一、油菜叶面积计算方法（论文文献综述）
马驿,张煦,李岚涛,汪善勤[1]（2015）在《油菜叶面积和叶鲜重估计研究》文中认为为快速获取大田油菜长势监测信息,针对不同栽种方式和施肥水平对油菜叶片生长的影响,建立单株油菜叶面积和叶鲜重估计模型。分别于2013—2015年的2个油菜种植季,设置不同施肥水平下直播和移栽油菜试验小区。在油菜叶片形态差异最大的六叶期和蕾薹期,测量样株所有叶片的长、宽、面积和鲜重,采用方差分析对比栽种方式和施肥水平对油菜叶片生长的影响,运用麦夸特法+通用全局优化法建立叶面积和叶鲜重的长宽估计模型。在不同施肥水平和栽种方式下,2个生长期的油菜叶面积和叶鲜重与叶宽关系均比叶长更明显;相同条件下蕾薹期油菜叶片变异程度比六叶期要大,2个时期不同施氮水平、栽种方式下油菜叶面积、叶鲜重差异均达到极显着水平,但两者对叶片的交互作用未达到显着水平。叶宽线性模型估算叶面积和叶鲜重的预测R2为0.89、0.84,RMSEP为32.40 cm2、2.54 g,长宽幂函数模型与常规的长宽线性模型相比,叶面积和叶鲜重的预测R2为0.97、0.94,RMSEP为12.92 cm2、0.86 g。不同生长条件下,叶宽线性模型可用于快速获取油菜单片叶面积和叶鲜重,长宽幂函数模型受施肥水平、栽种方式、叶形、生长期等因素影响较小,适用于精确估计单株油菜叶面积和叶鲜重。
马驿[2]（2016）在《基于多源遥感数据的油菜长势监测》文中研究说明油菜是我国广泛种植的油料作物,实时、精准、快速估测油菜长势对于油菜生长诊断与管理以及产量预测具有重要意义。随着遥感技术不断发展,遥感数据源越来越丰富,使得大范围实时监测农作物长势成为可能,大量改进型光谱特征参数、植被指数反演农学参数为精准农业提供技术支持,尤其是高光谱遥感凭借波段连续性强、光谱信息量大的优势,为实时快速大面积监测作物长势提供有效信息。充分利用多源遥感数据监测油菜关键生长期的长势,建立较为精确的油菜生长遥感监测模型并提取油菜种植面积,成为大范围监测油菜长势监测的趋势。本研究优化了不同条件下（栽种方式、施肥水平等）油菜叶面积和叶鲜重的估算模型,采用高光谱技术反演了试验小区不同时期叶面积指数,并利用试验小区不同时期叶面积指数建立了试验小区油菜估产模型,探索通过提取遥感参数反演油菜叶面积指数,然后利用叶面积指数进行大范围估算油菜单产。上述研究得出结论如下:1.采用麦夸特法+通用全局优化算法对长宽系数模型的参数精确计算,建立的受外界干扰较少（栽种方式、施肥水平、生长时期）长宽幂函数模型,其建模效果和预测精度比常规长宽线性模型更高,可准确估计油菜叶片叶面积和叶鲜重。2.不同时期所建反演LAI模型以二次多项式为主,但最优模型差异较大,在苗期时以红边参数为主的建模精度和预测效果较好,而油菜生长后期（花期、角果期）则是以NLI为代表的非线性指数建模精度和预测效果相对较高,全生育所建模型精度较低,难以采用相对固定的光谱参数和指数来预测油菜整个生育期LAI,不同生育期的油菜株型和覆盖度存在较大的差异,花和角果与叶不同的光谱响应特征,采用统一建模预测LAI不能准确预测LAI,不同生长时期需要选择合适的光谱参数和植被指数建立预测模型。3.将不同时期试验小区叶面积指数作为自变量,试验小区最终产量作为因变量,相关分析表明,产量与各个时期LAI皆呈显着的正相关关系,与角果期叶面积指数呈现极显着正相关,通过逐步回归分析,利用十叶期、盛花期、角果期的叶面积指数所建模型精度较高,经检验具有较好地预测效果。4.利用遥感影像提取的9个常用植被指数逐步回归分别反演武穴市十叶期、盛花期、角果期的叶面积指数,利用试验小区叶面积指数—产量模型对武穴市油菜单产进行估计,结果表明利用遥感影像提取的参数可以有效估算三个时期油菜叶面积指数和油菜单产。
马驿,汪善勤,李岚涛,张铮,刘诗诗[3]（2017）在《基于高光谱的油菜叶面积指数估计》文中认为以冬油菜为研究对象,2014-2015年度设计了不同施氮水平直播油菜小区试验,在不同生育时期测量冠层光谱、土壤背景光谱以及叶面积指数（leaf area index,LAI）,通过相关分析选取了12个光谱特征参数和11个植被指数,建立6叶期至角果期LAI的5种线性和非线性定量反演模型。结果表明:二次多项式反演模型比较适合估算油菜LAI苗期时以红边参数为代表的光谱特征参数,可准确估算出LAI;6叶期时红边幅值预测模型R2为0.81,RMSEP为0.39,RPD为1.62;8叶期时红蓝边面积比归一化预测模型R2为0.79,RMSEP为0.60,RPD为2.30;10叶期时红边幅值预测模型R2为0.92,RMSEP为0.47,RPD为2.36;盛花期时蓝边面积预测模型R2为0.87,RMSEP为0.34,RPD为2.57;角果期时以RDVI为代表的植被指数也可准确估算出LAI,预测模型R2为0.74,RMSEP为0.57,RPD为1.36。油菜全生育期采用相同光谱特征参数、植被指数建模估计LAI精度明显降低,预测R2远小于0.75,RMSEP大于0.65,RPD值均小于1.40,表明难以采用统一参数建模准确估计油菜全生育期LAI,不同生长时期需选择合适的光谱参数、植被指数分段建模估计LAI。
李锦卫[4]（2010）在《基于计算机视觉的水稻、油菜叶色—氮营养诊断机理与建模》文中指出氮肥是影响作物产量及作物品质的主要因子。作物的氮营养状况直接决定氮肥的施用,准确、实时、无损地获取作物氮营养信息是实现合理施肥的关键。作物氮营养状况由其内在的生理状况决定,亦会在其表观视觉信息即叶色中得以体现。作物叶色变化信息是进行氮素营养诊断的一个重要依据。善于处理视觉信息的计算机视觉技术是直接获取田间作物氮营养状况的有效手段之一。论文以水稻和油菜作为研究对象,对基于计算机视觉的水稻、油菜叶色—氮营养诊断机理与建模中的光照问题、图像分析技术问题、特征与空间选择问题和建模问题四个方面展开了研究,旨在为远程计算机视觉诊断新平台及新一代便携式叶片氮素无损测定仪的研制奠定基础。1.光照问题是影响作物叶色—氮营养诊断精度的首要问题,主要包括光照亮度不一致问题和色偏问题。针对室内外不同环境条件所获图像集中出现的光照亮度不一致问题,定义了一种新的颜色空间——十色模型,提出基于灰度梯度的光照亮度补偿、基于十色模型和灰度世界的光照亮度补偿和组合方法用于解决不同图像间光照亮度不一致问题,效果显着,能使相关性提高0.05-0.10。针对偏色问题,提出RGB检测方法用于色偏图像的检测,准确率可达95.9%,提出基于十色模型的颜色恒常性算法、基于直方图统计的颜色恒常性算法、直方图移动校正算法和基于冠层图像统计特征的校正算法用于色偏图像的校正,在多类色偏图像集中与常规方法的比较中取得不错的性能,能使相关性提高0.02-0.22。2.图像分析技术问题是影响作物叶色—氮营养诊断精度的又一关键问题,主要包括图像分割与分析问题。针对背景复杂、结构复杂等问题,提出快速亮度截留分割法、多元组合方法、超绿组合方法和十色组合方法等新方法,用于不同环境条件图像集的分割,与现有文献中提取的超绿等多种方法比较均取得不错的性能,对户外冠层图像的处理性能尤为突出。针对属于凹多边形的油菜叶片及其它破损、弯曲及不规则叶片的外接矩形计算问题,提出最适外接矩形计算方法,与最小外接矩形、最小周长外接矩形及主轴法外接矩形相比,能将角度误差减少10-50%。3.敏感颜色特征与空间问题是影响作物叶色—氮营养诊断精度的再一关键问题,主要包括敏感颜色特征不一致问题和敏感空间不一致问题。针对不同文献中敏感颜色特征不一致问题,提出基于最大相关性的敏感颜色特征选择方法来筛选不同水平、不同成像条件、不同生育时期、不同品种及不同作物的敏感颜色特征,筛选结果为Si*I1、B-Y、Diff、G-B、I2。R-B, b*、r、DGCI/V, DGCI、DGCV、13、2G-R-B和（2G-R-B）/L*。针对叶片及植株冠层的空间颜色分布规律研究,提出网格分析法和同心圆分析法分别用于叶片表面和植株冠层的空间分析。将前述方法获得的空间颜色特征与各类氮指标进行相关分析,选择得到敏感空间,水稻叶片敏感区域为距叶枕2/5处,油菜叶片敏感区域为距叶尖1/5处,水稻植株敏感叶位为顶3叶,油菜植株敏感叶位为基部叶,水稻植株冠层敏感区域为距株心1/2处。4.模型构建是作物叶色—氮营养诊断的核心问题,主要包括定量估测与定性诊断建模问题。针对计算机视觉诊断中存在的主要建模问题,重点分析了定量回归和诊断模型构建问题并提出相应的解决方案,最后在分析和比较常规线性和非线性回归建模技术、支持向量回归与支持向量机、极限学习机和神经网络方法的基础上,结合本研究中图像的统计特征,选择Si*I1（水稻）或（2G-R-B）/L*（油菜）颜色特征分别应用线性和二项式回归建模方法构建了叶片、植株和冠层水平图像的统一定量估测模型,相对均方根差（RRMSE）值在1%-33%之间,选择颜色特征r和DGCI/V作为分类特征参数,分别应用线性判别分析、极限学习机、支持向量机（SVMKM和libSVM）和神经网络方法建立水稻、油菜及水稻油菜混合氮状况的定性诊断模型,以SVMKM模型性能最佳,准确率分别为95.1%、97.8%和95.8%。最后,在Matlab平台上开发了实现以上功能的作物数字图像分析与数据处理软件。
