共查询到20条相似文献，搜索用时 265 毫秒
1.
小麦的单株籽粒产量,决定于每株穗数、每穗粒数(每穗结实小穗数与每小穗结实小花数)和粒重等产量构成因素。分析研究各产量构成因素间的相关性,并用通径分析的方法把相关系数分解为直接作用和间接作用,以估测各产量构成因素的相对重要性,有助于提高小麦杂交育种的亲本选配和 相似文献
2.
豫南地区小麦产量构成因素的相关和通径分析 总被引：3，自引：0，他引：3
<正> 影响小麦产量的主要因素是亩穗数、穗粒数和千粒重。在不同的生态条件下,各因素对小麦产量的影响表现不同。针对豫南地区特殊的生态条件,选用1986～1990年河南省小麦区试和南方小麦区试信阳点共56个品种(系)的试验结果,对影响豫南地区小麦产量的主要构成因素进行了相关和通径分析,以估测各因素的相对重要性,为该区的小麦高产育种提供依据。 相似文献
3.
开放式空气CO2浓度升高对中筋小麦扬麦14产量形成的影响 总被引：1，自引：0，他引：1
利用我国农田开放式空气CO2浓度增高（free-air CO2 enrichment,FACE）研究平台,研究大气CO2浓度增高对中筋小麦扬麦14号产量和产量构成因素的影响。结果表明,FACE处理显著增加小麦产量,平均增产13.83%;使小麦单位面积穗数、毎穗粒数和千粒重分别比对照增加8.14%、5.39%和2.7%,增产作用为穗数〉每穗粒数〉千粒重;FACE处理使小麦最高分蘖数、分蘖成穗率增加5.51%和7.02%,显著增加小麦成熟期生物产量,增幅达12.10%,使小麦经济系数增加8.77%。 相似文献
4.
5.
运用灰色关联度分析方法,对河南省最新国审的18个小麦新品种的产量与8个主要性状进行关联度分析,以探索小麦产量与主要产量构成因素之间的大小关系,旨在为小麦的遗传改良与育种利用提供依据。结果表明,各农艺性状与产量的灰色关联度大小顺序为穗粒数>成穗率>基本苗>株高>有效穗数>全生育期>最高茎蘖数>千粒重。其中,穗粒数、成穗率、基本苗、株高是制约产量的最大因素;有效穗数、全生育期、最高茎蘖数、千粒重对产量的制约力依次变小。这一结果可为小麦新品种的高产育种和栽培技术提供理论依据。 相似文献
6.
1982-2010年河南省旱地小麦品种主要农艺性状的遗传演变规律 总被引：4，自引：0，他引：4
利用1982-2010年河南省旱地小麦区域试验较对照增产品种的产量及主要农艺性状数据,分析了河南省旱地小麦品种主要农艺性状的演变特点。结果表明,随品种育成年份的推进,小麦生育期逐渐缩短,株高逐渐降低,最高群体逐渐变小,产量、穗粒数、千粒重逐渐提高,穗数变化不大;穗粒数、千粒重与产量呈极显著、显著正相关;其中穗粒数对产量的直接贡献最大。表明,1982-2010年河南省旱地小麦品种产量的提高是在保证穗数的基础上,通过增加穗粒数、提高千粒重来实现的。 相似文献
7.
华北地区小麦产量构成因素的相关和通径分析 总被引：7，自引：0，他引：7
利用2004～2005年国家小麦品种展示的16个品种的试验资料,对产量及产量构成因素进行相关和通径分析.结果表明:产量因素与产量相关显著,其相关程度为:每公顷有效穗数(0.799 0)＞每穗粒数(0.4338)＞千粒重(-0.4307);对产量的直接影响为:每公顷有效穗数(1.023 4)＞千粒重(0 6413)＞每穗粒数(0 543 7).根据上述分析及本地区小麦生态条件的特点,提出华北地区小麦高产育种策略应增加有效分蘖数、稳定千粒重、挖掘穗粒数的潜力. 相似文献
8.
华北地区小麦产量构成因素的相关和通径分析 总被引：4，自引：0，他引：4
《现代农业科技》2006,(4)
利用2004～2005年国家小麦品种展示的16个品种的试验资料,对产量及产量构成因素进行相关和通径分析。结果表明:产量因素与产量相关显著,其相关程度为:每公顷有效穗数(0.7990)>每穗粒数(0.4338)>千粒重(-0.4307);对产量的直接影响为:每公顷有效穗数(1.0234)>千粒重(0.6413)>每穗粒数(0.5437)。根据上述分析及本地区小麦生态条件的特点,提出华北地区小麦高产育种策略应增加有效分蘖数、稳定千粒重、挖掘穗粒数的潜力。 相似文献
9.
