了全面优化冬小麦品种布局,提高小麦产量、质量与效益,加快冬小麦品种的更新换代步伐,特安排冬小麦品种比较试验,以取得科学依据,指导农民     

冬小麦不同品种试验初报

品种是粮食增产增收的重要因素之一。近几年，随着种植业结构的调整，循化县引进示范冬小麦取得成功。生产的发展迫切要求我们进一步加强冬小麦品种的引种试验工作，为生产提供科学依据。因此，我们特制定了本试验。并通过此项试验，筛选出适宜本地区种植的冬小麦品种，供今后在生产中推广应用。     

奇台县冬油菜品种抗寒性鉴定

一、试验目的 本试验主要对9个白菜型和1个甘蓝型冬油菜品种越冬、抗寒性及生产潜力进行分析,筛选出抗寒性强、丰产性好、越冬率高、适宜当地栽培的优良品种。     

冬小麦品种对比试验总结

1试验目的通过冬小麦品种对比试验,筛选出适宜于策勒县种植的早熟、优质、高产、抗病小麦品种,为策勒县冬小麦生产推广提供科学依据。2材料与方法2.1试验区概况试验设在策勒县策勒乡乌卡迪村3组。试验田土地平整,土壤肥力中上水平,沙壤土,耕作层土壤肥力中等,前茬为西甜瓜。2.2试验材料参试品种共8个:中旱111号、衡观35号、石麦620号、石农18号、邯6172号、周麦18号、石农     

青海省2010年冬小麦新品种比较试验

<正>2010年,青海省小寨良种试验站,为了促进冬小麦新品种的引进和冬小麦品种的更新换代,使小寨园区真正成为种植业结构调整的样板,新品种展示的平台,从不同区域共引进8个冬小麦品种进行了比较试验。通过     

低温胁迫下冬小麦叶片细胞膜透性与抗寒性的相关研究

[目的]研究低温胁迫下冬小麦叶片细胞膜透性与抗寒性的相关性。[方法]以小麦品种花培3号和豫麦57构建的DH群体的168个株系及亲本为材料,采用电导法测定低温胁迫处理后冬小麦叶片细胞膜透性,分析其与田间冻害程度的相关性。[结果]细胞膜透性与冻害级别的相关系数（r）为0.8806,呈显著正相关,根据低温胁迫处理后的冬小麦叶片细胞膜透性大小,可以判断冬小麦受冻害的程度。[结论]利用电导法测定受冻小麦叶片细胞膜透性是鉴定冬小麦抗寒性可靠而有效的方法之一。     

宝丰县小麦冬季田间管理技术

根据所在县市当前麦田管理方面存在的一些问题,有针对性地提出了一些看苗管理技术措施,为指导当地冬季麦田管理工作提供了科学依据.     

Winter wheat identification by integrating spectral and temporal information derived from multi-resolution remote sensing data

Timely crop acreage and distribution information are the basic data which drive many agriculture related applications. For identifying crop types based on remote sensing, methods using only a single image type have significant limitations. Current research that integrates fine and coarser spatial resolution images, using techniques such as unmixing methods, regression models, and others, usually results in coarse resolution abundance without sufficient detail within pixels, and limited attention has been paid to the spatial relationship between the pixels from these two kinds of images. Here we propose a new solution to identify winter wheat by integrating spectral and temporal information derived from multi-resolution remote sensing data and determine the spatial distribution of sub-pixels within the coarse resolution pixels. Firstly, the membership of pixels which belong to winter wheat is calculated using a 25-m resolution resampled Landsat Thematic Mapper (TM) image based on the Bayesian equation. Then, the winter wheat abundance (acreage fraction in a pixel) is assessed by using a multiple regression model based on the unique temporal change features from moderate resolution imaging spectroradiometer (MODIS) time series data. Finally, winter wheat is identified by the proposed Abundance-Membership (AM) model based on the spatial relationship between the two types of pixels. Specifically, winter wheat is identified by comparing the spatially corresponding 10×10 membership pixels of each abundance pixel. In other words, this method takes advantage of the relative size of membership in a local space, rather than the absolute size in the entire study area. This method is tested in the major agricultural area of Yiluo Basin, China, and the results show that acreage accuracy (Aa) is 93.01% and sampling accuracy (As) is 91.40%. Confusion matrix shows that overall accuracy (OA) is 91.4% and the kappa coefficient (Kappa) is 0.755. These values are significantly improved compared to the traditional Maximum Likelihood classification (MLC) and Random Forest classification (RFC) which rely on spectral features. The results demonstrate that the identification accuracy can be improved by integrating spectral and temporal information. Since the identification of winter wheat is performed in the space corresponding to each MODIS pixel, the influence of differences of environmental conditions is greatly reduced. This advantage allows the proposed method to be effectively applied in other places.     

