一、灰色关联度分析在冬小麦品种综合评估中的运用（论文文献综述）
苏欣欣,肖洋,胡晓航,马亚怀,李彦丽[1]（2021）在《基于灰色关联度分析和主成分分析法评估糖用甜菜品种的适应性》文中研究指明为了筛选出最适宜黑龙江哈尔滨地区种植的产质量高并抗根腐病的糖用甜菜品种。2020年在黑龙江省哈尔滨市黑龙江大学呼兰校区试验基地,以21个引种的KWS系列及1个BTS2730糖用甜菜品种（KWS1197为对照）为试材,采用主成分分析和灰色关联度分析法对根产量、含糖率、产糖量和根腐病4个指标进行综合评价。两种方法得出的甜菜品种的排序大致一致;第一主成分根产量的贡献率为69.704%,第二主成分含糖率的贡献率为26.283%,累计贡献率为95.987%,因此能够全面地反映甜菜的产质量性状;最适合本地种植的综合评价值高于对照的6个品种为:KWS0023（0.8231）>KWS0015（0.7685）> KWS6661（0.7511）>KWS9921（0.7103）>KWS0860（0.7097）>BTS2730（0.7065）>CK（0.6823）;其他品种的综合评价值低于对照。主成分分析法和灰色关联度分析能够较为全面得分析甜菜品种,得出的结果具有可靠性。
江舟[2]（2021）在《淮河生态经济带人工草地生态系统服务价值评估》文中提出随着我国农业供给侧结构性改革深化,农业生产从提升粮食和保障重要农产品供给,向提高农业可持续发展,推进绿色生态循环农业过渡。草地资源在自然与社会生态系统衍生与发展过程中,形成草地农业生态系统,给人类带来生态与经济利益。通过建立淮河生态经济带草地生产模式,对人工草地进行生态系统价值评估,对淮河生态经济带发展及农业供给侧改革具有促进意义。（1）本文首先对淮河生态经济带草地农业发展现状进行分析。选取安徽省蚌埠市,江苏省盐城市,江苏省扬州市作为淮河生态经济带的重要节点城市,对淮河生态经济带的草业发展现状以及未来发展趋势进行研究,利用AHP层次分析法对淮河生态经济带人工草地生态系统服务价值进行功能分类与选择评估指标（2）通过熵权法分别对燕麦、金花菜、箭筈豌豆、毛苕子进行适应性评价,测定牧草产量与品质,并分析牧草种植对土壤肥力的影响。（3）利用田间试验比较研究不同牧草生产模式对牧草品质、牧草产量以及对土壤养分的影响,以建立适宜在淮河生态经济带推广的牧草生产模式。（4）依据田间试验数据以及文献,利用当量因子法、价格替代法、评估淮河生态经济带内天然草地与人工牧草地的生态服务价值,采用道格拉斯生产函数分析淮河生态经济带内牧草种植与小麦种植的经济效益进行对比,从而为淮河生态经济带内草地农业发展提供理论依据。主要研究结果如下:（1）“淮河生态经济带农业转型为草地农业发展提供种植生产机遇”、“大众对于生态环保意识加强为草地农业发展提供社会认知机遇”、“农业食品安全的要求导致饲料粮需求增加为草地农业发展提供市场机遇”是影响淮河生态经济带草地农业发展的主要因素,权重分析分别达到0.2141、0.1279、0.1078。淮河生态经济带草地生态系统服务价值中,“提供畜牧产品功能（供应草产品）”、“为人类提供食用价值”、“土壤改良”是最为重要的生态系统服务价值指标,权重分别为0.3 102、0.1154、0.0876,以此作为淮河生态经济带人工草地生态系统服务价值的重要指标。（2）依据淮河生态经济带牧草适应性评价结果,燕麦品种牧乐斯牧草产量与品质表现最好,干草产量达到1664.35 g·m-2,粗蛋白含量为11.49%、相对饲用价值为137.02,土壤的有机质含量提高15%,豆科牧草中,润扬白箭筈豌豆收获干草产量最高为1041.59 g·m-2,淮扬金花菜在参试品种中牧草品质最高,粗蛋白含量达到27.81%,相对饲用价值为176.24。金花菜对提升土壤养分效果最为显着,土壤中碱解氮、速效磷、速效钾、有机质含量,分别平均提升56.25%、49.34%、24.47%、57.19%。（3）建立了“燕麦-金花菜”间作的南方牧草生产模式,可以提高80%的土地利用率,可收获较高的燕麦干草产量与总干草产量2177.42 g·m-2,与燕麦单播相比干草产量增加了 28%。间作模式可以有效提高土壤养分,间作模式中土壤碱解氮含量、有机质含量显着高于燕麦单播,比燕麦单播平均提高了 22.34%、63.88%。（4）在大丰地区盐碱地条件下,“燕麦-箭筈豌豆”间作模式中,干草产量最高达到2116.42 g·m-2,土地当量比最高达到1.70,燕麦粗蛋白含量比单播燕麦提升16.76%。“燕麦-箭筈豌豆”间作、混播与燕麦单播相比,对于土壤碱解氮、速效钾、有机质含量有促进作用,分别提升了 15.42%～34.05%、2.15%～7.33%、28.71%～50.24%。（5）依据当量因子法,2020年淮河生态经济带天然草地生态服务价值为1123.05亿元人民币（Chinese Yuan,CNY）,其中“土壤形成与保护”的价值在各草地生态服务价值指标中最高,达到302.49亿元CNY,娱乐文化功能的价值最低,仅为6.20亿元CNY。淮河生态经济带内人工牧草地生态服务价值评估中,牧草间作、混播生产模式生态系统服务价值明显高于牧草单播模式。“燕麦-金花菜”间作模式在扬州地区生态系统服务价值为642544.38 CNY·hm-2,“燕麦-箭筈豌豆”混播模式生态系统服务价值为651198.68 CNY.hm-2。（6）经过道格拉斯生产函数分析,在淮河生态经济带内进行苜蓿生产,种子费与农机费的弹性系数最大,分别为0.574 6、0.5923,即每增加1%的种子费与农机费投入,苜蓿收益分别可以增加0.574 6%、0.592 3%。在淮河生态经济带苜蓿生产总成本为10178.67元·hm2,与小麦生产成本相比增加了10.58%,然而毛利润增加了 175%。苜蓿、燕麦、金花菜生产肥料费用与小麦相比分别下降了 58.05%、24.62%、58.06%。
赵平,李学涛,康振友,冯燕青,崔方让,韩京峰[3]（2021）在《基于熵权的DTOPSIS法和灰色关联度分析法在西瓜品种综合评价中的应用》文中研究说明为了给西瓜新品种鉴定和评价提供依据和方法,本研究将基于熵权的DTOPSIS法和灰色关联度分析法应用到西瓜品种的综合评价中。结果表明:通过调查单瓜重、果皮厚度、果实含糖量、外观质量、内在口感等8个指标,对18个西瓜品种进行分析评价,初步筛选出适宜昌乐及周边地区种植的品种为龙盛佳越、京美10K02和龙盛佳华。DTOPSIS法计算出品种间Ci值的最大差异达到65.07%,灰色关联度分析法中加权关联系数ri’值的最大差异仅为35.13%。相关性分析表明基于熵权的DTOPSIS法和灰色关联度分析法计算出的品种排名具有一致性,两者与仅依据单瓜重计算的排名均不具有一致性。研究认为,DTOPSIS法和灰色关联度分析法都能对西瓜品种作出科学的评价,其中DTOPSIS法具有相对更好的评价效果。
王彬龙,魏艳丽,李瑞国,蒋会利,张平,张安静[4]（2020）在《灰色关联度分析法在陕西省旱地小麦区域试验中的应用初探》文中研究指明应用灰色关联度分析法对2018-2019年度陕西省旱地小麦区域试验B组12个参试品种的产量、穗粒数、千粒重等12个性状指标进行了分析和综合评价,结果表明,X12、X9、X6和X5等4个品种综合表现相对较好,这与田间表现基本一致。同时表明,灰色关联度分析法在育种和品种区域试验中具有很高的应用价值。
