Optimization of millet and buckwheat leaf surface area

The optimal development of the leaf area of millet and buckwheat plants is determined in field experiments with the local application of fertilizers in various doses and combinations on chernozem soils in the steppe zone of the Southern Urals. The maximum millet leaf area of 37400 m²/ha is noted in the heading stage with the application of N₉₀P₉₀ and that of buckwheat 36200 m²/ha in the flowering stage with the application of P₆₀.     

A comparison of three methods for estimating leaf area index of paddy rice from optimal hyperspectral bands

This paper follows previous research that identified 15 hyperspectral wavebands that were suitable to estimate paddy rice leaf area index (LAI). The objectives of the study were to: (1) test the efficiency of the wavebands selected in the previous study, (2) to evaluate the potential of least squares support vector machines (LS-SVM) to estimate paddy rice LAI from canopy hyperspectral reflectance and (3) to compare multiple linear regression-MLR, partial least squares-PLS regression and LS-SVM to determine paddy rice LAI using the selected wavebands. In the study, measurements of hyperspectral reflectance (350–2500 nm) and corresponding LAI were made for a paddy rice canopy throughout the growing seasons. On the basis of the wavebands selected previously, models based on MLR, PLS and LS-SVM to estimate rice LAI were compared using the data from 123 observations, which were split randomly for model calibration (2/3) and validation (1/3). Root mean square errors (RMSEs) and the correlation coefficients (r) between measured and predicted LAI values from model calibration and validation were calculated to evaluate the quality of the models. The results showed that the LS-SVM model using the 15 selected wavebands produced more accurate estimates of paddy rice LAI than the PLS and MLR models. We concluded that the LS-SVM approach may provide a useful exploratory and predictive tool for estimating paddy rice LAI when applied to reflectance data using the 15 selected wavebands.     

大豆不同叶形叶面积校正系数的研究

采用叶面积扫描法、复印称重法和Photoshop图像处理法等3种方法,分别对大豆圆形、卵圆、披针等3种叶形的三出复叶进行叶面积校正系数研究。结果表明,3种测定方法,叶面积校正系数依卵圆形、披针形、圆形叶形依次升高;三出复叶中左小叶和右小叶的叶面积校正系数相近,均高于中小叶;叶面积扫描法和图像处理法数据吻合程度较高,复印称重法数据误差较大。卵圆形、披针形、圆形叶形的叶面积校正系数分别为0.67、0.68和0.70。建议今后测量中,以中间小叶为准,数据采用叶面积仪测定的数据。     

回归方程法测定红掌叶面积研究

利用回归方程法进行了红掌叶面积测定研究,结果表明:供试的2个红掌品种3种规格植株的叶面积与叶长、叶宽为参数的单双因子均有显著的相关性,相关系数(R2)均以叶长×叶宽为最大;经检验用叶长×叶宽作为参数建立回归方程,以其计算的理论值与实际值没有显著性差异,说明回归方程法属于比较实用的红掌叶面积调查方法.     

冬大麦叶龄与单株叶面积模拟的研究

2005~2006年在扬州大学实验农场进行了发育特性明显差异的4个冬大麦品种不同播期的田间试验。通过对大麦出叶、叶龄和单株叶面积的系统观测,以生理发育时间为基础,构建了大麦叶龄和单株叶面积动态模型,并进行了检验。结果表明:不同品种和播期大麦叶热间距观测值与模拟值绝对误差为0.2~9.9℃d,根均方差(RMSE)为3.8~5.4℃d;叶龄预测绝对误差为0~1.9,RMSE为0.6~0.7;最终叶片数预测绝对误差为0.2~2.0,RMSE为0.7~1.0。不同品种在各生育时期单株叶面积观测值与模拟值绝对误差为0.72~9.09 cm2,RMSE为1.20~3.53 cm2。     

长宽法测定作物叶面积的校正系数研究

在分析作物的叶面积和叶长宽积之间关系的基础上,确定了玉米、水稻、大豆和甘薯4种作物利用长宽法计算叶面积的修正系数,并用实测结果进行了验证。结果表明:玉米、水稻、大豆和甘薯叶面积计算的修正系数分别为0.734 8、0.774 6、0.729 6和0.731 1,与通常采用的0.75相比,玉米的修正系数有所减小,而水稻的修正系数有所增加;玉米和水稻狭长形叶片的修正系数比较大,大豆和甘薯圆形叶片修正系数较小;对于狭长形叶片,长宽比较大的水稻的修正系数大于长宽比较小的玉米的修正系数,圆形的大豆叶片和甘薯叶片的修正系数比较接近;采用长宽法计算的结果与叶面积仪测定的结果具有较好的一致性,并且对狭长形叶片的计算结果优于圆形叶片。     

苹果梨单叶面积的测定方法

通过对苹果梨单叶面积的测定与分析,拟合了单叶面积的简单线性回归方程与多元线性回归方程.两方程均达到极显著水平,相关系数达0.99.其中叶面积对叶长×叶宽的简单线性回归方程^Y=-1.194 5+0.643 2 x效果最佳.建议在苹果梨生产实践和科学研究中广泛应用.     

