基于Micro-CT的玉米籽粒显微表型特征研究

植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息,是植物表型组学研究的重要组成部分.针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题,本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精准鉴定研究.基于对CT序列图像的处理解析,共获取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚...     

东北地区春玉米临界氮浓度稀释曲线的建立和验证

过量施氮是目前玉米栽培中存在的普遍现象,基于临界氮浓度稀释曲线计算得出的氮营养指数是诊断氮营养丰缺的重要手段。基于东北地区4个生态点的试验数据,构建了东北地区春玉米临界氮稀释曲线,并在此基础上建立了氮营养指数模型和需氮量模型,结果表明,东北地区春玉米地上部临界氮浓度与生物量符合幂函数关系。利用独立试验资料对建立的临界氮浓度稀释曲线进行检验,发现基于临界氮浓度稀释模型计算的氮营养指数可以准确诊断玉米植株的氮营养状况,并计算出实时的氮素需求量。该研究建立的东北地区春玉米临界氮稀释模型可以为该地区春玉米的氮营养诊断和动态调控提供较好的理论和技术指导。     

植株自旋转多视角重建技术在小麦植株三维表型获取中的应用评估

基于多视角重建技术的作物三维表型高通量获取系统成本低、获取效率高,引起越来越多的关注。植物自旋转式拍摄平台易于搭建,但植物旋转过程中产生的抖动对点云三维重建和表型解析精度有一定影响。为评估旋转式多视角成像在小麦植株三维表型解析中的适用性,基于植物旋转设计了便携式小麦植株三维表型高通量采集系统,选取穗期不同品种的小麦植株作为实验样本进行点云重建,基于Hausdorff距离评价了重建点云的精度误差;并基于人工测量数据,对所提取的表型指标精度进行评价。结果表明,植物旋转式重建的点云与相机旋转式重建的点云有较高的一致性,点云精度差距基本控制在0.4 cm以下;获取的叶长、叶宽和株高的均根方误差分别为0.79、0.13和0.53 cm,平均绝对百分比误差分别为3.26%、7.63%和0.74%,表明该方式适合穗期的小麦植株表型重建,具有较高的点云重建和表型提取精度,并为小麦植株表型评价提供了一种低成本的解决方案。     

基于三维数字化的小麦植株表型参数提取方法

针对小麦植株分蘖多、器官间交叉遮挡严重,难以用图像或点云准确提取植株和器官表型的问题,本研究提出了基于三维数字化的小麦植株表型参数提取方法。首先提出了小麦植株各器官数字化表达方法,制定了适用于小麦全生育期的三维数字化数据获取规范,并依据该规范进行数据获取。根据三维数字化数据的空间位置语义信息和表型参数的定义,提出了小麦植株表型参数计算方法,实现了小麦植株和器官长度、粗度和角度等3类共11个常规可测表型参数的计算。进一步提出了定量描述小麦株型和叶形的表型指标。其中,植株围度通过基于最小二乘法拟合三维离散坐标计算,用于定量化描述小麦植株松散/紧凑程度;小麦叶片卷曲和扭曲程度为定量化叶形的指标,根据叶面向量方向变化计算得到。利用丰抗13号、西农979号和济麦44号三个品种小麦起身期、拔节期、抽穗期三个时期的人工测量值和提取值进行验证。结果表明,在保持植株原始三维形态结构的前提下,提取的茎长、叶长、茎粗、茎叶夹角与实测数据精度相对较高,R² 分别为0.93、0.98、0.93、0.85;叶宽和叶倾角与实测数据的R² 分别为0.75、0.73。本方法能便捷、精确地提取小麦植株和器官形态结构表型参数,为小麦表型相关研究提供了有效技术支撑。     

