贵州高原水稻引种生态气候指标研究

从水稻品种与生态气候方面入手，详细研究了增产幅度与气候变差、高度变差、生育期变差的相互关系，得出了水稻引种的生态气候指标。初步认为：当水稻引种地与原产地的气候变差小于７．０时，水稻品种的适应性较好，引种较易成功；贵州高原水稻引进品种增产幅度与原产地的海拔高度有关，高差越小，增产幅度越大；引进水稻品种生育期变差在７ｄ左右时，引种较易成功。     

水稻计算机模拟模型及其应用之六 长江流域水稻穗粒结构的气候生态特征及库源关系协调性分析

本文应用以下模型或子模型:(1)有效穗数子模型,(2)每穗粒数子模型,(3)结实率子模型,(4)生育期“水稻钟”模型,(5)群体光合生产(或“源”产量)模型,(6)“库”产量模型,对不同品种或品种类型水稻的穗粒结构在长江流域的气候生态特征和“库”、“源”产量的协调性特征进行了数最分析。分析结果对于评价不同品种或类型的水稻在长江流域的气候适应性,找出限制产量的气候因素,指出增产途径和制定生产对策具有重要价值。最后还利用长江流域水稻气候生态鉴定试验(1985～1986)的有关资料对上述分析结果进行了验证和评价。     

基于CERES-Rice模型分析黔中高原水稻生产对气候变化的响应

将贵州省花溪站2004-2005年的气象资料以及同期贵州省农业科学研究院的水稻种植田间试验资料输入作物模型CERES-Rice,通过校准和验证获得贵州水稻品种黔两优的遗传参数,利用1962-2006年的气象资料动态模拟该品种水稻的生长发育过程。结果表明,44a来,在黔中高原春、夏季气温略有下降和秋季气温略有增加的气候背景下,水稻模拟产量下降趋势不显著;模拟的水稻开花期有一定的稳定性;分期播种的模拟产量差异不显著,表明当前水稻的播种期合适,同时可适当提前以规避秋风等自然灾害对水稻产量的影响。     

应用Datalogger System研究不同株型品种稻田小气候的特征

本文分析了由微气候“数据记录仪”(Datalogger)自动收集的资料,探讨了稻田在水稻灌浆期的小气候特征。结果表明:直立叶品种比平展叶品种在冠层以下15cm处光量子相差1倍左右;植株温度及冠层叶面温度品种间差别较小,稻田1.5m高处空气湿度品种间不存在差别。初步认为直立叶型品种能更充分利用光能,这是直立叶型品种产量高于水平叶型品种的重要原因。此外还对Datalogger所获得的田间气候资料可靠性进行检验、肯定。     

水稻群体物质生产的农业气候计算机模拟及最适季节

<正> 材料与方法供试品种为中籼稻“南京3736”。作物群体叶面积指数、生物产量和籽粒产量资料从江苏徐州、兴化、南京和昆山1985年的大田试验获得。生育期资料从长江流域水稻气候生态试验(1985年)及江苏省水稻区域试验(1983—1985年)获得。同期气象资料从当地     

黑龙江省水稻主栽品种热量指标鉴定及适宜种植区划

根据分期播种试验资料，利用最小二乘法计算了黑龙江省主栽水稻品种各生育期所需有效积温和生育期下限温度等热量指标；利用1971—2000年全省81站逐日气象资料，在50km×50km网格上内插得到水稻生育期活动积温和可能生育期日数的空间分布，与各主栽品种全生育期活动积温、生育期Et数的实测值对比，结合黑龙江省水稻低温冷害的分布特征，将黑龙江省水稻适宜栽培区初步划分为五类，得到各水稻主栽品种的适宜分布区域，结果可为充分利用当地气候资源、指导水稻生产提供参考。     

福建省不同气候年型下水稻种植制度合理布局规律与对策

运用运筹学原理，将农业气象疸预测的数学方法与线性规划相结合客观地规划不同气候年型下１９９６年和２０００年福建省水稻种植制度布局和可能达到的总产目标。在此基础上提出了建议，可供农业生产领域作为最佳决策的依据。     

福建省不同气候年型下水稻种植制度合理布局规划与对策

运用运筹学原理，将农业气象产量预测的数学方法与线性规划相结合，客观地规划不同气候年型下１９９６年和２０００年福建省水稻种植制度布局和可能达到的总产目标。在此基础上提出建议，可供农业生产领导作为最佳决策的依据。     

谷优627

审定编号：国审稻2010040 品种名称：谷优627 选育单位：福建省福安市种子管理站、福建省农业科学院水稻研究所、福建省宁德市农业科学研究所 品种来源：谷丰A×亚恢627特征特性：该品种属籼型三系杂交水稻。在武陵山     

