不同小麦品种(系)抗倒伏性状多样性分析

为了综合评价不同小麦材料的不同生育时期抗倒性,明确影响小麦倒伏的关键因素,以147份我国育成的主推小麦品种及新育成的小麦品种（系）为研究对象,在开花期、灌浆期和乳熟期测定其10个倒伏性相关性状,并利用主成分分析和聚类分析法对这些小麦材料抗倒性进行综合评价。结果表明,10个抗倒伏相关性状在不同基因型间、气候因素间及生育时期间均存在显著的变异;在不同生育时期,性状间的相关性基本一致,均表现为基部茎节壁厚度、实心度、茎秆强度对小麦的抗倒伏性具有一定的积极作用,株高、重心高度、基部茎节长度、髓腔直径具有一定的消极作用。主成分分析显示,茎秆强度是影响植株抗倒性的最关键性状。基于三个生育时期主成分的综合因子得分的聚类分析显示,有70份材料的综合抗倒性优良,其中部分新育成小麦材料抗倒性表现优异,可作为小麦强秆抗倒改良育种资源使用。     

大豆种质倒伏性遗传及其与主要农艺性状的相关分析

以270个南方夏大豆种质资源为材料,分析大豆倒伏性的遗传规律及其与农艺性状的相关性。结果表明,倒伏级别同时受加性和显性效应的作用,且以显性效应为主,其狭义遗传率和广义遗传率分别是14.3%和90.3%。相关分析表明,大豆倒伏级别与株高、底荚高、主茎节数和分枝数呈极显著正相关,与单产显著负相关,与百粒重和单株粒重极显著负相关。由于株高的遗传率较高,因此可以在早代对株高进行选择能间接改良大豆的倒伏性。利用与大豆倒伏性相关的农艺性状进行抗倒伏性聚类分析,将材料划分为4类,其中第4类材料倒伏程度轻且具有高产潜力。     

水稻抗倒伏模型研究进展

随着高产水稻品种的选育和推广种植以及水稻收割机的使用,提高水稻抗倒伏能力是水稻栽培与育种工作普遍关注的问题。从水稻生物力学模型、水稻倒伏指数、植株倾斜角度、茎秆抗折力矩、倒伏率、弯曲度、稳定系数以及水稻抗倒伏统计模型等方面综述了水稻抗倒伏数学模型,并就水稻抗倒伏模型研究和计算机模拟技术相结合对水稻抗倒伏研究进行了探讨,并指出开展水稻根倒伏研究的必要性。     

玉米抗倒性的遗传研究进展

倒伏严重影响玉米产量而且还影响玉米的机械化收获,是当前玉米生产和育种中一个主要问题。玉米的抗倒性受到植株受力因素与植株支持系统两方面的影响。讨论提高玉米抗倒性的遗传因素以及综述与其相关的遗传机制研究进展。     

不同小麦品种茎秆抗倒性的研究

为了明确影响小麦抗倒伏性的主要因素,选用生产中应用较广泛的6个高产小麦品种,采用田间试验与实验室分析相结合的方法,对不同品种的抗倒伏性状进行研究。结果表明,百农矮抗58的倒伏指数较小,为0.432,与其他品种相比差异显著;百农矮抗58的茎秆机械强度大、茎秆基部第二节短粗、秆壁较厚、次生根数量较多、株高和重心高度较低。相关分析表明,倒伏指数与第二节关系密切,第二节机械强度越大、壁越厚、干重越大、地下部根量越多,倒伏指数就越小,茎秆抗倒性就越强;适当降低株高可以降低植株的重心高度,增强植株抗倒能力。逐步回归分析表明,影响茎秆抗倒性的直接因子为茎秆基部第二节机械强度、第二节干重、地下部根量及地上部鲜重,其中第二节机械强度对茎秆倒伏指数的直接作用最大,其直接通径系数为-0.775,可用第二节机械强度的大小评价品种茎秆抗倒性的强弱。     