许耀照[5]（2020）在《白菜型冬油菜抗寒生理基础及分子机理研究》文中研究说明低温是限制农作物地理分布和生长发育的环境因子之一,研究作物抗寒机理,对培育抗寒作物新品种,促进农业生产有重要的价值。白菜型冬油菜（Brassica rapa L.,AA）为西北地区唯一的冬季油料作物,适应寒旱环境,含有丰富的抗寒基因。本研究以白菜型冬油菜强抗寒品种陇油7号和弱抗寒品种天油4号为研究材料,低温胁迫下,通过叶片组织结构观察、生理生化指标分析、蛋白组学和microRNA测序分析以及PsbR基因克隆,从生理、蛋白和RNA水平研究白菜型冬油菜抗寒生理基础及分子机理,主要研究结果如下:1.白菜型冬油菜对低温胁迫的生理生化响应叶片气孔和组织结构观察发现,低温条件下冬油菜叶片气孔密度、气孔面积、气孔周长、栅栏组织和海绵组织厚度均变小,叶片变薄,细胞间隙变大,而强抗寒品种陇油7号的气孔和组织结构变化较弱抗寒品种天油4号更明显;光合生理分析发现,低温条件下,陇油7号叶片Pn、Fv/Fm、Fv/Fo、PI、叶绿素荧光诱导动力学曲线O-J-I-P的Fo（O相）、Fk（K相）、Fj（J相）、Fm（P相）以及荧光参数Fo-k、Fk-j、Fi-P和Fj-i均较天油4号明显降低;进一步生理生化研究发现,低温胁迫后,陇油7号可溶性蛋白含量和CAT酶活性均低于天油4号,而其MDA含量高于天油4号;结合光合指标的变化趋势,说明陇油7号叶片细胞膜系统和PSII受损以及光抑制程度均较天油4号严重,其地上部表现较强的低温敏感性。根部生理生化指标分析发现,低温胁迫后,陇油7号根中EL明显小于天油4号,而其根中可溶性蛋白和可溶性糖含量以及SOD酶活性均明显高于天油4号,说明根中可溶性蛋白和可溶糖的积累以及较强SOD酶活性增强白菜型冬油菜低温耐受性。低温条件下,陇油7号叶中IAA、ZR、ABA含量、（IAA+ZR+GA3）/ABA值和总多酚含量均较天油4号低,而根中ABA和总多酚含量均较天油4号高。相关性分析表明越冬率与冬油菜内源激素IAA、ZR和GA3含量呈负相关,而与根中ABA和总多酚含量呈正相关,说明ABA和总多酚含量对冬油菜的低温耐受力非常重要。2.白菜型冬油菜低温诱导的蛋白组学分析通过iTRAQ测序分析,从-4℃低温胁迫的陇油7号和天油4号叶中鉴定出142个差异富集蛋白（DAPs）,其中29个DAPs丰度上调,113个DAPs丰度下调,这些DAPs参与了10个代谢通路;从根中鉴定出70个DAPs丰度上调和104个DAPs丰度下调,这些DAPs参与了8个代谢通路。功能分析得出,白菜型冬油菜叶片通过减弱TCA循环和PPP途径,降低乙醛酸盐和二羧酸盐的能量代谢,削弱光合作用,平衡叶中糖类物质的含量来适应低温逆境;而冬油菜根通过蛋白质合成、根细胞壁变厚、根细胞木质化程度增加、降低根中能量代谢（磷酸戊糖途径和氧化磷酸化）、抑制糖消耗、削弱碳水化合物代谢、使可溶性糖积累来响应低温逆境。3.白菜型冬油菜低温胁迫响应的microRNAs分析采用高通量测序技术从低温胁迫的陇油7号和天油4号叶中鉴定出2个保守的差异表达miRNAs（miR166e-3p和miR166h-3p）,根中鉴定出4个保守的差异表达miRNAs（miR166e-3p,miR319e-1,miR319a,miR319-2）,这些保守的miRNAs均属于miR166和miR319家族;另外,从根中鉴定出4个新的miRNAs（Bra-Novel-m3153-5p,Bra-Novel-m0894-3p,Bra-Novel-m3936-5p,Bra-Novel-m0040-3p）,推测miR166、miR319和新的miRNAs在白菜型冬油菜响应低温胁迫中发挥重要作用。miRNA靶基因预测和功能分析发现,miR319的靶基因TCP4和MYB104参与次生细胞壁合成,推测miR319及其靶基因可能调控冬油菜根部次生细胞壁合成而响应低温胁迫。4.白菜型冬油菜PsbR基因的克隆及低温胁迫下表达分析采用DDRT-PCR和5′RACE技术从陇油7号叶中克隆到PsbR（Photosystem II subunit R）基因,该基因全长为570 bp,编码包含417 bp的一个完整开放阅读框ORF（Open reading frame）,其编码138个氨基酸,该基因编码的蛋白属于PsbR超家族,与甘蓝、山嵛菜和芥菜型油菜的PsbR蛋白具有较近的亲缘关系。实时荧光定量PCR分析发现,低温胁迫后,PsbR相对表达量下降,说明低温抑制PsbR基因的表达。结合低温胁迫后陇油7号Pn和Fv/Fm降低的趋势,推测陇油7号通过下调PsbR在低温条件下的表达来调控光合系统,使其Pn和Fv/Fm下降,增强光抑制程度来响应低温胁迫。
赵传纪[6]（2020）在《甘蓝型油菜叶色、花色和株高突变体的遗传分析与定位克隆》文中指出甘蓝型油菜是重要的油料作物,重要性状变异、基因定位和克隆是油菜遗传和育种研究的重要任务。本研究对EMS诱变产生的黄叶、黄白花和半矮杆突变体进行遗传分析、基因定位和基因克隆,并结合生理生化测定和转录组分析,探讨相关的性状形成机制。主要研究结果如下:1. 黄化叶突变体研究EMS诱变的起始材料为中双9号（ZS9）。突变体经多年自交,表型稳定。（1）黄化突变体与原对照材料ZS9相比,黄化叶突变体从子叶期开始每个发育阶段均表现为新生的心叶为黄色,随着植株的生长发育,黄叶慢慢变为淡绿色。整个生育期突变体叶片均呈现出先黄色后淡绿色的发育趋势。（2）选取七叶一心时期的突变体和原对照ZS9为研究对象,研究发现:突变体的心叶叶绿素含量明显低于ZS9,随着生长发育,老叶的叶绿素含量有所上升,但依旧显着性低于ZS9老叶叶绿素含量;透射电镜观察结果发现突变体的叶绿体发育滞缓。因此该突变体命名为yvl。有趣的是,ZS9和yvl心叶、老叶的净光合速率均无显着性差异。（3）遗传分析表明,yvl突变体叶色表型是由一对隐性核基因控制。利用混池重测序法（BSA-seq）将目标基因初步定位在A03染色体上1.0-4.0 Mb区域内。利用BC2F2代进一步精细定位,最终将候选基因yvl定位于70 kb的范围内。对候选区域内的14个ORFs（open reading frames）进行序列比对分析,发现只有基因Bna A03g04440D发生了突变,其突变是第五个外显子的一个C到T的碱基替换,导致该基因提前终止。该基因编码叶绿素合成途径中的镁离子螯合酶大亚基H（CHLH）,参与逆行信号途径对叶绿体发育有调控作用。对Bna A03.CHLH进行表达模式分析发现在各组织中均有表达,尤其在叶片中表达量最高。同源性分析发现在C03染色体上存在另外一个CHLH基因。与对照比较,yvl中的Bna C03.CHLH表达量显着性上调,暗示可能为功能补偿作用。（4）利用RNA-seq技术分别对ZS9和yvl的心叶、老叶进行转录组比较分析,发现yvl心叶中质体编码RNA聚合酶（PEP）的转录活性受到严重抑制,而参与光合作用相关的电子传递链,氧化还原反应以及光合作用复合体的基因表达量未受到影响。2. 黄白花突变体研究EMS诱变的起始材料为中双9号（ZS9）。突变体经多年自交,表型稳定。（1）黄白花突变体与原对照材料ZS9相比,突变体花瓣颜色为乳白色,介于黄色与白色之间。突变体在主花序长度、主花序角果数以及千粒重无显着性变化,而株高和一次分枝高度有不同程度的降低。（2）选取在盛花期的突变体和原对照材料ZS9的花瓣为研究对象,突变体花瓣中类胡萝卜素的总量与各组分含量均显着性低于ZS9;透射电镜观察结果发现突变体花瓣细胞中的质体数量显着减少且形状不饱满。因此该突变体命名为ywf。（3）遗传分析表明,ywf突变体花瓣颜色表型是由一对隐性核基因控制。利用BSA-seq将目标基因初步定位在A08染色体上11.0-17.0 Mb区域内。利用F2代进一步精细定位,最终将候选基因ywf定位于857 kb的范围内。在857 kb范围内只有一个C到T的变异位点,位于基因Bna A08g17170D第一个外显子末端导致基因的提前终止。该基因编码八氢番茄红素脱氢酶phytoene desaturase 3（PDS3）涉及类胡萝卜素生物合成途径。（4）对Bna A08.PDS3进行表达模式分析发现在各组织均有表达,尤其在花瓣中表达量最高。进化分析和共线性分析发现,A08染色体上PDS3基因发生断裂,形成两个PDS3基因Bna A08g17160D（Bna A08.PDS3;1）和Bna A08g17170D（Bna A08.PDS3;2）。（5）对ZS9和ywf盛开的花瓣进行转录组比较分析,发现KEGG显着性富集在类胡萝卜素的生物合成途径。类胡萝卜素生物合成途径相关基因差异表达分析发现在整个代谢通路中候选基因Bna A08.PDS3;2打断了类胡萝卜素的生物合成,导致类胡萝卜素合成不足。（6）对ZS9和ywf盛开的花瓣进行代谢组比较分析,发现共有59个差异显着的代谢物,其中类黄酮,黄烷酮和黄酮醇物质在ywf花瓣中全部上调。转录组与代谢组的联合分析发现差异基因和差异代谢物均在类黄酮生物合成显着富集,可能涉及油菜的抗病代谢途径和光保护机制。3. 半矮秆突变体研究EMS诱变的起始材料为中双9号（ZS9）。株高变矮突变体经多年自交,表型稳定。因该突变体株高110–120cm,所以命名为半矮秆突变体（sdw）。（1）sdw与ZS9相比从苗期开始发育缓慢,叶色偏绿,叶片向下弯曲且略微皱缩,成熟期平均株高110-120 cm,比ZS9降低约30%。（2）遗传分析表明,sdw突变体的株高是由两对隐性核基因（sdw1和sdw2）控制。为有效定位这两个基因,将sdw1和sdw2分离,并构建成两个独立分离群体。通过BSA-seq技术和精细定位方法,分别将候选基因sdw1定位于C03染色体上647 kb,sdw2定位于A02染色体的400 kb范围内。在sdw1的候选区域内,仅基因Bna C03g62810D保守区域中发生了C到T的碱基替换,导致由脯氨酸变为亮氨酸。Bna C03g62810D编码shaggy-like蛋白激酶BIN2,参与油菜素内酯和生长素的信号转导途径。在sdw2的候选区域内,基因Bna A02g17120D在突变体sdw茎杆中表达量显着性降低,该基因编码油菜素内酯信号转导途径中的正调控因子BZR1,且。因此预测控制sdw株高的两个候选基因分别是Bna C03.BIN2和Bna A02.BZR1。（3）对ZS9和sdw茎尖分生组织和现蕾后的茎秆进行了RNA-seq分析,发现在茎尖分生组织和现蕾期的茎杆中植物激素信号转导途径相关基因有显着性变化。对ZS9和sdw现蕾后茎杆中赤霉素（GA）,生长素（IAA）和油菜素内酯（BR）的含量测定发现,GA无显着性差异,而BR和IAA在sdw茎杆中显着性积累。因此推断sdw可能在BR和IAA信号转导途径出现异常。