荒漠植物骆驼蓬的提取物对小麦抗寒性的影响

小麦种子经骆驼蓬提取物水溶液浸泡处理后,9月大田播种,12月采用电导仪法和紫外分光光度计法,测定遭受-10℃寒冷的小麦叶片的细胞透性,结果是经过处理的种子,其麦苗叶片的细胞透性明显低于对照。表明骆驼蓬提取物能够增强冬小麦的抗寒性。     

高分子量谷蛋白亚基转基因小麦检测技术的研究

针对该实验材料转入的外源基因选择了标准中通用的外源基因CaMV35S,NOS,bar和植物内源基因tRNALeu作为特异性引物,对影响定性PCR检测(反应体系:氯化镁浓度,引物和模板浓度;反应条件:退火温度和时间,循环数等)的主要条件进行了实验优化和选择,同时对PCR产物进行琼脂糖凝胶电泳分析。结果表明,可以检测到CaMV35S,NOS,bar外源基因预期大小的目的条带,表明定性PCR检测所优化的条件适合转基因小麦。实验还测定了定性PCR最低检测灵敏度为1%(w/w)。同时对转入外源目的基因进行了表达蛋白的检测,蛋白电泳结果表明检测出1Dx5亚基和1Dy10亚基。     

Winter wheat grain yield and quality depending on the forecrop in the agrolandscape

It has been established in five cycles of three crop rotations on typical chernozem of the Kursk oblast that winter wheat grain yield and quality change depending of the forecrop and slope aspect. High-quality grain forms on a divide plateau when planted on black fallow.     

小麦外源基因检测研究进展

具有外源基因的小麦新种质是极其宝贵的育种新材料，快速、准确地鉴定小麦中的外源基因，有利于加速其在育种上的利用。形态标记、细胞标记、系列化标记和分子标记是检测小麦外源基因重要的遗传标记方法。本文全面论述了形态标记、细胞标记、系列化标记和分子标记在小麦外源基因检测中的研究进展情况，并对其作了简要的评价。     

旱地冬小麦冠层温度和其产量以及产量构成因素之间的关系

对旱地小麦冠层温度和产量及产量构成因素的关系分析可知：冠层温度（CT）和产量之间的相关性均呈现出增强—减弱—增强的变化趋势,判定系数R2的最大值出现在5月22日（R2=0.710）。8个监测日冠层温度和产量之间有极显著的负相关,随着CT的降低,产量提高,冠层温度偏低的品种其产量高,而冠层温度偏高的品种其产量低。参试品种（系）中,冠层温度偏低型的定鉴3号和冠层温度偏高型的沧核038冠层温度差达到4~5℃,产量之间相差2.1t/hm2。冠层温度和产量构成因素当中,冠层温度和千粒重、小穗数都呈现出负相关。冠层温度和产量及产量构成因素之间的相关性由强到弱依次为：产量,千粒重,小穗数,穗粒数。     

杨树伐根嫁接试验

用中林46号杨树枝条做接穗嫁接在北京杨品种上进行生长及投资试验，试验结果表明：杨树伐根嫁接苗比苗圃育苗和苗圃平茬苗的高生长及粗生长均高，而且比更新植苗造林节省投资。     

基于多源数据和LSTM模型的县域冬小麦估产

及时准确地估计区域冬小麦产量对维护国家粮食安全和农业可持续发展具有重要意义。本研究利用中国冬小麦主产区2001—2018年的遥感数据、气象数据和县域产量，构建基于长短期记忆（Long Short-term memory, LSTM）估产模型，并与传统随机森林（Random Forest, RF）、支持向量机（Support Vector Machine, SVM）和决策树（Decision Tree, DT）模型对比，研究不同模型的估产性能，分析不同特征对模型精度的影响，评估模型的提前预测能力。研究结果表明：1）基于全部数据的LSTM模型精度最高，平均R2为0.853，平均NRMSE为7.22%。与DT、RF和SVR模型相比，LSTM模型将R2提高了0.324、0.088和0.028；2）光合作用相关的地面下行长波辐射（R2 0.737)、近地面气温（R2 0.747）、地面下行短波辐射（R2 0.735）和降水率（R2 0.681）超过了其他单一特征的估产能力，在单一特征的基础上增加特征的数量将进一步提高估产的准确性。气象数据、波段反射率和植被指数对估产的贡献依次降低，当同时使用这三种数据时估产准确性最高（R2 0.866、NRMSE 7.00%）。3）小麦生长周期从10月8日至次年6月10日，8 d一个时相，合计32个时相数据，基于三种数据源的LSTM模型预测产量的能力在1~6时相增加，在7~19时相趋于平稳，在20~29时相再次上升，30~32时相基本保持稳定不再增加。当使用前29个时相的数据时，LSTM模型可以提前24 d获得最大的产量预测精度（R2 0.873、NRMSE 6.90%）。本研究提出的方法不仅估产精度较高，而且能够实现提前预测产量，可为农业管理和农业经济活动提供高效可靠的大面积冬小麦估产途径。