【目的】基于无人机多源影像及产量数据评价人工合成小麦种质的抗旱性，优选高通量抗旱性鉴定指标，发掘抗旱人工合成小麦种质资源，为加快拓展小麦抗旱遗传资源、提升旱地小麦育种水平提供技术支撑和种质材料。【方法】以80份人工合成小麦种质及对照小麦品种新春37为试验材料，在田间进行小区播种，设置干旱和灌溉2种水分处理；利用无人机搭载多光谱及热红外相机采集试验材料灌浆期多源影像进行拼接处理，通过阈值分割等方法提取各试验材料的光谱指数；利用相关性分析和主成分分析鉴选抗旱相关光谱指标，结合单指标及综合评价方法鉴定人工合成小麦种质的抗旱性。【结果】基于无人机多源影像数据提取了80份人工合成小麦种质的19种光谱指数。不同光谱指数抗旱系数与小区产量抗旱指数的相关性分析结果表明，OSAVI的抗旱系数与抗旱指数的关联度最高，NDVI、CIre和NDRE的抗旱系数与抗旱指数的关联度较高。部分光谱指数的抗旱系数间相关性较高，存在冗余信息，通过主成分分析，将19个光谱指数的抗旱系数转换为3个相互独立的综合指标，3个综合指标的贡献度分别为59.6%、12.0%和9.6%。利用加权隶属函数法聚合综合指标，通过公式计算获得各人工合成小麦种质的综合抗旱性度量值。基于抗旱指数鉴定出6份强抗旱人工合成小麦种质，基于综合抗旱性度量值鉴定出5份强抗旱种质，其中，SW004和SW009在2种方法的评价结果中均被评为强抗旱种质。基于OSAVI的抗旱系数对80份人工合成小麦种质进行抗旱性分级，分级结果与基于综合抗旱性度量值的分级结果基本一致。根据OSAVI的抗旱系数鉴定出的6份强抗旱种质中，有5份在基于综合抗旱性度量值分级中也被鉴定为强抗旱种质。【结论】基于无人机多源影像提取的光谱指数NDVI、OSAVI、CIre和NDRE，以及基于光谱指数的综合抗旱性度量值均可用于辅助鉴定小麦种质抗旱性。

为了明确干旱胁迫对不同抗旱性冬小麦灌浆期下午旗叶光合荧光特性和产量的影响，2018—2019年度和2019—2020年度，在防雨棚池栽条件下，以强抗旱性冬小麦品种晋麦47(JM47)和弱抗旱性冬小麦品种偃展4110(YZ4110)为材料，采取测墒补灌的方法，设置重度干旱(W1:播前65%MFC(最大田间持水量)+拔节后45%～55%MFC)、中度干旱(W2:播前75%MFC+拔节后55%～65%MFC)、轻度干旱(W3:播前75%MFC+拔节后65%～75%MFC)、适宜供水(W4:播前75%MFC+拔节后75%～85%MFC)4个处理，测定了灌浆前期、中期和中后期14:00—16:00的旗叶净光合速率(Pn)、气孔导度(Gs)、胞间CO_2浓度(Ci)、蒸腾速率(Tr)、瞬时水分利用效率(IWUE)、PSⅡ最大光化学效率(Fv/Fm)、PSⅡ实际光化学效率(ΦPSⅡ)以及成熟期的产量及其构成因素。结果表明，水分和品种对小麦灌浆期下午的旗叶光合、荧光特性和成熟期的产量均有显著影响。从2 a均值来看，与W4相比，干旱胁迫处理(W1、W2和W3)灌浆期下午的旗叶Pn、Gs和ΦPSⅡ,JM47分别降低2.07%～68.92%,-3.23%～50.00%和-1.89%～30.19%;YZ4110分别降低7.71%～80.19%,11.11%～59.26%和0～73.47%;JM47和YZ4110灌浆中期下午的旗叶Tr分别降低6.30%～32.87%和6.49%～41.74%,灌浆中后期下午旗叶Fv/Fm分别降低1.20%～18.52%和2.50%～30.00%,且上述指标的降幅基本表现为JM47