谭丞轩[5]（2020）在《基于无人机多光谱遥感的大田玉米土壤含水率估算模型研究》文中认为农田土壤水分是作物生长发育的基本条件,及时准确地获取农田土壤水分状况是监测农业墒情和和指导灌溉决策的基础和关键。无人机多光谱遥感具有成本低、高机动性、高时效性等优势,可快速地获取高时空分辨率遥感影像,进而对农田土壤水分状况进行实时有效地监测。因此本研究以不同水分处理的大田玉米为研究对象,利用六旋翼无人机搭载五波段多光谱相机获取玉米关键生育期的多光谱遥感影像,并同时采集玉米生理生化参数、冠层温度和不同深度土壤含水率数据。通过支持向量机（SVM）分类剔除土壤背景,提取玉米冠层光谱反射率并计算多种植被指数,分析玉米在不同水分亏缺处理下的光谱响应特征,探究植被光谱、冠层温度与不同深度土壤含水率之间的相关关系,采用不同的光谱筛选方法和数学建模方法建立不同生育期、不同深度土壤含水率反演模型,并采用不同的精度评价指标进行反演模型的综合论证与评价。得到的主要结果如下:（1）构建了不同生育期条件下玉米根域土壤含水率的机器学习模型。利用灰度关联分析筛选出的在不同生育期下对土壤含水率敏感的植被指数不尽相同,筛选出的植被指数有NDVI、MSR、RVI、SIPI、RVI2、NDVIg-b和GI等7种植被指数,并发现基于不同波段光谱构建的植被指数随生育期的变化有所不同,对水分胁迫状况的响应也存在一定的差异。在模型反演中,发现3种机器学习方法中支持向量机回归（SVR）模型在各生育期取得了最佳的反演效果,且模型鲁棒性较好,反向传播神经网络（BPNN）模型次之,多元混合线性回归（Cubist）模型最差。从生育期反演效果来看,植被光谱与土壤含水率在玉米营养生长期（V期）和成熟期（M期）的模型效果较优,生殖期（R期）效果较差,但在全生育期也有较高的建模和预测精度,R2均在0.68以上,表明利用灰度关联分析与机器学习相结合的方法估算土壤含水率是可行的。其中SVR在M期的模型效果最优,建模集和验证集R2分别为0.851和0.875,均方根误差（RMSE）均为0.7%,标准均方根误差（NRMSE）分别为8.17%和8.32%。（2）构建了基于全子集-极限学习机回归的不同深度土壤含水率反演模型。不同水分处理下的玉米冠层光谱反射率全部呈现出“先增后降再上升”的趋势,即在可见光谱段反射率偏低,而在近红外谱段反射率偏高。利用全子集进行最优光谱组合的筛选,发现不同条件下筛选出的敏感光谱组合差异很大,但筛选变量基本都通过了显着性检验,且自变量个数较少（2-6）,表明全子集筛选法具有简易高效的优势。在反演土壤含水率中,发现玉米在同一生育期、同一深度条件下,极限学习机（ELM）模型效果均要优于岭回归（RR）模型。并且不同生育期的最佳监测深度并不相同,玉米在拔节期、抽雄-吐丝期的最佳监测深度为0-20 cm,在乳熟-成熟期的最佳监测深度为20-45 cm。其中乳熟-成熟期的20-45 cm深度下的ELM反演模型效果最优,其建模集Rc2和验证集Rv2分别为0.825和0.750,建模集RMSEc和验证集RMSEv分别为1.00%、1.32%,建模集NRMSEc和验证集NRMSEv分别为10.85%、13.55%。（3）构建了植被指数与冠层温度联合诊断玉米土壤含水率反演模型。植被指数与玉米生理参数具有显着的相关性,相关系数均在0.51以上,各植被指数与株高相关系数甚至达到了0.8左右。植被指数和冠层温度与不同深度土壤含水率分别呈现显着正相关和显着负相关关系,二者与0-20 cm深度土壤含水率的相关系数均在0.69以上,与20-45 cm深度土壤含水率的相关系数均在0.53以上。基于植被光谱与冠层温度相结合的土壤含水率诊断方法,其模型效果明显要优于单纯利用植被指数或者冠层温度反演土壤含水率的模型效果,表明该研究方法在土壤含水率反演研究中具有一定的应用潜力。
崔毅[6]（2019）在《基于试验的作物受旱胁迫响应机制及定量评估研究》文中研究指明农业旱灾风险管理可有效提高人类应对旱灾的能力,减少粮食产量损失。作物旱灾损失成因机理研究是实现农业旱灾风险管理的基础和核心,但由于受旱条件下作物生理生长过程中存在着大量不确定性,作物受旱胁迫响应机制非常复杂,其相关定量评估方法和途径一直以来都是自然灾害学界的前沿和难点。淮北平原是我国重要的商品粮生产基地,频繁发生的农业旱灾严重威胁该地区粮食安全和社会稳定。本研究针对当前作物受旱胁迫响应机制及定量评估研究中亟待解决的科学问题,结合在淮北平原地区进行的作物受旱试验,开展基于试验的作物受旱胁迫响应机制及定量评估理论方法和实证应用研究,主要研究工作及成果如下:（1）淮北平原地区冬小麦和夏大豆受旱胁迫试验在农业旱灾频发的重要粮食产区——安徽省淮北平原地区进行了一季冬小麦蒸渗仪受旱试验和两季夏大豆盆栽受旱试验,为结合受旱条件下实际作物生理生长过程开展作物受旱胁迫响应机制及定量评估研究提供基础资料和观测数据。（2）作物生理生长过程对受旱胁迫的定量响应分析分别对不同受旱胁迫下淮北平原冬小麦和夏大豆受旱当期和受旱后期各生育阶段的蒸发蒸腾量、植株地上部生物积累量和产量构成要素进行了定量响应分析;建立了大豆收获时地上部生物量和籽粒产量之间、受旱当期和受旱后期各阶段蒸发蒸腾量和地上部生物积累量之间的线性函数。作物某一生育阶段受旱不仅影响该阶段的生理生长,且会产生累积效应,将这种胁迫影响传递到之后的生育阶段;前期受旱不严重,后期复水可使作物生理生长机能基本恢复正常;受旱直接影响大豆当期蒸发蒸腾,并通过植株生理生长机制传递影响当期的地上部物质积累;大豆某一阶段受旱对当期及之后阶段蒸发蒸腾和地上部生长造成的影响之间具有一定的相关性,但距受旱越远阶段的相关性越弱;大豆某一阶段蒸发蒸腾量和地上部生物积累量之间的线性函数与其在该阶段之前的受旱情况密切相关。（3）多生育阶段受旱胁迫下作物蒸发蒸腾量的估算构建了多生育阶段受旱胁迫下作物蒸发蒸腾量的估算方法,并结合淮北平原冬小麦受旱试验,在双作物系数法估算无受旱胁迫下小麦蒸发蒸腾量的基础上,采用遗传算法对基础作物系数Kcb ini、Kcb mid、Kcb end和作物系数上限Kc max进行了率定,之后对受旱胁迫下小麦蒸发蒸腾量进行了估算。优化得到的淮北平原冬小麦Kcb ini、Kcb mid、Kcb end和Kc max分别为0.32、1.38、0.33和1.39;以优化作物系数分别估算无受旱胁迫下和5种受旱胁迫下的小麦各生育阶段蒸发蒸腾量,结果均比直接采用FAO-56推荐作物系数更接近实测值,估算精度显着提高,但受旱胁迫下的估算结果总体上稍高于实测值,估算效果没有无受旱胁迫下的好;以优化作物系数计算得到的不同受旱条件下土壤水分胁迫系数与实测小麦蒸发蒸腾量具有较强的一致性;本研究中受旱胁迫下作物蒸发蒸腾量估算方法合理可靠。（4）基于灾害损失曲线的作物旱灾敏感性定量评估提出了作物旱灾敏感性的基本内涵和定量评估方法,并结合淮北平原夏大豆受旱试验,从单阶段受旱对当期植株地上部生长和籽粒产量形成影响两个角度构建了大豆各生育阶段的旱灾敏感性曲线,比较了大豆不同阶段的旱灾敏感性大小。