油菜发育过程及生育期机理模型的研究

将油菜发育的温度效应曲线化,以发育生理生态过程为基础,利用作物生理发育时间为尺度,系统地预测油菜的物候发育,包括出苗期、现蕾期、始花期、终花期、成熟期.模型中用来描述特定品种发育遗传差异的参数有温度敏感性、生理春化时间、光周期敏感性、基本营养生长期因子、基本灌浆期因子,前三者分别体现了不同油菜品种在热效应、春化作用、光周期反应方面的遗传特性,后两者分别体现了不同油菜品种的基本营养生长期和灌浆期长短的遗传特性,5个遗传参数共同决定了不同品种到达各发育阶段的生理发育时间.利用国内3组关于不同年份、不同品种、不同播期、不同施肥处理的田间试验资料对油菜发育过程及生育期模型进行了验证.结果表明,模型对大多数生育阶段的模拟误差集中在3d左右,平均差平方和的根值(root mean square error,RMSE)也一般小于3d,尤其对初花期、终花期、成熟期的模拟精度高、误差小.模型表现出较强的机理性以及较好的预测性和适用性.     

基于WheatGrow和CERES模型的区域小麦生育期预测与评价

【目的】研究小麦生长模型在区域应用中的关键技术,并利用WheatGrow和CERES-Wheat两套模型模拟区域小麦生育期,以检验和评价模型区域应用方法的有效性。【方法】首先利用薄盘样条法（thin plate spline,TPS）对各站点逐日气象数据进行空间插值,得到研究区域气象要素表面数据;其次利用TPS方法对各站点历史多年小麦播种期进行空间插值,并将插值后的结果进行多年平均得到研究区域播种期表面数据;进一步将Markov Chain Monte Carlo（MCMC）方法与生长模型相结合,利用典型站点历史多年小麦生育期实测数据,估算出典型站点的品种参数,并将其作为各省份的代表性生态型品种参数;最后将生成的气象要素和播种期表面数据以及生态型品种参数等输入到WheatGrow和CERES-Wheat模型中,并以栅格为单元进行研究区域小麦生育期的模拟,进一步结合不同站点历史年份的生育期观测资料,检验和评价模型区域应用方法的有效性,并量化区域生育期模拟结果的不确定性。【结果】两个模型在区域尺度上的生育期预测效果均较好,区域尺度上拔节期、抽穗期、成熟期的预测值和观测值之间的R2分别为0.85、0.87和0.86（WheatGrow）,0.87、0.85和0.82（CERES）;RMSE分别为9.6、7.2和6.3 d（WheatGrow）,9.4、7.8和6.6 d（CERES）。另外,WheatGrow模型对抽穗期和成熟期区域预测的准确度略高于CERES-Wheat,但由品种参数导致的区域模拟结果的不确定性也相对较高。【结论】通过气象数据和小麦播期数据的TPS插值技术结合MCMC方法的品种参数估计技术,将基于机理的生育期模型拓展到区域尺度,较好地预测区域小麦生育期,量化了由品种参数导致模拟结果的不确定性,研究结果可为进一步量化中国小麦主产区的区域生产力提供技术支撑。     

小麦不同生育期发病规律

小麦是我国主要的粮食作物,是我国城乡居民的主要食物来源之一,但是,由于小麦从播种到成熟、收割需要经过漫长的时期,其受到了多种病虫害的潜在威胁。笔者结合自身的工作实践,对小麦在不同生育期的病虫害的发生规律进行简要地探讨分析,以期对当前小麦的病虫害防治工作有所借鉴。     

小麦不同品种生育期特性对比

为了客观、公正、科学地评价新引进小麦新品种的丰产性、适应性、抗逆性、品质及其利用价值，为全县小麦生产提供品种支撑。实验结果表明：洛旱12、浚麦k8、百农207、洛旱6号从越冬期到收获，各个生育指标表现都较好，产量也较高。可以在豫西丘陵旱地继续推广种植。     

不同小麦品种生育期特性对比试验

为了客观、公正、科学地评价新引进小麦新品种的丰产性、适应性、抗逆性、品质及其利用价值,为全县小麦生产提供品种支撑,开展了不同小麦品种生育期特性对比试验。结果表明,洛旱12、浚麦k8、百农207、洛旱6号从越冬期至收获各个生育指标表现都较好,产量也较高,可以在豫西丘陵旱地继续推广种植。     

