XiaoMi-AI文件搜索系统
World File Search System叶面积
用土著红树林接种剂优化番茄幼苗生长并减少NPK受精
寻找环境友好的产品以减少农作物对合成化肥的依赖提出了一个新的挑战。本研究旨在隔离和选择有效的天然PGPB，以减少对合成NPK肥料的依赖。从红树林（Avicennia Marina）的沉积物和根中分离出41种细菌，并在体外条件下评估其PGP特征。，只选择了两种兼容的杆菌菌株，以单独使用并混合使用以促进番茄幼苗的生长。在锅中以不同的合成NPK施肥率（0、50和100％NPK）评估了在土壤中应用的三种接种剂的效率。实验是在具有三个复制的完全随机设计中设置的。结果表明，几乎所有研究的参数显着增加了不同的接种剂。但是，它们的有效性与合成受精的应用率密切相关。应用细菌接种剂，仅50％NPK显着提高了植物高度（44-51％），数字生物量（60-86％），叶面积（77-87％），绿色平均水平（29-36％）（29-36％），归一化差异植被指数（29％），芽干重量（82-92--92--92-植物）和根干的重量（160）。关于光合活性，这种处理对叶绿素A（25-31％），叶绿素B（34-39％）和类胡萝卜素（45-49％）的浓度显示出积极影响。有趣的是，这些增加确保了与给定100％NPK的对照植物相似或更高的最高值。此外，在接种50％NPK的细菌混合物的植物中记录了番茄芽中N，P，K，Cu，Fe，Zn和Ca的最高积累。在第一次证明，天然PGP细菌衍生自红树林植物物种A.码头对番茄幼苗的质量产生了积极影响，同时降低了50％的NPK。
PDF：大米（Oryza sativa L.）定量性状的遗传参数和主成分分析
常规育种对于改善与产量相关的性状和发展高产物品种至关重要。在提出的研究中，对15个F 1杂种的评估将它们与其六种父母基因型进行了比较，以便各种特征的遗传变异。结果表明，差异分析显示跨组合和父母品种以及父母和十字架之间的显着（p≤0.01）。所有特征的父母与杂交的平均平均值也表明（p≤0.01）。对于F 1 Generation研究的所有特征，一般（GCA）和特定组合能力（SCA）方差均显着（P≤0.01）。三种品种，即Sakha108，Giza179和Sakha109，对于谷物产量植物-1的高度阳性为阳性，这意味着这些品种可以使作为好的组合者受益，以转移育种计划中的上述特征。在SCA中，七个十字在植物的高度上为负，并且需要负值以避免住宿并适合机械收集；但是，在其余的特征中，优选阳性的显着值是可取的。结果表明，谷物产量植物-1和植物高度的最佳交叉是Sakha105×Sakha102，Sakha105×Sakha108和Sakha108×Sakha109。进行聚类分析也表现出分为四组的基因型。第一组仅包括大米基因型Sakha109和Sakha108。这些品种是由共同的父sakha101产生的，可以具有三个定量性状的遗传关系（旗叶面积，1000粒粒度和圆锥体重量）。包括Sakha 102和Sakha 106的第二组具有非常相似的遗传背景，因为两个品种共享一个共同的父母，Giza 177。此外，这两个水稻品种的分ers植物的植物数量为-1、1000粒重量，而圆锥花序植物-1。第三组仅包括属于Indica-Japonica品种的Giza 179。第四组由不同父母生产的Sakha 105。关键字：水稻（oryza sativa L.），育种，能力，遗传变异，遗传潜力，基因型和表型方差，遗传力
传感器 - ScienceOpen
摘要：本研究提出了一种新方法，利用无人机 (UAV) 成像联合评估积雪深度和冬季叶面积指数 (LAI)，后者是植被的结构特性，影响积雪和融雪。在冬季，评估了在捷克共和国舒马瓦国家公园 (Šumava NP) 内部分健康或受昆虫影响的挪威云杉林和草地覆盖区拍摄的一组多时间高分辨率数字表面模型 (DSM)（无雪和积雪条件），以评估积雪深度。无人机得出的 DSM 的分辨率为 0.73–1.98 cm/pix。通过减去 DSM，确定了积雪深度，并与在地面控制点 (GCP) 位置进行的手动雪深测量进行比较，均方根误差 (RMSE) 在 0.08 m 到 0.15 m 之间。将基于无人机的积雪深度与更密集的手动积雪深度测量网络进行比较分析，得出的 RMSE 在 0.16 m 到 0.32 m 之间。