"红丰"草莓无菌系及叶盘再生系统的建立

通过研究激素的浓度配比、光照强度以及培养器皿的通透性对叶盘再生的影响,建立了红丰草莓叶盘的高效再生体系.结果表明:叶盘的最适再生培养基为MS+B5(MS无机盐类和B5有机成分)基本培养基附加激素BA 4.0 mg/L、IAA 0.2 mg/L,再生率可达82.5 %,单叶盘再生芽数达4.8.另外,预先进行暗处理、控制(培养容器)培养基的通透性均能显著提高叶盘的再生率.     

定量遥感参数与作物肥水模型链接初探

针对当前作物肥水模型和定量遥感参数在农业上应用的各自局限性 ,提出通过完善定量遥感的输出接口和作物模型的输入接口 ,将定量遥感参数与作物肥水模型进行链接 ,通过建立不同生育时段订正的绿度指数和叶片氮素分段函数以及订正的湿度指数与耕层土壤、植株水分及产量品质函数 ,使得生产上大范围、动态的肥水监测成为可能 ,最后对应用链接模型通过不同肥水管理措施对作物产量和品质进行调控的前景进行了展望     

冬小麦冠层不同叶层和茎鞘氮素与籽粒品质关系的研究

 以优质品种中优 950 7和普通品种京冬 8号为材料 ,研究了冬小麦叶片、茎鞘氮素的垂直分布、输出量及其与主要品质指标间的关系。结果表明 ,叶片含氮量随冠层层次降低而降低 ,垂直梯度分明 ,处理间、不同生育时期梯度大小不同。茎鞘氮素垂直梯度不如叶片明显 ,中优 950 7梯度大小、生育期内变化不如京冬 8号显著。中优950 7灌浆盛期至蜡熟阶段叶片和茎鞘氮素输出量分别比京冬 8号高 2 9.9%和 76.3 %。灌浆期京冬 8号冠层中下部形成较大梯度利于其品质的改善 ,中优 950 7开花期上部层次形成大的梯度 ,灌浆期上部层次叶片、中下部层次茎鞘含氮量高均利于其籽粒蛋白质的积累。两种类型品种品质的改善较多地依赖后期植株氮素的输出。京冬 8号叶片氮素对籽粒品质的形成作用明显 ,而叶片和茎鞘氮素对中优 950 7籽粒品质的形成具有同等重要的作用     

基于相关向量机的冬小麦蚜虫遥感预测

蚜虫的流行严重影响了冬小麦的产量。区域尺度上及时准确的预报冬小麦蚜害发生范围能为蚜害的有效预防提供基础信息,从而降低冬小麦产量的损失。该研究利用多时相的环境星CCD光学数据和IRS热红外数据,分别提取了冬小麦的长势因子,比值植被指数(ratio vegetation index,RVI)和归一化植被指数(normalized difference vegetation index,NDVI),以及生境因子,地表温度(land surface temperature,LST)和垂直干旱指数(perpendicular drought index,PDI),利用相关向量机(relevance vector machine,RVM)、支持向量机(support vector machine,SVM)和逻辑回归(logistic regression,LR)方法建立了北京郊区冬小麦灌浆期蚜虫发生预测模型,并对比分析了3种模型预测精度。试验结果表明,RVM总体预测精度达到87.5%,优于SVM的79.2%和LR的75.0%。另外,RVM模型计算量较小,相比于SVM和LR模型,其预测时间可分别缩短7倍和60倍。较高预测精度和较小计算量的特性扩大了RVM在实际中的应用价值。     

红边参数在作物营养诊断和品质预报上的应用

通过对红边参数与反映作物碳氮代谢典型的生物化学参数叶片全氮和叶片可溶性糖进行相关分析,结果表明,可运用红边位置来反演叶片可溶性糖含量,归一化最小振幅来反演叶片全氮含量。并建立了基于红边参数的生化组分统计回归模型和基于叶片全氮与可溶解性糖比值与籽粒蛋白品质指标间的回归方程,并对建模试验所建立方程进行了检验。表明利用运用红边参数反演叶片全氮和可溶性糖含量进而预测小麦蛋白品质是可行的。为生产上利用遥感手段大面积、无破坏、及时评价冬小麦生长状态和在开花期进行小麦品质的预测预报研究提供重要依据。     

作物生长及其环境监测

利用遥感、传感、物联网、大数据等现代信息技术对作物生长情况及生态环境进行实时监测,获取作物生长发育进程中的生理形态指标、生态环境指标,并及时对作物生长中可能出现的极端气候现象及病虫害的流行发生进行监测预警,对精确了解作物的生长发育动态以及与环境的互作关系,支撑智能化农业生产决策,保障农产品质量安全具有重要意义.     