基于S型灾损曲线的作物旱灾敏感性函数可准确描述作物生长因旱损失量随某一阶段内水分亏缺强度变化的定量关系,具有成因机理;从受旱胁迫影响植株地上部生长角度看,在干旱致灾因子强度较低时,大豆4个阶段的旱灾敏感性从高到低的顺序为花荚期、鼓粒期、分枝期和苗期;在强度较高时,敏感性从高到低的顺序为鼓粒期、花荚期、分枝期和苗期;从受旱胁迫影响籽粒形成角度看,当水分亏缺较轻微时,大豆籽粒形成对它发生在苗期最为敏感,但当亏缺较为严重时,籽粒形成对它发生在花荚期的敏感程度更高;严格控制苗期的水分亏缺强度,保证生殖生长阶段特别是开花结荚期的充分供水,是保证大豆高产稳产的关键。（5）基于作物生理生长过程的灌溉方案多层次优选构建了考虑作物生理生长过程的灌溉方案多层次优选体系,提出了灰色熵权法和灰色关联投影寻踪模型用以确定评价指标权重,并结合淮北平原夏大豆受旱试验,根据计算得到的大豆各备选灌溉方案和理想灌溉方案之间的综合灰色关联度,分别从不同角度对各备选方案进行了评估和优选。在应用熵权法或投影寻踪模型确定指标权重时,采用实际研究对象序列计算相应的信息熵值或一维投影值更直接有效;根据作物耗水量-作物生长过程-作物水分利用效率综合优选体系中各备选方案和理想方案之间灰色关联度值从大到小的排序结果可知,相对最优的方案是在大豆分枝期实施严重亏缺灌溉,且该方案的优势显着,而最不利的方案是在花荚期实施严重亏缺灌溉;在大豆营养生长阶段实施亏缺灌溉的方案比在生殖生长阶段实施的方案相对较优,全生育期实施充分灌溉是一个相对适中的方案。
陈慧,王冀川[7]（2019）在《基于灰色关联度及DTOPSIS法的南疆冬小麦品种的综合评判》文中研究指明运用灰色关联度和DTOPSIS 2种评价方法对17个冬小麦品种进行综合评判,以期筛选出具有优良性状的品种,为南疆冬小麦优良品种的推广提供依据。结果表明,2种评判方法所得结果相似,得到的17个品种的优劣顺序大体相同。DTOPSIS法的运算虽然较为复杂,但是其引入了正向指标和逆向指标,品种间性状的评判结果差异性大,结果更合理。2种评判方法均得出,玉农系列以及济麦22号的表现较优,可作为南疆地区推广的优良品种,青丰1号与烟农系列的表现较差,不建议作为推广品种。
张志勇[8]（2017）在《不同小麦品种GS同工酶表达差异与氮效率关系的研究》文中研究说明采用大田与盆栽相结合的方法,以高氮高效型（HH）:周麦27、郑麦366;高氮低效型（HL）:周麦28、开麦20;低氮高效型（LH）:漯麦18、豫麦49-198和低氮低氮型（LL）:西农509、矮抗58这8个品种为研究对象,分析了三个氮水平（N0:0 kg/ha,N120:120 kg/ha,N225:225 kg/ha）下这些品种的产量及其构成、氮效率特征、氮素的积累和分配特征以及籽粒灌浆特性。同时,研究了小麦器官不同发育时期的氮代谢特征,包括氮代谢物的含量和相关代谢酶的活性,测定了GS同工酶的蛋白亚基表达和基因表达。利用相关性分析,回归分析和灰色关联度分析的方法,分析了GS1,GS2和GS2m三种同工酶和氮效率的具体关系。以期明确不同氮效率小麦品种的GS同工酶表达特征及其时空分布,探究GS同工酶对小麦氮效率的主要调控方式,为不同小麦的优质高效栽培和氮高效品种选育提供参考和理论依据。结果表明:（1）施氮量对氮低效品种的影响大于氮高效品种,且氮水平与氮效率指标均呈负相关关系,氮低效品种的氮效率提高潜力高于氮高效品种;（2）氮素在籽粒中的积累和分配量与氮素利用效率呈显着正相关,且氮高效品种（HH型、LH型）在成熟期时籽粒中的氮分配量高于氮低效品种（HL型、LL型）;（3）功能叶GS活性峰值出现在花后7天时,不同氮水平间表现为N225>N120>N0,器官间表现为:功能叶>籽粒>穗下节>护颖,同一氮水平下,GS酶活性一般为氮高效品种高于氮低效品种;（4）不同器官氮代谢物含量差异显着,开花期前,叶片中氮代谢物含量最高,开花后到成熟期,籽粒中氮代谢物含量最高,表现出明显的氮素转运趋势。（5）在小麦不同器官中均存在GS1同工酶,且GS1酶活性受器官衰老的诱导,GS2同工酶仅存在于绿色器官中,随着器官的衰老其活性降低,而新鉴定到的GS2m酶活性仅存在于绿色器官的特定发育时期,不同氮效率品种间表现为花前氮高效品种GS2/GS1的酶活比值高于氮低效品种,氮高效品种表现出更高的同化能力;花后氮高效品种GS2/GS1的酶活比值低于氮低效品种,氮高效品种表现出更好的转运能力;（6）在小麦不同器官中存在两种蛋白亚基,大小分别为39KD和42KD的GS2亚基和GS1亚基,叶片和护颖中GS2亚基较丰富,穗下节中GS1亚基占主导地位,籽粒中仅存在GS1亚基;氮高效品种开花前GS2/GS1蛋白亚基含量高于氮低效品种,花后则低于氮低效品种;（7）功能叶中TaGS1基因相对表达量与施氮量呈负相关关系,TaGS1基因表达峰值出现在开花以后;TaGS2基因和施氮量呈正相关关系,其表达峰值出现在拔节期;不同器官中TaGS2基因的表达量大小为:叶片>护颖>穗下节>籽粒,GS1基因的表达量大小为:护颖>穗下节>功能叶≈籽粒;（8）GS同工酶的时空分布可能参于调控了小麦植株体内的源库流器官间的氮代谢物调动,GS2/GS1造成的源库强差是GS同工酶调控氮效率的主要原因;（9）不同器官间GS同工酶与氮效率的相关性大小表现为:叶片>穗下节>护颖>籽粒,叶片可以作为研究GS同工酶和氮效率关系的主要器官;GS1同工酶活性与氮素利用效率（NUE）、氮素吸收效率（NAE）在叶片和护颖中均达到极显着正相关,与氮素生理利用效率（NPE）和氮素转运效率（NTE）达到极显着负相关,其他同工酶活性未发现与氮效率指标间存在明显相关关系;GS2同工酶与氮代谢指标间呈显着正相关关系,GS同工酶指标之间也存在显着正相关关系;（10）不同部位GS同工酶、氮代谢指标和氮效率间的回归方程均具有较高的方程决定系数（R2）;叶片NTE回归方程决定系数最高,穗下节NAE回归方程决定系数最高,护颖和籽粒NAE回归方程决定系数最高;产量对NAE、NPE和NTE回归方程的决定系数达到极显着水平;拔节期可作为预测小麦氮效率的生育时期;（11）叶片中GS1同工酶与NUE和NAE关联程度最高,GS2同工酶与NAE的关联程度较高;穗下节中GS1与NAE的关联系数最高;施氮量、总氮含量、干物质积累与氮效率的关联系数也较高。结论:GS同工酶通过影响源库流器官的库强来影响氮效率,对提高小麦氮效率具有积极作用,但并不是构成限制氮效率提高的决定因素,氮效率的提高需要通过复杂的多基因调控和外界环境条件的相互作用来实现。
柏流芳,吕黄珍,朱大洲,周光华,张新伟,王成,屠振华[9]（2013）在《农作物育种中的综合评判方法》文中指出综合评判在农作物育种、农业生产决策、农产品品质评价等农业工程多领域的作用越来越显着,日益成为研究热点。该文概述了作物育种过程中几种主要的评判方法,包括模糊综合评判、灰色关联度分析和DTOPSIS方法,简述了各方法的原理、实现步骤,介绍了这些方法在作物育种过程中的国内外研究进展,分析了各自的优缺点,对作物育种综合评判方法的发展趋势进行了展望。