江苏淮北地区13个主导小麦品种产量构成因素分析 总被引：4，自引：0，他引：4
《江苏农业科学》2015,(8)
利用近10年来江苏省淮北地区主要推广的13个小麦品种,针对影响小麦产量的单位面积有效穗数、穗粒数、千粒质量产量3要素,通过方差分析、相关分析和通径分析,探讨产量3要素之间的相互关系及其对产量的影响。方差分析结果表明,不同小麦品种的产量及其产量构成因素存在显著性差异。产量较高的小麦品种为矮抗58、连麦6号、淮麦20、济麦22,较低的小麦品种为徐麦33、徐麦30;单位面积有效穗数较高的小麦品种为淮麦22、连麦6号、淮麦20、烟农19,较低的小麦品种为郑麦9023、矮抗58、淮麦33;穗粒数较高的小麦品种为矮抗58、淮麦33、连麦6号、济麦22、烟农19、烟农5158,最低的小麦品种为徐麦99;千粒质量较高的小麦品种为郑麦9023、矮抗58、淮麦20、徐麦99,较低的小麦品种为淮麦33、保麦1号、烟农5158。相关性分析结果表明,单位面积有效穗数、穗粒数、千粒质量与小麦产量均呈正相关,其相关性大小依次为穗粒数有效穗数千粒质量;产量3要素之间呈负相关关系,其中有效穗数和千粒质量的负相关系数绝对值最大,为0.510。通径分析结果与相关性分析结果吻合,产量3要素对产量的贡献大小依次为穗粒数有效穗数千粒质量。 相似文献
10.
通过对 12个CHA小麦杂优组合产量及产量构成因子的优势关系分析 ,揭示了CHA小麦杂种优势表现规律和各种优势对产量表现的相对重要性。结果表明 :产量及其构成因子的平均优势表现大小顺序为 :产量 >穗数 >千粒重>穗粒数 ,各优势对产量超标优势的关联度顺序为产量平均优势 >千粒重超标优势 >穗粒数超标优势 >穗数平均优势>其它。由此反映出在杂优利用研究中进行亲本选配和强优组合筛选时对群体穗数和千粒重、穗粒数的不同要求。 相似文献
11.
小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。 相似文献
12.
【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数（LAI）是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于LAI反演结果的盐渍土改良效果评价能够从众多试验小区中定位出最优的改良效果。与传统方法相比,该方法具有成本低廉、精度高等优势,研究结果有广泛推广前景,可以为盐渍土的改良提供重要技术支持。 相似文献
13.
为探索林火监测的新手段,提高森林安全管理水平,将实时视频传输和计算机技术相结合,研制了林火监测任务设备．并与无人机飞行平台共同构成了微型无人机林火监测系统。以林区火场影像为样本．像素RGB值为分类依据．使用统计产品与服务解决方案软件进行聚类分析．得到基于颜色特征的烟雾识别模型。该模型经过光谱特性改进和消噪处理后．对于试验影像的烟雾识别率在77％以上。利用该模型．系统可在飞行中实时完成对地面火情的探测并给出报警提示。在飞行试验的基础上,提出无人机林火监测系统的飞行作业流程．并讨论了系统运行的经济性和目前存在的问题。无人机林火监测系统同样可用于林区气象探测、可燃物和病虫害调查等方面．切实提高林区管理的技术水平。图5表2参14 相似文献
14.
基于间隙度的无人机林地航拍图像序列拼接方法 总被引：1，自引：0，他引：1
无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方法可以有效拼接图像,同时不会损失原图像的精度信息,并从视觉效果和均方根误差两个角度证明了本文方法优于其他两种方法。 相似文献
15.
目前,无人机系统已应用于作物产量估算,利用无人机搭载的RGB相机在花铃期和吐絮期从3个高度（10、20和30 m）分别采集棉花冠层图像,提取图像的颜色指数和纹理特征,进而对提取的特征分别进行逐步回归分析和因子分析,筛选出重要特征并构建棉花产量估算模型。通过对比分析2个生育时期和3个高度的产量估算模型,最终确定利用RGB图像对棉花进行产量估算的最佳生育时期和最佳高度。结果表明, 20 和30 m高度下花铃期图像建立的产量模型拟合度以及模型精度均比吐絮期好,而40 m高度下2个生育时期的模型拟合度接近,但花铃期的验证结果不显著;对比20和30 m高度下花铃期以及40 m高度下吐絮期的产量估算模型发现,30 m高度下花铃期通过SWR方法建立的模型拟合效果最佳,由此表明,棉花产量估算的最佳生育时期为花铃期,图像采集的最佳高度为30 m。综上,利用无人机RGB图像能准确快速估算棉花产量,为基于可见光图像的棉花产量估算提供了理论和技术参考,并为其他农作物估产模型的建立提供借鉴。 相似文献
16.