作物表型组数据库研究进展及展望

【目的】总结归纳作物表型数据库的研究进展,对作物表型数据库的构建进行展望。【方法】采用文献综述法,从Web of Science、NCBI的PubMed和中国知网等常用公共文献数据库中对已发表的作物表型组学相关研究文献进行检索,据此对国内外作物表型组学研究现状进行分析,并基于其中的数据库研究,对目前的作物表型相关数据库进行了介绍。最后对作物表型组数据库构建标准及要求进行了介绍。【结果】不同于基因组学已有许多大型的、公认的、成熟的公共数据库,有关作物表型组学的数据库虽已有一些,但综合性较强、普适性较广的通用标准数据库却不是很多。因此,构建综合性作物表型组标准数据库或构建特定作物的表型组数据库,将成为该领域相关研究人员的工作重点。【结论】农业信息化是现代农业的一个必然发展趋势,作物表型组数据库的构建也是顺应时代发展的产物。今后,在充分利用各种综合和专用数据库的基础上,研究人员应在实际研究中构建自己的作物表型组数据库,增强数据管理和共享。     

基于卷积神经网络的生菜多光谱图像分割与配准

针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割。使用Canny算法对多光谱各通道图像进行边缘提取,进而使用相位相关算法对多光谱各通道图像进行配准,单幅图像平均处理时间0.92s,配准精度达到99%,满足后续图像分割所需精度;以VGG16作为主干特征提取网络,直接采用两倍上采样,使最终输出图像和输入图像高宽相等,构建优化的UNet模型。实验结果表明：本文所提出的图像配准和图像分割网络,分割像素准确率达到99.19%,平均IoU可以达到94.98%,能够很好地对生菜多光谱图像进行前景分割,可以为后续研究作物精准表型的光谱分析提供参考。     

AquaCrop模型在大葱生物量和土壤贮水量模拟中的应用和验证

为评估AquaCrop模型在华北平原模拟大葱生长和农田水分的适用性,本研究利用实测的农民施肥方式的一个小区和增施氮肥处理的土壤水分、作物生长和产量数据,结合气象资料,获得了AquaCrop模型模拟大葱生长和土壤水分的模型参数,并利用实测的农民施肥方式的另外一个小区、减施氮肥、优化施氮和秸秆还田处理的土壤贮水量和生物量数据进行了模型验证。结果表明：在无水分胁迫条件下AquaCrop模型对大葱土壤贮水量及生物量的模拟结果是可以接受的。对土壤贮水量实测值与模拟值的RMSE为19.4~24.9 mm之间,相对误差为3.9%~12.4%;大葱生物量实测值与模拟值的RMSE为0.31~0.73 t/hm2,相对误差为5.8%~12.8%。     

数字孪生系统在农业生产中的应用探讨

数字孪生技术与农业的深度融合将为农业数字化转型升级提供新动能。农业数字孪生系统基于农业生产系统所产生的数据流,通过实时态势感知、超实时虚拟推演和全程交互反馈,有效实现对作物生产系统的智慧管控。系统分析了作物生产系统及其认知方法的发展历程,明确了农业数字孪生系统产生的背景、概念、内涵、基本组成及其技术优势,提出我国农业数字孪生系统的应用方向和发展路径,为推进我国作物生产智能化提供参考。     

基于无人机多光谱遥感的春玉米叶面积指数和地上部生物量估算模型比较研究

明确基于无人机多光谱遥感的玉米叶面积指数(LAI)和地上部生物量的最优估算模型对获取即时、无损、可靠的长势关键参量具有重要意义.2018-2019年,以郑单958(ZD958)和先玉335(XY335)为研究对象,设置4个施氮处理,通过无人机搭载多光谱相机获取多光谱影像,分析两品种LAI和地上部生物量与植被指数相关性,...     

作物智慧栽培学——信息-农艺-农机深度融合的新农科

在社会发展进入万物智联新时代、农业科学步入数据密集型知识发现的新阶段和智慧农业技术成为国家实施乡村振兴战略的重要抓手的背景下,传统作物栽培学理论技术体系已无法满足智慧栽培发展的需要,亟需加快与其他相关学科深度融合、协同创新,发展作物智慧栽培学。本研究首先阐述了作物智慧栽培的内涵和特征,然后阐明了作物智慧栽培学的概念、研究内容和关键技术以及相应的学科体系,最后提出了作物栽培学的发展趋势、面临挑战及对策建议。围绕智慧栽培中“联接、感知、认知、管控”四大关键环节开展重大科学发现、前沿技术突破和产业模式创新,构建智慧栽培理论技术体系,推动传统栽培向智慧栽培转型升级,有助于实现作物生产的可持续发展,加速推进农业现代化。