您现在的位置: 首页> 研究主题> 潜育期

潜育期

潜育期的相关文献在1959年到2022年内共计86篇,主要集中在植物保护、林业、农作物 等领域,其中期刊论文81篇、会议论文2篇、专利文献3篇;相关期刊55种,包括河南科技学院学报(自然科学版)、植物保护学报、植物保护等; 相关会议2种,包括中国植物病理学会2014年学术年会、中国植物保护学会2010年学术年会等;潜育期的相关文献由277位作者贡献,包括马占鸿、何正明、刘琦等。

潜育期—发文量

期刊论文>

论文:81 占比:94.19%

会议论文>

论文:2 占比:2.33%

专利文献>

论文:3 占比:3.49%

总计:86篇

潜育期—发文趋势图

潜育期

-研究学者

  • 马占鸿
  • 何正明
  • 刘琦
  • 廖中元
  • 李薇
  • 杨信东
  • 王睿
  • 王翠翠
  • 谷医林
  • 何永宏
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 刘耀霞; 张学飞; 闫佳会; 姚强; 郭青云
    • 摘要: 为了研究青海省小麦条锈菌在小麦潜育期叶片菌源量,文中以小麦条锈菌延伸因子EF1为引物,利用实时荧光定量PCR技术建立了小麦条锈菌潜育期菌源量检测体系。结果表明:(1)小麦条锈菌延伸因子EF1引物能从小麦叶片gDNA中扩增出特异性目的片段243 bp。(2)实时荧光定量PCR检测体系的灵敏度是常规PCR灵敏度的100倍。(3)铭贤169叶片接种小麦条锈菌后第1天到第8天均检测到条锈菌,且菌源量随着天数的变化呈指数型增长趋势。本研究建立的检测体系可检测到小麦条锈菌在小麦潜育期叶片菌源量,为早期小麦条锈病的发生和防治提供理论依据。
    • 吴家庆; 马琳娜; 张贺; 李加云; 孙俊薇; 梅馨月; 朱书生; 何霞红; 朱有勇; 刘屹湘
    • 摘要: 黄瓜疫病是由甜瓜疫霉引起的黄瓜上的重要病害,病原菌能侵染黄瓜茎、叶片及果实,初期病部缢缩,后期整株枯死。该病菌主要在土壤和受侵染的病残体中存活,且寄主范围广,国内外报道的许多葫芦科瓜果疫病都由该病原菌引起。黄瓜疫病具有潜育期短、雨季蔓延快的特点,因此在防治时应采用栽培防病为主(合理轮作、适时早播),结合选择抗病品种和及时喷药的综合措施。
    • 刘媛媛; 张凡; 师琪; 马倩云; 王文秀; 孙剑锋
    • 摘要: 黑斑病是危害库尔勒香梨的真菌病害之一。若在黑斑病症状显证之前实现早期诊断,对于防止病害蔓延、减少经济损失具有重要的意义。结合高光谱成像技术和Stacking集成学习算法,构建了香梨黑斑病早期快速诊断模型。获取了健康、潜育期、轻度发病和重度发病的黑斑病库尔勒香梨的高光谱图像,提取感兴趣区域内的平均光谱,经标准正态变量变换、一阶导数、二阶导数及组合预处理后,利用主成分分析进行数据降维。然后,以K最近邻法(KNN)、最小二乘支持向量机(LSSVM)和随机森林(RF)算法为基学习器,以LSSVM为元学习器,构建了黑斑病病害程度的Stacking集成学习预测模型。结果表明,随着病害程度加深,光谱反射率整体呈下降趋势,且存在显著性差异,为分类模型的建立提供了理论依据。所建模型对健康和不同病害程度黑斑病库尔勒香梨的总体判别准确率为98.28%,对潜育期香梨的判别准确率为100%。与利用单一分类器建模结果相比,总体判别准确率和潜育期香梨判别准确率分别上升5.18、23.08个百分点。结果证明,Stacking集成学习具有较强的特征学习能力,将其与高光谱成像技术结合,能实现库尔勒香梨黑斑病潜育期的识别。该结果为库尔勒香梨黑斑病的早期快速诊断和发病过程的实时监测提供了一种新的方法。
    • 胡泽轩; 王文秀; 张凡; 赵丹阳; 马倩云; 孙剑锋
    • 摘要: 黑斑病是‘库尔勒’香梨贮藏期的易染病害之一,在潜育期外观无明显变化,很难直接通过肉眼进行准确识别。本研究结合高光谱成像和卷积神经网络(CNN),实现了‘库尔勒’香梨黑斑病潜育期的识别。获取健康和不同病害程度香梨样品的高光谱图像,提取感兴趣区域内光谱后,利用不同预处理方法对其进行处理,分别基于常规算法(最小二乘-支持向量机、K最邻近法、随机森林)和CNN建立病害识别模型。结果表明,与常规算法建模结果相比,CNN模型的识别效果最优。当卷积层数为3,全连接层数为3,学习率为0.0005时,CNN模型的识别效果最佳,对样品的总体识别准确率为99.70%,对潜育期样品的识别准确率为99.76%,分别较常规算法提高了12和14个百分点。该结果证实CNN模型能够显著提高对‘库尔勒’香梨黑斑病潜育期识别的准确率,为‘库尔勒’香梨黑斑病的早期诊断防治提供了1种新的方法。
    • 曾乙心; 金福财; 熊正兴; 何永宏
    • 摘要: 试验探索云南4个主要栽培烟草品种的烟草黑胫病潜育期.结果显示,红花大金元潜育期最短,为9 d;其次是云烟87和云烟85;K326潜育期最长,为21 d,不同品种对烟草黑胫病的抗性不同,抗性越高,潜育期越长,反之亦然.
    • 许换平; 郭慧杰; 张林; 闫红飞; 孟庆芳