外源Pb对不同水稻品种籽粒中Pb含量的基因型差异研究

采用田间小区试验方法,选用福建省大面积推广应用的7个水稻品种为试材,在外施PbCl2不同处理条件下,研究了不同基因型的水稻稻米对重金属元素Pb的吸收累积差异。结果表明,在不同浓度的Pb处理下,水稻糙米中Pb含量在品种间存在显著差异,而且不同水稻品种的籽粒对土壤中重金属Pb的敏感性不同,以此可找出适合污染地区种植的品种。     

基于IPCC SRES A1B 情景下的福建省水稻生产模拟研究

选择福建省作为研究区域,根据地形特点划分了3个水稻种植区,选取17个样点及9个代表性品种,采用2006—2007年的逐日气象资料及同期区试产量资料对作物的遗传参数进行了调试;根据IPCC排放情景特别报告(SRES)中的A1B方案,利用区域气候模式PRECIS构建的气候变化情景文件与作物模型(CERES-Rice)耦合,采用雨养与灌溉两种方式,并综合考虑未来CO2浓度增加带来的直接增益效应,模拟了未来2020s及2040s气候变化对福建省水稻生产的影响。结果表明:无论是雨养方式还是灌溉方式,未来全省各稻区水稻生育期在两种情景下都将缩短,单季稻生育期天数减少幅度最大,2040s情景下达到20 d以上。未来双季稻种植区早稻与单季稻均表现为减产。2020s情景下闽东南稻区早稻减产率达到12.4%(雨养)和11.3%(灌溉);闽西北双季稻区早稻减产程度略小。单季稻区雨养水稻7.1%及灌溉水稻2.1%的减产主要来自中熟品种的负贡献。2040s减产幅度将进一步加大。与此相反,未来两种情景下双季稻区后季稻均表现为增产,但产量波动性较大。2020s情景下闽西北双季稻区灌溉后季稻产量增产达到21.0%,增产幅度大于闽东南地区的10.6%;雨养方式下后季稻增产幅度略小。2040s各稻区后季稻增产幅度将减小。未来水稻生长季的土壤水分条件将变得不如目前湿润,与之相关各稻区灌溉需要量均有所增加。总之,由于大气CO2肥效作用可在一定程度上提高未来气候变化下后季稻产量,全省水稻总产近期将有所增加,雨养与灌溉方式下分别增长0.4%及1.7%,但变化趋势是随着未来温度的增加总产将减少,负贡献主要来自于单季稻和早稻。     

基于RCSODS的东南沿海水稻施肥量决策

应用RCSODS模型,根据东南沿海福建稻区8个代表县(市)的土壤理化性状和水稻生长期气温资料,模拟计算了各地稻田的土壤供肥量;结合主栽品种的目标产量和肥料利用率,模拟计算了早晚稻的合理施肥量。结果表明:在研究区域土壤有机质含量与全氮含量适中,磷、钾含量普遍偏低以及土壤偏酸性的情况下,要实现水稻现有水平的目标产量,早稻需施纯氮56.98~231.85kg.hm-2,其中大部分稻田需施133.9~231.85kg.hm-2;需施磷肥(P2O5)73.28~173.57kg.hm-2,其中缺磷稻田需施132.69~173.57kg.hm-2;需施钾肥(K2O)15.41~257.63kg.hm-2。晚稻需施纯氮64.63~237.93kg.hm-2,大部分稻田需施纯氮167.77~237.93kg.hm-2;需施磷肥(P2O5)88.76~176.72kg.hm-2,其中缺磷的稻田应施磷肥(P2O5)155.38~176.72kg.hm-2;需施钾肥(K2O)50.41~315.96kg.hm-2。比较福建稻区的实际施肥量与模拟施肥量,可以看出:目前氮肥施用量总体上比较适宜,而磷肥和钾肥施用量则明显不足。     

识别不同水稻株型的高光谱模式方法的建立

提出了一种用高光谱技术快速识别不同水稻株型的新方法。首先在试验田内选择33个不同的水稻品种,测定了每个品种的14个株型特征参数,并采用荷兰Avantes公司的AvaSpec-2048便携式光谱仪采集不同株型水稻的高光谱数据。通过聚类分析,将所有水稻品种分为差异较大的3个株型类别。再采用平均平滑法和标准归一化方法对光谱数据进行预处理,对光谱数据主成分分析并获得各主成分数据。最后将主成分数据作为BP神经网络的输入变量,株型类别作为输出变量,建立了三层人工神经网络识别模型,并用模型对预测样本进行预测。结果表明,预测准确率为100%。该方法实现了对不同水稻株型的快速、无损识别。     