【目的】分析不同基因型小麦冠层的温度参数相关信息，探寻快速高效筛选冬小麦抗旱品种的指标和方法，给冬小麦抗旱品种筛选提供参考依据。【方法】本研究以小麦为研究对象，获取干旱胁迫下10个抗旱性存在差异的小麦品种冠层热红外图像，采用温度频率直方图等分析方法提取冠层温度特征参数，明确温度特征参数与抗旱指数之间定量关系，分析冠层温度特征参数对筛选冬小麦抗旱品种的有效性。【结果】基于产量抗旱指数（DRI）的分级标准将测定小麦品种分为4种抗旱类别，其抗旱性越强，最大光化学效率（Fv/Fm），植株含水量（PWC），气孔导度（Gs），蒸腾速率（Tr）和籽粒产量越稳定。基于热红外图像提取冠层温度特征参数，小麦抗旱性越强，冠层温度的差异性越小，冠层温度的离散程度也较小。产量抗旱指数（DRI）与拔节期、孕穗期和开花期的作物冠层温度与环境温度的偏差（CTD）均呈现极显著的正相关关系，相关系数r为0.79—0.84，而与冠层温度标准差（CTSD）、变异系数(CTCV)、水分胁迫指数（CWSI）和冠层相对温差（CRTD）呈显著负相关（r=-0.56—-0.78）。基于单一生育时期冠层温度特征参数建立了产量抗旱指数（DRI）回归模型，估算精度为r2=0.73—0.87，其中以拔节期预测模型精度最高。而基于3个生育时期的相关冠层温度参数CTD、CTCV、CTSD CWSI组合构建产量抗旱指数（DRI）预测模型，较基于单一生育时期预测精度显著提升（r2=0.95）。【结论】利用热红外图像可进行小麦品种抗旱性的早期鉴定与快速评价，这对促进作物高效节水生产具有重要意义。

利用20%PEG-6000作为渗透介质进行室内模拟干旱胁迫,测定小麦发芽率、发芽势、胚芽鞘长、主胚根长;采用模糊隶属函数与抗旱系数相结合的方法对品种萌发期的抗旱性进行综合评价,并利用灰色关联分析了各个形态指标与抗旱性的关系。结果表明,干旱胁迫下,各品种的发芽率、发芽势、胚芽鞘长、主胚根长均比对照不同程度地降低或缩短,而且不同品种间差异达显著或极显著水平;萌发期各品种抗旱性表现依次为:白和尚头>晋麦47>竹杆青>四月黄>小红麦>灯笼红>红皮冬麦>忻县冬麦>中麦9号。应用灰色关联分析的方法研究萌发期发芽势、发芽率、胚芽鞘长和主胚根长的抗旱系数4个性状指标与抗旱性之间的灰色关联度,结果表明,关联度依...

【目的】干旱是限制全球小麦生产的主要环境因素，培育抗旱品种是全球小麦育种面临的核心挑战。春小麦作为短生育期小麦品种，为国家粮食安全和种植结构提供了重要保障，确定春小麦材料的抗旱性，为选育抗旱稳产新品种提供依据。【方法】为了解春小麦品种（系）的苗期抗旱性，以来自10个不同地区的244份春小麦品种（系）为试验材料，利用控制含水量法进行苗期干旱胁迫，于三叶期选择长势均匀一致的幼苗，测定最大根长（MRL）、第一叶长（FLL），第一叶宽（FLW）、胚芽鞘长（CL）、地上部鲜重（SFW）和地下部鲜重（RFW）等13个苗期指标，通过描述统计法、隶属函数法、主成分分析、聚类分析和相关性分析等方法对各春小麦品种（系）的抗旱性进行综合评价。【结果】春小麦品种（系）之间的耐旱性表现出丰富的变异，干旱处理条件下，所测定性状的变异系数为2.1%—32.9%，对照组变异系数范围为1.0%—29.3%；与对照相比，干旱处理条件下的胚芽鞘长度、根干重、鲜重根冠比和干重根冠比均不同程度增加。主成分分析将原13个指标归纳为5个主成分，贡献率达79.6%，根据各主成分特征向量和各性状指标的抗旱系数，计算出综合抗旱系数D值，并对D值进行聚类分析，将供试材料分为5个亚群，据此筛选出根部生物量（地下部鲜重和干重）作为苗期抗旱性鉴定的有效综合指标。将苗期指标抗旱系数与田间相关农艺性状进行相关性分析，发现苗期胚芽鞘长、第一叶长和成熟期旗叶长、株高、穗长、小穗数和籽粒长呈极显著正相关性，苗期整株生物量与籽粒千粒重呈极显著正相关。【结论】筛选出高抗旱春小麦品种22份，明确了根部生物量（地下部鲜重和干重）可作为苗期抗旱性鉴定的有效综合指标。