王慧芳[10]（2013）在《基于多源数据冬小麦冻害遥感监测研究》文中研究说明近年来,随着全球极端气候的频繁出现,冬小麦冻害发生的复杂性、不可预知性,受灾程度影响之严重性,使得冬小麦冻害的实时监测和防灾减灾任务更加艰巨。随着卫星技术、地理信息技术、全球定位系统技术、计算机网络技术为主要内容的信息技术的迅速发展,遥感灾害监测技术在农业领域也得到了广泛的应用。近年来随着国产卫星数据源在时空分辨率与光谱分辨率上的提升,更带动了国内在相关领域研究的进展。然而目前在冬小麦冻害灾情遥感监测方面尚不系统,而在技术上如何最大限度的利用多源数据挖掘数据中的有效信息进而对不同时期的冻害特征参数进行有效提取是一个重要问题。本研究首先以人工控制条件下冬小麦越冬冻害与早春冻害为例,分别获取叶片、冠层尺度高光谱,研究冬小麦冻害光谱特征响应机制。继而以河北省示范区2009-2010年度典型冬小麦冻害实况为例,在地面样点调查基础上,综合多时相光学与热红外数据等多源遥感数据,利用GIS空间分析等技术手段,开展区域尺度上冬小麦冻害监测模型与方法研究,具体研究内容和结果如下：（1）在大田种植耐冻、不耐冻小麦品种发生越冬冻害自然条件下,获取了叶片与冠层尺度高光谱数据。在叶片尺度,首先研究了冻害在原始光谱与一阶微分光谱上的相应波段响应机制并提取了敏感波段；其次提取了叶片高光谱特征参量,通过分析叶片尺度冻害程度DAI与高光谱特征参量关系,建立了叶片尺度DAI与高光谱特征的拟合方程,筛选以R2达0.750以上的777nm一阶微分值、SDr/SDb、（SDr-SDb）/（SDr+SDb）为变量建模,其中SDr/SDb精度最高,验证结果R2为0.799,对DAI有很好的预测能力。冠层尺度上,通过主成分分析法提取前6个主成分估算冬小麦冻害严重度,其模型精度R2达到了0.6309。基于冠层高光谱数据提取了20个能敏感表征小麦叶绿素及含水量植被指数进行与冻害严重度相关分析,其中16个植被指数都与冻害严重度达显着水平。最后通过ANOVA进行产量影响指标与冻害严重度关系分析,4个与产量相关的考种指标都与冻害胁迫程度达到了极显着相关,说明不同的越冬冻害胁迫程度对最后产量影响较大。（2）在人工模拟霜箱模拟北方麦区（北京地区）春季越冬后早春冻害胁迫处理,观察其对冬小麦生长及产量的影响,同步获取了对小麦早春冻害叶片及冠层高光谱信息提取数据。通过研究了单叶水平与冠层水平冬小麦早春冻害的高光谱特征响应,表明经过不同温度处理后,叶片尺度与冠层尺度冬小麦呈现了不同的高光谱特征,文章分析了叶片及冠层尺度的四个不同处理T0,T1,T2,T3下原始高光谱、一阶微分光谱、“红边”等特征的信息,同时分析了在时间维度上的光谱变化信息。根据早春冻害低温胁迫后,植株光合作用的变化,文章使采用连续小波分析法（CWA）进行了叶绿素相对含量SPAD值反演研究,以相关程度最高的Feature E建立反演模型,并取得了较好的精度R2达到0.786。研究同时还进行了早春冻害不同温度条件处理下,造成长势指标（株高、LAI）差异与最后影响产量因素的/（?）NOVA分析,其结果为早春冻害对株高与LAI的影响达到了显着相关,说明不同程度的早春冻害对小麦长势与及最后收获产量影响较大。（3）大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。以河北省示范区藁城市2009-2010年度发生的冬小麦冻害为典型案例,以三景环境减灾小卫星座HJ-CCDs小卫星影像为数据源进行了冬小麦冻害监测研究。文章引用入变化向量分析理论,分别对冬小麦冻害灾情及灾后长势恢复进行监测。利用多时相环境小卫星数据提取的多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。（4）为了系统地评价冬小麦冻害严重程度并筛选与影响其冻害受灾程度的有效评价指标,文章将灰色理论系统知识模型与遥感技术（RS）、地理信息系统（GIS）技术相结合,在确立评价指标体系原则及要求的基础上,建立大尺度多源信息融合的冻害综合评价模型,并用于空间分布专题图生成。文章以河北省藁城、晋州市小麦冻害监测应用为例,开展冬小麦冻害受灾程度进行定量评价方法研究,首先对河北省藁城与晋州市小麦2009-2010年度实测冻害严重度群体指标——茎蘖存活率与地表温度、土壤各养分含量、土壤热惯量和土壤含水量等空间数据信息进行灰色关联分析（GRA）,并确定其权重；继而利用空间插值技术构建了研究区小麦冻害胁迫多因子空间矩阵,最后通过灰色聚类评估分析（GCA）建立冬小麦冻害严重度评估模型,将研究区可划分为重灾、中灾、轻灾或未受灾3种受灾片区。结果表明：藁城市重度受灾面积占全市小麦总面积的23.9%,中度受灾面积占40.71%,轻微或未受灾面积占35.39%；晋州市重度受灾面积占全市小麦总面积的17.12%,中度受灾面积占41.12%,轻微或未受灾面积占41.76%。评价结果经kappa模型验证后,总精度（overall accuracy）达78.82%,kappa coefficient为0.6754。因此,灰色聚类分析数学模型与遥感、GIS地理信息系统空间分析有效的整合,可以客观、准确地对冬小麦受冻害灾情定量评估研究,使得评价模型更具科学性和应用前景。同时此方法也为生态环境变化评价,作物长势及灾害监测提供了另外一种新途径。
二、灰色关联度分析在冬小麦品种综合评估中的运用（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、灰色关联度分析在冬小麦品种综合评估中的运用（论文提纲范文）
（1）基于灰色关联度分析和主成分分析法评估糖用甜菜品种的适应性（论文提纲范文）
| 0 引言 |
| 1 材料与方法 |
| 1.1 试验材料 |
| 1.2 试验地概述 |
| 1.3 试验设计 |
| 1.4 测定指标 |
| 1.5 分析方法 |
| 1.5.1 灰色关联度分析法 |
| 1.5.2 主成分分析法 |
| 1.6 数据处理 |
| 2 结果与分析 |
| 2.1 不同甜菜品种的灰色关联度分析 |
| 2.1.1 建立原始数据矩阵 |
| 2.1.2 对数据进行无量纲化 |
| 2.1.3 计算绝对差序 |
| 2.1.4 灰色关联系数和关联度 |
| 2.1.5 计算各参试品种的综合评价值 |
| 2.2 主成分分析结果 |
| 2.2.1 各性状间的相关性分析 |
| 2.2.2 各主成分的相关性分析 |
| 2.2.3 参试品种的综合得分 |
| 3 讨论与结论 |
（2）淮河生态经济带人工草地生态系统服务价值评估（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明(英文缩略词) |
| 第1章 文献综述 |
| 1.1 研究背景 |
| 1.1.1 淮河生态经济带的提出和发展规划 |
| 1.1.2 草地农业发展对淮河生态经济带的意义 |
| 1.1.3 淮河生态经济带草业发展状况 |
| 1.2 南方草地农业系统的建立与人工草地利用模式的形成 |
| 1.2.1 牧草的引种应用和适应性评价 |
| 1.2.2 淮河流域牧草的引种与品种比较适应性评价 |
| 1.2.3 国外草地农业的利用模式对淮河经济带草业发展的借鉴作用 |
| 1.2.4 草地生态农业模式的技术应用 |
| 1.3 草地生态系统服务价值研究进展 |
| 1.4 草地生态服务价值评估方法 |
| 1.4.1 当量因子法 |
| 1.4.2 功能价值法 |
| 1.4.3 遥感技术 |
| 1.4.4 草地生态服务价值研究的问题 |
| 1.5 淮河生态经济带草地生态服务价值的研究意义 |
| 第2章 淮河生态经济带草地农业发展战略分析 |
| 2.1 研究方法 |