小蓬竹的叶面积指数测定

竹叶是竹子进行光合作用的器官,合理的叶面积是充分利用光能,保证竹林高产优质的主要条件。因此,叶面积指数大小直接关系到竹林同化光能的数量,从而关系到竹林的笋、竹产量。有关竹类叶面积指数测定研究的报道不少,但就小蓬竹Drepanostachyum ludianense（Yi et R．S．Wang）Kengf叶面积指数测定的研究目前还未见报道。     

竹叶提取物清除DPPH自由基的测定方法

确定了以光度计比色法测定天然抗氧化剂清除二苯基苦基苯肼 (DPPH)自由基能力的条件.通过测定抗坏血酸、槲皮素、硫脲和芦丁的DPPH自由基清除率曲线,提出以IC50值作为评价试样清除DPPH自由基能力的指标,并将此应用于 21种丛生竹竹叶提取物清除DPPH自由基能力的测定.     

番茄叶面积测量方法的研究

建立了番茄品种“coun ter”的叶面积与叶长、叶宽和叶长宽乘积的线性回归和幂函数回归方程。结果表明,番茄叶面积与相应指标呈极显著回归关系,建立番茄叶面积回归方程时应分叶片大小来进行,并且应根据残差分析来划分大小叶范围。通过比较认为,叶面积与叶长宽乘积的一元线性回归方程和叶长的幂函数回归方程均适用于叶面积的估算,并给出了番茄品种“coun ter”的叶面积回归方程。     

Tree branch angle: maximizing effective leaf area

In a computer simulation of branching pattern and leaf cluster in Terminalia catappa, right and left branch angles were varied, and the effective leaf surface areas were calculated. Theoretical branch angles that result in maximum effective leaf area are close to the values observed in nature.     

香蕉叶面积回归模型的建立

以粉蕉、红蕉、泰国蕉、大蕉等7个香蕉品种叶片为试材,应用数字图像处理技术精确测算叶面积,探讨叶长、叶宽及叶长×叶宽与实测叶面积之间的关系,并建立普适性应用模型。结果表明,7个香蕉品种的叶面积与叶长、叶宽的回归模型均达到极显著水平,可用于香蕉叶面积估算。进一步比较各模型的决定系数（R^2）和离回归平方和（Q）得知,以多项式方程和一元线性方程模拟计算的香蕉叶面积精确度更高,其中粉蕉、8818、巴西蕉建议使用拟合多项式方程来计算;红蕉、泰国蕉、皇帝蕉、大蕉建议使用拟合线性方程来计算。     

甜瓜叶片生长动态与叶面积变化观测

对甜瓜幼苗期叶片生长，叶面积增加和整枝后叶面积的变化进行观察比较表明，幼苗期叶片生长、叶数增加及叶面积的增长非常缓慢，5～6片真叶后生长加快，不同整枝方式对植株叶片的增加，花期时间和叶面积的大小有很大的影响。     

用水稻叶片含氮量及叶面积指数建立估产模式的探讨

运用水稻生长模拟模型ORYZAl,分析了不同时期的不同叶片含氮量及叶面积指数对产量的影响和花后物质生产与结实的关系,探讨了水稻生长模拟模型在水稻估产中应用的可能性。     

Determining leaf stomatal properties in citrus trees utilizing machine vision and artificial intelligence

Precision Agriculture - Identifying and quantifying the number and size of stomata on leaf surfaces is useful for a wide range of plant ecophysiological studies, specifically those related to...     

烤烟上部叶叶面积相关性状的遗传及杂种优势分析

[目的]探讨不同烤烟品种(系)上部叶叶面积相关性状的配合力及其杂种优势表现,为选育上部叶开片良好的烤烟杂交种提供亲本选配依据和组合选择技术.[方法]以叶面积差异明显的8个烤烟品种(系)为亲本,采用NCⅡ遗传设计组配16个杂交组合,打顶前测定各亲本及杂交组合的自然株高和自然叶片数,打顶后7 d测定株高及顶上部往下5片烟叶的叶长和叶宽,计算叶面积,并分析上部叶叶面积相关性状的遗传及其杂种优势表现.[结果]亲本间和杂交组合间的上部叶叶面积及相关性状存在真实的遗传差异.叶面积与自然叶片数、叶长和叶宽呈显著(P<0.05)或极显著(P<0.01)正相关,相关系数分别为0.26、0.87和0.94;烤烟自然叶片数、叶长、叶宽及叶面积性状的广义遗传率高,分别为83.91%、66.33%、52.22%、50.67%,其中叶长和叶面积主要受加性效应基因的影响,而叶宽和叶片数受非加性效应基因的影响较大.对于一般配合力(GCA)和特殊配合力(SCA),自然叶片数性状中最大的分别是南江3号(3.64)和G28×南江3号(5.70);叶宽性状中最大的分别是G28(7.06)和G28×韭菜坪2号(10.91);叶面积性状中最大的分别是毕纳1号(12.54)和G28×韭菜坪2号(13.63).G28×韭菜坪2号的叶宽和叶面积性状及G28×南江3号的自然叶片数均表现为正向的超亲优势和超标优势.[结论]通过优势育种改良烤烟上部叶开片时要重视上部叶片叶宽和自然叶片数2个性状的有效利用.毕纳1号、G28和南江3号是改良烤烟上部叶开片度的优良亲本,G28×韭菜坪2号、G28×南江3号和Va116×毕纳1号的特殊配合力、超亲优势和超标优势值大,是上部叶开片较好的优良杂交组合,有较大的应用潜力.     