【目的】小麦倒伏严重影响小麦光合及成熟进程，进而造成小麦减产及品质下降。为快速精确获取倒伏信息，评估无人机遥感监测小麦倒伏的能力，构建小麦倒伏监测模式，为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像，经过预处理飞行高度50 m的小麦冠层图像，得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM），从中提取光谱特征、高度特征和光谱纹理共3类特征信息；采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较，使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器；同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价，确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差，“椒盐现象”严重，在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合，小麦倒伏识别的分类准确率最高达91.48%。为减少特征集变量数量，采用3种特征优化方法，与筛选得到的全特征集、Lasso算法、RF-RFE算法相比，基于Boruta算法得到的优化特征子集分类精度更高，整体稳定性更好，从含有DSM的3种特征组合均值来看，总体分类精度和Kappa系数分别提高了0.17%和0.01（全特征集）、2.45%和0.05(Lasso)、2.87%和0.05(RF-RFE)。其中，光谱-纹理-DSM组合效果最好，总体分类精度达92.82%,Kappa系数达0.86。【结论】Boruta算法有效优化光谱-纹理-DSM组合的特征子集数量，让更少的特征参量参与分类，且获得较高的分类精度，确立了精确监测小麦倒伏的多特征组合-Boruta-RFC技术融合模式，为小麦灾情评估及补救措施制定提供参考。

在25%PEG-6000模拟干旱胁迫下,使用MGBG(1 mmol/L)、D-ARG(1 mmol/L)、L-ARG(1 mmol/L)处理二叶期的小麦根系72 h,结果表明,MGBG和D-ARG降低叶片相对含水量,增强叶片的膜脂过氧化作用,促进叶片和根系的生长,而L-ARG对叶片的含水量影响不大,促进根系的生长,促进叶片膜脂过氧化作用。这些表明,外源多胺抑制剂MGBG和D-ARG抑制根系多胺的形成不利于叶片水分的维持。

【目的】探索无人机遥感在氮效率分类识别中的潜力，构建小麦品种氮效率分类方法，为氮高效品种筛选提供理论依据和技术支持。【方法】通过6个成熟期与氮效率密切相关的农学指标（产量、植株氮积累、氮素生理利用效率、植株干生物量、籽粒总吸氮量、N收获指数）构建主成分综合值，并对其进行K-Means聚类分析，将121个小麦品种划分为氮高效型、氮中效型和氮低效型3种类型。利用无人机遥感平台搭载多光谱相机，在小麦拔节期、孕穗期和开花期获取无人机遥感影像，并提取34种植被指数，分析植被指数与氮效率综合值的相关性；对比支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）分类方法的氮效率分类模型精度，使用总体分类精度（OA）和Kappa系数比较不同生育时期下小麦品种氮效率分类识别的能力；并使用3种不同的特征集筛选方法（ReliefF算法、Boruta算法和RF-RFE算法）对优化的特征子集进行综合评价，确立适宜的小麦品种氮效率分类识别方法。【结果】随着小麦生育时期的不断推进，植被指数与氮效率综合值的相关性逐渐提高，开花期最高（r=0.502）；利用植被指数全特征集对小麦品种氮效率进行分类，对于单生育时期数据而言，以开花期的SVM模型分类效果最好（OA=77.1%,Kappa=0.591），拔节期最差（OA=65.6%,Kappa=0.406）；总体而言，多生育时期数据融合的品种氮效率分类精度高于单生育时期，其中以拔节期+孕穗期+开花期3个生育时期数据融合的SVM模型的分类效果最优（OA=80.6%,Kappa=0.669）。为减少多生育时期数据融合的特征集变量数量，比较分析RF-RFE、Boruta和ReliefF 3种算法的特征优化效果，基于RF-RFE算法得到的优化特征子集分类精度最高，其OA和Kappa系数比全特征集分类模型分别提高了4.0%和10.1%，其中，以3个生育时期数据融合的分类效果最好（OA=85.4%,Kappa=0.749）。【结论】确立6个氮效率指标—主成分分析—K-Means氮效率评价方法；RF-RFE算法有效优化多生育时期组合的特征子集数量，且获得较高的分类精度，确立基于多生育时期组合—RF-RFE—SVM技术融合的小麦品种氮效率分类模型，为小麦氮高效品种的快速准确分类鉴定提供理论依据和技术支撑。