| 2.1.1 AHP分析法步骤 |
| 2.1.2 淮河生态经济带草地农业战略分析矩阵构建 |
| 2.1.3 淮河生态经济带草地农业战略分析层次构建 |
| 2.1.4 淮河生态经济带草地农业战略分析因素评价 |
| 2.1.5 淮河生态经济带草地农业战略层次分析 |
| 2.1.6 数据分析 |
| 2.2 结果与分析 |
| 2.2.1 淮河生态经济带草地农业发展AHP分析 |
| 2.2.2 淮河生态经济带草地生态系统服务价值系统层重要性分析 |
| 2.2.3 淮河生态经济带草地生态服务价值指标层重要性分析 |
| 2.2.4 淮河生态经济带草地资源生态服务价值总层次排序 |
| 2.3 讨论 |
| 2.3.1 利益相关者对于淮河生态经济带草地农业发展模式的认知 |
| 2.3.2 生态系统服务价值对于草地农业发展的影响 |
| 2.3.3 淮河生态经济带草地农业的发展模式 |
| 2.3.4 淮河生态经济带草业发展领域的扩展 |
| 2.4 结论 |
| 第3章 淮河生态经济带牧草适应性的评价 |
| 3.1 材料与方法 |
| 3.1.1 试验地概况 |
| 3.1.2 试验材料与设计 |
| 3.1.3 测定指标与方法 |
| 3.1.3.1 牧草生产性能 |
| 3.1.3.2 牧草品质 |
| 3.1.3.3 土壤肥力测定 |
| 3.1.3.4 淮河生态经济带牧草适应性的综合评价 |
| 3.1.5 数据分析 |
| 3.2 结果与分析 |
| 3.2.1 淮河生态经济带燕麦生产性能的适应性评价 |
| 3.2.2 淮河生态经济带燕麦牧草品质比较 |
| 3.2.3 燕麦种植对于淮河生态经济带土壤肥力的影响 |
| 3.2.4 淮河生态经济带箭筈豌豆、毛苕子、金花菜的生产性能比较 |
| 3.2.5 淮河生态经济带箭筈豌豆、毛苕子金花菜牧草品质比较 |
| 3.2.6 淮河生态经济带箭筈豌豆、毛苕子、金花菜对土壤肥力影响 |
| 3.2.7 淮河生态经济带牧草适应性的综合评价 |
| 3.3 讨论 |
| 3.3.1 燕麦在淮河生态经济带生产效益与生态效益评价 |
| 3.3.2 豆科牧草在淮河生态经济带生产效益与生态效益表现 |
| 3.3.3 豆科牧草对淮河流域土壤肥力的影响 |
| 3.4 结论 |
| 第4章 淮河生态经济带不同牧草生产模式的建立 |
| 4.1 材料与方法 |
| 4.1.1 试验地概况 |
| 4.1.2 试验材料与设计 |
| 4.1.3 测定指标与方法 |
| 4.1.4 数据分析 |
| 4.2 结果与分析 |
| 4.2.1 淮河生态经济带金花菜与燕麦生产模式对牧草生长的影响 |
| 4.2.2 淮河生态经济带燕麦与箭筈豌豆间作对牧草生长的影响 |
| 4.2.3 淮河生态经济带不同牧草生产模式对牧草产量的影响 |
| 4.2.4 淮河生态经济带不同间作模式对燕麦牧草品质的影响 |
| 4.2.5 淮河生态经济带间作对金花菜与箭筈豌豆牧草品质的影响 |
| 4.2.6 淮河生态经济带不同间作模式对于土壤肥力的影响 |
| 4.2.7 “燕麦-金花菜”间作与“燕麦-箭筈豌豆”间作的综合评价 |
| 4.3 讨论 |
| 4.3.1 间作对金花菜、箭筈豌豆与燕麦生长发育的影响 |
| 4.3.2 不同间作比例对牧草产量与品质的影响 |
| 4.3.3 牧草间作对于土壤肥力的影响 |
| 4.4 结论 |
| 第5章 淮河生态经济带不同牧草生产模式对牧草生产性能及土壤肥力的影响 |
| 5.1 材料与方法 |
| 5.1.1 试验地概况 |
| 5.1.2 试验材料与设计 |
| 5.1.3 测定指标与方法 |
| 5.2 结果与分析 |
| 5.2.1 “燕麦-箭筈豌豆”牧草生产模式对于牧草产量的效应影响 |
| 5.2.2 箭筈豌豆与燕麦间作与混播对于牧草品质的影响 |
| 5.2.3 箭筈豌豆与燕麦间作混播对于土壤肥力的影响 |
| 5.2.4 “燕麦-箭筈豌豆”间作与混播的综合评价 |
| 5.3 讨论 |
| 5.3.1 不同因素对牧草混播、间作模式中牧草产量的影响 |
| 5.3.2 不同牧草种植模式对牧草品质的影响 |
| 5.3.3 不同牧草种植模式对土壤肥力的影响 |
| 5.4 结论 |
| 第6章 淮河生态经济带草地生态系统服务价值评估 |
| 6.1 材料与方法 |
| 6.1.1 研究区域 |
| 6.1.2 数据来源 |
| 6.1.3 淮河生态经济带天然草地生态服务价值计算 |
| 6.1.4 淮河生态经济带人工草地生态服务价值计算 |
| 6.2 结果与分析 |
| 6.2.1 淮河生态经济带天然草地生态服务价值估算 |
| 6.2.2 淮河生态经济带人工草地间接生态系统服务价值估算 |
| 6.2.3 淮河生态经济带人工草地生态系统服务价值估算 |
| 6.3 讨论 |
| 6.3.1 淮河生态经济带天然草地生态服务价值变化趋势 |
| 6.3.2 淮河生态经济带天然草地生态服务价值意义 |
| 6.3.3 人工牧草生产对淮河生态经济带的生态与生产意义 |
| 6.3.4 合理的淮河生态经济带人工草地生产模式 |
| 6.4 结论 |
| 第7章 淮河生态经济带牧草生产经济效益分析与比较 |
| 7.1 材料与方法 |
| 7.1.1 试验地概况 |
| 7.1.2 测定项目与方法 |
| 7.1.3 分析模型及方法 |
| 7.1.4 数据分析 |
| 7.2 结果与分析 |
| 7.2.1 淮河生态经济带牧草生产与小麦生产的成本和收益比较 |
| 7.2.2 淮河生态经济带牧草种植道格拉斯生产函数分析 |
| 7.3 讨论 |
| 7.3.1 淮河生态经济带牧草生产的优势 |
| 7.3.2 影响淮河生态经济带牧草生产成本的因素 |
| 7.3.3 淮河生态经济带牧草生产前景 |
| 7.4 结论 |
| 结语 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）基于熵权的DTOPSIS法和灰色关联度分析法在西瓜品种综合评价中的应用（论文提纲范文）
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 方法 |
| 1.2.1 试验设计 |
| 1.2.2 田间管理 |
| 1.2.3 测定项目及方法 |
| 1.2.4 分析方法 |
| 1.2.5 数据处理 |
| 2 结果与分析 |
| 2.1 参试品种各指标调查结果及方差分析 |
| 2.2 熵权法确定各指标的权重 |
| 2.3 各指标无量纲化处理 |
| 2.4 DTOPSISI法分析结果 |
| 2.5 灰色关联度分析法分析结果 |
| 2.6 不同分析方法的结果比较 |
| 2.6.1 分析结果的一致性检验 |
| 2.6.2 DTOPSIS法和灰色关联度法的优势 |
| 2.6.3 不同分析方法下的综合评价 |
| 3 结论与讨论 |
（4）灰色关联度分析法在陕西省旱地小麦区域试验中的应用初探（论文提纲范文）
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 方法 |
| 2 结果分析 |
| 2.1 构建“理想品种” |