李方一,李锦卫,黄璜,官梅,官春云[7]（2021）在《单株油菜叶面积田间无损测量方法和策略研究》文中提出为了实现单株油菜叶面积"无损、高精确度和高效率"的测量目标,提出了一套综合运用图像处理法、叶面积仪法、系数回归法（叶长宽积,以下缩写为L×W）和纸样称重法四种方法的单叶累加测量策略,并开展了相应的实证研究。测量精确度分析结果表明,图像处理法、叶面积仪法、系数回归法（L×W）均可实现油菜叶面积的田间无损精确测量,其中测量精确度图像处理法最高,叶面积仪法次之,系数回归法（L×W）最低,测量误差分别为2.94%、4.47%、6.01%。图像处理法测量叶面积,对于因拍摄角度差异造成的测量误差不明显。同一方法不同生育期建立相应校正模型更有利于精确的测量。测量效率分析结果表明,叶面积仪法测量效率最高,系数回归法（L×W）次之,图像处理法最低,但在人力可接受范畴内。结合不同生育期叶数和叶形特点,并科学处理"高精确度"和"高效率"之间的关系,制订了一个测量方案,叶宽大于12 cm的长柄叶主要通过图像处理法进行测量,叶宽小于12 cm的短柄叶、无柄叶主要以叶面积仪法测量,所有叶通过系数回归法（L×W）测量,用于少数残缺或漏测叶片的补充及对其他方法测量结果作对比分析,通过纸样称重法校正模型进行校正。该方案可为单株油菜叶面积田间无损测量提供技术支撑。
魏子奇[8]（2019）在《施氮量与播种量对麦后复种饲料（绿肥）油菜产量及品质的影响》文中研究指明为利用小麦收获后至冬季前这段时间的光、热、土地和土壤养分,解决冬春季青贮饲料的短缺及土壤培肥,本试验以华油杂62为供试品种,通过设置不同播种量和施氮量田间试验,测定不同处理下油菜的生长指标、养分吸收量、品质、鲜草产量及土壤理化性质,探讨不同播种量和施氮量对油菜生物学性质及油菜翻压对土壤的改良效果,从而确定最佳播种量及施氮量,主要结论如下:1、播种量在15.0-22.5 kg/hm2及施氮量在225-300 kg/hm2时有利于油菜地上部鲜重和干物质的累积;中高播种量和施氮量有助于提高油菜的氮（N）、磷（P205）、钾（K20）累积总量和累积速率。2、播种量为17.5-18.2 kg/hm2,饲料（绿肥）油菜鲜草产量可达到117.6-155.5 t/hm2;施氮量为225-300 kg/hm2,其鲜草产量可达86.5-104.5 t/hm2。3、饲料（绿肥）油菜茎的中性洗涤纤维和酸性洗涤纤维含量高于叶,叶的粗蛋白、粗脂肪和灰分含量优于茎;播种量的增加会造成叶的酸性洗涤纤维含量逐渐下降,提高氮肥的施用量利于其叶和茎的粗蛋白含量的增加;油菜叶和茎的中性洗涤纤维含量会随收获期延长而增加,但粗蛋白、粗脂肪、灰分和酸性洗涤纤维含量会下降。4、对于0-20 cm的耕层土壤,翻压油菜根量8100 kg/hm2的土壤有机质含量高于其它翻压根量的土壤有机质含量1.67%;随其翻压根量增加,土壤的有机质含量增加,碱解氮和速效钾含量下降。综上,就宁夏引黄灌区而言,适当增加播种量与氮肥量及延长收获期,均能提高饲料（绿肥）油菜的生物产量。饲料（绿肥）油菜的播种量在17.5-18.2 kg/hm2和施氮量在225-300 kg/hm2增产效果明显,在出苗后54 d收获时品质最佳。
邱春荣[9]（2019）在《油菜高光谱特征信息融合与建模研究》文中研究表明高光谱遥感（Hyperspectral Remote Sensing）技术因其信息量大、便捷无损、自动化程度高等优点,已经成为精准农业的重要技术手段之一。众多的科技工作者在农作物高光谱遥感长势监测、大田作物生产灾害预测与评估、产量估测等方面开展了大量的研究工作,而主要的研究思路是通过一定的数据处理工具、统计方法和数学运算提取高光谱敏感波段,构建特征光谱指数,并与作物生化参数进行建模。这种方法仅仅利用了高光谱数据中的一到两个特征波段信息,简单易行、计算量小,具有明显的优点,但也浪费了大量的高光谱特征信息。近年来,随着云计算、物联网、大数据和人工智能技术的发展和应用,如何深入挖掘高光谱数据中的有用信息,进一步优化和提升高光谱应用模型的反演精度和可靠性,就成为亟待研究的领域。本文以油菜为研究对象,在高光谱特征波段组合、双特征参数和多特征参数融合、机器学习算法在高光谱信息融合中的应用等方面展开了研究,旨在为高光谱农业特征信息融合的研究领域提供一定的理论借鉴和实践积累。1.提出了高光谱连续特征波段信息累积特征参数的构建方法。该方法通过Sigma数学变换对归一化植被指数NDVI进行高光谱特征波段信息累积,构建了AVNDVI系列衍生参数。研究表明:累积性AVNDVI衍生参数与油菜叶面积指数均有较好的相关性,其中AGRNDVI和AGNDVI的反演效果最好,决定系数R2分别为0.7252和0.729;各累积型植被指数与其原型植被指数的LAI回归方程在拟合系数方面均有不同程度的提高,幅度一般在1.5%左右,指数ABNDVI的回归模型决定系数比BNDVI提升了4.74%,提高幅度比较明显。本研究还对油菜冠层LAI估测模型进行了验证,结果表明AGDNVI、ANDVI、AGBNDVI、AGRNDVI等累积型植被指数的反演模型具有良好的适用性。模型的抗干扰性分析则表明:引入更多的高光谱特征信息后,AVNDVI系列参数的抗干扰能力得到较大幅度的提高,但同时模型的敏感性也相应地下降,因此在测量背景复杂、干扰信息较强的情况下,可以考虑选择AVNDVI进行LAI反演估测。2.提出了高光谱遥感数据间隔特征波段信息累积型特征参数的构建方法。该方法在高光谱特征波段范围内按照一定的间隔选取敏感波段,构建了间隔波段累积型植被指数IAVI,并与油菜冠层叶片SPAD进行了估测建模。研究表明:IANDVI、IARVI、IAGNDVI和IABNDVI均比对应的衍生前植被指数反演模型性能有所提升,其中IAGNDVI提升幅度最大,R2提高了0.0257,RMSE下降幅度为0.117,IABNDVI与BNDVI相比,模型性能优化幅度也较为明显,△（R2）和△RMSE分别为0.0232和-0.051。在验证数据分析中,IANDVI和IAGNDVI的三个评价指标都分别优于NDVI和GNDVI,IABNDVI在R2和RMSE两个指标上优于BNDVI,仅在RE方面比BNDVI模型略高。敏感性和抗干扰性分析则表明:IAVI模型在抗干扰性方面具有一定的优势。因此在高光谱测量背景复杂、干扰因素较多的情况下,IAVI特征参数反演是值得考虑的方案。3.根据统计模型常用评价指标提出了四种加权融合方法:均方根误差倒数法（RR）、决定系数加权法（RS）、最优均方根误差加权法（OR）和最优决定系数加权法（ORS）,在此基础上遴选SDr、Rrb等六个光谱特征参数和RVI、NDVI等八个光谱特征参数分别开展了油菜冠层LAI双模型融合和冠层叶片SPAD多模型融合研究。结果表明:双参数融合模型比单参数回归模型在整体性能上具有明显优势,在所分析的15个融合模型中,有12个模型的决定系数和均方根误差优于单参数回归模型,其中F(SD,ρ2))的叶面积指数OR/ORS回归模型,融合后模型的?（R2）为0.0904,?（RMSE）下降幅度为0.0617;回归模型在融合过程中能够同时实现决定系数最大而RMSE值最小,从而实现OR和ORS融合模型合二为一;在自变量与因变量具有一定相关性基础的前提下,参与融合的特征参数之间相关性越强,融合效果往往越不显着,反之,相关性较弱时,融合模型可能更具优势。而多参数融合研究结果则表明:所研究的21个多参数融合模型中有19个模型比融合前的单参数回归模型具有更高的准确性和可靠性,模型的调整决定系数Adj＿R2均有不同程度的提高,而RMSE值则相应下降。另外,模型验证结果还表明:OR/ORS回归模型在训练时表现了优于RS和RR模型,但在泛化性能上却可能出现弱于RS和RR模型的现象。4.基于BP神经网络、支持向量机SVM和和偏最小二乘多元线性回归PLS-LR构建了油菜冠层叶片SPAD的双参数和多参数信息融合回归模型。对比分析发现,BPNN融合模型精度高,泛化性能好,整体上具有明显的优势;RR、RS和OR/ORS融合方法也具有较好的融合效果,在一些参数组的融合模型性能甚至优于BPNN模型,表现了较高的应用价值,PLS-LR和SVM方法则整体表现一般。在多参数融合的起始阶段（双参数融合、三参数融合、四参数融合）冗余信息作用明显,往往融合效果较为显着,融合模型决定系数提升幅度和均方根误差下降幅度明显,而在后续融合过程中模型性能的优化幅度整体平缓。因此随着融合过程的推进,应更加谨慎地选用融合特征参数。