【目的】干旱是限制小麦生产最主要的逆境因子之一。挖掘、鉴定优异抗旱新种质、克隆抗旱新基因，以期丰富我国小麦抗旱遗传基础，为小麦抗旱遗传改良提供材料。【方法】以198份从国际干旱地区农业研究中心（ICARDA）引进的抗旱种质为材料，采用PEG-6000模拟干旱方法，通过调查苗期干旱和正常条件下的地上部鲜重、地下部鲜重、生物量和根冠比4个性状，鉴定、评价其抗旱性，结合660K SNP芯片对其抗旱性进行全基因组关联分析，发掘抗旱性相关染色体区间及关联位点，结合干旱胁迫下根等多组织的表达量数据，筛选抗旱性相关基因，最后以强抗旱性品系IR214和干旱敏感品系IR36为材料，利用qRT-PCR方法对候选基因进行验证，并分析关键候选基因的优异单倍型。【结果】干旱胁迫下，小麦的生长发育受到显著抑制，各性状表型均显著低于正常对照，不同小麦品系间也表现出显著差异，4个性状在2种处理下均呈现正态分布，变异系数为0.363—0.760，多样性指数为0.310—0.400；基于加权隶属函数值（D值）综合评价各个品种的抗旱性，发现品系IR214的D值最大，为0.851，其次为IR92、IR213、IR235和IR218等，它们可作为新的优异抗旱种质；在此基础上，通过全基因组关联分析（genome-wide association study,GWAS），共检测到102个与4个性状抗旱系数显著关联的SNP位点，表型变异解释率范围为1.07%—38.70%，其中，与地上部鲜重相关的位点60个、地下部鲜重相关位点1个、生物量相关位点36个以及根冠比相关位点5个；基于基因组注释信息，筛选到31个抗旱相关基因，结合根等不同组织的RNA-seq数据，筛选出4个抗旱候选基因，对差异表达的候选基因进行qRT-PCR验证，鉴定到2个关键抗旱候选基因；最后，分析候选基因的单倍型效应，发现TraesCS6A02G048600的AX-86174509位点，2种基因型在抗旱性状上具有显著差异，是潜在的功能位点。【结论】共检测到102个与苗期抗旱性显著关联的位点，筛选出TraesCS5B02G053500和TraesCS6A02G048600 2个关键候选基因，TraesCS6A02G048600的AX-86174509位点是潜在的抗旱性功能位点。

小麦幼苗长至二叶一心时,以200g/L PEG-6000胁迫处理72h,测定幼苗最大根长、根冠比、叶片相对含水量、相对电导率、SOD和POD活性以及MDA含量;采用模糊隶属函数与抗旱系数相结合的方法对各品种苗期的抗旱性进行综合分析;利用灰色关联度分析各个形态、生理指标与抗旱性的关系。结果表明:1)PEG胁迫下,9个小麦品种的最大根长、根冠比、相对电导率、SOD和POD活性及MDA含量均比对照高,而叶片相对含水量较对照低,而且差异均达到显著或极显著水平。2)利用隶属函数和抗旱系数相结合的方法对品种苗期抗旱性进行综合分析,各品种苗期的抗旱性表现依次为:白和尚头>晋麦47>竹杆青>小红麦>四月黄>红...