| 2.2 原始数据的无量纲化处理 |
| 2.3 参试品种与“理想品种”灰色关联系数的计算 |
| 2.4 参试品种与理想品种的灰色关联度计算 |
| 3 讨论 |
（5）基于无人机多光谱遥感的大田玉米土壤含水率估算模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 遥感反演土壤含水率研究进展 |
| 1.2.2 无人机遥感监测作物水分胁迫的研究进展 |
| 1.2.3 无人机遥感监测作物生理生化参数的研究进展 |
| 1.3 存在的问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 材料与方法 |
| 2.1 试验区概况 |
| 2.2 试验设计 |
| 2.2.1 试验区域设计 |
| 2.2.2 水分梯度设计 |
| 2.3 无人机多光谱系统 |
| 2.4 试验数据采集与方法 |
| 2.4.1 玉米根域土壤含水率数据的采集 |
| 2.4.2 玉米冠层温度数据的采集 |
| 2.4.3 玉米生理参数的数据采集 |
| 2.5 植被指数的计算 |
| 2.6 敏感光谱数据的筛选 |
| 2.6.1 灰度关联分析法 |
| 2.6.2 全子集筛选法 |
| 2.7 光谱模型的构建 |
| 2.7.1 多元混合线性回归模型 |
| 2.7.2 反向传播神经网络模型 |
| 2.7.3 支持向量机回归模型 |
| 2.7.4 岭回归模型 |
| 2.7.5 极限学习机模型 |
| 2.8 模型精度评价指标 |
| 第三章 基于机器学习的玉米根域土壤含水率反演研究 |
| 3.1 数据获取与处理 |
| 3.1.1 植被指数的提取 |
| 3.1.2 建模集和验证集的划分 |
| 3.2 基于灰度关联分析的植被指数选择 |
| 3.3 植被指数变化 |
| 3.4 基于机器学习的敏感植被指数与土壤含水率的模型构建 |
| 3.4.1 基于Cubist的土壤含水率模型构建 |
| 3.4.2 基于BP神经网络的土壤含水率模型构建 |
| 3.4.3 基于支持向量机的土壤含水率模型构建 |
| 3.4.4 模型的综合评价 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第四章 基于全子集-极限学习机的不同深度土壤含水率反演研究 |
| 4.1 数据获取与处理 |
| 4.1.1 多光谱图像处理 |
| 4.1.2 建模集和验证集的划分 |
| 4.2 冠层光谱反射率的变化 |
| 4.3 全子集筛选最佳光谱组合 |
| 4.4 基于全子集筛选的不同深度土壤含水率的模型构建 |
| 4.4.1 岭回归模型构建 |
| 4.4.2 极限学习机模型构建 |
| 4.4.3 模型的综合论证 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第五章 植被指数与冠层温度联合诊断玉米土壤含水率研究 |
| 5.1 植被指数与玉米生理参数的相关性分析 |
| 5.2 植被指数与土壤含水率的相关性分析 |
| 5.3 冠层温度与土壤含水率的相关性分析 |
| 5.4 植被指数与冠层温度联合诊断土壤含水率的反演研究 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）基于试验的作物受旱胁迫响应机制及定量评估研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 作物生理生长过程对干旱胁迫的响应分析 |
| 1.2.2 作物蒸发蒸腾量估算和调亏灌溉方案优选 |
| 1.2.3 农业干旱承灾体敏感性和脆弱性及其评估 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文创新点 |
| 第2章 淮北平原地区冬小麦和夏大豆受旱胁迫试验 |
| 2.1 作物试验区域概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 气象水文 |
| 2.1.4 农业生产 |
| 2.1.5 旱情旱灾 |
| 2.2 冬小麦蒸渗仪受旱胁迫试验 |
| 2.2.1 试验区概况 |
| 2.2.2 作物管理 |
| 2.2.3 试验设计 |
| 2.2.4 测定项目及方法 |
| 2.3 夏大豆盆栽受旱胁迫试验 |
| 2.3.1 试验区概况 |
| 2.3.2 作物管理 |
| 2.3.3 试验设计 |
| 2.3.4 测定项目及方法 |
| 2.4 本章小结 |
| 第3章 作物生理生长过程对受旱胁迫的定量响应分析 |
| 3.1 作物蒸发蒸腾量对受旱胁迫的定量响应分析 |
| 3.1.1 小麦蒸发蒸腾量对多生育阶段受旱胁迫的响应 |
| 3.1.2 大豆蒸发蒸腾量对单生育阶段受旱胁迫的响应 |
| 3.2 作物地上部生物积累量对受旱胁迫的定量响应分析 |
| 3.2.1 大豆地上部生物积累量对当期受旱胁迫的响应 |
| 3.2.2 大豆地上部生物积累量对前期受旱胁迫的响应 |
| 3.3 作物产量构成要素对受旱胁迫的定量响应分析 |
| 3.3.1 小麦产量构成要素对多生育阶段受旱胁迫的响应 |
| 3.3.2 大豆产量构成要素对单生育阶段受旱胁迫的响应 |
| 3.4 受旱胁迫下作物生理生长损失形成过程分析 |
| 3.4.1 大豆收获时地上部生物量和籽粒产量之间的关系 |
| 3.4.2 大豆受旱当期蒸发蒸发量和地上部生物积累量之间的关系 |
| 3.4.3 大豆受旱后期蒸发蒸发量和地上部生物积累量之间的关系 |
| 3.5 本章小结 |
| 第4章 多生育阶段受旱胁迫下作物蒸发蒸腾量的估算 |
| 4.1 研究思路和实证区域 |
| 4.2 多生育阶段受旱胁迫下作物蒸发蒸腾量估算方法 |
| 4.2.1 参考作物蒸发蒸腾量 |
| 4.2.2 基础作物系数 |
| 4.2.3 土面蒸发系数 |
| 4.2.4 土壤水分胁迫系数 |
| 4.2.5 基于遗传算法的作物系数率定 |
| 4.2.6 误差评价指标 |
| 4.3 多生育阶段受旱胁迫下淮北平原冬小麦蒸发蒸腾量估算 |
| 4.3.1 无受旱胁迫下冬小麦蒸发蒸腾量估算结果 |
| 4.3.2 受旱胁迫下冬小麦蒸发蒸腾量估算结果 |
| 4.3.3 误差评价指标差异分析 |
| 4.4 本章小结 |
| 第5章 基于灾害损失曲线的作物旱灾敏感性定量评估 |
| 5.1 作物旱灾敏感性函数构建 |
| 5.1.1 作物水分亏缺累积量 |
| 5.1.2 作物生长因旱受损指标 |
| 5.1.3 作物旱灾敏感性函数 |
| 5.2 大豆各生育阶段作物水分亏缺强度 |
| 5.3 基于植株地上部生长的大豆旱灾敏感性曲线 |
| 5.3.1 大豆各生育阶段旱灾敏感性函数 |
| 5.3.2 大豆不同生育阶段旱灾敏感性比较 |
| 5.4 基于籽粒产量形成的大豆旱灾敏感性曲线 |
| 5.4.1 大豆各生育阶段旱灾敏感性函数 |
| 5.4.2 大豆不同生育阶段旱灾敏感性比较 |
| 5.5 本章小结 |
| 第6章 基于作物生理生长过程的灌溉方案多层次优选 |
| 6.1 研究思路和实证区域 |
| 6.2 基于灰色熵权和灰色关联投影寻踪的灌溉方案优选模型 |
