改进卷积神经网络的冬小麦提取方法

为提高遥感影像冬小麦识别精度,通过对传统的卷积神经网络进行优化,设计实现一种改进的卷积神经网络Im-SegNet(Improved-SegNet)。模型增加了冬小麦和非冬小麦概率向量差值信息,对于概率向量差值较小的像素进行了二次判断。以肥城市冬小麦生长期的77张GF-2(Gaofen2)影像作为实验数据,利用精度、准确率以及查全率3项指标对Im-SegNet模型提取效果进行验证评价。结果表明,提取精度为92.1%,准确率为91.8%,查全率为84.9%,3项指标均高于经典的SegNet模型提取结果,Im-SegNet模型可以有效改善遥感影像作物分类效果。

干旱及复水对冬小麦叶片生理指标和光合特性的影响

为了探究干旱胁迫及复水条件下,冬小麦叶片生理指标和光合特性的变化规律,选用‘济麦22’为研究对象,在拔节期开始时以正常补水量的80%、50%、25%和0%4个水平条件进行一次性灌水,之后不再补水,进入开花期后统一复水,并以正常灌溉管理的冬小麦作为对照,测定不同时段各处理冬小麦叶片抗氧化酶的活性、丙二醛(MDA)的含量,以及叶片的光合参数。结果表明,干旱胁迫条件下,冬小麦叶片超氧化物岐化酶(SOD)、过氧化物酶(POD)、过氧化氢酶(CAT)活性和丙二醛(MDA)含量明显升高,冬小麦光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)、细胞间隙CO_(2)浓度(Ci)和叶片水分利用效率(WUE)呈下降的趋势,气孔限制值(Ls)呈升高的趋势,并且干旱胁迫程度越重,变化幅度越大,在达到特旱条件时,SOD值、CAT值较其他处理略有降低,Ci值略有升高,Ls值略有降低。复水后的冬小麦产生补偿效应,干旱胁迫较轻的处理各项指标均能恢复到正常水平,而干旱胁迫较重的处理未能恢复到正常水平。

不同播期对小麦‘泰科麦31’干物质积累转运及产量的影响

为明确不同播期对小麦新品种‘泰科麦31’干物质积累转运、叶面积指数、籽粒灌浆速率和产量结构的影响,于2019—2021年小麦生长季进行‘泰科麦31’不同播期试验。设置9月30日、10月10日、10月20日和10月30日4个播期,依次记作SD1、SD2、SD3和SD4,测定不同播期下‘泰科麦31’不同生育期的干物质积累量、叶面积指数、籽粒灌浆速率和产量结构。系统分析了‘泰科麦31’不同播量对其干物质积累转运、叶面积指数、籽粒灌浆速率和产量的影响。结果表明:SD2处理下‘泰科麦31’整个生育期干物质积累量最高,其中拔节到开花阶段和开花到成熟阶段的干物质积累量均在SD2处理下最高;花后干物质积累对籽粒的贡献率的变化趋势为SD2>SD1>SD3>SD4;在越冬期和返青期,播期对‘泰科麦31’叶面积指数的影响的趋势为SD1>SD2>SD3>SD4,但在返青期之后,叶面积指数为SD2>SD3>SD1>SD4;15~25d是‘泰科麦31’籽粒灌浆的快增期,在25d时籽粒灌浆速率达到最高,25~30d是‘泰科麦31’籽粒灌浆的缓增期,SD4的籽粒灌浆的增长要明显高于其他播期;SD2处理下‘泰科麦31’产量最高,相关性分析可知,SD2产量最高的原因得益于SD2处理下的穗数最高。