对中国和加拿大合作的有关小麦叶片失水率的研究结果进行了分析，用冬小麦抗旱性状遗传规律研究筛选出的典型材料，分别在中国和加拿大的实验室进行离体叶片失水率测定，结果表明，同一测定者的不同重复间的重复性较高，同一试材不同测定者之间重复性较差；离体叶片失水率值与品种的旱地产量之间未发现有相关关系。因此，将离体叶片失水率用作小麦抗旱性状选择指标目前条件尚不成熟。

为了有效利用外引小麦种质资源和评价小麦抗旱性相关分子标记的有效性,以48份小麦外引种质为材料,测定干旱条件下种子的相对发芽率,并利用4个小麦抗旱性相关分子标记进行抗旱基因(1-feh-w3、Dreb-B1、NRX-B1和FerA1)的分布检测。结果表明,外引种质材料的平均相对发芽率为70.0%,变异范围为34.9%～94.5%,中等及以上抗旱性等级种质材料占85.4%。外引小麦种质中4个抗旱性相关基因存在8种单倍型,Dreb-B1、FerA1基因各自的2种单倍型间平均相对发芽率差异均达到显著水平,而1-feh-w3基因的Westonia type单倍型与Kauz type单倍型,NRX-B1基因的TaNRX-B1a单倍型与TaNRX-B1b单倍型间平均相对发芽率无显著差异;TaDreb-B1a、TaFer-A1(H)单倍型与平均相对发芽率均呈显著正相关,1-feh-w3、NRX-B1基因与平均相对发芽率相关性不显著。平均相对发芽率以单倍型组合Westonia type/TaDreb-B1a/TaFer-A1(H)/TaNRX-B1a最高,达到77.35%。验证了抗旱性基因Dreb-B1分子标记的有效性,而1-feh-w3基因2种单倍型对抗旱性选择无效。

【目的】白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑。【方法】在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回归(MLR)、后向传播神经网络(BP)、随机森林(RF)、极限学习机(ELM)算法将植被指数(VIs)、纹理特征(TFs)和温度特征(T)进行结合,以构建小麦白粉病病情指数的监测模型。【结果】无论是单数据源建模,还是多数据源建模,随机森林(RF)的精度均高于其他模型;3种数据源中植被指数的RF模型(VIs-RF,R~2=0.667,RMSE=5.712,RPD=1.572)更适宜白粉病监测,其次是温度特征(T-RF,R~2=0.559,RMSE=6.563,RPD=1.430),而纹理特征(TFs-RF,R~2=0.495,RMSE=7.014,RPD=1.348)效果最差;多数据源协同建模间比较,RF协同植被指数和纹理特征的模型R~2为0.701(VIs&TFs-RF,R~2=0.701,RMSE=5.308,RPD=1.724),仅比VIs-RF模型R~2提升5.101%,RMSE降低7.073%,RPD提高9.672%,而RF协同植被指数和温度特征模型(VIs&T-RF)以及协同3种数据源模型(VIs&TFs&T-RF)的精度分别为R~2=0.750,RMSE=4.704,RPD=1.912和R~2=0.820,RMSE=4.677,RPD=1.996,较VIs-RF模型R~2分别提升12.453%和23.181%,RMSE分别降低17.640%和18.113%,RPD分别提高21.667%和26.981%。同时对不同模型进行10折交叉验证,进一步证实了RF模型在多数据源融合建模中性能稳定,估算效果最好。【结论】采用多数据源协同建模能够提升小麦白粉病遥感监测精度,研究结果为实现大面积高精度遥感监测作物病害状况提供了思路与方法。

本研究以39份饲用燕麦品种为研究对象，在萌发期和苗期进行PEG-6000模拟干旱胁迫试验，采用主成分分析和隶属函数法参试燕麦品种的抗旱性进行综合评价。结果显示：模拟干旱胁迫对两个生育期的指标均有显著影响，其中萌发期的发芽势变异系数最高（285.54%），其次是萌发抗旱指数（51.45%）；苗期则表现为地上部生物量和相对电导率的变异系数较大，分别为31.32%和24.93%；39份材料被聚类为高抗旱型（Ⅰ级）、抗旱型（Ⅱ级）、不抗旱型（Ⅲ级）以及干旱敏感型（Ⅳ级）4类；其中“枪手”在两个时期均表现出较高的抗旱性。通过分析萌发期和苗期的抗旱性综合评价值的线性关系发现，两个时期的抗旱性无显著相关性，说明燕麦在不同生育阶段可能表现出不同的抗旱性。