LAI 评估对于正确解释森林地区的积雪深度分布至关重要，它基于在森林状况下拍摄的俯视无人机图像。为了从俯视无人机图像中识别冠层特征，使用雪背景代替天空部分。参考了两种有效的冬季 LAI 检索常规方法，即 LAI-2200 植物冠层分析仪和数字半球摄影 (DHP)。与实地调查相比，冠层密度和地面特性对基于无人机成像的 DSM 评估准确性的影响显而易见。基于无人机的 LAI 值提供的估计值与 LAI-2200 植物冠层分析仪和 DHP 得出的值相当。与常规调查的比较表明，使用无人机摄影测量方法高估了春季积雪深度，低估了春季 LAI。由于积雪深度和 LAI 参数对于积雪研究至关重要，因此这种组合方法在未来将具有重要价值，可以简化雪深和雪动力学的 LAI 评估。
环境遥感
陆地总初级生产力 (GPP) 在全球碳循环中发挥着重要作用，但光合作用的空间和时间变化的量化仍存在很大不确定性。我们的工作旨在研究遥感技术在精细空间分辨率下为植物光合作用提供新见解的潜力。这一目标是通过利用荧光探测器 (FLEX) 机载演示器 HyPlant 获得的高分辨率图像实现的。传感器飞过一片混合森林，收集的图像经过精心设计，获得了两个独立的植物光合作用指标。首先，成功获取了研究区域森林红光和远红光峰的太阳诱导叶绿素荧光 (F) 图，叶绿素荧光是植物光合作用的一种新指标 (r 2 = 0.89 和 p < 0.01，r 2 = 0.77 和 p < 0.01，与飞行过程中同步获取的冠层顶部地面测量值相比)。其次，使用定制版耦合生物物理模型呼吸地球系统模拟器 (BESS) 得出 GPP 和吸收光合有效辐射 (APAR) 图。该模型由机载关键森林特征图 (即叶叶绿素含量 (LCC) 和叶面积指数 (LAI)) 和气象数据驱动，为研究地点的感兴趣变量提供高分辨率快照。通过优化的基于查找表的 PROSPECT-4-INFORM 辐射传输模型反演，准确估算了 LCC 和 LAI（分别为 RMSE = 5.66 μg cm −2 和 RMSE = 0.51 m 2 m −2），确保准确表示生态系统功能决定因素的空间变化。然后分析测量的 F 和建模的 BESS 输出之间的空间关系，以解释区域尺度上生态系统功能的变化。结果表明，远红 F 在空间域中与 GPP（r 2 = 0.46，p < 0.001）和 APAR（r 2 = 0.43，p < 0.001）显着相关，并且这种关系是非线性的。相反，红光 F 与 GPP 或 APAR 之间没有发现统计学上显著的关系（p > 0.05）。在高分辨率下发现的空间关系为空间异质性在控制远红光 F 与 GPP 之间关系中的关键作用提供了宝贵的见解，表明需要在更粗的分辨率下考虑这种异质性。
高度和社区特征解释了哥斯达黎加的2370 -m海拔梯度上的雨林架动态
摘要。地球非常重要的热带山区雨林中的动态速率是这些森林对全球变化的反应的核心部分，但是它们与环境渐变的关系知之甚少。我们在成熟的森林工作，在哥斯达黎加的Talamanca Cordillera上的440 - 2810 M ASL高度梯度上工作，在2012年至2019年期间，五个0.25-HA永久性样品地块的五个次要次数为29 HA。我们确定了乳房高度直径≥10cm的个体的死亡率和招聘率以及基础面积（G）增量。我们的主要假设是，支架动态速率随高度（因此温度）而降低；我们还测试了假设，即随着情节社区加权平均特异性叶面积（CWM SLA）而增加的速率，并随着CWM木材特异性重力（WSG）而降低。我们使用通用添加剂模型开发了回归来检验我们的假设。死亡率和招聘率随海拔高度降低，尽管强烈的非线性死亡率趋势可能是由极端的天气和温度驱动的。此外，招聘率的最佳模型还包括与具有负相关关系的CWM SLA。总的基础面积增量δg毛，这是在研究期间幸存的树木的年度基础面积增量，与海拔高度有驼峰形的关系，可能与高海拔森林的低CWM WSG有关。δG总体确实与CWM WSG负相关。δg净为负。CWM特征应测量以提高理解。然而，在具有负相关关系的CWM WSG的模型中，由于山地森林的死亡率较低，净基础面积生长（δg净，初始图和最终地块基础面积之间的年化差异）与高度呈正相关。雨林支架在这个长高度梯度上的动态模式超出了对温度的直接反应，需要进一步的工作以改善森林对气候变化的反应。风暴和闪电对低海拔森林的影响以及山地fagaceae主导森林的潜在高弹性需要注意。在比较热带森林海拔样品时，应期望脱离>偏差，而不是普遍性。