基于无人机多光谱影像的水稻氮营养监测

探究消费级无人机多光谱影像对不同生态点、不同品种水稻氮营养监测建模精确度和普适度的影响,对于实现区域水稻氮营养精确管理与应用有重要意义。该研究分别在云南省西双版纳勐遮镇(供试品种：云粳37)与重庆市北碚区(供试品种：极优6 135)2个试验点设置不同氮水平田间试验,利用大疆精灵4多光谱无人机于水稻分蘖期、拔节期和抽穗期采集水稻冠层多光谱图像,采用凯氏定氮法测定水稻植株冠层氮含量(canopy nitrogen content,CNC)并计算地上部氮累积量(plant nitrogen accumulation,PNA);分别利用植被指数、偏最小二乘回归(partial least squares regression,PLSR)、随机森林(random forest,RF)、反向传播神经网络(back-propagation neural network,BPNN)对单一试验点、单品种和不同试验点、多品种水稻建立氮营养监测模型并探究模型的迁移能力。拔节期和抽穗期的模型精度较高(归一化植被指数NDVI或近红外归一化植被指数NNVI,R²为0.68～0.88),而分蘖...     

基于光声光谱和TCA迁移学习的稻种活力检测

种子活力是决定水稻产量的最重要因素之一,但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响,且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先,对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种,进行高温高湿人工老化处理,得到0~7 d老化时间的水稻种子;再通过调制频率获得8种不同深度的光声光谱信息,用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后,对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归（Partial Least Squares Regression,PLSR）、反向传播神经网络（Back Propagation Neural Network,BP）、广义回归神经网络（Generalized Regression Neural Network,GRNN）、支持向量回归模型（Support Vector Regression,SVR）、深度卷积神经网络（Convolutional Netural Network,CNN）的稻种活力预测模型,并选择最优调制频率;最后,通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明,光声光谱最佳扫描频率为300 Hz,CNN预测模型精度较高,相关系数和均方根误差分别优于0.990 9、低于0.967 5;且经过迁移学习,仅需通过对源域数据的训练,即可直接对新品种稻种的活力进行精确预测;通过TCA迁移学习后,新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明,采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的,且经过迁移学习,仅需80粒新品种稻种信息即可实现稻种活力的精确预测。     

基于支持向量机的多光谱成像稻谷品种鉴别

为解决稻谷品种的快速无损鉴别问题,应用多光谱图像采集设备(VideometerLab)获取了5个品种稻谷共250个试验样本在405~970 nm波长范围内的多光谱图像,提取各品种稻谷在不同波长下的光谱反射率和图像特征(面积,宽长比,色差等)作为稻谷品种鉴别的特征变量,基于最小二乘支持向量机(least-square-support vector machine,LS-SVM)建立鉴别模型,通过粒子群寻优(particle swarm optimization,PSO)算法搜索支持向量机的最优参数。将250个稻谷分为建模集(200个样本)和测试集(50个样本)分别进行试验,结果表明,采用该文的建模方法结合稻谷光谱特征和图像特征对预测集稻谷品种鉴别的正确率均在90%以上,高于对比的其他方法,该研究成果为稻谷品种的快速无损鉴别提供了一种方法。     

基于高光谱成像的寒地水稻叶瘟病与缺氮识别

为进行水稻叶瘟病与养分缺失的区分、实现叶瘟病及时、准确的诊断,以大田试验为基础,利用高光谱成像仪获取2个品种的健康、缺氮、轻度感病和重度感病共4类水稻叶片的反射率光谱,对其光谱特性进行分析,并采用多种预处理方法、分别结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)和主成分加支持向量机(principle component analysis-support vector machine,PCA-SVM)方法构建水稻叶瘟病识别模型。试验结果显示6个判别模型都获得了较高的识别准确率,经标准正态变量(standard normal variate,SNV)变换预处理的PLS-DA模型获得了最佳的识别结果,预测准确率达100%,经多元散射校正(multiplicative scatter correction,MSC)预处理的PCA-SVM模型的预测准确率也达到97.5%。本研究为水稻叶瘟病的判别和分级提供了新方法,也为稻瘟病大范围遥感监测提供了基础。     

水稻根系氮磷钾吸收特性及其模拟模型研究

为定量研究水稻一个生长周期的氮磷钾吸收特性,开展水培和土培盆栽试验。结果表明,7个水稻品种的30个模拟模型中,有29个模型达到统计显著水平,说明提出的模拟模型能很好地拟合水稻不同生育期的养分吸收动态。由模拟模型分析可得到水稻根系养分吸收常数、最大养分吸收速率和最大养分吸收量及其出现的时间等养分吸收特征参数。根系养分吸收常数平均值是K>N>P;不同品种间根系钾吸收常数有较大差异,氮和磷的差异则较小。养分最大吸收速率和最大吸收量及其出现时间的计算结果表明,水稻氮钾吸收过程基本同步,磷则稍晚。土培试验表明,平衡施肥明显提高水稻根系养分吸收常数、氮磷钾的最大吸收速率和最大吸收量,显著提高根系对氮磷钾的吸收能力。