小麦是我国的主要粮食作物之一, 对国民经济发展具有显著的影响。 然而, 高温与紫外线胁迫导致其产量大幅下降。 胁迫发生时, 细胞壁内多糖物质会发生不同程度的转变。 作为此类多糖重要组成成分的果胶, 在决定细胞间孔隙度、 识别病菌、 维持结构完整等方面扮演着重要角色。 当前, 常见的果胶检测方法有重量法、 滴定法、 酸提取法等, 这些方法多为有损检测, 测定步骤繁琐, 样本损耗量大。 近年来, 光谱检测因其检测速度快、 分辨率高、 实时性强等优点, 在植物生理信息检测领域得到了广泛应用。 因此, 研究采用光谱检测果胶含量。 以济麦22为研究对象, 采取水培方式, 通过调控人工气候培养箱温度及紫外线灯辐照强度对小麦生长过程中遇到的高温及紫外线胁迫环境进行模拟; 在小麦分蘖期, 分别采集叶片高光谱数据与叶绿素荧光光谱数据, 测定叶片果胶含量, 通过小波分析方法对两种原始光谱数据进行平滑与降噪处理, 采用相关系数分析法得到两种光谱数据与果胶含量相关系数最高的重合波段(620, 651), 取该波段内两光谱数据平均值, 重塑双光谱曲线; 按照3∶1比例划分训练集和验证集, 采用PLS最小二乘法分别建立高光谱反演果胶模型、 荧光光谱反演果胶模型及双光谱反演果胶模型。 结果表明: 双光谱模型反演的小麦叶片果胶含量效果较好, 对应模型的训练集与验证集相关系数分别为0.944 9及0.944 5。 该研究有助于探究逆境胁迫下小麦细胞壁内多糖物质响应情况, 并为大田作物所处胁迫环境和程度的预测及种植环境的精准管控提供参考和帮助。

小麦产量产前估测关乎农业生产计划制定、 粮食安全保障、 国家经济和宏观决策。 应用无人机能够无损、 快速准确、 及时高效地估测小麦产量, 通过多种机器学习方法充分挖掘无人机多源遥感数据对多个小麦品种进行籽粒产量估测的潜力, 明确多源数据融合对模型估测精度的提升效果, 对于作物田间管理保障小麦高产稳产具有重要意义。 以黄淮麦区140个主栽小麦品种为材料开展冬小麦田间试验, 采用搭载红绿蓝（RGB）和多光谱传感器的无人机平台对灌浆期的冠层信息进行采集, 分别以岭回归、 支持向量回归、 随机森林回归、 高斯过程、 k-最邻近算法和Cubist等六种机器学习算法建立单传感器数据以及多源数据融合的产量估测模型, 采用决定系数（R2）、 均方根误差（RMSE）和相对均方根误差（RRMSE）对估算模型进行评价。 结果表明, 所选取的10个可见光植被指数及13个多光谱被指数特征值均与实测产量呈极显著相关（p<0.01）, 各特征值产量相关系数绝对值由高到低依次为多光谱植被指数（0.54～0.83）、 可见光植被指数（0.45～0.61）、 纹理特征（<0.45）。 全部六种机器学习算法均在采用多源数据融合时产量估测模型精度最高, 多源数据融合产量估测精度（平均决定系数R2=0.50～0.71）>多光谱传感器产量估测精度（R2=0.53～0.69）>RGB传感器产量估测精度（R2=0.35～0.51）。 多源数据融合相对于RGB数据的R2提高0.17～0.23, 平均均方根误差（RMSE）降低0.06～0.09 t·hm-2; 相对于多光谱数据的R2提高0.01～0.06, RMSE降低0.01～0.03 t·hm-2。 Cubist算法与其他5种算法相比, 建立的多源数据融合模型产量估测精度最高, R2为0.71, RMSE为0.29 t·hm-2。 研究表明, 相对于单一传感器数据产量估测模型, 多源数据融合能够有效提升冬小麦品种产量的估测精度, 并且Cubist算法能相对更好地处理多模态融合数据提高产量预测精度, 为预测不同小麦品种的产量提供理论指导。