| 6.2.1 基本框架 |
| 6.2.2 构建过程 |
| 6.3 淮北平原夏大豆灌溉方案多层次优选 |
| 6.3.1 大豆灌溉方案评价指标值 |
| 6.3.2 灌溉方案评价指标灰色关联系数 |
| 6.3.3 评价指标灰色熵权值 |
| 6.3.4 评价指标灰色关联投影权重 |
| 6.3.5 大豆灌溉方案优选结果分析 |
| 6.4 本章小结 |
| 第7章 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（7）基于灰色关联度及DTOPSIS法的南疆冬小麦品种的综合评判（论文提纲范文）
| 1 材料与方法 |
| 2 结果与分析 |
| 2.1 农艺性状与产量 |
| 2.2 灰色关联度分析 |
| 2.3 DTOPSIS评判 |
| 2.3.1 建立评价矩阵A |
| 2.3.2 无量纲化处理 |
| 2.3.3 建立加权规范化矩阵 |
| 2.3.4 理想解与负理想解数列 |
| 2.3.5 计算Ci值 |
| 2.4 2种方法的比较 |
| 3 讨论与结论 |
（8）不同小麦品种GS同工酶表达差异与氮效率关系的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| 中英文对照缩写表 |
| 第一章 文献综述 |
| 1.1 小麦氮素吸收及利用效率的评价方法 |
| 1.2 小麦对氮素利用的生理学基础 |
| 1.2.1 小麦氮素的吸收,同化和利用 |
| 1.2.2 小麦氮素的转移与再利用 |
| 1.3 谷氨酰胺合成酶同工酶(GS isozymes)研究进展 |
| 1.3.1 GS同工酶的种类、功能及定位 |
| 1.3.2 GS同工酶与小麦氮素的吸收、转运与同化 |
| 1.3.3 GS同工酶在组织中的时空分布研究进展 |
| 1.3.4 GS同工酶基因的表达研究进展 |
| 1.4 不同作物氮素利用效率的氮效率差异研究进展 |
| 1.5 GS同工酶与氮素利用效率关系的研究进展 |
| 参考文献 |
| 第二章 不同氮效率小麦品种氮素利用效率差异性研究 |
| 2.1 材料与方法 |
| 2.1.1 试验设计 |
| 2.1.2 取样时间与部位 |
| 2.1.3 测定项目与方法 |
| 2.1.4 氮效率的计算及数据分析 |
| 2.2 结果与分析 |
| 2.2.1 不同小麦品种的产量及其构成因素差异 |
| 2.2.2 不同小麦品种的氮效率差异 |
| 2.2.3 不同小麦品种叶片开花期SPAD值的差异 |
| 2.2.4 不同小麦品种叶片形态的差异 |
| 2.2.5 不同小麦品种器官氮素积累与分配的差异 |
| 2.2.6 不同小麦品种籽粒灌浆速率的差异 |
| 2.3 讨论与结论 |
| 2.3.1 不同小麦品种的产量及其构成因素 |
| 2.3.2 不同小麦品种的氮效率差异 |
| 2.3.3 不同小麦品种的叶片形态差异 |
| 2.3.4 不同小麦品种的氮素积累与分配 |
| 2.3.5 不同小麦品种的籽粒灌浆速率 |
| 参考文献 |
| 第三章 不同小麦品种的氮代谢特征研究 |
| 3.1 材料与方法 |
| 3.1.1 试验设计 |
| 3.1.2 取样时间与部位 |
| 3.1.3 测定项目与方法 |
| 3.1.4 数据分析 |
| 3.2 结果与分析 |
| 3.2.1 不同小麦品种器官GS酶活性的差异 |
| 3.2.2 不同小麦品种器官NR活性的差异 |
| 3.2.3 不同小麦品种器官全氮含量的差异 |
| 3.2.4 不同小麦品种器官硝态氮含量的差异 |
| 3.2.5 不同小麦品种器官游离氨基酸含量的差异 |
| 3.2.6 不同小麦品种器官可溶性蛋白的差异 |
| 3.3 讨论与结论 |
| 3.3.1 不同小麦品种器官氮代谢酶代谢差异的研究 |
| 3.3.2 不同小麦品种器官氮代谢物代谢差异的研究 |
| 参考文献 |
| 第四章 不同小麦品种GS同工酶表达差异的研究 |
| 4.1 材料与方法 |
| 4.1.1 试验设计 |
| 4.1.2 取样时间与部位 |
| 4.1.3 酶与主要试剂 |
| 4.1.4 主要仪器与设备 |
| 4.1.5 谷氨酰胺合成酶(GS)Native-Page活性染色 |
| 4.1.6 RNA的提取和谷氨酰胺合成酶(GS)RT-PCR分析 |
| 4.1.7 谷氨酰胺合成酶蛋白亚基(Western-blot)的测定 |
| 4.1.8 数据分析 |
| 4.2 结果与分析 |
| 4.2.1 不同小麦品种器官Native-Page的分析 |
| 4.2.2 不同小麦品种GS同工酶Native-Page比活力分析 |
| 4.2.3 不同小麦品种器官GS同工酶Western-Blot的分析 |
| 4.2.4 不同小麦品种GS同工酶蛋白亚基相对含量分析 |
| 4.2.5 不同小麦品种器官TaGS1基因表达差异的分析 |
| 4.2.6 不同小麦品种器官TaGS2基因表达差异的分析 |
| 4.2.7 GS同工酶时空分布及其相对含量对小麦氮效率影响的分析 |
| 4.3 讨论与结论 |
| 4.3.1 不同小麦品种器官Native-Page和Western-blot的分析 |
| 4.3.2 不同小麦品种器官 GS 同工酶相对酶活力和蛋白亚基含量的分析 |
| 4.3.3 不同小麦品种器官TaGS1和TaGS2基因表达的分析 |
| 4.3.4 GS同工酶时空分布及其相对含量对小麦氮效率的影响 |
| 参考文献 |
| 第五章 不同小麦品种GS同工酶与氮效率关系的研究 |
| 5.1 材料与方法 |
| 5.1.1 试验设计 |
| 5.1.2 取样时间与部位 |
| 5.1.3 试验方法与数据来源 |
| 5.1.4 数据分析 |
| 5.2 结果与分析 |
| 5.2.1 小麦GS同工酶与氮效率的相关性分析 |
| 5.2.2 小麦GS同工酶与氮效率的回归分析 |
| 5.2.3 小麦GS同工酶与氮效率的灰色关联度分析(GRA) |
| 5.3 讨论与结论 |
| 5.3.1 小麦GS同工酶与氮效率的相关性分析 |
| 5.3.2 小麦GS同工酶与氮效率的回归分析 |
| 5.3.3 小麦GS同工酶与氮效率的灰色关联度分析 |
| 参考文献 |
| 第六章 结论与创新点 |
| 6.1 结论 |
| 6.1.1 不同氮效率小麦品种氮素利用效率差异的研究 |
| 6.1.2 不同氮效率小麦品种氮代谢差异的研究 |
| 6.1.3 不同氮效率小麦品种 GS 同工酶表达特征的研究 |
| 6.1.4 不同氮效率小麦品种 GS 同工酶与氮效率关系的研究 |
| 6.2 创新点 |
| ABSTRACT |
（9）农作物育种中的综合评判方法（论文提纲范文）
| 0 引言 |
| 1 综合评判主要方法及应用进展 |
| 1.1 模糊综合评判 |
| 1.2 DTOPSIS法相对接近度分析 |
| 1.3 灰色关联度分析 |
| 2 综合评判方法研究展望 |
| (1) 确立性状量化标准、引入新工具、提出科学评估新方法。 |
| (2) 开发更人性化、更友好的、更准确的新型育种综合评判工具。 |
| (3) 建立科学、合理的育种反馈机制和防控体系。 |