基于超像素分割的田间小麦穗数统计方法 总被引：1，自引：0，他引：1
【目的】 小麦穗数是产量构成的重要因素。通过图像处理技术快速准确地统计小麦穗数,为作物长势监测和产量估测提供重要依据。【方法】 本研究以经氮肥梯度处理后不同长势的小麦为研究对象,首先,通过简单线性迭代聚类算法（simple linear iterative cluster,SLIC）对田间小麦图像进行超像素分割的预处理;提取并分析图像的部分颜色特征参数,选择适宜的颜色特征参数训练分类器;选择准确率最高的分类器对图像进行分类处理,识别麦穗。其次,对麦穗识别结果进行二值化;经腐蚀、膨胀等一系列形态学计算提取麦穗主体并进行区域统计;提取麦穗骨架,检测骨架角点数,结合角点数与区域统计结果计算小麦穗数;最后,通过线性回归分析方法验证了无氮（0）、低氮（1/2常规施氮量）、正常氮（常规施氮量）、高氮（2倍的常规施氮量）4个氮水平麦穗统计结果。【结果】 （1）利用超绿值（Eg）和归一化红绿指数（Dgr）作为分类特征可以有效地识别麦穗、土壤和叶片;（2）相较于直接基于像素进行图像处理,经超像素分割处理后麦穗识别结果更理想,识别出麦穗主体清晰,形态更为完整;（3）经比较,高氮水平下小麦长势较好,穗数统计准确率最高,为94.4%,无氮水平下小麦长势较差,穗数统计准确率最低,仅为81.9%;排除无氮情况后,长势较均匀的氮水平混合样本中麦穗计数准确率达到92.9%,相较于长势差异较大的混合样本准确率提高了8.3%。【结果】 在一般环境下,利用超像素和颜色特征的麦穗自动统计方法可以快速准确地对大田小麦进行穗数计算,长势过弱以及差异过大区域不推荐使用,研究结果为小麦大田估产提供了新的参考。 相似文献
17.
植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。 相似文献
18.
针对传统土地整治项目施工监管、后期监测效率不高的问题,本文通过低空无人机航摄和PhotoScan软件后期处理,对比生成的正射影像图和Google earth卫星图的分辨率和位置,发现该影像图能精准、高效的表征项目区影像数据变化,从而得到一种可用于土地整治项目各阶段动态观测的简单、快捷方法。 相似文献
19.
Assessing the accuracy of mosaics from unmanned aerial vehicle (UAV) imagery for precision agriculture purposes in wheat 总被引：1，自引：0，他引：1
High spatial resolution images taken by unmanned aerial vehicles (UAVs) have been shown to have the potential for monitoring agronomic and environmental variables. However, it is necessary to capture a large number of overlapped images that must be mosaicked together to produce a single and accurate ortho-image (also called an ortho-mosaicked image) representing the entire area of work. Thus, ground control points (GCPs) must be acquired to ensure the accuracy of the mosaicking process. UAV ortho-mosaics are becoming an important tool for early site-specific weed management (ESSWM), as the discrimination of small plants (crop and weeds) at early growth stages is subject to serious limitations using other types of remote platforms with coarse spatial resolutions, such as satellite or conventional aerial platforms. Small changes in flight altitude are crucial for low-altitude image acquisition because these variations can cause important differences in the spatial resolution of the ortho-images. Furthermore, a decrease of flying altitude reduces the area covered by each single overlapped image, which implies an increase of both the sequence of images and the complexity of the image mosaicking procedure to obtain an ortho-image covering the whole study area. This study was carried out in two wheat fields naturally infested by broad-leaved and grass weeds at a very early phenological stage. The geometric accuracy differences and crop line alignment among ortho-mosaics created from UAV image series were investigated while taking into account three different flight altitudes (30, 60 and 100 m) and a number of GCPs (from 11 to 45). The results did not show relevant differences in geo-referencing accuracy on the interval of altitudes studied. Similarly, the increase of the number of GCPs did not imply a relevant increase of geo-referencing accuracy. Therefore, the most important parameter to consider when choosing the flying altitude is the ortho-image spatial resolution required rather than the geo-referencing accuracy. Regarding the crop mis-alignment, the results showed that the overall errors were less than twice the spatial resolution, which did not break the crop line continuity at the studied spatial resolutions (pixels from 7.4 to 24.7 mm for 30, 60 and 100 m flying altitudes respectively) on the studied crop (early wheat). The results lead to the conclusion that a UAV flying at a range of 30 to 100 m altitude and using a moderate number of GCPs is able to generate ultra-high spatial resolution ortho-imagesortho-images with the geo-referencing accuracy required to map small weeds in wheat at a very early phenological stage. This is an ambitious agronomic objective that is being studied in a wide research program whose global aim is to create broad-leaved and grass weed maps in wheat crops for an effective ESSWM. 相似文献
20.
基于YOLOv4网络的棉花顶芽精准识别方法 总被引：1，自引：0，他引：1
为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法。利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型。对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能。结果表明：该模型在测试集的平均检测精度（AP）、精确率（P）、召回率（R）、调和平均值（F1）比原模型分别提高0.36%、1.73%、0.52%、1.16%,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降。 相似文献