小麦不同生育期需肥特性和提高肥料利用率的研究

本试验根据小麦不同生育期的需肥特性，减少基肥用量，以及在原有施肥基础上减少化肥总用量并增加追肥次数，以验证其产量效应及提高肥料利用率。     

无公害小麦不同生育期病虫害防治技术

小麦病虫害是无公害生产的主要障碍之一.在郑州地区可造成小麦大幅减产的病虫害主要有小麦白粉病、全蚀病、黑穗病、锈病、矮丛病、麦蚜、麦蜘蛛等.根据近年来试验和示范研究结果,提出了小麦各个生育期的病虫害综合防治措施.     

小麦生育期灌溉技术

小麦整个生育期的总耗水量为220—320毫米，其中出苗到分蘖前占15．4％；分蘖期占13．4％；拔节期占20．1％；抽穗开花期占29．1％；灌浆乳熟期占18．4％。     

Validation and Evaluation of a Mechanistic Model of Phasic and Phenological Development in Wheat

Three sets of data from the field experiments with different wheat( Triticum L. ) varieties and sowing dates in China and USA were used to test the performance of the mechanistic model of wheat development. The results showed that the absolute prediction errors for most phasic and phenological stages ranged within 0 - 5 days, and the root mean square errors were generally less than 5 days. The model was of high accuracy and low error especially for emergence, tillering, stamen and pistil initiation, and heading stages, reflecting an enhanced level of mechanism and prediction.     

小麦栽培管理动态知识模型的构建与检验

 将系统分析方法和数学建模技术应用于小麦管理知识表达体系，通过解析和提炼小麦生育及管理指标与环境因子及生产水平之间的基础性关系和定量化算法，创建了小麦管理动态知识模型WheatKnow；充分利用软构件的技术特点，在Visual C++和Visual Basic平台上研制了数字化和组件化小麦管理动态知识模型系统，实现了播前栽培方案的设计和产中适宜调控指标动态的预测2大功能。其中，播前栽培方案包括产量目标、适宜品种、播期、基本苗及播种量、肥料运筹和水分管理；产中调控指标包括适宜生育期、穗分化进程、生长指标、源库指标和营养指标动态。利用不同生态点、不同品种、不同土壤等资料及大田对比试验对所建知识模型进行实例分析和检验的结果表明，所提出的小麦管理动态知识模型总体上具有较好的广适性和决策性。本研究克服了传统作物栽培模式与专家系统地域性强和广适性弱的不足，从而为实现作物栽培管理的精确化和数字化奠定了基础。     

小麦阶段发育理论研究与应用

为明确小麦阶段发育理论在小麦育种中的价值,提高小麦育种效率,对近年来春化阶段和光照阶段理论与育种关系研究进行了综述,并提出了感温阶段概念。总体来看,小麦品种春化阶段低温大小、光周期反应强弱和感温特性差异与冬春麦分类、小麦不同生态型区域分布和品种适应范围大小等关系十分密切。并利用此理论,可显著提高小麦育种中组合配制、杂种后代选择和稳定品系处理效率及增加育种的预见性,并对小麦栽培技术合理运用等提供依据。     

小麦苗期根系三维生长动态模型的建立与应用

【目的】构建小麦根系的三维动态模拟模型，并对模型进行初步的评估。【方法】采用GREENLAB植物功能-结构模型的原理，在根系生长发育基本单元基础上，模拟了根系的拓扑结构；通过模拟不同根个体（库）对植株分配给根系的生物量（源）的竞争，实现了生物量在根系中的分配；根据异速生长规则实现了根个体几何结构计算。通过温室土柱栽培试验对小麦苗期根系结构与生物量进行了测定，获取了模型参数，进行了小麦苗期根系结构与生物量分配的模拟与分析，并以三维可视化的方式给出根系的形态结构空间分布。【结果】通过模拟根系生物量在各类根个体中的分配并依据根个体生物量与形态的关系，该模型可以定量化地模拟根系结构生长的动态变化过程；不同类型根的长度测定值与模拟值的均方根差值在1.2～35.0 cm之间变化，相对误差值在0.01到0.23之间变化，R2在0.42～0.94之间变化；对模型参数灵敏性分析表明，模拟结果对参数变化的响应比较适中。【结论】GREENLAB模型的原理可以应用于对作物根系形态结构和生物量分配的动态模拟；模型参数的选择是合理的，构建的模型能够从机理层次反映根系的生长发育过程。     