汤亮[10]（2006）在《油菜生长模拟与决策支持系统研究》文中指出作物生长模型与决策支持系统的研究和广泛应用对于农业生产的信息化和数字化有重要的理论意义和应用价值。本研究借鉴国际上先进的建模理论和本实验室形成的作物模拟方法体系和基本框架，运用系统分析原理和动态建模技术，通过不同类型品种的播期和氮素试验对油菜生长发育的基本规律及其与环境因子之间的关系予以定量解析和综合，构建了一个基于生理生态过程的油菜生长模拟模型；采用面向对象技术、软构件技术及决策支持技术，构建了符合COM标准的油菜生长模型组件，进一步研制了基于生长模型的油菜管理决策支持系统（包括单机版、网络版），实现了在网络和单机环境下油菜生长动态模拟预测和管理决策支持功能，为数字化油作系统的构建奠定了基础。以油菜生理生态过程为基础，通过定量分析油菜对温度（包括春化作用）和光周期的反应，构建了以生理发育时间为尺度的油菜生育期模拟模型。每日生理发育时间由每日生理效应累积形成，每日热效应、春化效应、光周期效应与品种灌浆速率互作共同决定每日生理效应大小。模型通过引入温度敏感性、生理春化时间、光周期敏感性和基本灌浆因子4个参数反应不同油菜品种的遗传差异，从而使得每个油菜品种达到特定生育时期所需的生理发育时间恒定。建立油菜叶面积指数模拟模型综合基于库或源限制下的叶面积增长模式，其中库限制下叶面积指数的增长呈指数方程，且受到温度、水分和氮素因子的影响；源限制下叶面积指数增长用比叶面积法来模拟。油菜角果面积指数由比角果面积和角果干物重来决定。比叶面积和比角果面积均为生理发育时间的函数。针对油菜冠层生态结构的特点，构建了油菜光合作用和干物质积累的模拟模型。采用“三层模型”法，即通过对花、角果、叶三层分别计算光能截获和光合作用，利用高斯积分法计算每层的光合量而得出每日的冠层总同化量。模型充分量化了油菜生理年龄、温度、氮素、水分等因子对最大光合速率的影响，同时考虑了维持呼吸与生长呼吸的消耗，使模型具有较强的机理性和通用性。利用油菜器官生育进程及环境因子之间的定量关系，构建了基于分配指数的油菜地上部器官干物质分配动态模拟模型。各器官干物质分配指数随着生理发育时间而动态变化，基因型、播期、氮素及水分水平对各器官干物质分配指数的模式没有显着影响，但影响各器官干物质分配指数的大小。其中，氮素营养水平对绿色叶片干物重分配影响最大，氮素营养水平越高，绿色叶片分配指数越大；播期影响角果分配指数，晚播的角果分配指数高于早播。模型引入氮素营养指数、水分影响因子及播期影响因子来定量油菜各器官在实际生产条件下的分配强度，同时考虑了品种遗传特性的影响。进一步结合实验室已有的水分平衡模型和养分平衡模型，集成建立了综合性油菜生长模拟模型（RapeGrow），包括阶段发育、器官生长、光合作用与光合作用与物质生产，物质分配与产量形成，水分平衡和养分平衡等。利用不同品种的播期试验和氮肥试验的资料对建立的模型进行了初步的校正和核实，结果表明，模型能较好的预测油菜的油菜主要生育期、绿色面积指数增长和消亡动态、干物质积累和分配动态以及籽粒产量。模型总体上具有较好的机理性、预测性和适应性。通过定量分析冬油菜绿色面积指数动态与品种类型、生态环境和生产技术水平之间的关系，运用系统工程与动态建模的方法，以基于生理发育时间的动态生长度日为主线，建立了定量化和广适性的冬油菜适宜绿色面积指数动态设计的知识模型，包括群体叶面积指数动态和角果面积指数动态。利用不同生态点的常年逐日气象资料以及不同品种类型、产量目标资料对所建知识模型进行了实例分析，表明知识模型对不同条件下冬油菜适宜绿色面积指数的设计具有较好的可靠性和适用性。在气象因子、土壤条件、品种特征和栽培管理数据库的支持下，利用作物生长模拟技术、决策支持技术、计算机软构件技术，构建了基于生长模型的油菜管理决策支持系统（GMDSSRSM），包括单机版（GMDSSRSMA）和网络版（GMDSSRSMW）。其中单机版系统利用VB和VC++语言编程实现，网络版系统在．net平台上用C#语言开发系统，分别具有数据管理、模拟预测、方案评估、时空分析、敏感性分析、专家咨询、系统帮助等功能。本研究所建立的油菜生长模型及决策支持系统为进一步构建数字化油作系统奠定了技术基础。
二、油菜叶面积计算方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、油菜叶面积计算方法（论文提纲范文）
（1）油菜叶面积和叶鲜重估计研究（论文提纲范文）
| 0引言 |
| 1材料与方法 |
| 1.1样本植株培育 |
| 1.2取样方法 |
| 1.3数据处理和分析 |
| 2结果与分析 |
| 2.1 2013—2014年油菜叶面积(LA)和叶鲜重(FW)建模分析 |
| 2.2 2014—2015年油菜叶面积(LA)和叶鲜重(FW)建模分析 |
| 3结论 |
| 4讨论 |
| 4.1不同施肥水平、栽种方式对油菜的影响 |
| 4.2油菜叶面积、叶鲜重建模估算 |
（2）基于多源遥感数据的油菜长势监测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 作物叶面积指数研究进展 |
| 1.2.2 作物长势、产量遥感估计研究进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第二章 油菜叶面积和叶鲜重估计研究 |
| 2.1 材料与方法 |
| 2.1.1 试验设计 |
| 2.1.2 采样 |
| 2.1.3 叶片的鲜重(FW)、叶长(L)和叶宽(W)的测定 |
| 2.1.4 叶面积(LA)测定 |
| 2.1.5 数据处理和分析 |
| 2.1.6 模型质量评价 |
| 2.2 不同氮磷硼（NPB）水平叶面积(LA)和叶鲜重(FW)建模分析 |
| 2.2.1 油菜叶片数据统计特征值 |
| 2.2.2 叶面积和叶鲜重模型对比分析 |
| 2.3 不同施氮水平、栽种方式叶面积(LA)和叶鲜重(FW)建模分析 |
| 2.3.1 油菜叶片数据统计特征值 |
| 2.3.2 叶面积和叶鲜重模型对比分析 |
| 2.4 本章小结 |
| 第三章 基于高光谱的油菜叶面积指数估计 |
| 3.1 材料与方法 |
| 3.1.1 试验设计 |
| 3.1.2 冠层光谱反射率测量 |
| 3.1.3 叶面积指数（LAI）测量 |
| 3.1.4 气象数据测量 |
| 3.1.5 光谱特征参数、植被指数 |
| 3.1.6 数据处理和分析 |
| 3.2 结果与分析 |
| 3.2.1 各施氮水平油菜叶面积指数变化 |
| 3.2.2 各施氮水平油菜冠层光谱反射率与LAI相关分析 |
| 3.2.3 不同生育期油菜叶面积指数建模与验证 |
| 3.2.4 全生育期油菜叶面积指数建模与验证 |
| 3.3 本章小结 |
| 第四章 基于HJ-地面LAI-产量模型的油菜产量估计 |
| 4.1 研究区概况 |
| 4.2 材料与方法 |
| 4.2.1 试验小区设计 |
| 4.2.2 试验小区叶面积指数（LAI）测量 |
| 4.2.3 试验小区产量 |
| 4.2.4 地面调查点（LAI）测量 |
| 4.2.5 武穴市耕地分布 |
| 4.2.6 遥感影像预处理 |
| 4.2.7 遥感影像提取植被指数 |
| 4.3 结果与分析 |
| 4.3.1 试验小区数据统计特征值 |
| 4.3.2 试验小区产量预测 |
| 4.3.3 油菜种植分布信息提取 |
| 4.3.4 油菜叶面积指数建模及反演 |
| 4.3.5 油菜单产估计 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要成果与结论 |
| 5.2 创新点 |
| 5.3 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（3）基于高光谱的油菜叶面积指数估计（论文提纲范文）
| 1 材料与方法 |
| 1.1 植株培育 |
| 1.2 冠层光谱反射率观测 |
| 1.3 叶面积指数测量 |
| 1.4 提取光谱特征参数、植被指数 |
| 1.5 数据处理和分析 |
| 2 结果与分析 |
| 2.1 不同生育期各施氮水平油菜叶面积指数变化 |
| 2.2 不同生育期油菜冠层光谱反射率与LAI相关分析 |
| 2.3 不同生育期油菜叶面积指数建模与验证 |
| 2.4 6叶期至角果期油菜叶面积指数建模与验证 |
| 3 讨论 |
| 3.1 不同施氮水平对油菜叶面积指数的影响 |
| 3.2 6叶期至角果期油菜叶面积指数建模与验证 |
（4）基于计算机视觉的水稻、油菜叶色—氮营养诊断机理与建模（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 图表目录 |
| 第一章 绪论 |
| 1 课题的研究背景 |
| 2 课题的研究意义 |
| 3 国内外研究现状 |
| 4 论文的研究内容、目标和技术路线 |
| 4.1 论文的研究内容 |
| 4.2 论文的研究目标 |
| 4.3 论文的研究技术路线 |
| 5 论文的结构安排 |
| 第二章 试验材料与方法 |
