Yield Stability of Winter Wheat (Triticum sp.) Cultivars and Lines

The purpose of this study was to compare responsiveness to environment as well as the stability of newly developed promising lines with traditional commercial cultivars. Subject research was conducted in Ankara between 1983-1989 on common and durum wheat cultivars and lines. Regression coefficient (b) was used as the criterion of genotypes' responsiveness to environment whereas deviation from regression (S²d) and coefficient of determination (r²) were used as stability parameters. Each experiment year was regarded as an environment and yield average of each year was used as the environmental index.
In consequence of the research, it was determined that new varieties with high yield, adaptable to diverse environments could be developed by means of hybridizations between parents having different genetic characteristics which were provided from diverse ecological regions.     

谷物胚乳性状QTL区间作图的贝叶斯方法

将贝叶斯统计原理和胚乳性状的数量遗传模型相结合,以分离群体中各植株的分子标记基因型以及植株上若干粒种子胚乳性状的单粒观测值为数据模式,提出胚乳性状QTL区间作图的贝叶斯方法.该方法通过Gibbs以及Metropolis-Hastings抽样实现的马尔科夫链蒙特卡罗(MCMC)算法获得QTL效应和位置的估计.方法的有效性用染色体水平和基因组水平2套模拟方案进行验证,结果表明:贝叶斯方法能够准确地估计胚乳性状QTL的位置和效应,并同时区分2种显性效应.     

基于PLSR-BP复合模型的红壤有机质含量反演研究

对红壤地区土壤有机质进行快速预测,以满足智慧农业与精准施肥的需要。以江西省奉新县北部为研究区域,采用1 km×1 km标准格网划分研究区进行采样,共得到红壤样本248个。对土壤光谱进行了包含分数阶导数在内的3种数学变换方法,将经过P=0.01显著性检验的波段用于模型的构建,选用偏最小二乘回归(PLSR)和BP神经网络建立土壤有机质含量预测模型。结果表明:当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优,训练集R²=0.89,RMSE=4.68g·kg^-1,验证集R²=0.87,RMSE=5.55g·kg^-1,RPD=2.75。1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息,有助于其含量预测。PLSR-BP复合模型预测精度优于单一模型,能够较好地预测红壤有机质含量,为精准农业快速监测红壤有机质含量提供了新的途径。     

基于MGWRK的土壤有机质制图及驱动因素研究

【目的】空间预测是一种获得有机质空间局部细节的重要方法,其准确性对于农田合理管理有着重要意义。本研究通过对比不同的土壤有机质空间制图方法以获得更优的预测精度,在预测的同时揭示环境协变量的空间非平稳性特征及不同环境协变量关系的空间尺度。【方法】选取晋中盆地的7个乡镇作为研究区,对比普通克里金(OK)、回归克里金(RK)、地理加权回归克里金(GWRK)和多重尺度地理加权回归克里金(MGWRK)4种不同方法对土壤有机质的预测能力和效果,并探究影响因子在空间分布中对有机质的影响效应变化和这种影响效应的空间尺度。MGWRK是一种多重尺度地理加权回归(MGWR)与普通克里金方法相结合的方法。【结果】选取坡向、坡度、年均降水量、年平均温度、海拔、植被年总初级生产力、年蒸散量、地形湿度指数、平面曲率、汇流动力指数、地形指数、地形粗糙指数、年平均NDVI为环境协变量参与建模,在多元线性回归建模中,模型统计学意义显著,这表明模型具备统计学意义。从Radius指数来看,各模型模拟效果由好到差依次为RK、OK、GWRK、MGWRK;从制图效果来看,MGWRK与GWRK制图效果相当,从有机质的空间预测图可以看出...     

马铃薯甲虫空间分布型及序贯抽样

马铃薯甲虫Leptinotarsa decemlineata Say是一种重要的害虫,为明确其在新疆的空间分布,及时采取有效的防控措施,在田间调查的基础上,采取随机取样和Iwao回归分析法对新疆乌鲁木齐地区的马铃薯甲虫成虫、卵块和幼虫的空间分布型、理论抽样数及幼虫的序贯抽样方法进行了研究。结果表明,马铃薯甲虫各虫态空间格局的聚块性指标均大于1,空间分布型为普通群聚型;对低龄幼虫进行序贯抽样,当防治阈值为50头/样方、置信水平为1.96时,防治上、下限方程分别为:d1=50n+81n和d0=50n-81n,当百株虫量达到756头以上时需要进行防治。     

基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

苏南河网水污染控制系统规划优化研究

以苏南某地二级树状河网为例,在运用S-P水质模型模拟河网水质的基础上,构建了以河网污水处理费用及引水稀释费用之和最小为目标函数的水污染控制最优化模型,采用遗传算法,对各引水口的引水量及河网中各排污口的污水处理率进行优化计算,供苏南地区水系规划与管理参考。     

春小麦旗叶性状与产量性状的相关与回归分析

以14个春小麦品种为试材,对旗叶性状与产量及产量性状作了相关与多元回归分析。结果表明,测试小麦旗叶长、旗叶宽、叶面积、旗叶与茎秆的夹角与穗粒数、千粒重、株穗数和产量等性状间的相关系数分别达显著或极显著,建立了旗叶性状与产量及产量因素的最优多元回归方程。     

基于DH-YoloX的群养马岗鹅关键行为监测

马岗鹅的行为与其生长状况和福利状况密切相关,马岗鹅关键行为监测对评估其生长性能具有重要的现实意义。为了实现对群养栏马岗鹅关键行为高效率精准监测,该研究探索一种基于YoloX的群养马岗鹅关键行为监测算法（Magang geese behavior monitoring of based on Double Head-YoloX,MGBM-DH-YoloX）,该算法通过减少YoloX的头部数量提升检测效率、使用损失函数减少前景背景干扰、使用迁移训练方式提高网络训练效率等技术对马岗鹅采食、饮水、休息和应激等关键行为及其规律进行分析。MGBM-DH-YoloX首先用Mosaic和Mixup对马岗鹅图像进行数据增强,然后使用增强后的数据集训练模型,并且利用模型检测马岗鹅的关键行为,最后累计得出马岗鹅关键行为的发生时长和行为节律;试验训练集为1 400幅、验证集200幅和测试集为400幅,连续活动视频10 d。结果表明,MGBM-DH-YoloX算法的平均精度为98.98%、检测速度达到81帧/s、内存消耗为2 520.04 MB。对马岗鹅的10 d养殖数据分析发现,MGBM-DH-YoloX能有效观察到马岗鹅随着日龄增长采食次数逐渐减少;试验鹅每日采食与饮水行为同时出现的比例为83.74%,呈现整体相伴趋势,但也从90.78%降低到74.57%,说明马岗鹅采食与饮水行为随着日龄增加呈现出逐渐分离趋势;试验鹅随着日龄增长休息时间逐渐加多,呈现出肉鸭对笼养的适应性逐步增强;应激行为随机性很强,突发性明显,发现人员随机走动等不规范饲喂带来的应激行为占据很大比例。该研究显示MGBM-DH-YoloX算法能利用监控视频对马岗鹅的关键行为进行智能提取,可为家禽智能养殖监管提供技术支撑。     

基于深度残差网络的麦穗回归计数方法

单位面积的穗数是估算小麦产量的重要指标,针对传统麦穗计数方法效率低、主观性高等问题,将基于深度残差网络的密度回归模型引入麦穗的计数领域,建立原始图片与密度图的对应关系,以密度图像素值总和确定图像中麦穗数量.对ResNet34网络进行改进,提出了ResNet-16模型,实现端对端的麦穗计数.针对ResNet34网络复杂度...