水稻叶面积分布构成因子的数值模拟

叶面积分布是水稻株型研究的重要内容.通过机理分析建立了叶面积指数和叶面积分布模型,利用田间试验数据检验模型,通过数值模拟探讨节间距对叶面积分布影响的机理.模型检验效果良好,数值模拟结果可信,能为叶面积分布的优化提供理论基础.     

供氮水平对水稻抽穗期植株根系形态及养分吸收的影响

为了研究供氮水平(设置了5个不同处理CK,N1,N2,N3和N4,氮质量浓度分别为0,25,50,75和100 mg/L)对抽穗期水稻植株根系形态及养分吸收的影响,以黄华占和晶两优1468两种水稻为研究对象,采用水培方式进行盆栽试验,并探讨了供氮水平对水稻抽穗期植株根系形态及养分吸收的影响.结果表明:处理N2下,黄华占...     

不连续激励函数时滞Cohen-Grossberg神经网络的动力学性质

研究了一类具有不连续激励函数的时滞Cohen-Grossbe神经网络,利用推广的 Lyapunov方法,证明了Filippov意义下解全局收敛到惟一的平衡点.在证明过程中使用了链式法.利用该法则可以计算不可微Lyapunov函数对时间t沿右端不连续微分方程的导数.     

基于无人机航拍图像的水稻叶片SPAD值反演

为利用无人机航拍图像实现水稻叶绿素含量的高通量检测,以籼型三系杂交水稻品种兆优5431为材料,设置3个密度水平和5个施氮量水平,共15个处理,在水稻不同生育期通过大疆精灵4RTK无人机获取航拍图像和人工测定水稻叶片SPAD值,并选取7种与水稻叶片SPAD值显著相关的可见光植被指数,采用线性回归和机器学习方法构建了水稻叶片SPAD值反演模型,通过精度验证确定水稻叶片SPAD值最优预测模型。结果表明,机器学习模型中,随机森林模型精度均高于其他回归模型,该算法构建的模型具有较高的预测精度,其模型各项指标分别是建模集R2为0.85、RMSE为2.73,验证集R2为0.76、RMSE为3.64。因此,机器学习模型能为水稻叶片SPAD值进行无损、快速监测提供参考。     

水稻群体分蘖动态模型构建与应用

为定量分析水稻群体茎蘖数量动态变化过程及分蘖动态特征,该研究使用双Logistic模型分别描述分蘖发生与死亡过程,建立水稻群体分蘖动态模型;根据水稻分蘖过程的时序特征定义描述分蘖过程的特征指标,并推导出分蘖特征指标的计算式;基于不同基因型品种、种植方式、种植时期、种植密度下水稻分蘖动态数据集检验模型优度和适应性;并应用分蘖动态模型和指标探索分蘖动态对种植密度的响应规律。结果表明,所建模型对不同基因型水稻品种在不同种植方式、种植时期和种植密度下的分蘖动态数据拟合优度较好,标准均方根误差S_RMSE服从均值小于5%的Gamma分布,并且99%的S_RMSE小于10%。基于所建模型计算的分蘖特征指标（包括模型参数）对种植密度有很好的响应;留一法检验表明模型的预测性较好,观测值与模拟值的R²=0.96。所建模型能够精确描述水稻茎蘖数量演变过程,具有很好的拟合优度、适应性和可解释性,可用于分析基因、环境、农艺措施对分蘖动态的影响,分蘖特征指标可望成为分析基因与环境互作的重要表型参数,对指导水稻精准栽培有重要理论价值和实际意义。     

蓖麻枝叶形态特征对蒴果性状的影响

为给蓖麻高产栽培提供参考,以‘淄蓖5号’为材料,测定蓖麻枝叶形态特征指标(开花时叶面积、灌浆期叶面积、收获时分枝直径)和蒴果性状指标(每穗果球数、果球质量、每果球种子数、种子质量、穗长、穗宽),分析蓖麻枝叶形态特征对蒴果性状的影响。相关性分析结果表明,按蓖麻枝叶形态特征的影响由大到小排序,各蒴果性状指标依次为果球质量、每穗果球数、种子质量、每果球种子数、穗长、穗宽。回归分析结果表明,蓖麻分枝直径对每穗果球数、果球质量变异的解释程度分别为31%、37%;开花时叶面积对每穗果球数、每果球种子数变异的解释程度分别为53%、51%;灌浆期叶面积对种子质量变异的解释程度为51%;开花时叶面积、灌浆期叶面积和收获时分枝直径对每穗果球数、果球质量、每果球种子数、种子质量变异的解释程度分别为67%、68%、76%、79%。修枝时保留粗壮枝条有利于获得更多果球、更大果球质量,开花时保持较大的叶片面积是获得更多果球和种子的重要保障,保持灌浆期较大叶面积利于获得饱满的种子。     

水稻群体冠层结构及其光分布研究进展

系统讨论了水稻冠层结构及光分布模拟的实验方案设计、指标测定方法、基本数学模型和重要模拟结果.在对已有成果综合分析的基础上探讨了水稻冠层结构及光分布模拟研究亟待解决的问题和未来发展的方向.     

基于无人机遥感影像的水稻种植信息提取

水稻是中国南方最主要的粮食作物,种植面积波动对国家粮食稳定有很大影响。通过无人机遥感试验获取多幅有重叠区域的图像,使用Agisoft photoscan软件拼接重构试验区的完整图像,利用多尺度分割方法将试验区域分割成若干对象,并基于统计方法提取对象的光谱特征、几何特征和纹理特征;然后,建立识别水稻地块的二分类Logistic回归模型,特征指标为形状指数、红色均值、红色标准偏差、最大化差异度量、灰度共生矩阵同质性和灰度共生矩阵非相似性。结果表明:模型辨识训练样本集的正确率为100%,辨识检验样本的正确率为97%,模型应用于辨识验证区域水稻田块,总体正确率为98%。最后基于累计像素方法测算水稻田块的面积,并与目视解译测算的结果对比,面积误差小于3.5%,研究方法识别水稻田块效果好,面积测算准确率高。因此,该研究对利用无人机遥感影像普查水稻种植信息具有一定的适用性。     

不同叶位对蓖麻叶片叶绿素含量和光响应曲线的影响

本文通过研究不同叶位对蓖麻叶绿素含量和光响应曲线的影响,以及不同密度林分下不同叶位对叶绿素含量的影响,分析蓖麻植株叶片时空变化对光合生产能力的影响差异,得出以下结论:叶片叶绿素水平(SPAD值)随叶片位置由低到高呈先逐渐升高后下降的趋势;不同位置叶片光响应曲线存在较大差异,其中最上部完全展开叶的光合能力最强,依次向下和向上的叶片光合生产能力依次减弱;对于固定叶片而言,其在完全展开前后的过程中,随着叶片的发育阶段和叶片所处的冠层位置的变化,相应的光合生产能力也存在较大差异。完全展开后的叶片光合能力强于展开前,这一结果与不同位置叶片光响应曲线结果一致。     

水稻叶面积测量方法的研究

水稻的种植与很多外部因素都有着密切的联系,叶片是植物进行光合作用及与外界进行水、气交换的主要器官。例如光合作用的多少,而光合作用的大小和水稻叶面积的大小也有着密切的关联,在作物栽培中,叶面积指数也是反映植物群体生长状况的指标。文章就是为了研究一种快捷精确的方法,能够在不破坏植物生长环境及生长状态的前提下,得到叶面积的精确测量值。