| 1 材料与地点 |
| 1.1 水稻 |
| 1.2 油菜 |
| 2 试验设计与方法 |
| 2.1 水稻 |
| 2.2 油菜 |
| 3 常规测定项目与方法 |
| 3.1 叶绿素含量测定 |
| 3.2 氮含量 |
| 3.3 SPAD值测定 |
| 4 数据统计处理 |
| 5 图像获取方法 |
| 5.1 室内环境 |
| 5.2 大田环境 |
| 6 图像预处理方法 |
| 7 颜色空间与指标 |
| 7.1 颜色空间 |
| 7.2 颜色指标 |
| 8 叶片面积计算方法 |
| 9 图像分析方法 |
| 9.1 网格分析法 |
| 9.2 同心圆分析法 |
| 9.3 颜色域分析法 |
| 10 图像分析软件 |
| 第三章 光照问题研究 |
| 1. 光照问题概述 |
| 1.1 传感器成像模型 |
| 1.2 对角模型 |
| 1.3 表面反射模型 |
| 1.4 颜色恒常性算法 |
| 2. 研究中存在的主要光照问题 |
| 2.1 光照亮度问题 |
| 2.2 光照颜色问题 |
| 2.3 户外光照影响叶片表面颜色的问题 |
| 3. 光照亮度补偿 |
| 3.1 方法 |
| 3.2 结果与分析 |
| 4. 色偏检测 |
| 4.1 图像统计特征分析 |
| 4.2 方法 |
| 4.3 结果与分析 |
| 4.3.1 三种色偏检测方法性能比较 |
| 4.3.2 RGB检测方法性能的测试结果 |
| 5. 色偏校正 |
| 5.1 方法 |
| 5.1.1 颜色恒常性算法 |
| 5.1.2 色偏校正方法 |
| 5.1.3 误差度量和性能评价方法 |
| 5.2 结果 |
| 5.2.1 基于566幅偏黄色叶片图像集的实验结果 |
| 5.2.2 基于360幅偏绿色叶片图像集的实验结果 |
| 5.2.3 基于216幅偏蓝色叶片图像集的实验结果 |
| 5.2.4 基于542幅正常叶片图像集的实验结果 |
| 5.3 图像光照校正示例 |
| 6. 讨论与结论 |
| 7. 小结 |
| 第四章 图像分析技术问题研究 |
| 1. 图像分析技术概述 |
| 1.1 基本流程 |
| 1.2 灰度化 |
| 1.3 图像分割 |
| 1.4 数学形态学处理 |
| 2. 图像分析中存在的主要问题 |
| 2.1 图像背景分割问题 |
| 2.2 图像分割的精确与模糊问题 |
| 2.3 叶表面空间分布的网格划分问题 |
| 3. 图像分割 |
| 3.1 方法 |
| 3.1.1 待比较的分割方法 |
| 3.1.2 误差度量和性能评价方法 |
| 3.2 结果与分析 |
| 3.2.1 分割误差实验结果 |
| 3.2.2 相关系数实验结果 |
| 3.2.3 主观评价 |
| 4. 外接矩形计算 |
| 4.1 方法 |
| 4.1.1 外接矩形计算方法 |
| 4.1.2 误差度量和性能评价方法 |
| 4.2 结果与分析 |
| 4.2.1 人工测量倾斜角度的可靠性 |
| 4.2.2 基于226幅油菜叶片(314片)图像集的角度误差实验结果 |
| 4.2.3 基于120幅水稻叶片(420片)图像集的角度误差实验结果 |
| 4.2.4 主观评价 |
| 5. 讨论与结论 |
| 6. 小结 |
| 第五章 敏感特征与空间选择问题研究 |
| 1. 敏感特征与空间选择问题概述 |
| 2. 敏感颜色特征选择 |
| 2.1 方法 |
| 2.1.1 敏感颜色特征标准 |
| 2.1.2 基于最大相关性的敏感颜色特征选择方法 |
| 2.2 结果与分析 |
| 2.2.1 室内环境下叶片水平敏感颜色空间与指标筛选结果 |
| 2.2.2 室外环境下叶片水平敏感颜色特征筛选结果 |
| 2.2.3 室内环境下植株水平敏感颜色特征筛选结果 |
| 2.2.4 室外环境下植株冠层水平敏感颜色特征筛选结果 |
| 2.2.5 室外环境下冠层水平敏感颜色特征筛选结果 |
| 3. 叶色时空分布规律与形成机理 |
| 3.1 方法 |
| 3.2 结果与分析 |
| 3.2.1 氮含量分布特征 |
| 3.2.2 叶片水平敏感颜色特征空间分布规律 |
| 3.2.3 植株冠层水平敏感颜色特征空间分布规律 |
| 3.2.4 群体冠层水平敏感颜色特征时间分布规律 |
| 4. 敏感空间选择 |
| 4.1 方法 |
| 4.2 结果与分析 |
| 4.2.1 叶片水平敏感空间选择结果 |
| 4.2.2 植株叶位水平敏感空间选择结果 |
| 4.2.3 植株冠层水平敏感空间选择结果 |
| 5. 讨论与结论 |
| 6. 小结 |
| 第六章 建模问题研究 |
| 1. 建模方法概述 |
| 1.1 线性回归 |
| 1.2 稳健线性回归 |
| 1.3 多项式回归 |
| 1.4 逐步判别回归 |
| 1.5 支持向量回归与支持向量机 |
| 1.6 极限学习机 |
| 1.7 神经网络 |
| 1.8 线性判别分析 |
| 1.9 模型性能评价指标 |
| 2. 建模中存在的主要问题 |
| 2.1 线性与非线性问题 |
| 2.2 建模方法的稳定性问题 |
| 2.3 模型的泛化性问题 |
| 3. 定量回归模型构建 |
| 3.1 线性与非线性模型比较 |
| 3.2 模型稳定性比较 |
| 3.3 模型泛化性比较 |
| 3.4 定量回归模型 |
| 3.4.1 水稻定量回归模型 |
| 3.4.2 油菜定量回归模型 |
| 4. 定性诊断模型构建 |
| 4.1 定性诊断样本集 |
| 4.2 特征选择 |
| 4.3 定性诊断模型 |
| 4.3.1 水稻定性诊断模型及诊断结果 |
| 4.3.2 油菜定性诊断模型及诊断结果 |
| 4.3.3 水稻和油菜定性诊断混合模型及诊断结果 |
| 5. 讨论与结论 |
| 6. 小结 |
| 第七章 全文主要结论及创新点 |
| 1. 全文主要结论 |
| 2. 主要创新点 |
| 参考文献 |
| 附录A |
| 致谢 |
| 作者简介 |
（5）白菜型冬油菜抗寒生理基础及分子机理研究（论文提纲范文）
| 摘要 |
| SUMMARY |
| 缩略词表 |
| 第一章 文献综述 |
| 1.1 植物耐低温的生理基础及结构特征 |
| 1.1.1 光合生理 |
| 1.1.2 气孔性状 |
| 1.1.3 叶片结构 |
| 1.1.4 内源激素 |
| 1.2 植物耐低温的分子机制 |
| 1.2.1 蛋白质组学研究进展 |
| 1.2.2 植物microRNA研究进展 |
| 1.2.3 光合蛋白及基因与植物耐低温性 |
| 1.3 白菜型冬油菜耐低温研究进展 |
| 1.4 研究目的、主要内容与技术路线 |
| 1.4.1 研究目的 |
| 1.4.2 主要研究内容 |
| 1.4.3 技术路线 |
| 1.4.4 本研究创新点 |
| 第二章 低温对白菜型冬油菜生理特性的影响 |
| 2.1 材料与方法 |
| 2.1.1 试验材料 |
| 2.1.2 试验设计 |
| 2.1.3 试验方法 |
| 2.2 结果与分析 |
| 2.2.1 白菜型冬油菜叶片气孔性状和结构特征的观察 |
| 2.2.2 低温对白菜型冬油菜叶片光合特性的影响 |
| 2.2.3 低温对白菜型冬油菜总多酚含量的影响 |
| 2.2.4 低温对白菜型冬油菜内源激素含量的影响 |
| 2.2.5 低温胁迫对白菜型冬油菜叶片理化指标的影响 |
| 2.2.6 低温胁迫对白菜型冬油菜根理化指标的影响 |
| 2.3 讨论 |
| 2.3.1 低温对白菜型冬油菜叶片气孔性状和结构特征的影响 |
| 2.3.2 低温对白菜型冬油菜叶片光合特性的影响 |
| 2.3.3 低温对白菜型冬油菜总多酚含量的影响 |
| 2.3.4 低温对白菜型冬油菜内源激素含量的影响 |
| 2.3.5 低温胁迫对白菜型冬油菜理化指标的影响 |
| 第三章 基于ITRAQ技术对低温胁迫的白菜型冬油菜蛋白组学研究 |
| 3.1 材料与方法 |
| 3.1.1 材料及设计 |
| 3.1.2 蛋白质提取和iTRAQ分析 |
| 3.1.3 多肽分离及液相色谱-串联质谱联用(LC-MS/MS)分析 |
| 3.1.4 iTRAQ蛋白鉴定与定量分析 |
| 3.1.5 总RNA提取及qRT-PCR基因表达分析 |
| 3.2 结果与分析 |
| 3.2.1 低温胁迫下白菜型冬油菜蛋白质鉴定与定量测定 |
| 3.2.2 低温胁迫下白菜型冬油菜差异富集蛋白(DAPs)的鉴定与分析 |
| 3.2.3 差异富集蛋白(DAPs)的GO注释 |
| 3.2.4 低温胁迫下白菜型冬油菜DAPs的 KEGG富集分析 |
| 3.2.5 qRT-PCR验证白菜型冬油菜差异蛋白在转录水平的表达 |
| 3.3 讨论 |
| 3.3.1 低温胁迫下与光合作用相关蛋白的丰度变化 |
| 3.3.2 低温胁迫下与能量和碳代谢相关蛋白的丰度下调 |
| 3.3.3 低温胁迫下与核糖体相关的蛋白的丰度变化 |
| 3.3.4 低温胁迫下与次生代谢产物合成相关的蛋白丰度变化 |
| 3.3.5 低温胁迫下与亚麻酸代谢相关蛋白的丰度下调 |
| 3.3.6 低温胁迫下与抗坏血酸和醛酸代谢相关蛋白的丰度下调 |
| 第四章 白菜型冬油菜低温胁迫响应microRNAS鉴定与功能分析 |
| 4.1 材料与方法 |
