简介:摘要 : 植物表型组学研究正逐渐向综合化、规模化、多尺度和高通量的方向快速发展。本文首先介绍了植物表型研究的最新动向。然后针对室内表型监测平台的特点和各类室内表型针对的表型性状进行了系统介绍,包括产量、品质、胁迫抗性(包括干旱、抗冷热、盐胁迫、重金属和病虫害)等。在此基础上,本文还根据通量、传感器集成度和平台大小等把一些国内外流行的室内植物表型平台进行了分类,并介绍了这些室内表型平台在植物研究中的应用情况。同时,本文还介绍了室内表型数据的管理和解析方法。最后,本文着重讨论了室内表型平台的发展方向,并结合中国植物研究的实际情况对表型组学在中国的发展提出了展望,以期为中国植物表型研究提供指导和建议。
简介:摘要 : 叶片湿润时间( LWD)是植物病害模型的重要输入变量之一,它与许多叶部病原菌的侵染有关,影响病原侵染和发育速率。为了准确地预测日光温室黄瓜病害的发生时间和方位,本研究于 2019年 3月和 9月在北京两个不同类型日光温室内按照棋盘格法设置了 9个采样点部署温湿光传感器和目测叶片湿润时间,每隔 1 h采集一次温度、湿度、辐射和叶片湿润数据进行定量估算分析。分析结果表明: BP神经网络模型在两个温室的试验条件下获得了相似的准确度( ACC为 0.90和 0.92),比相对湿度经验模型估算叶片湿润时间的准确度( ACC为 0.82和 0.84)更高,平均绝对误差 MAE分别为 1.81和 1.61 h,均方根误差 RSME分别为 2.10和 1.87,决定系数 R2分别为 0.87和 0.85;在晴天和多云天气条件下,叶片湿润时间的空间分布总体规律是南部>中部>北部,南面是叶片湿润平均时间( 12.17 h/d)最长的区域;由东向西方向上,叶片湿润时间的空间分布总体规律是东部>西部>中部,中部是叶片湿润平均时间( 4.83 h/d)最短的区域;雨天的叶片湿润平均时间比晴天和多云长,春季和秋季分别为 17.15和 17.41 h/d。这些变化和差异对温室黄瓜种群水平方向的叶片湿润时间分布具有重要影响,与大多数高湿性黄瓜病害的发生规律密切相关。本研究为预测温室黄瓜病害分布提供了有价值的参考,对控制病害流行和减少农药使用具有重要意义,提出的区域化分析温室内叶片湿润时间的方法,可以为模拟日光温室叶片湿润时间的空间分布提供参考。
简介:摘要 : 受经济和气候驱动,长江经济带水田空间格局发生了显著变化,影响区域粮食安全与生态安全。本研究基于 1990-2015年土地利用遥感监测数据,利用 GIS的空间分析功能,探究长江经济带水田空间格局动态变化特征,采用当量因子法计算生态系统服务价值( ESV),分析了水田变化的综合影响。结果表明: 1) 1990-2015年长江经济带水田规模持续缩减,共减少了 17390km2,减幅呈增长态势具有显著地域差异,长江中上游与下游的水田减幅相差约为 9.56%。其中下游减幅较大,水田占区域比例随之降低,中上游恰好相反。 2)由于经济建设及水产养殖的发展,水田主要转化为建设用地和水系,水田主要由水系、旱地和湿地等转化而来。长江三角洲城市群、长江中游及成渝城市群的水田变化最为剧烈,建设用地侵占水田扩张的现象分布广泛,水田转为水系主要在两湖平原局部地区。 3)水田与其他生态系统的转化对 ESV是正影响,水田转为水系对此贡献最大,其转化规模决定了不同时期 ESV净增量的大小,水系转化为水田损失的价值最多,建设用地侵占水田次之。不同市域的水田变化情况不一致,因此 ESV增减情况具有明显差异。 4)生态系统服务中水文调节、水资源供给增强的同时,食物生产、气体调节受到严重损害,与水资源规模扩大和水田资源大量流失有直接关系。研究结果有助于揭示长江流域水田的时空变化过程及其对各项生态系统服务的影响,可为区域土地利用规划、农业政策与生态可持续发展提供理论支持。
简介:摘要 : 目前,针对蜂群发生崩溃式消失的现象还缺乏有效的观测和分析手段。本研究在分析蜂群行为与检测特征的基础上,设计了一种基于物联网技术的蜂群多特征长期监测系统。该系统采用太阳能供电,融合了多种传感器,能够检测蜂群的多个特征(蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量),并利用无线数据同步传输技术将这些数据上传到远程云服务器中。基于该系统,本研究还进行了针对意大利蜜蜂从 2018年秋季到 2020年春季为期 235天的长期连续监测试验,记录了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。试验结果表明,在此期间,蜂箱内的平均温度呈现从 25℃下降到 -5℃再回升至 15℃的抛物线变化,相应的进出巢次数也由大约 8万次 /天减少至 0次 /天再增加至 5万次 /天。在越冬期中,蜂群的重量呈现出大约 25 g/天的线性下降趋势,同时蜂箱内也更为安静,声音的频率集中于 0~64 Hz。由此表明,在不干扰蜂群的情况下,该监测系统获得的特征数据能够有效地揭示蜂群的日常活动和趋势变化,可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及发展精确化蜜蜂养殖业。
简介:摘要 : 冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台( D3P)模拟生成了 100种冠层结构不同的小麦品种在 5个生育期的三维冠层场景,记录了从原始冠层结构中提取的绿色叶面积指数( GAI)、平均倾角( AIA)和散射光截获率( FIPARdif)信息作为真实值 ,进一步利用上述三维小麦场景开展了虚拟的激光雷达( LiDAR)模拟实验,生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征( H)和绿色分数特征( GF)。最后,利用人工神经网络( ANN)算法分别构建了从不同 LiDAR点云特征( H、 GF和 H+GF)输入到 FIPARdif、 GAI和 AIA的反演模型。结果表明,对于 GAI、 AIA和 FIPARdif,预测精度从高到低对应的点云特征输入为 GF+H > H > GF。由此可见, H特征对提高目标表型特性的估算精度起到了重要作用。输入 GF + H特征,在中等测量噪音( 10%)情况下, FIPARdif和 GAI的估算均获得了满意精度, R2分别为 0.95和 0.98,而 AIA的估算精度( R2=0.20)还有待进一步提升。本研究基于 D3P模拟数据开展,算法的实际表现还有待通过田间数据进一步验证。尽管如此,本研究验证了 D3P协助表型算法开发的能力,展示了高通量 LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。