数字农科院2.0

基于机器学习算法的小麦遗传群体持绿性研究

文献类型： 中文期刊

作者： 王多霞;李雷;费帅鹏;付雪丽;肖永贵;孙海艳;陶志强;孟亚雄

作者机构：

关键词： 小麦;叶绿素含量;多源数据融合;机器学习

期刊名称：核农学报

ISSN： 1000-8551

年卷期： 2024 年 38 卷 08 期

页码：

收录情况： 北大核心（2023版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2024版） ; ; 农林核心（2020版）

摘要： 精准预测小麦旗叶中的叶绿素含量（SPAD值）是衡量品种持绿和高光效高产特性的重要方式。为提高小麦SPAD值的预测精度，本试验以中麦578/济麦22重组近交系（RIL）-F8代群体为试验材料，设置正常灌溉和节水灌溉两种水分处理，结合无人机多源传感器融合以及5种机器学习算法和集成方法，预测不同家系在灌浆中后期（花后28 d）的SPAD值，并通过筛选持绿和非持绿性家系，探究灌浆中后期SPAD值与籽粒产量的关系。结果表明，花后28 d旗叶SPAD值和籽粒产量呈正相关（相关系数为0.59）；在节水灌溉处理下，小麦旗叶SPAD值和籽粒产量均显著降低。基于多源数据融合的集成方法预测旗叶SPAD值精度优于单一模型。结合不同水分处理下的家系籽粒产量数据发现，受水分胁迫不敏感的10个持绿高产家系中ZJ-16家系持绿、高产效应明显。该研究为田间快速无损监测小麦叶绿素含量提供了一种方便、灵活和有效的方法，为小麦抗旱、高光效育种提供了理论依据和技术支撑。

分类号：

  • 相关文献

[1]基于无人机多光谱影像与机器学习算法的棉花冠层叶绿素含量估算研究. 赵鑫,李朝阳,王洪博,刘江凡,江文格,赵泽艺,王兴鹏,高阳. 2024

[2]小麦旗叶叶绿素含量及荧光动力学参数与产量的灰色关联度分析. 王正航,武仙山,昌小平,李润植,景蕊莲. 2010

[3]不同水分条件下小麦生理性状与产量的灰色关联度分析. 施伟,昌小平,景蕊莲. 2012

[4]土霉素对小麦毒性效应的品种间差异. 解晓瑜,张永清,李兆君,梁永超,姚建华,张树清. 2009

[5]不同春小麦品种碳同位素分辨率和叶绿素含量的差异及其与抗旱性的关系. 董建力,许兴,李树华,朱林,景蕊莲. 2011

[6]利用关联分析发掘小麦自然群体旗叶叶绿素含量的优异等位变异. 李玮瑜,张斌,张嘉楠,昌小平,李润植,景蕊莲. 2012

[7]小麦几个抗旱相关生理性状的QTL定位分析. 景蕊莲,杨德龙,昌小平. 2006

[8]冠层活性相关性状全基因组关联分析及其对产量性状遗传效应的解析. 李法计,程敦公,余晓丛,闻伟锷,刘金栋,翟胜男,刘爱峰,郭军,曹新有,刘成,宋健民,刘建军,李豪圣. 2024

[9]分类回归树算法在土壤水分估算中的应用. 韩家琪,毛克彪,葛非凡,郭晶鹏,黎玲萍. 2018

[10]Wheat; Lumai 14; Germplasm resource; Strategy for improvement. 韩微波,刘录祥,郭会君,赵林姝,王成社. 2005

[11]Efficient agronomic practices narrow yield gaps and alleviate climate change impacts on winter wheat production in China. Kaiyuan Gong,Liangbing Rong,Yinghua Zhang,Xiao Wang,Fengying Duan,Xia Li,Zhihao He,Tengcong Jiang,Shang Chen,Hao Feng,Qiang Yu,Wenbin Zhou,Jianqiang He. 2025

[12]DeepWheat: predicting the effects of genomic variants on gene expression and regulatory activities across tissues and varieties in wheat using deep learning. Zhigang Ma,Jiazi Zhang,Hongcui Pei,Yanhong Liu,Hongning Tong,Lei Wang,Zefu Lu. 2025

[13]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[14]Global dynamics of streptococcus agalactiae antibiotic resistance: Past, present, and future. 房辉,,李东航,, 魏夏夏 ,,王仁东,, 苏燕燕 ,,于佑任,, 白航铭,, 高会会,,侯捷,,毛大庆,,罗义. 2025

[15]Multiomics and machine learning unveil root exudate-microbiota interactions for cadmium control in rice. 李烨,,侯捷,,刘孟琪,,杜兆林,,陈洪安,,刘国飞,,王雅君,,姚彦坡,,孙佩哲,,赵林,,安毅. 2025

[16]Machine Learning-Driven Prediction of Nitrogen Loss in Organic Solid Waste Composting. Haoran Mi, Dawei Gao, Deling Yuan, Xiao Liu, Lili Gao, Shengping Li, Yuanwang Liu. 2025

[17]利用岗46B/A232重组自交系群体分析叶绿素含量相关QTL. 李永洪,李传旭,刘成元,何珊,向箭宇,谢戎. 2018

[18]水稻叶绿素含量和穗部性状的QTL及其相互关系分析. 刘进,姚晓云,范淑秀,黎毛毛,郭乃辉,王鑫瑞,王嘉宇,陈温福. 2018

[19]基于不同传感器的纽荷尔脐橙叶片叶绿素含量检测技术评价. 李文涛,杨江波,张绩,王克健,邓烈,吕强,何绍兰,谢让金,郑永强,马岩岩,易时来. 2018

[20]水稻叶绿素含量的QTL及其与环境互作分析. 沈波,庄杰云,张克勤,戴伟民,鲁烨,傅丽卿,丁佳铭,郑康乐. 2005

作者其他论文 更多>>