| 4.1.1 材料及设计 |
| 4.1.2 RNA分离、文库构建和测序 |
| 4.1.3 miRNAs测序数据分析 |
| 4.1.4 miRNAs的差异表达分析 |
| 4.1.5 靶基因预测与富集分析 |
| 4.1.6 qRT-PCR验证miRNA及其靶基因的表达 |
| 4.2 结果与分析 |
| 4.2.1 白菜型冬油菜sRNA测序概况 |
| 4.2.2 低温胁迫下白菜型冬油菜miRNAs的鉴定 |
| 4.2.3 低温胁迫下白菜型冬油菜miRNAs的差异表达 |
| 4.2.4 低温胁迫下比较分析白菜型冬油菜品种间差异表达miRNAs |
| 4.2.5 低温胁迫下白菜型冬油菜miRNAs的靶基因的预测及GO分析 |
| 4.2.6 qRT-PCR验证miRNAs及其靶基因的表达 |
| 4.3 讨论 |
| 第五章 白菜型冬油菜PsbR基因克隆及低温胁迫下表达分析 |
| 5.1 材料与方法 |
| 5.1.1 材料及设计 |
| 5.1.2 mRNA差异显示技术分析 |
| 5.1.3 cDNA差异片段的回收、测序及分析 |
| 5.1.4 候选基因5′Race序列扩增 |
| 5.1.5 生物信息学分析 |
| 5.1.6 PsbR基因的表达分析 |
| 5.2 结果与分析 |
| 5.2.1 低温胁迫下陇油7号叶片差异片段的分离与回收 |
| 5.2.2 低温胁迫下陇油7号叶片全长基因的获得及序列分析 |
| 5.2.3 低温胁迫下白菜型冬油菜叶片PsbR基因的表达分析 |
| 5.3 讨论 |
| 第六章 全文结论及研究展望 |
| 一、全文结论 |
| 二、研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 表S1 L7TR/L7CK之间差异富集蛋白(DAPS) |
| 表S2 T4TR/T4CK之间差异富集蛋白(DAPS) |
| 表S3 L7CK/T4CK之间差异富集蛋白(DAPS) |
| 表S4 L7TR/T4TR之间差异富集蛋白(DAPS) |
| 表S5 7RTR/7RCK之间表达上调差异富集蛋白(DAPS) |
| 表S6 7RTR/7RCK之间表达下调差异富集蛋白(DAPS) |
| 表S7 4RTR/4RCK之间表达上调差异富集蛋白(DAPS) |
| 表S8 4RTR/4RCK之间表达下调差异富集蛋白(DAPS) |
| 表S9 7RTR/4RTR之间的差异富集蛋白(DAPS) |
| 表S10 L7TR/T4TR之间差异富集蛋白(DAPS)代谢通路 |
| 表S11 7RTR/4RTR之间差异富集蛋白(DAPS)的KEEG代谢通路 |
| 表S12 白菜型冬油菜中具有STAR序列的新MIRNAS |
| 表S13 白菜型冬油菜中预测到MIRNA靶基因 |
| 作者简介 |
| 在读期间发表论文和研究成果 |
| 导师简介 |
（6）甘蓝型油菜叶色、花色和株高突变体的遗传分析与定位克隆（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 甘蓝型油菜叶色突变体的研究 |
| 1.文献综述 |
| 1.1 植物叶片颜色的研究意义 |
| 1.2 植物叶片的变异机制 |
| 1.2.1 叶绿素的合成代谢 |
| 1.2.2 叶绿素的降解代谢 |
| 1.2.3 叶绿体的分化发育及调控 |
| 1.2.4 其他代谢途径 |
| 1.3 甘蓝型油菜叶片颜色的研究进展 |
| 1.4 图位克隆的基本策略 |
| 1.4.1 基因定位群体的构建 |
| 1.4.2 分子标记的开发 |
| 1.4.3 甘蓝型油菜图位克隆的研究进展 |
| 1.4.4 BSA-seq在图位克隆中的应用 |
| 1.4.5 KASP分型技术在图位克隆中的应用 |
| 1.4.6 候选基因的预测及筛选 |
| 1.5 本研究的目的和意义 |
| 2.材料与方法 |
| 2.1 实验材料 |
| 2.1.1 植物材料 |
| 2.1.2 载体与菌株 |
| 2.1.3 分析软件 |
| 2.1.4 实验仪器 |
| 2.1.5 实验试剂 |
| 2.2 实验方法 |
| 2.2.1 表型鉴定及各农艺性状的考察 |
| 2.2.2 叶绿素含量及光合速率的测定 |
| 2.2.3 叶绿体超微结构的观察 |
| 2.2.4 叶色突变体的遗传分析 |
| 2.2.5 BSA-seq文库的构建测序以及数据分析 |
| 2.2.6 精细定位及候选基因的克隆 |
| 2.2.6.1 多态性分子标记的开发 |
| 2.2.6.2 精细定位群体的构建 |
| 2.2.7 候选基因的筛选 |
| 2.2.7.1 候选基因的扩增 |
| 2.2.7.2 重组载体的构建及测序 |
| 2.2.7.3 基因序列分析 |
| 2.2.8 RNA的提取、r RNA分析以及荧光定量实验 |
| 2.2.9 转录组文库的构建、测序及分析 |
| 3.结果与分析 |
| 3.1 yvl突变体的表型鉴定 |
| 3.2 叶绿素含量,光合速率的测定和叶绿体超微结构的观察 |
| 3.3 yvl的遗传分析 |
| 3.4 BSA-seq快速界定Bnayvl初定位候选区域 |
| 3.5 Bna A03.yvl的精细定位 |
| 3.6 Bna A03.yvl候选基因的确定及初步研究 |
| 3.6.1 候选基因的确定 |
| 3.6.2 Bna A03.CHLH的初步研究 |
| 3.7 ZS9和突变体yvl的差异表达分析 |
| 3.7.1 RNA-seq的基本数据分析 |
| 3.7.2 质体发育相关基因表达分析 |
| 3.7.3 光合作用相关基因的差异表达分析 |
| 4.讨论 |
| 4.1 多倍体作物的图位克隆 |
| 4.2 CHLH基因结构域VI的重要性 |
| 4.3 Bna A03.CHLH和 Bna C03.CHLH在 yvl中的功能分化 |
| 4.4 yvl的应用 |
| 第二章 甘蓝型油菜花色突变体的研究 |
| 1.文献综述 |
| 1.1 植物花色表型的意义 |
| 1.2 高等植物类胡萝卜素的研究 |
| 1.2.1 类胡萝卜素的生物合成代谢 |
| 1.2.2 类胡萝卜素的降解代谢 |
| 1.2.3 类胡萝卜素的调控代谢 |
| 1.3 油菜花瓣颜色的研究进展 |
| 1.3.1 油菜花色变异材料的类型及来源 |
| 1.3.2 油菜花色性状相关的遗传规律 |
| 1.3.3 油菜花色相关基因的定位与克隆 |
| 1.4 八氢番茄红素脱氢酶的研究进展 |
| 1.5 本研究的目的和意义 |
| 2.材料与方法 |
| 2.1 实验材料 |
| 2.1.1 植物材料 |
| 2.1.2 载体与菌株 |
| 2.1.3 分析软件 |
| 2.1.4 实验仪器 |
| 2.1.5 实验试剂 |
| 2.2 实验方法 |
| 2.2.1 表型鉴定及各农艺性状的考察 |
| 2.2.2 类胡萝卜素总量及各单体含量的测定 |
| 2.2.3 花瓣质体超微结构的观察 |
| 2.2.4 花色突变体的遗传分析 |
| 2.2.5 BSA-seq文库的构建测序以及数据分析 |
| 2.2.6 精细定位及候选基因的克隆 |
| 2.2.6.1 多态性分子标记的开发 |
| 2.2.6.2 精细定位群体的构建 |
| 2.2.7 候选基因的筛选 |
| 2.2.7.1 候选基因的扩增 |
| 2.2.7.2 重组载体的构建及测序 |
| 2.2.7.3 候选基因进化分析及共线性分析 |
| 2.2.8 RNA的提取,c DNA的合成以及荧光定量实验 |
| 2.2.9 转录组文库的构建、测序及分析 |
| 2.2.10 花瓣代谢组分析 |
| 3.结果与分析 |
| 3.1 ywf突变体的表型鉴定 |
| 3.2 花瓣类胡萝卜素总含量的测定和质体超微结构的观察 |
| 3.3 ywf的遗传分析 |
| 3.4 BSA-seq快速界定Bnaywf初定位候选区域 |
| 3.5 Bna A08.ywf的精细定位 |
| 3.6 Bna A08.ywf候选基因的确定及初步研究 |
| 3.6.1 候选基因的确定 |
| 3.6.2 Bna A08.YWF的初步研究 |
| 3.7 ZS9和突变体ywf的差异表达分析 |
| 3.7.1 RNA-seq的基本数据分析 |
| 3.7.2 类胡萝卜素合成途径的差异表达分析 |
| 3.8 ZS9和突变体ywf的代谢组差异分析 |
| 4.讨论 |
| 4.1 油菜花色主要涉及类胡萝卜素相关代谢及调控 |
| 4.2 候选基因的确定及其在芸薹属中的进化 |
| 4.3 PDS3基因可能涉及植物防御反应与光保护作用 |
| 4.4 展望 |
| 第三章 甘蓝型油菜半矮秆突变体的遗传及候选基因定位 |
| 1 文献综述 |
| 1.1 植物株型与作物育种 |
| 1.2 高等植物矮化的分子机理 |
| 1.2.1 油菜素内酯与植物的生长发育 |
| 1.2.1.1 油菜素内酯的生物合成及运输过程 |
| 1.2.1.2 油菜素内酯的信号转导途径 |
| 1.2.2 赤霉素与植物的生长发育 |
| 1.2.2.1 赤霉素的生物合成及转运过程 |
| 1.2.2.2 赤霉素的信号转导途径 |
| 1.2.3 生长素与植物的生长发育 |
| 1.2.3.1 生长素的生物合成途径及运输 |