（10）基于多源数据冬小麦冻害遥感监测研究（论文提纲范文）
| 致谢 |
| 全文目录 |
| 表目录 |
| 图目录 |
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景、目的及意义 |
| 1.2 植被波谱遥感原理 |
| 1.2.1 植被反射光谱特征 |
| 1.2.2 植被受胁迫光谱特征 |
| 1.3 关于小麦越冬冻害的研究 |
| 1.4 关于小麦早春冻害的研究 |
| 1.5 冻害监测国内外研究进展 |
| 1.5.1 冬小麦冻害机理研究 |
| 1.5.2 调查分析方法 |
| 1.5.3 统计分析法 |
| 1.5.4 数理统计预报模型法 |
| 1.5.5 农业气象灾害区划 |
| 1.5.6 高光谱分析法 |
| 1.5.7 遥感监测法 |
| 1.6 研究目标 |
| 1.7 研究主要内容 |
| 1.7.1 冬小麦越冬、早春冻害高光谱遥感机理与识别方法研究 |
| 1.7.2 冬小麦越冬冻害与早春冻害高光谱遥感监测方法与模型研究 |
| 1.7.3 冬小麦冻害卫星遥感监测方法研究 |
| 1.7.4 综合多源数据冬小麦冻害严重度评价研究 |
| 1.8 冬小麦冻害遥感监测研究趋势及存在的问题 |
| 第二章 试验设计、数据获取及技术路线 |
| 2.1 试验设计 |
| 2.1.1 试验1-冬小麦越冬冻害叶片及冠层光谱试验 |
| 2.1.2 试验2-冬小麦早春冻害叶片及冠层光谱试验 |
| 2.1.3 试验3-基于多时相遥感数据冬小麦冻害监测试验 |
| 2.1.4 试验4-耦合Grey system、RS、GIS数据及技术进行大尺度冻害监测试验 |
| 2.2 测定项目与方法 |
| 2.2.1 叶片高光谱数据的获取 |
| 2.2.2 冠层高光谱数据的获取 |
| 2.2.3 霜箱设备 |
| 2.2.4 遥感数据获取 |
| 2.3 数据预处理方法 |
| 2.3.1 高光谱数据处理 |
| 2.3.2 遥感影像数据处理 |
| 2.3.3 植株生理生化参数获取方法 |
| 2.4 本研究总体技术路线 |
| 2.5 本章小结 |
| 第三章 冬小麦越冬冻害叶片、冠层遥感信息提取研究 |
| 3.1 高光谱数据光谱变换及特征参数提取 |
| 3.1.1 越冬冻害叶片原始高光谱响应特征 |
| 3.1.2 越冬冻害叶片一阶微分光谱特征 |
| 3.1.3 基于光谱敏感度分析的敏感波段选择 |
| 3.2 高光谱与叶片冻害严重度相关性分析 |
| 3.2.1 高光谱特征参量提取 |
| 3.2.2 高光谱特征参量与冻害程度相关性分析 |
| 3.3 冬小麦冻害单叶严重度反演研究 |
| 3.4 越冬冻害冠层尺度高光谱响应特征 |
| 3.4.1 冬小麦冻害冠层敏感波段的选择 |
| 3.4.2 基于原始光谱的敏感波段的选择 |
| 3.5 基于主成分分析冬小麦冠层尺度冻害程度反演研究 |
| 3.5.1 主成分定义描述 |
| 3.5.2 基于冠层光谱主成分得分值的冬小麦冻害程度反演多元线性模型建立 |
| 3.5.3 模型检验 |
| 3.6 基于植被指数相似法冬小麦冻害研究 |
| 3.7 冻害胁迫与产量相关指标的关系 |
| 3.8 本章小结与讨论 |
| 第四章 冬小麦早春冻害叶片、冠层高光谱信息提取研究 |
| 4.1 不同冻害处理冬小麦叶片高光谱响应特点 |
| 4.1.1 不同处理冬小麦单叶原始光谱响应特征 |
| 4.1.2 不同程度早春冻害一阶微分光谱响应特征 |
| 4.1.3 “红边”位置响应特征分析 |
| 4.2 基于连续小波分析的SPAD反演研究 |
| 4.2.1 SPAD值与高光谱反射率相关性研究 |
| 4.2.2 光谱连续小波分析简介 |
| 4.2.3 光谱连续小波特征提取 |
| 4.3 冠层尺度冻害胁迫高光谱特征提取 |
| 4.4 不同冻害处理下冬小麦长势指标冻害胁迫关系 |
| 4.5 冻害与产量相关指标的关系 |
| 4.6 本章结论与讨论 |
| 第五章 多时相遥感影像冬小麦冻害遥感监测研究 |
| 5.1 冬小麦冻害特征及冻害季相分析 |
| 5.2 研究区2009-2010年度气候特征 |
| 5.3 冬小麦冻害监测遥感数据源与预处理方法 |
| 5.4 冬小麦种植面积提取 |
| 5.5 研究区冻害监测研究背景 |
| 5.6 研究区样本数据 |
| 5.7 变化向量分析原理 |
| 5.7.1 植被指数变化向量的构建 |
| 5.7.2 变化向量敏感性分析及模型的确定 |
| 5.7.3 闽值划定 |
| 5.8 结果与分析 |
| 5.8.1 冬小麦冻害监测结果 |
| 5.8.2 冬小麦受冻后长势恢复监测结果 |
| 5.8.3 验证结果 |
| 5.9 本章结论与讨论 |
| 第六章 基于多因子综合评判冬小麦冻害监测研究 |
| 6.1 小麦冻害程度评价体系建立 |
| 6.1.1 影响冬小麦冻害因子 |
| 6.1.2 评价指标选取 |
| 6.2 研究区概况 |
| 6.3 研究区冬小麦种植面积提取 |
| 6.4 数据获取与预处理 |
| 6.4.1 遥感数据 |
| 6.5 评价体系建立 |
| 6.5.1 研究方法描述 |
| 6.5.2 灰色关联分析及评价指标权重确定 |
| 6.5.3 冬小麦冻害严重度灾害等级灰色聚类分析 |
| 6.6 结果与分析 |
| 6.7 精度验证 |
| 6.8 本章结论与讨论 |
| 第七章 结论、创新与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望及论文不足 |
| 参考文献 |
| 作者简介与攻读博士研究生期间的科研成果 |
四、灰色关联度分析在冬小麦品种综合评估中的运用（论文参考文献）
- [1]基于灰色关联度分析和主成分分析法评估糖用甜菜品种的适应性[J]. 苏欣欣,肖洋,胡晓航,马亚怀,李彦丽. 中国农学通报, 2021
- [2]淮河生态经济带人工草地生态系统服务价值评估[D]. 江舟. 扬州大学, 2021
- [3]基于熵权的DTOPSIS法和灰色关联度分析法在西瓜品种综合评价中的应用[J]. 赵平,李学涛,康振友,冯燕青,崔方让,韩京峰. 黑龙江农业科学, 2021(01)
- [4]灰色关联度分析法在陕西省旱地小麦区域试验中的应用初探[J]. 王彬龙,魏艳丽,李瑞国,蒋会利,张平,张安静. 陕西农业科学, 2020(12)
- [5]基于无人机多光谱遥感的大田玉米土壤含水率估算模型研究[D]. 谭丞轩. 西北农林科技大学, 2020
- [6]基于试验的作物受旱胁迫响应机制及定量评估研究[D]. 崔毅. 天津大学, 2019(01)
- [7]基于灰色关联度及DTOPSIS法的南疆冬小麦品种的综合评判[J]. 陈慧,王冀川. 江苏农业科学, 2019(10)
- [8]不同小麦品种GS同工酶表达差异与氮效率关系的研究[D]. 张志勇. 河南农业大学, 2017(01)
- [9]农作物育种中的综合评判方法[J]. 柏流芳,吕黄珍,朱大洲,周光华,张新伟,王成,屠振华. 农业工程, 2013(03)
- [10]基于多源数据冬小麦冻害遥感监测研究[D]. 王慧芳. 浙江大学, 2013(05)