升温、灌溉和施氮对冬小麦产量的影响

以扬麦11为试验材料,采用裂区试验设计,在小麦全生育期内利用玻璃温室模拟气温升高2~3℃,以大气温度为对照,同时设置2个水分水平,即正常灌溉(按照高产田的常规管理,每次灌水量为6L)和减半灌溉(较正常灌溉的灌水次数减半,即间隔灌溉),和3个施氮水平(208、416和624kg/hm^2),研究温度、水分和施氮3个因素对冬小麦生长和产量形成的影响。结果表明,升温增加了冬小麦株高,降低了地上生物量(包括秸秆生物量和籽实产量)和根系生物量,降低了小麦单穗籽粒数、千粒重和无效分蘖数。其中,在正常灌溉处理下,升温导致208、416和624kg/hm^2施氮处理的籽实产量下降了21%、7%和29%,秸秆产量降低了28%、28%和34%,而在减半水分处理下,升温导致小麦籽实产量和秸秆产量下降的幅度相对较小。416kg/hm^2施氮量的籽实产量和穗粒数下降幅度最小,温度与水分和氮肥之间的互作对籽实产量有显著的影响,适度施氮肥能够有效缓解升温引起的小麦产量下降幅度。

光温条件对水稻结实及干物质生产的影响

试验研究了水稻抽穗结实期开花、乳熟和蜡熟三阶段弱光照和高温对结实和干物质生产及分配的影响。结果表明 ,①各阶段的光照强度下降到自然光强的 70 %时 ,不会显著影响单穗籽粒产量 ;但光强下降至5 0 %时 ,则会使空、秕粒增加 ,导致结实率下降而使单穗籽粒产量显著降低。弱光照对千粒重的影响不显著。②各阶段在 36℃以上高温时 ,单穗籽粒产量和结实率均显著下降 ,除开花阶段外 ,还有明显降低千粒重的趋势。③光照不足和高温都使单茎干物质积累速率和积累量降低 ,但光照不足时使干物质在穗中分配比率提高 ,而高温则相反。另外 ,抽穗开花阶段光照不足使茎鞘养分运转率下降 ,乳熟和蜡熟阶段光照不足则使运转率提高。高温除蜡熟阶段使运转率提高外 ,在抽穗开花和乳熟阶段则均使运转率大大降低。

小麦收获指数与主要农艺性状的相关性分析

为研究小麦品种主要农艺性状和经济性状间与其产量的相互关系,采用相关性分析与回归方法,对影响收获指数的10个主要农艺性状及因素进行了分析。结果表明:供试小麦收获指数(HI)具有较大的改良空间;HI与穗颈长、株高、穗长、小穗数、主茎生物产量有显著负相关,与单穗质量、产量呈正相关,与生物产量没有显著相关性;主成分分析结果显示,3个主成分累积贡献率达87.427%,表明3个主成分已覆盖所有性状的主要信息;通过回归分析,小麦HI与单穗籽粒产量、生物产量、千粒质量有显著回归关系。通过对小麦材料农艺性状的统计分析,得出如下结论:HI受单穗质量、生物产量、千粒质量影响较为明显有显著回归关系,与单穗质量、产量和穗粒数有明显正效应,生物产量对其有负效应。小麦HI提高可通过选育生物产量不宜过大,而穗粒数较高、单穗质量较大的小麦品种。

基于机器视觉的稻茬麦单茎穗高通量表型分析

【目的】高通量表型技术不仅是现代育种领域的重要手段,也是解析田间作物生理生态行为的工具,但不同类别高通量表型技术的基础架构特征仍不清楚,因此需要针对机器视觉高通量表型技术进行专门探讨。【方法】本文用机器视觉技术检测计算稻茬麦茎穗一体的表型指标。使用宁麦13、鲁原502和郑麦90233个小麦品种,进行小区化对比试验,使用等孔距栅条精播板进行单粒精播,准确控制条播小麦的群体条件。于稻茬麦成熟期进行茎穗一体图像获取,对图像进行灰度增强、直方图均值化、S分量提取、Otsu阈值分割、茎穗分离和茎穗形态参数提取等操作。提取的稻茬麦地上部单茎穗各器官的形态参数包括茎秆长、茎秆平均宽度、茎秆投影面积、茎秆周长、麦穗长、麦穗平均宽度、麦穗投影面积和麦穗周长。同时,使用传统方法获取小麦单叶片质量、单茎秆质量、单穗质量和单穗籽粒产量等农艺性状指标。分别构建线性模型、二次模型、指数模型及拓展模型进行多维指标拟合,包括小麦单茎穗生物量与单穗籽粒产量关系、单茎穗的麦穗形态参数与单穗籽粒产量关系等拟合分析。在单茎穗层面对小麦茎穗的表型指标与单穗籽粒产量之间的关系进行相关分析和回归分析,进而基于机器视觉在小麦茎穗一体方面的个例应用,讨论大田高通量表型分析的机器视觉技术研发的要点。【结果】宁麦13、鲁原502和郑麦90233个小麦品种的单叶片质量与单穗籽粒产量的相关系数依次下降,小麦单茎穗形态参数与单穗籽粒产量的相关性显著低于生物量指标,但单穗投影面积、单穗长与单穗籽粒产量依然存在显著正相关。3个小麦品种在单茎穗的各生物量指标与单穗籽粒产量的最优回归模型各不相同,麦穗图像的形态参数不能准确反映单穗籽粒产量,但单茎穗的茎秆和麦穗形态参数的组合应用表现出最佳的拓展模型拟合结果。利用茎穗一体的数字图像处理所得的复合型形态参数可以准确预测单穗籽粒产量,从而表明利用机器视觉技术观测小麦的生长过程并实时预测产量的可行性。【结论】机器视觉技术能提供远高于常规农艺性状的高通量指标集,为解析各类农艺性状之间的联系及产量的通径分析提供更多的途径,但也造成高维指标集和有价值信息提取的技术困难。应用于田间小麦群体的机器视觉技术应具备多尺度智能化自适应的技术架构,同时应具备基于场景、群体、个体和器官的多空间尺度和苗期、分蘖期、拔节期等多生理时间尺度的统计性数字表型发现和计算能力,同时,机器视觉各技术研发环节和各技术模块都需要农艺学深度参与和校准,而配备标准表型数据库更是保障高通量技术实用性和可靠性的基础。