大豆倒伏对植株性状和产量的影响

本文探讨了大豆倒伏对植株性状和产量的影响。指出了大豆倒伏临界冠/根比和倒伏临界期植株的干物质分配状况。经对倒伏和未倒伏植株的比较研究,结果表明,倒伏可以使株高明显增高,分枝减少,并使干物质分配在营养器官中的比例明显高于繁殖器官,最终导致荚重、粒重、百粒重、经济系数显著降低,产量约减少56％。     

小麦倒伏的雷达极化特征及其遥感监测

研究探索了雷达遥感大面积监测小麦倒伏状况的潜力。利用覆盖整个小麦生育期的5景时间序列Radarsat-2全极化影像数据,对比分析了倒伏小麦与正常小麦在不同时间、不同极化的雷达后向散射动态响应规律,发现雷达极化特征对小麦倒伏十分敏感,基于此提出利用雷达极化指数监测小麦倒伏的方法。并利用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的实地调查数据,对提出方法进行验证,结果表明该方法能有效辨识和监测小麦倒伏。为大面积监测小麦倒伏提供了一种简单、快速、有效的手段。     

小麦倒伏信息无人机多时相遥感提取方法

采用两期无人机可见光遥感图像,对灌浆期冬小麦倒伏图像特征及倒伏信息提取方法进行研究。从增强图像空间域方面,对图像进行二次低通滤波,获取地物散点图,以散点存在明显分界线为判定标准,选出小麦倒伏信息提取的单特征,对两单特征线性拟合构建倒伏小麦两时期提取特征参数F_1和F_2,再以两特征参数相似性构建综合特征参数F_3。将特征参数结合K-means算法提取冬小麦倒伏信息,整体精度(OA)达86. 44%以上,Kappa系数达0. 73以上,倒伏信息提取精度(F)为81. 07%以上,因此综合特征参数可作为两个时期冬小麦倒伏信息提取特征参数。分别用本文方法、支持向量机、神经网络法和最大似然法提取验证区域倒伏小麦信息,经验证,本文方法提取小麦倒伏信息整体精度(OA)达86. 29%以上,Kappa系数达0. 71以上,倒伏信息提取精度(F)达80. 60%以上;其他3种常用方法提取的整体精度(OA)为69. 68%～87. 44%,Kappa系数为0. 49～0. 72,倒伏信息提取精度(F)为65. 33%～79. 76%。结果表明,本文方法整体精度和倒伏信息提取精度均高于目前常用分类方法。因此,综合特征参数与K-means算法对冬小麦在灌浆期倒伏信息提取具有一定的准确性和适用性。     

不同穗型的3个粳稻品种的抗倒性研究

试验选用不同穗型的3个粳稻品种为材料,分析其抗倒机理及与倒伏密切相关的各性状,并初步探讨穗型与倒伏之间的关系。结果表明:株高与倒伏指数呈极显著正相关;节间长、茎粗、穗部性状等均与倒伏指数存在显著相关;直立、半直立穗型品种较弯曲穗型品种倒伏指数小,株高偏矮,基部茎杆节间短且粗壮坚韧,穗短而穂颈角小,表现出较好的抗倒性能。     

玉米抗倒性检测环境的选取方法

倒伏是玉米的重要胁迫之一,为提高玉米新品种抗倒性检测的效率,需选择倒伏胁迫高发环境作为测试环境。该文结合倒伏胁迫发生机理和大风概率统计模型,首先计算每个气象站点的因风倒伏概率,通过插值和区域统计,得到东华北、黄淮海两大玉米主产区各县区的因风倒伏概率,最后进行玉米抗倒性检验环境的选取分析。结果表明：倒伏胁迫概率超过60%的县区适宜作为玉米抗倒性检测的备选环境,只需3～5个点即可基本保证每年试验都会发生倒伏胁迫;黄淮海发生极严重倒伏胁迫的平均概率高于东华北,与实际情况吻合,两大区域可作为极严重倒伏胁迫检测环境的备选县区有54个,严重倒伏有16个,一般性倒伏有21个;本方法为测试环境选取决策提供了一种量化操作的手段,有助于提高测试环境倒伏胁迫的发生概率和新品种抗倒性检测的效率,降低应用风险。