基于DSSAT-CERES-Wheat的黄土高原西部春小麦干旱影响研究

为提出有效措施预防黄土高原西部地区春小麦生产受到气象和农业干旱的影响,估算了1961—2018年期间、时间尺度1~6个月标准化降水蒸散指数(Standardized precipitation evapotranspiration index,SPEI)以及深度0~10 cm和深度10~40 cm的土壤水分亏缺指数(Soil moisture deficit index,SMDI),探究了气象和农业干旱时空变化规律;利用DSSATCERESWheat模型模拟了黄土高原西部7个站点春小麦1961—2018年的生长要素和产量数据,分析了其时空变化规律;并研究了气象和农业干旱对春小麦生长过程及产量的影响。结果表明:以甘肃临夏站为例,时间尺度1~6个月SPEI和SMDI的干湿状态总体上一致,SPEI总体呈现干湿交替,深度0~10 cm的SMDI以及深度10~40 cm的SMDI的变化基本一致,均呈现变湿润的趋势。DSSATCERESWheat模型模拟黄土高原西部春小麦生长过程和产量方面的效果良好(决定系数R^(2)为0.65~0.84);1961—2018年春小麦最大叶面积指数和地上生物量无明显变化趋势,而产量在2005年之后有增加的趋势。开花期和灌浆期的干旱对春小麦生长过程以及产量的影响更大,SMDI与春小麦生长和产量要素之间的关系比SPEI更为密切,表明农业干旱对春小麦生长和产量的影响更大,其中深度0~10 cm的SMDI比深度10~40 cm的SMDI影响程度大。时间尺度2个月的深度0~10 cm的SMDI是干旱背景下影响春小麦生长和产量的关键时间尺度。本研究为黄土高原西部春小麦生产应对气象和农业干旱提供了参考。

穗发芽相关基因Vp-1等位变异在西部春小麦品种中的分布研究初探

青海、西藏、甘肃、宁夏、陕西位于中国的西北和西南部,属于西部地区,由于各种条件的限制,目前对于该区春小麦穗发芽状况的研究很少。本研究利用Vp-1基因的STS功能标记Vp1B3对233份来自这一地区的春小麦品种进行PCR检测,以期为西部小麦抗穗发芽育种提供理论依据和种质资源。结果表明,西部春小麦品种(系)中,Vp1B3a(感穗发芽)、Vp1B3b(抗穗发芽)、Vp1B3c(抗穗发芽)基因型频率分别为30.04%、12.02%和57.94%,以Vp1B3a和Vp1B3c基因型为主。一般红粒品种较白粒品种抗穗发芽,但在西部地区白粒品种抗穗发芽基因型频率高于红粒品种。农家品种、引进品种、育成品种中Vp1B3a、Vp1B3b和Vp1B3c的基因型频率依次为38.85%、19.42%和41.73%,26.92%、0.00%和73.08%,13.24%、1.47%和85.29%,以抗穗发芽基因型为主。由于地理气候条件的不同,Vp1基因等位变异在3省2区的分布频率也有差异,以西藏地区抗穗发芽基因型分布频率最高。

基于Landsat 8 OLI影像的大兴安岭西麓春小麦识别方法的比较研究

采用Landsat 8 OLI影像数据和野外调查数据,结合物候学、目视解译、非监督分类ISODATA法和监督分类最大似然法,以及面向对象分类法,对大兴安岭西麓农场的春小麦识别进行了初步探索。结果表明:最大似然法、ISODATA法和面向对象分类法的分类总体精度分别为53.33%、54.65%和71.26%;三种方法的春小麦用户精度分别为60.00%、61.29%和83.33%。在大兴安岭西麓苗期的春小麦识别中,面向对象分类法优于ISODATA法和最大似然法,为该区域春小麦识别提供思路。

基于MODIS NDVI的春小麦苗期长势监测——以呼伦贝尔市大兴安岭西麓为例

以大兴安岭西麓的拉布达林农场、谢尔塔拉农场、莫拐农场以及呼伦贝尔市华和有限责任公司的农场为研究区域,利用Landsat8OLI影像和时间序列MODIS NDVI数据,结合GPS野外定位技术,对各大农场2015的春小麦进行了苗期长势监测初探。结果表明:研究区南部的春小麦长势最好,其次为中部的谢尔塔拉农场及东部的莫拐农场,最差为北部拉布达林农场。从总体来看,MODIS NDVI数据能很好地反映大兴安岭西麓春小麦长势状况,为该区域田间管理和早期估产提供及时信息和理论依据。