Determining leaf nutrient concentrations in citrus trees using UAV imagery and machine learning

Precision Agriculture - Nutrient assessment of plants, a key aspect of agricultural crop management and varietal development programs, traditionally is time demanding and labor-intensive. This...     

基于面向对象特征提取的植物叶片面积测量方法

【目的】提出一种基于面向对象图像特征提取的植物叶面积测量方法,为快速、高精度地测量野外采集植物的叶片面积提供支持。【方法】以扫描图像为基础,借鉴遥感影像的面向对象图像特征提取的思想,获得扫描对象的矢量轮廓,以此计算其面积,并采用AutoCAD绘制的7种多边形进行重复试验,以验证该方法的精确性;然后进一步对青蒿(Artemisia carvifolia)、臭蒿(Artemisia hedinii)、苜蓿(Medicago sativa)3种植物叶片进行重复试验,并与矢量化方法、监督分类方法进行对比,分析该方法在实际叶片测量中的稳定性和计算效率。【结果】利用基于面向对象图像特征提取的植物叶面积测量方法,在进行标准几何图形的面积测量时,该方法的相对误差皆小于1.86%;与矢量化方法、监督分类方法相比,该方法在测量真实植物叶片面积时具有更高的稳定性,而且耗时都小于20s,用时最短;该方法采用IDL模块设计,可实现叶片面积的自动批量处理。【结论】基于面向对象特征提取的植物叶片面积测量方法,是叶片面积高精度及批量自动化测量的一种新途径。     

仓方早生桃叶面积回归测算方程研究

以仓方早生桃的成熟叶片为试材,研究了叶长(x1)、叶宽(x2)、叶长×叶宽与叶面积(LA,y)的关系。结果表明,叶长、叶宽、叶长×叶宽与LA均呈正相关关系,相关系数分别为0.9171、0.9445、0.9753;叶长和叶宽、叶长和叶长×叶宽、叶宽和叶长×叶宽与LA的复相关系数分别为0.9862、0.9876、0.9876,差异均达到了极显著水平。在此基础上建立了叶长与LA、叶宽与LA、叶长×叶宽与LA 3个简单线性回归方程以及叶长和叶宽与LA、叶长和叶长×叶宽与LA、叶宽和叶长×叶宽与LA 3个二元回归方程。6个回归方程均可作为测算仓方早生桃的叶面积。其中,以叶长和叶长×叶宽、叶宽和叶长×叶宽与LA的二元回归方程:y=128.6112+0.2677x1+0.6178x1x2、y=-59.0612+11.4454x2+0.5823x1x2测算结果更为精确。在具体应用中,可根据所要求的精确度和测算时的工作量进行选择。     

基于双波段光谱仪CGMD-302的小麦叶面积指数和叶干重监测

为探究双波段光谱仪CGMD-302在监测小麦长势上的可靠性与精准性,同时使用高光谱仪UniSpec SC与双波段光谱仪CGMD-302测试各生育时期小麦冠层信息,并定量分析了植被指数NDVI、RVI、DVI与叶面积指数和叶片干重之间的线性关系。结果表明,基于相同波段反射率计算出的高光谱仪植被指数和双波段光谱仪植被指数均能较好监测小麦群体长势。在CGMD-302监测的叶面积指数模型中,拟合方程的决定系数(R~2)均高于0.89,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于0.792和0.225;叶片干重模型中,决定系数(R2)均高于0.85,用以检验模型的均方根误差(RMSE)和相对误差(RE)分别小于440kg/hm~2和0.239。通过分析发现,施氮270kg/hm~2既能保证产量又能兼顾品质,可作为适宜施氮量。适宜施氮量下,拔节期和孕穗期小麦适宜叶面积指数分别为:3.65±0.09和5.95±0.32;适宜叶干重分别为:(1 554±168)和(2 231±130)kg/hm~2。结合CGMD-302监测模型可推算出拔节期和孕穗期适宜冠层群体的植被指数区间并应用于冠层群体诊断。