玉米种子后熟期和气象条件关系分析     

高洪蛟  刘立岩  万里鹏 《黑龙江气象》2012,(4):25-26

1引言玉米是喜温作物,遇低温年就会造成贪青晚熟,黑龙江省地处中高纬度,热量资源不足,当活动积温低于2 300℃时就会出现严重的贪青,种子含水量大,后熟期不能通过而丧失发芽能力。尤其是上世纪六七十年代几次低温年造成黑龙江省玉米种子缺乏,不得不到海南繁殖玉米种子。虽然当前气候转暖,但专家指出"对气候预测具有不确定性"。事实  相似文献   

民族种业,差距在哪里?     

《河南国土资源》2013,(4):42

自2001年实施《种子法》、国内种业市场开放以来,跨国种业公司纷纷来华开展业务、抢占市场。美国的孟山都、先锋,瑞士的先正达,法国的利马格兰,德国的KWS、拜耳……据统计,外国玉米种子在我国市场的市场份额,已从2001年的0.13%,迅速扩大到2011年的11%,10年间扩大了80多倍……与跨国公司相比,民族种业差距何在?"差距不仅表现在企业的规模上,更体现在机制和模式上。"农业部种子管理局副局长廖西元指出,育种是种业的核心,我国目前的种  相似文献   

海南岛气候与玉米种子南繁关系初探     

关英军 《辽宁气象》1998,(4):27-29

为了加强玉米良种更新换代,大陆的许多育种单位每年冬季都去海南岛搞玉米种子繁育工作。笔者1997年10月至1998年3月曾在海南岛三亚地区繁育玉米种子。如何使作物在南繁期间正常生长,趋利避害,避开不利气候影响,使南繁工作顺利进行,是关系到各育种单位南繁成败与否的大事。  相似文献   

结合高光谱像素级信息和CNN的玉米种子品种识别模型     

王立国  王丽凤 《遥感学报》2021,25(11):2234-2244

玉米作为中国重要粮食作物,品种众多,易出现错分现象,影响农业安全和粮食生产。针对传统基于卷积神经网络CNN（Convolutional Neural Network）的高光谱图像作物品种识别模型所需建模样本数量巨大的问题,提出基于高光谱像素级信息和CNN的玉米种子品种识别模型。首先,获取不同品种玉米种子在400—1000 nm范围内的高光谱图像,提取样本全部像素的203维光谱信息,利用主成分分析PCA（Principal Component Analysis）算法将光谱维度降至8维。在实验中,样本的像素级光谱信息（即：样本的全部像素的光谱信息）除应用于CNN模型外,也应用于支持向量机（SVM）和K近邻分类（KNN）模型中,结果表明：在相同模型中,基于像素级光谱信息比基于米粒级光谱信息（即：每粒样本所有像素光谱信息的平均值）识别效果好;在相同情况下,CNN模型比SVM和KNN模型的识别效果好;基于像素级光谱信息和CNN的品种识别模型识别效果最稳定,依据像素级分类结果采用多数投票策略对玉米种子样本进行识别,样本识别精度高达100%（注：100%为建模集样本与测试集样本数量为0.27和0.32时的识别精度,随着测试集样本数量的增加,该识别精度将有所降低）。最后,使用t分布随机邻域嵌入（t-SNE）算法实现CNN输出特征值的可视化,验证了基于高光谱像素级信息和CNN的品种识别模型的有效性。在建模样本极少的情况下,实现了玉米种子品种的无损、高效识别,为精准农业提供了理论基础。  相似文献