    • 摘要: 研究紫外线对小麦叶锈病病菌12-5-1384-1菌株和其诱变菌株1384-B-10-1孢子萌发率和流行学因素的影响.结果表明,紫外线对这2个菌株的影响表现一致,紫外线处理均使夏孢子萌发率降低,潜育期延长,侵染效率、产孢量及病情发展曲线下面积(area under disease-progress curve,简称AUDPC)显著下降,病斑扩展率最大值下降;紫外线处理后,与原始菌株相比,诱变菌株夏孢子的相对萌发率较高,侵染效率提高,病斑扩展率最大值延迟,产孢量和AUDPC升高.以上结果表明,诱变菌株对紫外线的容忍度比原始菌株大,即诱变菌株更适宜在紫外线越来越强的自然环境中生存.
    • 朱文静; 李林; 李美清; 刘继展; 魏新华
    • 摘要: 现有的番茄花叶病无损检测方法无法在潜育期内,即显症之前进行早期识别导致施药不及时或者盲目过度施药.设计与试制了红外热成像信息采集系统,主要包括:光箱、红外热成像仪、温度及升降控制器、加热板和升降载物台.该系统能够根据温度起止节点的要求,人为调节拍摄温度.在江苏大学现代农业装备与技术省部共建重点实验室Venlo型温室中进行非抗病性番茄品种辽宁农科院L-402的培育.采用叶面摩擦接种花叶病毒(Tobacccco mosaic virus,ToMV),分为轻度感染组(LI),重度感染组(SI);LI组为磷酸缓冲液稀释500倍后的病毒液接种,SI组为病毒原液接种.对照组(CG)喷施等量磷酸缓冲液.接种10 d后叶片开始出现病斑,证明接种后9 d为番茄花叶病的潜育期.使用红外热成像系统采集了三个组共计144个样本的红外热成像图,计算叶表最大温差(M TD)以表征潜育期内连续9 d内的叶面温度变化情况.CG组叶片的M TD值差异极小,而接种后叶片M TD值随着病毒侵染时间的推进发生了显著的变化.接种6 d后M TD值差异最大可达1.63°C,第7 d开始差异逐步缩小,表明病毒的扩散范围增大导致病叶越来越多的区域被侵染使得整体叶温上升.光谱采集采用两种方法进行,一种是根据热像图的M TD值计算判别出温度突变区域后采集光谱,记为热像采集法(TCM);另一种是不考虑病灶位置,在叶尖、叶中、叶基三个区域分别随机选择一个点采集光谱后求平均值,记为随机采集法(RCM).TCM确定三个光谱采集点的选择原则是:LI组接种后3,6和9 d的温度突变区域平均MTD值比CG组温度分别高出0.3,0.7和0.5°C.SI组接种后3,6和9 d的温度突变区域平均MTD值比CG组温度分别高出0.5,1.2,0.8°C.差值达到此标准的病灶位置才定为TCM的可选区域.对所有样本采用支持向量机(SVM)算法建立识别模型.采用主成分分析对2151个波长点的光谱信息进行压缩,前6个主成分所对应的累积方差贡献率已到达99%.分别对感病3,6和9d的样本按照2:1的比例划分校正集和预测集,对预测集样本的病害程度进行识别.两种方法所建立的模型的总识别率分别为92.59% 和99.77%.采用TCM建立的光谱识别模型中仅有接种后3 d的一个LI组样本未能识别出来,被误判成CG组样本外,其余组识别率均达到了100%.结果表明近红外光谱法识别番茄花叶病是可行的.采用红外热成像结合近红外光谱法能够建立识别率更高的番茄花叶病潜育期识别模型,克服点源采样随机性,对后续管控流程和突破作物早期精准用药的关键技术探索,建立更为精准的温室智能施药系统提供了新的思路.
    • 刘琦; 王翠翠; 王睿; 谷医林; 李薇; 马占鸿
    • 摘要: Wheat stripe rust seriously affects the safety of wheat production.The early monitoring and warning of this disease is of great significance to control the disease epidemic and ensure the quality and safety of wheat production.It is available to use the canopy hyperspectral reflectance which obtained from spectrograph HandHeld 2 to differentiate the different Pst concentrations in latent period.The effects of different inoculation days,different modeling ratios and different spectral features were assessed with the DPLS,ANN and SVM methods.The results showed that in the spectral region of 325-1 075 nm,the models accuracy based on ANN was better than the DPLS,and the SVM was the best.The model with the spectral feature of 1 st derivative of reflectance had better accuracy than others,and the accuracy rate could be up to 100.00%.