分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2017-11-08 合作期刊: 《中国生态农业学报》
摘要： 为探索不同穗型小麦品种小花发育成粒对氮肥的响应, 本试验以大穗型品种‘周麦16’和多穗型品种‘豫麦49’为供试材料, 设置不同施氮水平0 kg(N)·hm−2、180 kg(N)·hm−2 和360 kg(N)·hm−2, 观察分析了两个穗型小麦品种小花发育动态模式和结实特性。结果显示, 随着生长度日(GDD)的增加, 不同氮水平下2 品种小花发育动态变化趋势相似, 小花分化均符合二次曲线方程模式, 退化和败育符合一次线性方程, R2 均达显著水平。大穗型品种‘周麦16’小花分化总数显著高于多穗型品种‘豫麦49’, 在360 kg(N)·hm−2 差异极显著; 大穗型品种‘周麦16’表现出随施氮量增加, 小花分化和退化速率提高, 有利于可孕小花的形成、增加结实粒数, 最终180 kg(N)·hm−2 结实粒数显著高于其他处理, 较360 kg(N)·hm−2 平均每穗粒数增加了2.04 粒; 多穗型品种‘豫麦49’尽管分化小花总量不高, 但小花退化和可孕小花败育速率较低, 在180 kg(N)·hm−2施氮水平表现出高的可孕小花数量和结实粒数, 但与高施氮处理相比差异不显著。表明就增加穗粒数而言, 两品种均以180 kg(N)·hm−2 较为适宜, 从最终产量及产量构成分析结果来看, ‘豫麦49’表现出与穗粒数相同的结果, 而‘周麦16’在高施氮条件下可通过增加成穗数和穗粒数提高产量。
分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］快速准确评估作物倒伏灾情状况，需及时获取倒伏发生位置及面积等信息。目前基于无人 机遥感识别作物倒伏缺乏相应的技术标准，不利于规范无人机数据获取流程和提出问题解决方案。本研究旨在探 讨不同空间分辨率无人机遥感影像及特征优化方法对小麦倒伏区域识别精度的影响。［方法］在小麦倒伏后设置3 个飞行高度（30、60和90 m），获取不同空间分辨率（1.05、2.09和3.26 cm） 的数字正射影像图（Digital Ortho⁃ photo Map，DOM） 和数字表面模型（Digital Surface Model，DSM），从不同空间分辨率影像中分别提取5个光谱特 征、2个高度特征、5个植被指数以及40个纹理特征构建全特征集，并选择3种特征选择方法（ReliefF算法、RFRFE 算法、Boruta-Shap算法） 筛选构建特征子集，进而利用3种面向对象监督分类方法——支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest，RF） 和K最近邻（K Nearest Neighbor，KNN） 构建小麦倒伏 分类模型，明确适宜的分类策略，确立倒伏分类技术路径。［结果和讨论］结果表明，SVM的分类效果整体优于 RF和KNN，当影像空间分辨率在1.05~3.26 cm范围内变化时，全特征集和3种优化特征子集均以1.05 cm分辨率 的分类精度最高，优于2.09和3.26 cm。比较发现，Boruta-Shap特征优化方法既能实现降维和提高分类精度的目 标，又能适应空间分辨率的变化，当影像分辨率为3.26 cm 时，总体分类精度相较1.05 和2.09 cm 分别降低了 1.81%和0.75%；当影像分辨率为2.09 cm时，总体分类精度相较1.05 cm降低了1.06%，表现为不同飞行高度下的 分类精度相对差异较小，90 m总体分类精度可达到95.6%，Kappa系数达到0.914，满足了对分类精度的需求。 ［结论］通过选择适宜的特征选择方法，不仅可以兼顾分类精度，还能有效缩小影像空间分辨率变化引起的倒伏分 类差异，有助于提升飞行高度，扩大小麦倒伏监测面积，降低作业成本，为确立作物倒伏信息获取策略及小麦灾 情评估提供参考及支持。
点击量
点击量
下载量
评论