冬小麦条锈病严重度高光谱遥感反演模型研究

通过人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱及其病情指数(DI).把冠层光谱一阶微分数据与相应的DI进行相关分析,采用单变量线性和非线性回归技术,建立小麦DI的估测模型,并利用不同品种小麦样本对模型精度进行可靠性检验.结果表明:DI与一阶微分在432～582 nm、637～701 nm以及715～765 nm区域内有极显著相关性,以红边峰值区(725～735 nm)一阶微分总和与绿边峰值区(521～530 nm)一阶微分总和的比值为变量的线性模型估测DI精度最高,且其对小麦品种相对不敏感.上述研究结果对利用高光谱遥感监测农作物病害及其严重程度都具有实际应用价值.     

基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测

选择合适的建模和特征选择算法对提高作物病害的遥感监测水平有着重要的作用。研究以河北省小麦白粉病为研究对象,基于GF-1/WFV数据共提取了4个波段反射率数据和10个对作物长势和胁迫敏感的植被指数作为初选特征。针对常用的特征提取算法relief算法筛选出的特征存在冗余性的问题,提出了一种relief结合最小冗余最大相关(minimum redundancy maximum relevance,m RMR)的特征降维算法(relief-m RMR)。首先,通过relief算法计算出各特征的权重系数,对特征集进行加权;然后利用m RMR算法选出与类别具有最小冗余性的特征,利用支持向量机(support vector machine,SVM)对河北白粉病进行监测,并用遗传算法(genetic algorithm,GA)优化的SVM(GASVM)建立了白粉病的监测模型(relief-m RMR-GASVM),将监测结果分别与SVM和网格寻优(grid search,GS)算法优化的SVM(GSSVM)的监测结果进行对比分析,同时比较了该方法与Ada Boost、粒子群(Pso)优化的最小二乘支持向量机(least squares support vector machine,Pso-LSSVM)和随机森林(random forest,RF)3种方法的优越性。结果表明,relief-m RMR算法筛选出的特征与GASVM、SVM和GSSVM建立的监测模型精度比传统relief算法筛选特征所建模型的精度分别提高了14.3个百分点、7.2个百分点和7.1个百分点,比传统m RMR算法筛选特征所建模型的精度分别提高了14.3个百分点、14.3个百分点和14.2个百分点。relief-m RMR算法结合GASVM建立的监测模型精度为所有模型中最高,精度为85.7个百分点,分别比SVM和GSSVM所建监测模型精度提高了21.4个百分点和7.2个百分点。此外,GF-1数据结合relief-m RMR-GASVM模型的监测精度分别高出Ada Boost、Pso-LSSVM和RF方法21.4个百分点、14.3个百分点和7.1个百分点。说明GF-1数据结合relief-m RMR-GASVM模型可用于小麦白粉病的遥感监测。     

马哈利樱桃叶片再生的研究

利用马哈利樱桃的无菌苗叶片做外植体 ,进行离体叶片再生不定芽研究。结果表明 :培养基中添加的激素浓度、种类、配比均影响不定芽再生 ,BA诱导马哈利樱桃离体叶片再生的活性强于TDZ ;在WPM BA 5mg/L IBA 0 .7mg/L培养基上 ,通过 3次继代培养的不定梢的叶片 ,再生不定芽的频率达 5 2 .4%。     

基于光谱指数的变量施肥对冬小麦产量构成的影响及其效益分析

为给小麦变量施肥提供依据,利用冬小麦起身期和拔节期冠层光谱数据,选用反映冬小麦长势信息的优化土壤调节植被指数(OSAVI)和变量施肥模型进行变量施肥管理,以相邻地块常规非变量(均一)施肥区为对照区,研究了基于光谱指数的变量施肥对冬小麦产量构成的影响及其效益.结果表明,变量区OSAVI的变异系数较对照区有所降低;变量区产量、穗数和穗重高于对照,且变异系数均较对照区有所降低;变量区的穗粒重低于对照区,但变异系数增加;变量区的千粒重高于对照区,变异系数相近.变量区籽粒蛋白质含量高于对照,变异系数低于对照.变量区农作物经济效益高于对照区,土壤硝态氮浓度降低,生态效益明显.