%小麦条锈病的发生流行严重影响小麦的生产安全,其早期的监测预警对病害发生的防控具有重要作用.本研究利用HandHeld 2地物光谱仪获取不同浓度小麦条锈菌胁迫下的潜育期小麦冠层高光谱数据,基于定性偏最小二乘(discriminant partial least squares,DPLS)、人工神经网络(attificial neural networks,ANN)和支持向量机(support vector machine,SVM)3种方法建立识别潜育期小麦条锈菌的模型,并分析接菌间隔日、建模比及光谱特征的差异对模型效果的影响.结果显示,在全波段(325~1 075 nm)建模,SVM识别效果优于ANN,而ANN优于DPLS,其中以一阶导数为光谱特征所建模型识别效果最优,在不同建模比下其识别准确率均可达到100.00%.
    • 刘琦; 李薇; 王翠翠; 谷医林; 王睿; 马占鸿
    • 摘要: To explore the rapid diagnosis method of wheat stripe rust during the latent period,different varieties of wheat were artificially inoculated by the Puccinia striiformis f.sp.tritici (Pst).The canopy hyperspectral data was collected in the latent period,and the amount of Pst was also obtained by using the duplex Real-time PCR.Based on the three methods of Logistic,IBk and Randomcommittee,the hyperspectral remote sensing mathematical models were established to recognize the wheat stripe rust during the latent period with different modeling ratio and different modeling parameters.The results showed that within the 325-1 075 nm waveband,the mathematical models based on the methods of Logistic,IBK and Randomcommittee to discriminate wheat stripe rust in the latent period was feasible.But a certain difference in the recognition effectiveness was also found.The average recognition accuracy of the Logistic,IBK and Randomcommittee methods were 83.95%-84.51%,87.72%-88.98%,93.19%-93.46%,respectively.The results indicated that the mathematical model based on Randomcommittee method were more suitable for qualitative identification of wheat stripe rust during the latent period.%为寻求在小麦条锈病潜育期能探知和监测病害的简单便捷方法,通过人工接种不同品种小麦诱发条锈病,在小麦条锈病菌尚处于潜育期时,采集小麦冠层光谱数据,并利用双重Real-time PCR分子生物学技术检测条锈病菌潜育菌量,基于Logistic、IBK以及Randomcommittee三种方法,在不同建模比、不同参数变换下建立可识别潜育期小麦条锈病的数学模型.结果表明,在全波段范围内(325~1 075 nm),3种方法所建模型模拟识别潜育期小麦条锈病是可行的,但识别效果有一定差异,基于Logistic、IBK以及Randomcommittee方法所建模型的平均准确率分别为83.95%~84.51%、87.72%~88.98%、93.19%~93.46%.因此,基于Randomcommittee方法所建模型的识别准确率最高,效果最好,更适合小麦条锈病潜育期的定性识别.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号