使用UAV多光谱图像的葡萄园冠层检测的不同计算机视觉方法的比较
在葡萄栽培中，通过超高的空间分解图像快速而准确地获取了冠层光谱信息以进行决策支持。普遍的做法涉及使用从纯藤冠像素获得的光谱数据创建活力图。基于对象的图像分析（OBIA）在常规方法中表现出由于其特征提取的功能而在树冠分类中表现出合理的效率。近年来，深度学习（DL）技术在果园监测中表现出了巨大的潜力，并利用了它们自动学习图像特征的能力。这项研究评估了不同方法的性能，包括掩盖R-CNN，U-NET，OBIA和无监督方法，以识别纯冠类像素。比较了阴影和背景检测方法的有效性以及错误分类像素对NDVI的影响。将结果与2021年和2022年生长季节进行的农艺调查进行了比较，重点是两个不同的物候阶段（BBCH65-BBCH85）。蒙版R-CNN和U-NET在整体准确性（OA），F1得分和与联合（IOU）相交方面表现出卓越的性能。在OBIA方法中，高斯混合模型（GMM）被证明是冠层分割的最有效的分类器，并且支持向量机（SVM）也表现出合理的稳定性。相反，随机森林（RF）和K-均值的准确性和较高的错误率产生了较低的误差率。由于准确性有限，因此在葡萄园行高的葡萄园排被高估了，而对于高活力的檐篷，NDVI被低估了。可显着提高确定系数，以进行总叶面积（TLA）与源自蒙版R-CNN和U-NET得出的NDVI数据之间的比较。还发现了来自GMM和SVM算法的NDVI数据的正相关性。关于叶叶绿素（CHL）和NDVI相关性，蒙版R-CNN和U-NET方法显示出较高的性能。此外，TLA和投影冠层区域（PCA）之间的关系得到了U-NET和Mask R-CNN的明显代表，而不建议使用PCA来估计叶绿素含量。这项调查确定，改善了葡萄树冠划界的贡献，可改善葡萄园活力监测，为葡萄酒生长提供了更准确，更可靠的农艺信息，以进行管理决策。
使用地理空间数据评估茶树健康和产量...
茶是印度最重要的饮料之一。它是第一大外汇收入来源。印度是世界上最大的茶叶生产国。印度的阿萨姆邦、梅加拉亚邦、特里普拉邦、北孟加拉邦（大吉岭）和锡金邦对该国的茶叶总产量贡献巨大。除此之外，印度南部的泰米尔纳德邦、卡纳塔克邦和喀拉拉邦也为茶叶生产做出了贡献。过去几年，人们发现茶产业正在失去立足之地。这主要是因为生产结构错误、由于生产成本高而无法与其他茶叶生产国竞争、小农户组织化、加工阶段的质量控制不佳以及更重要的害虫和疾病侵扰。遥感和 GIS 技术已被有效用于监测水稻、小麦等多种一年生作物。因此，开发一种使用遥感和 GIS 监测茶园的方法已成为迫切需要。之前缺乏使用遥感监测茶叶的研究，这为开发一种方法提供了想法，该方法可以帮助监测种植园的生长并在需要时采取有效措施。在本研究中，尝试使用遥感图像的纹理和色调变化来评估茶树的健康状况。应用灰度共生矩阵 (GLCM) 技术将茶斑分为健康、中度健康和患病茶。使用纹理和分类图像来描绘患病斑块。得出了健康、中度健康和患病茶的百分比。观察发现，2001 年 12 月的 LANDSAT 图像显示健康茶树的面积为 60.4%，中度感染茶树的面积为 23.6%，患病茶树的面积为 16.2%。对于 2004 年 2 月的 LISS III 图像，发现健康茶树的面积为 43.9%，中度感染茶树的面积为 36.8%，患病茶树的面积为 19.3%。同样，对于 2004 年 6 月的 ASTER 图像，发现健康茶树的面积为 24.9%，中度健康茶树的面积为 50.1%，患病茶树的面积为 25.1%。最后将结果与地面叶面积指数 (LAI) 和产量进行了比较。因此，这里尝试的纹理分析和色调变化可以在识别和检测茶园中的病斑方面发挥重要作用。这项研究表明，4 月、6 月和 8 月基于 MODIS 的 NDVI 与庄园层面的茶叶产量有显著相关性。为进一步检验 MODIS 得出的 NDVI 是否与 LAI 相关，建立了一个经验方程，结果表明茶叶的 LAI 与 NDVI 具有显著的线性关系 (R 2 =0.36)。然而，研究发现，仅凭不同时间段的 NDVI 观测结果无法解释茶叶产量的差异。这表明茶叶产量的统计模型似乎并不令人鼓舞。