基于生长过程的水稻阶段发育与物候期模拟模型

 以水稻发育生理生态过程为基础 ,采用生理发育时间作为定量发育进程的尺度 ,构建了预测水稻顶端发育阶段与物候期的模拟模型。每日热效应、光周期效应及品种的基本早熟性 (抽穗前 )或基本灌浆期因子 (抽穗后 )互作共同决定每日生理效应的大小 ,其累积形成每日的生理发育时间。每日热效应和光周期效应分别选用Beta函数和二次曲线函数来描述 ,并引入 5个遗传参数调节水稻发育的遗传差异 ,使不同类型品种到达特定发育阶段所需的生理发育时间保持恒定。利用不同环境下的播期试验数据对不同类型品种的出苗期、穗分化期、抽穗期和成熟期进行了预测检验。不同类型品种 4个生育期的预测误差RMSE (根均方差 )平均分别为 1.4 7、5 .10、4 .5 8和3.37d ,表明模型不仅具有较强的解释性与系统性 ,且具有较好的预测性和实用性     

基于Agent技术的小麦生长模拟模型的建立

介绍了Agent技术的相关知识,分析了利用Agent技术建立小麦模拟模型的方法,并以小麦生长模拟为例,建立了基于Agent技术的小麦生长模拟模型。     

油菜生育期模拟模型研究

【目的】以油菜生理生态过程为基础,通过定量分析油菜对温度（包括春化作用）和光周期的反应,构建以生理发育时间为尺度的油菜生育期模拟模型。【方法】每日生理发育时间由每日生理效应累积形成,而每日热效应、春化效应、光周期效应与品种灌浆速率互作共同决定每日生理效应大小。模型通过引入温度敏感性、生理春化时间、光周期敏感性和基本灌浆因子4个参数反应不同油菜品种的遗传差异,从而使得每个油菜品种达到特定生育时期所需生理发育时间恒定。利用不同地点、播期、品种和肥料处理的试验数据对所建模型进行了校正和检验。【结果】播种到抽薹、初花、终花、成熟期的模拟值与预测值RMSE（根均方差）分别为1.37%、1.52%、2.68%和1.12%。【结论】表明模型具有较好机理性和可靠性。     

小麦期货价格预测的马尔可夫模型

[目的]为小麦期货交易者提供参考。[方法]以郑州期货交易所硬小麦为例,将1997～2007年小麦期货价格划分为3个状态。建立马尔可夫预测模型,对小麦期货价格的长期走势进行预测。[结果]经长期运行后,郑州硬麦期货价格以0.149 9的概率稳定在状态1,即期货价格为861～1 160元/t;以0.533 2的概率稳定在状态2,即期货价格为1 160～1 459元/t;以0.316 7的概率稳定在状态3,即期货价格为1 459～1 758元/t。经过相当一段时间后,郑州硬麦期货价格以最大的可能性处于中位区,以较大的可能性处于高位区,而处于低位区的可能性很小。[结论]马尔可夫模型能较好地预测小麦期货价格的长期走势,方法简单实用,结果有一定的参考价值。     

A Process-Based Model for Simulating Phasic Development and Phenology in Rice

A simulation model for phasic and phenological development of rice was developed using the scale of physiological development time, based on the ecophysiological development processes. The interaction of daily thermal effectiveness, photoperiod effectiveness and intrinsic earliness (before heading), and basic filling duration factor (after heading) determined the daily physiological effectiveness, which accumulated to get physiological development time. The Beta and quadratic functions were used to describe daily thermal and photoperiod effectiveness, respectively. Five specific genetic parameters were added to adjust the genotypic differences in rice development so that all different varieties could reach the same physiological development time at a given development stage. The stages of seedling emergence, panicle initiation, heading, and maturity were validated using sowing dates under different ecological environments, with the RMSE of 1.47, 5.10,4.58 and 3.37 days, respectively. The results showed that the model was not only explanatory and systematic but also accurate and applicable.