| 1.2.3.2 生长素的信号转导途径 |
| 1.3 作物矮化突变体的遗传学研究 |
| 1.4 甘蓝型油菜株高的研究 |
| 1.4.1 甘蓝型油菜株高的研究现状 |
| 1.4.2 甘蓝型油菜矮化基因的研究进展 |
| 1.5 本研究的目的和意义 |
| 2 材料与方法 |
| 2.1 植物材料 |
| 2.1.2 载体与菌株 |
| 2.1.3 分析软件 |
| 2.1.4 实验仪器 |
| 2.1.5 实验试剂 |
| 2.2 实验方法 |
| 2.2.1 表型鉴定及各农艺性状的考察 |
| 2.2.2 株高突变体的遗传分析 |
| 2.2.3 sdw定位群体的构建及株高的考察 |
| 2.2.4 BSA-seq文库的构建测序以及数据分析 |
| 2.2.5 多态性分子标记的开发 |
| 2.2.6 候选基因的扩增 |
| 2.2.7 重组载体的构建及测序 |
| 2.2.8 候选基因进化分析 |
| 2.2.9 RNA的提取,c DNA的合成以及荧光定量实验 |
| 2.2.10 转录组文库的构建、测序及分析 |
| 3 结果与分析 |
| 3.1 sdw突变体的表型鉴定 |
| 3.2 sdw突变体的遗传分析 |
| 3.3 Bnasdw1 基因的图位克隆及初步研究 |
| 3.3.1 BSA-seq快速界定Bnasdw1 初定位候选区域 |
| 3.3.2 Bna C03.sdw1 基因的精细定位及候选基因的确定 |
| 3.3.3 Bna C03.sdw1 的初步研究 |
| 3.4 Bnasdw2 基因的图位克隆 |
| 3.4.1 BSA-seq快速界定Bnasdw2 初定位候选区域 |
| 3.4.2 Bna A02.sdw2 基因的精细定位及候选基因的预测 |
| 3.5 ZS9和sdw的差异表达分析 |
| 4.讨论 |
| 4.1 sdw突变体遗传模式的研究 |
| 4.2 Bna C03.sdw1和Bna A02.sdw2 的精细定位 |
| 4.3 sdw突变体的矮化机制 |
| 4.4 展望 |
| 第四章 全文结论 |
| 参考文献 |
| 附录 |
| 附录Ⅰ 叶色突变体研究所用引物 |
| 附表Ⅱ 花色突变体研究所用引物 |
| 附表Ⅲ 矮化突变体研究所用引物 |
| 个人简介及在读期间发表的论文 |
| 致谢 |
（7）单株油菜叶面积田间无损测量方法和策略研究（论文提纲范文）
| 1 材料与方法 |
| 1.1 试验材料与设备 |
| 1.1.1 材料 |
| 1.1.2 主要设备和软件 |
| 1.2 测量方法和技术路线 |
| 1.3 测量原理和操作 |
| 1.3.1 图像处理法 |
| 1.3.2 叶面积仪法 |
| 1.3.3 系数回归法（L×W) |
| 1.3.4 纸样称重法 |
| 2 结果与分析 |
| 2.1 测量精确度的结果分析 |
| 2.1.1 图像处理法和纸样称重法的比较 |
| 2.1.2 叶面积仪法和纸样称重法的比较 |
| 2.1.3 系数回归法（L×W）和纸样称重法的比较 |
| 2.2 测量效率的结果分析 |
| 2.3 不同生育期测量方案的确定 |
| 2.4 不同生育期叶面积无损测量的结果分析 |
| 2.4.1 苗期叶面积 |
| 2.4.2 初花期叶面积 |
| 2.4.3 盛花期叶面积 |
| 3 讨论 |
| 3.1 测量目标的定位 |
| 3.2 高精确度和高效率之间的取舍 |
| 3.3 测量方法的选择 |
| 3.4 同一种测量方法不同生育期校正模型的使用 |
| 3.5 单株维度无损测量具体方法的改进 |
（8）施氮量与播种量对麦后复种饲料（绿肥）油菜产量及品质的影响（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 饲料(绿肥)油菜肥料运筹研究进展 |
| 1.2.2 饲料(绿肥)油菜播种量研究进展 |
| 1.2.3 饲料(绿肥)油菜收获期研究进展 |
| 1.2.4 饲料(绿肥)油菜作绿肥研究进展 |
| 第二章 材料与方法 |
| 2.1 试验地概况 |
| 2.2 供试材料 |
| 2.2.1 试验地土壤概况 |
| 2.2.2 供试品种 |
| 2.2.3 供试肥料 |
| 2.3 试验设计 |
| 2.3.1 播种量田间试验设计 |
| 2.3.2 施氮量田间试验设计 |
| 2.3.3 不同收获期田间试验设计 |
| 2.3.4 翻压根量田间试验设计 |
| 2.4 主要农艺措施 |
| 2.4.1 施肥方法 |
| 2.4.2 种植方法 |
| 2.4.3 田间管理 |
| 2.5 测定指标与方法 |
| 2.5.1 土壤测定指标与方法 |
| 2.5.2 植株样品采集与测定分析 |
| 2.5.3 饲料(绿肥)油菜收获产量以及品质的测定 |
| 2.5.4 饲料(绿肥)油菜不同翻压根量对土壤肥力提升 |
| 2.5.5 当季饲料(绿肥)油菜肥料利用率的计算 |
| 2.6 统计分析 |
| 第三章 播种量对饲料(绿肥)油菜产量、品质及土壤性质的影响 |
| 3.1 结果与分析 |
| 3.1.1 播种量对饲料(绿肥)油菜生长指标的影响 |
| 3.1.2 不同播种量下饲料(绿肥)油菜各生育期养分累积动态 |
| 3.1.3 不同播种量下饲料(绿肥)油菜鲜草产量的形成 |
| 3.1.4 播种量对饲料(绿肥)油菜品质的影响 |
| 3.1.5 不同播种量饲料(绿肥)油菜的土壤养分变化 |
| 3.1.6 饲料(绿肥)油菜翻压对后茬作物产量及土壤养分的影响 |
| 3.2 讨论 |
| 3.2.1 播种量对饲料(绿肥)油菜生长指标的影响 |
| 3.2.2 不同播种量下饲料(绿肥)油菜各生育期养分累积动态 |
| 3.2.3 播种量与饲料(绿肥)油菜鲜草产量及品质的关系 |
| 3.2.4 播种量对土壤理化性质的影响 |
| 3.2.5 饲料(绿肥)油菜翻压对小麦产量的影响 |
| 3.2.6 翻压根量对土壤理化性质的影响 |
| 第四章 施氮量对饲料(绿肥)油菜产量、品质及土壤性质的影响 |
| 4.1 结果与分析 |
| 4.1.1 氮肥对饲料(绿肥)油菜生长指标的影响 |
| 4.1.2 不同施氮量下饲料(绿肥)油菜各生育期养分累积动态 |
| 4.1.3 不同施氮量与收获期下饲料(绿肥)油菜鲜草产量的形成 |
| 4.1.4 不同施氮量与收获期对饲料(绿肥)油菜品质的影响 |
| 4.2 讨论 |
| 4.2.1 施氮肥对饲料(绿肥)油菜生长性状的影响 |
| 4.2.2 不同施氮量的饲料(绿肥)油菜各生育期养分累积动态 |
| 4.2.3 氮肥与饲料(绿肥)油菜产量和品质的关系 |
| 4.2.4 收获期对饲料(绿肥)油菜产量及品质的影响 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.1.1 播种量、氮肥量对饲料(绿肥)油菜生长性状的促进作用 |
| 5.1.2 播种量、氮肥量与饲料(绿肥)油菜养分吸收的关系 |
| 5.1.3 播种量、氮肥量对饲料(绿肥)油菜产量和品质的影响 |
| 5.1.4 收获期对饲料(绿肥)产量和品质的影响 |
| 5.1.5 饲料(绿肥)油菜翻压对小麦产量及土壤养分的提升 |
| 5.2 存在问题与展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（9）油菜高光谱特征信息融合与建模研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 农作物高光谱特征信息及其建模的国内外研究现状 |
| 1.2.1 高光谱特征信息研究现状 |
| 1.2.2 农作物高光谱特征信息定量定性研究现状 |
| 1.2.3 农作物高光谱特征信息分析建模方法研究现状 |
| 1.3 信息融合技术及其国内外研究现状 |
| 1.3.1 信息融合研究现状 |
| 1.3.2 农作物特征信息融合及其建模研究现状 |
| 1.4 研究内容、研究目标、技术路线和结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究目标 |
| 1.4.3 技术路线 |
| 1.4.4 结构安排 |
| 第2章 材料与方法 |
| 2.1 试验区概况 |
| 2.2 数据采集 |
| 2.2.1 数据采集设备 |
| 2.2.2 数据采集方法 |
| 2.2.3 数据处理软件 |
| 2.3 定量建模方法 |
| 2.3.1 线性回归模型 |
| 2.3.2 非线性回归模型 |
| 2.3.3 定量回归模型评价指标 |
| 2.4 信息融合方法 |
| 2.4.1 信息融合的概念、分类及模型 |
| 2.4.2 PLS多元回归融合方法 |
| 2.4.3 SVR信息融合方法 |
| 2.4.4 神经网络信息融合方法 |
| 2.4.5 其他信息融合方法 |
| 第3章 基于高光谱特征波段信息融合的油菜植被指数构建与建模 |
| 3.1 研究背景 |
| 3.2 融合高光谱波段信息的NDVI衍生参数构建及其在油菜LAI反演中的应用 |
| 3.2.1 NDVI及其衍生参数 |
| 3.2.2 试验设计 |
| 3.2.3 数据采集 |
| 3.2.4 敏感性和抗干扰性的度量 |
| 3.2.5 NDVI及其衍生参数相关性分析 |
| 3.2.6 A_(VNDVI)敏感波段选择 |
