云南水稻精确定量栽培前景广阔

金秋的云南宜良县一派丰收景象.在匡远镇城北村,采用精确定量栽培技术种植的水稻穗粒饱满,穗形粗大均匀,长势明显好于对照田块.技术人员介绍,与常规技术种植相比,采用精确定量栽培技术种植的水稻平均每亩比对照田增产100千克,节约尿素用量10千克,可使农民综合增收150元.精确定量栽培技术成为农民减本增效的良方.     

功能叶缺损对稻穗性状及米质的影响

<正> 本试验通过人为造成叶片损伤探讨水稻功能叶对产量要素和米质的影响,以便从栽培上有所侧重。1 材料与方法 供试品种D_(10)选②,自孕穗起选择生长一致苗株35穴,其中10穴为对照,其余设5个损叶处理,每处理5穴,分别在8月1日(打苞期)、8月5日(吐穗期)、8月10日(开     

基于无人机多源图谱融合的水稻稻穗表型监测

稻穗表型是表征水稻生长状况和产量品质的关键参数,稻穗表型的准确监测对于大田精准管理和水稻智慧育种具有重要意义。无人机图谱数据已被广泛用于水稻生长监测,然而大部分研究主要集中在水稻的营养生长阶段,针对抽穗期和成熟期稻穗表型监测方面的研究非常有限。因此,该研究利用无人机多源图谱数据进行水稻稻穗表型监测研究,分析了不同氮肥梯度和生长时期对稻穗表型的影响,构建了稻穗覆盖度、生物量以及倒伏等监测模型。结果表明,不同生长时期和氮肥梯度的稻穗表型呈现显著差异,稻穗覆盖度与图像特征高度相关。利用粒子群优化算法（Particle Swarm Optimization,PSO）和支持向量机（Support Vector Machine,SVM）回归模型能够从可见光图像中准确识别稻穗,计算的穗覆盖度与实际标记值高度相关,决定系数（coefficient of determination,R2）为0.87,将此结果与多光谱图像反射率融合,利用随机森林（Random Forest,RF）回归模型可以提高稻穗覆盖度的评估精度,R2为0.93,相对均方根误差（relative Root Mean Square Error,rRMSE）为9.47%。融合可见光图像的颜色和纹理以及多光谱图像的光谱反射率改善了穗生物量的评估精度,R2高达0.84,rRMSE为8.68%,此模型能够在不同种植年间迁移,进一步利用模型更新添加10%新样本能够改善模型迁移能力。基于PSO-SVM分类模型,联合可见光图像的颜色和纹理以及多光谱图像的光谱反射率也准确地识别稻穗倒伏,准确率达99.87%。上述研究结果证明了无人机遥感用于水稻稻穗表型监测的可行性,可为作物精准管理和智慧育种提供决策支持。     

10%丙硫唑悬浮剂防治水稻穗颈瘟田间药效示范试验

以75%三环唑可湿性粉剂、30%戊唑·咪鲜胺可湿性粉剂作为对照药剂,验证10%丙硫唑悬浮剂对水稻穗颈瘟的防治效果。结果表明,在水稻破口期及齐穗灌浆期2次施药,10%丙硫唑悬浮剂对水稻穗颈瘟有较好的防治效果,推荐剂量为1 500 mL/hm~2。     

基于 YOLOv7 的无人机影像稻穗计数方法研究

【目的】利用深度学习技术开展基于无人机采集的水稻稻穗 RGB 图像进行稻穗快速计数技术研究，利于建立省工、省时、高效的产量评估预测，为后续收获、烘干、仓储工作以及品种试验评估等提供依据。【方法】在水稻齐穗 - 灌浆期，使用无人机采集水稻稻穗图片，通过对图片中稻穗的标注、分类以及训练，获得基于 YOLOv7 的网络结构模型，与田间实际调查结果进行对比和验证，针对该方法对不同亚种水稻稻穗的数穗计数精度作出评价。【结果】将得到的模型的预测结果与真实结果进行比较，对于相同的训练集，YOLOv7模型的重叠率（Intersecion of union，IoU）值的中位数普遍高于 YOLOv5 模型。仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度，YOLOv7 模型的 mAP@0.5 为 80.75%、mAP@0.25 为 93.01%，优于 YOLOv5l 模型的 mAP@0.5 值 73.36%、mAP@0.25 值 91.16%；两种模型对籼稻识别精度不高。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型，YOLOv7 模型的 mAP@0.5 为 73.19%、mAP@0.25 为 83.71%，优于 YOLOv5l 模型的mAP@0.5 值 72.77%、mAP@0.25 值 81.66%；但两种模型均对粳稻识别精度不高。对预测结果与实际调查结果进一步比较验证表明，仅使用粳稻数据训练得到的模型对粳稻有较好的识别精度，模型预测值与观察值显著相关。其中 YOLOv7 模型对粳稻预测精度最高，R2 为 0.9585、RMSE 为 9.17；其次为 YOLOv5 模型，R2 为 0.9522、RMSE为 11.91。对籼稻识别最佳的模型为使用籼稻数据训练得到的模型。其中 YOLOv7 模型对籼稻预测精度最高，R2 为 0.8595、RMSE 为 24.22。其次为 YOLOv5 模型，R2 为 0.7737、RMSE 为 32.56。【结论】本研究初步建立的基于无人机的田间水稻单位面积穗数快速调查方法，具有较高精度，可应用于实际田间测产工作，有利于克服人工田间估产工作量大、效率低、人为误差等问题，未来可进一步应用于可移动水稻估产装置的开发。     

天津水稻穗腐病病原菌鉴定及室内毒力测定

近年来，水稻穗腐病在天津地区发生较重，成为影响水稻产量和品质的重要病害之一。本试验连续两年对天津地区水稻主产区穗腐病危害进行调查、病原菌分离鉴定，并采用生长速率抑制法测定病原菌对9种杀菌剂的敏感性。病原菌分离鉴定结果显示，引起天津地区水稻穗腐病的病原菌为稻黑孢霉(Nigrospora oryzae)。药剂敏感性测定结果显示，95%咯菌腈和95.3%丙环唑对稻黑孢霉抑菌效果最好，2020年EC₅₀值分别为0.2776、1.3102μg/mL,2021年EC₅₀值分别为0.5171、2.0188μg/mL;80%代森锰锌可湿性粉剂对两年菌株的抑制效果差异较大，对2020年菌株EC₅₀值为8.0151μg/mL,对2021年菌株的EC₅₀值为24.6704μg/mL。75%三环唑对该病原菌无抑制作用，生产上不推荐使用。本研究明确了天津地区水稻穗腐病的致病菌株并筛选了高效抑菌药剂，为生产中该病害的防治提供了参考。