随着长江中下游稻麦轮作区水稻成熟期的推迟, 冬小麦播期的推迟已经成为影响产量的主要障碍, 因此在迟播小麦中筛选抗性较好的品种很有必要。 该研究旨在监测冬小麦生长早期冠层叶片的相对叶绿素含量, 用于迟播冬小麦品种筛选。 为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性, 基于多光谱无人机获取的5个单波段光谱反射率和15个植被指数作为自变量, 经过递归特征消除法(RFE)特征变量筛选, 去除冗余变量, 利用后向神经网络(BP)回归算法构建冬小麦相对叶绿素含量(SPAD)值遥感反演模型。 根据2020年—2021年江苏省扬州市广陵区实验点冬小麦越冬期、 拔节期两个生育期的实测叶片SPAD值, 结合同步获取的多光谱无人机影像, 分析了这两个生育期遥感变量和SPAD值之间的相关性。 并结合遥感变量之间的特征重要性排序进行特征变量筛选, 筛选出的变量作为模型的输入, 构建并筛选出各生育期最佳的反演模型。 比较岭回归(Ridge)和梯度提升树(GBD)算法, 以R2和RMSE作为模型评价指标, 在验证集上分析了各生育期3种模型的自学习能力和泛化能力。 结果表明, 经过了最优光谱信息筛选而建立的BP神经网络模型在此两个生育期的数据集上均表现出了最强的回归预测能力。 R2和RMSE在越冬期分别为0.806和1.861, 拔节期分别为0.827和0.507。 通过对无人机多光谱数据进行变量筛选, 构建的优选模型BP神经网络具有较高估算精度, 且表明在冬小麦的早期监测中, 拔节期比越冬期效果好。 利用无人机多光谱在估算迟播冬小麦SPAD值进行品种抗性筛选的方法是有价值的。

脱镁叶绿酸a加氧酶（PaO）基因编码叶绿素降解过程中的关键酶。为了解小麦（Triticum aestivum L.）TaPaOs基因家族特征及其在衰老过程中发挥的作用，本试验利用已发布的小麦及其他物种的全基因组信息对TaPaOs家族成员的基因特性进行分析，并利用实时荧光定量PCR（qRT-RCR）技术初步分析其功能。结果表明：在小麦中共发现18个TaPaOs家族成员，分布在15条染色体上，其编码蛋白均具有亲水性，且大多数为不稳定蛋白，亚细胞定位预测均位于叶绿体中；18个TaPaOs家族成员启动子区包含大量响应元件，其中光响应元件（G-Box）和ABA响应元件（ABRE）最多。分析TaPaOs在不同组织中的表达模式发现，其家族成员表达模式为叶>茎>根，大多数家族成员在ABA诱导衰老、黑暗诱导衰老以及自然衰老时上调表达，尤其是TaPaO2、TaPaO5及TaPaO6，可作为小麦衰老研究的重点关注基因。这些研究结果为进一步研究TaPaOs基因家族的功能奠定基础。

为探讨旋耕秸秆还田和免耕秸秆覆盖对旱地小麦生长及产量的影响, 在临汾市尧都区长期保护性耕作试验区进行大田试验, 以‘晋麦102号’为试验材料, 研究旋耕秸秆还田、免耕秸秆覆盖两种耕作模式对麦田土壤含水量、小麦叶片抗旱生理指标、渗透调节指标、光合作用、生物量、叶面积指数、小麦产量的影响。结果表明: 1)在旱地小麦关键生育期, 免耕秸秆覆盖较旋耕秸秆还田可明显提高0～50 cm、120～200 cm土层的含水量, 增加小麦可利用的水分; 2)免耕秸秆覆盖较旋耕秸秆还田减少抗氧化酶活性失衡, 减少膜质受损, 缓解体内细胞渗透失衡, 维持小麦正常生长需要的水分, 延缓叶片衰老; 3)免耕秸秆覆盖可提高小麦叶片叶绿素含量, 缓解叶绿素a的降解, 促进小麦的光合作用和营养积累; 4)免耕秸秆覆盖可提高小麦叶片的净光合速率、气孔导度、蒸腾速率; 5)免耕秸秆覆盖增加叶面积指数, 促进籽粒灌浆, 增加小麦分蘖数和每平方米穗数, 从而提高旱地小麦产量。本研究可为旱作小麦合理耕作提供科学依据。