| 3.2.7 NDVI及其衍生参数与LAI的回归模型构建 |
| 3.2.8 基于NDVI衍生参数的LAI反演模型验证 |
| 3.2.9 NDVI及其衍生参数的敏感性与抗干扰性分析 |
| 3.2.10 结果与讨论 |
| 3.3 基于间隔敏感波段信息融合的高光谱新型植被指数构建及其在油菜SPAD反演中的应用 |
| 3.3.1 高光谱新型植被指数构建 |
| 3.3.2 数据采集 |
| 3.3.3 敏感性和抗干扰性的度量 |
| 3.3.4 高光谱特征波段选择 |
| 3.3.5 高光谱植被指数SPAD回归模型 |
| 3.3.6 高光谱植被指数SPAD回归模型验证 |
| 3.3.7 模型敏感性与抗干扰性分析 |
| 3.3.8 结果与讨论 |
| 3.4 本章小结 |
| 第4章 基于高光谱特征参数的油菜SPAD和叶面积指数多模型融合建模 |
| 4.1 研究背景 |
| 4.2 多模型信息融合技术 |
| 4.3 基于双模型高光谱信息融合的油菜LAI反演方法 |
| 4.3.1 试验设计 |
| 4.3.2 数据采集 |
| 4.3.3 高光谱特征参数选择 |
| 4.3.4 模型检验 |
| 4.3.5 模型融合效果评价 |
| 4.3.6 高光谱特征参数与LAI回归模型 |
| 4.3.7 双模型融合结果 |
| 4.3.8 模型验证 |
| 4.3.9 特征参数之间的相关性与模型融合效果分析 |
| 4.3.10 结果与讨论 |
| 4.4 基于多模型高光谱信息融合的油菜冠层叶片SPAD值反演方法 |
| 4.4.1 试验设计 |
| 4.4.2 数据采集 |
| 4.4.3 高光谱特征参数选择 |
| 4.4.4 高光谱特征参数回归模型 |
| 4.4.5 融合回归模型 |
| 4.4.6 模型验证 |
| 4.4.7 结果与讨论 |
| 4.5 本章小结 |
| 第5章 基于BP神经网络的油菜高光谱特征信息融合与建模 |
| 5.1 研究背景 |
| 5.2 BP神经网络信息融合技术 |
| 5.3 基于BP神经网络的油菜高光谱特征信息双参数融合与建模 |
| 5.3.1 高光谱特征参数选择 |
| 5.3.2 双参数信息融合方法 |
| 5.3.3 支持向量机油菜冠层叶片SPAD双参数融合回归模型及验证 |
| 5.3.4 BP神经网络油菜冠层叶片SPAD双参数融合回归模型及验证 |
| 5.3.5 偏最小二乘线性回归(PLS-LR)、RR、RS 和 OR/ORS 融合模型 |
| 5.3.6 双参数融合回归模型性能比较 |
| 5.3.7 结果与讨论 |
| 5.4 基于BP神经网络的油菜高光谱特征信息多参数融合与建模 |
| 5.4.1 多参数信息融合方法 |
| 5.4.2 BP神经网络多参数融合模型 |
| 5.4.3 SVM多参数融合模型 |
| 5.4.4 PLS-LR多参数融合模型 |
| 5.4.5 多参数融合回归模型性能比较 |
| 5.4.6 结果与讨论 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 主要创新点 |
| 6.3 研究工作展望 |
| 参考文献 |
| 附录 A 缩略词表 |
| 致谢 |
| 作者简介 |
| 在读期间科研成果目录 |
（10）油菜生长模拟与决策支持系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述与研究目的 |
| 1 作物生长模型研究进展 |
| 1.1 国外研究进展 |
| 1.2 国内研究进展 |
| 1.3 作物生长模型的存在问题及发展趋势 |
| 1.4 油菜生长模型的研究进展 |
| 2 基于生长模型的决策支持系统研究进展 |
| 2.1 作物管理决策支持系统研究进展 |
| 2.2 决策支持系统的存在问题及发展趋势 |
| 2.3 油菜管理决策支持系统研究进展 |
| 3 本研究的目的与意义 |
| 参考文献 |
| 第二章 研究思路和方法 |
| 1 研究思路与技术路线 |
| 2 资料来源 |
| 2.1 田间试验 |
| 2.2 文献资料 |
| 2.3 生长观测 |
| 2.4 气象资料的获取 |
| 3 模型的构建与检验 |
| 3.1 模型的构建 |
| 3.2 模型的检验 |
| 4 系统设计与实现 |
| 4.1 系统设计思路 |
| 4.2 系统组织结构 |
| 4.3 系统的实现方法 |
| 第三章 油菜生育期模拟模型 |
| 1 模型构建与描述 |
| 1.1 模型的构建 |
| 1.2 生育阶段划分 |
| 1.3 生理发育时间的计算 |
| 1.3.1 相对热效应 |
| 1.3.2 相对春化效应 |
| 1.3.3 春化进程 |
| 1.3.4 相对光周期效应(RPE) |
| 1.3.5 每日热敏感性 |
| 1.3.6 生理发育时间 |
| 2 模型的校正 |
| 3 模型检验 |
| 4 讨论 |
| 5 结论 |
| 参考文献 |
| 第四章 油菜绿色面积指数动态模拟模型研究 |
| 1 模型的描述 |
| 1.1 叶面积指数的模拟 |
| 1.1.1 库限制下的叶面积指数增长模式 |
| 1.1.2 源限制下的叶面积指数增长模式 |
| 1.2 角果面积指数的模拟 |
| 1.3 花面积指数 |
| 2 模型的参数化 |
| 2.1 比叶面积模型参数的校正 |
| 2.2 角果面积模型参数的校正 |
| 3 模型的验证 |
| 4 讨论 |
| 参考文献 |
| 第五章 油菜光合作用与干物质积累的动态模拟模型 |
| 1 模型的描述 |
| 1.1 各层内光合有效辐射 |
| 1.2 冠层光合有效辐射的吸收 |
| 1.3 光合作用与物质生产 |
| 2 模型的检验 |
| 3 讨论 |
| 第六章 油菜地上部干物质分配与产量形成模拟模型 |
| 1 模型的描述 |
| 1.1 模型构建 |
| 1.2 干物质在地上部各器官间的分配模式 |
| 1.3 地上部各器官干物重的增长 |
| 1.4 籽粒产量的预测 |
| 2 模型的检验 |
| 3 讨论 |
| 参考文献 |
| 第七章 冬油菜适宜绿色面积指数动态设计的知识模型 |
| 1 材料与方法 |
| 1.1 模型的建立 |
| 1.2 模型的检验 |
| 2 结果与分析 |
| 2.1 模型算法的描述 |
| 2.1.1 群体叶面积指数动态 |
| 2.1.2 群体角果面积指数动态 |
| 2.2 模型的实例分析 |
| 3 结论与讨论 |
| 参考文献 |
| 第八章 基于生长模型的油菜管理决策支持系统 |
| 1 系统的组织结构与内容 |
| 1.1 数据库 |
| 1.2 模型库 |
| 1.2.1 油菜生长模拟模型 |
| 1.2.2 品种生育期参数调试模型 |
| 1.2.3 气象因子生成模型 |
| 1.3 模型应用系统 |
| 1.4 人机接口 |
| 2 系统的基本功能 |
| 2.1 数据管理 |
| 2.2 动态模拟 |
| 2.3 方案评估 |
| 2.4 因苗预测 |
| 2.5 时空分析 |
| 2.6 敏感性分析 |
| 2.7 专家咨询 |
| 2.8 系统帮助 |
| 3 系统设计与实现 |
| 3.1 系统的整体设计 |
| 3.2 生长模型组件的设计 |
| 3.3 其它组件 |
| 4 小结与讨论 |
| 参考文献 |
| 第九章 讨论与结论 |
| 1 讨论 |
| 1.1 油菜生育期预测 |
| 1.2 油菜绿色面积指数预测 |
| 1.3 油菜光合作用与干物质积累预测 |
| 1.4 油菜干物质分配动态与产量形成模拟 |
| 1.5 油菜适宜绿色面积指数的设计 |
| 1.6 基于生长模型的油菜管理决策支持系统 |
| 2 存在问题与今后设想 |
| 2.1 油菜生长模拟模型 |
| 2.2 基于生长模型的油菜管理决策支持系统 |
| 3 结论 |
| 参考文献 |
| 附录1 本文主要参数与变量 |
| 附录2 在校期间发表或投稿的论文 |
| 致谢 |
四、油菜叶面积计算方法（论文参考文献）
- [1]油菜叶面积和叶鲜重估计研究[J]. 马驿,张煦,李岚涛,汪善勤. 中国农学通报, 2015(30)
- [2]基于多源遥感数据的油菜长势监测[D]. 马驿. 华中农业大学, 2016(02)
- [3]基于高光谱的油菜叶面积指数估计[J]. 马驿,汪善勤,李岚涛,张铮,刘诗诗. 华中农业大学学报, 2017(02)
- [4]基于计算机视觉的水稻、油菜叶色—氮营养诊断机理与建模[D]. 李锦卫. 湖南农业大学, 2010(07)
- [5]白菜型冬油菜抗寒生理基础及分子机理研究[D]. 许耀照. 甘肃农业大学, 2020
- [6]甘蓝型油菜叶色、花色和株高突变体的遗传分析与定位克隆[D]. 赵传纪. 华中农业大学, 2020(02)
- [7]单株油菜叶面积田间无损测量方法和策略研究[J]. 李方一,李锦卫,黄璜,官梅,官春云. 激光生物学报, 2021(06)
- [8]施氮量与播种量对麦后复种饲料（绿肥）油菜产量及品质的影响[D]. 魏子奇. 宁夏大学, 2019
- [9]油菜高光谱特征信息融合与建模研究[D]. 邱春荣. 湖南农业大学, 2019
- [10]油菜生长模拟与决策支持系统研究[D]. 汤亮. 南京农业大学, 2006(06)