【摘 要】
：
为了解我国水稻资源的表型多样性水平,通过变异系数、遗传多样性指数、聚类分析、相关分析、主成分分析、逐步回归分析等方法对来自我国6个省份的60份水稻资源的15个主要表型
【机 构】
：
云南省农业科学院生物技术与种质资源研究所,云南省农业科学院粮食作物研究所
【基金项目】
：
国家重点研发计划(2017YFD0100202),云南省科技惠民专项(2016RA002),云南省农业基础研究联合专项[2017FG001(-007)]
论文部分内容阅读
为了解我国水稻资源的表型多样性水平,通过变异系数、遗传多样性指数、聚类分析、相关分析、主成分分析、逐步回归分析等方法对来自我国6个省份的60份水稻资源的15个主要表型性状的多样性水平进行了分析。结果表明:15个表型性状的变异系数为9.58%~47.15%,其中,谷粒长的变异系数最小,二次枝梗数的变异系数最大;15个表型性状的遗传多样性指数为1.8101~2.0411,其中,剑叶长的遗传多样性指数最大,结实率的遗传多样性指数最小;以水稻资源的来源为单位,6个省份水稻资源的表型性状遗传多样性指数均值为0.94
其他文献
利用图像颜色特征,首先分割小麦种子图像进而确定小麦种子轮廓矩,根据其轮廓距确定小麦种子质心坐标,然后根据小麦胚芽鞘图像颜色特征对胚芽鞘图像进行分割、获取小麦胚芽鞘图像,其次利用Zhang-Suen并行快速细化算法对小麦胚芽鞘进行细化获取胚芽鞘骨骼线,进而获取骨骼线图像(单像素)上所有点对胚芽鞘骨骼线进行多段直线曲线近似,最后根据小麦种子轮廓质心坐标、胚芽鞘骨骼线近似曲线和切割距离(给定)确定胚芽鞘
针对家庭种植水培黄瓜中用户难以准确识别病害的问题,设计了一种基于图像处理的黄瓜叶片病斑识别系统。应用自适应小波对原始图像进行降噪处理,在HSV空间通过阈值分割结合形态学操作获得理想的黄瓜叶片图像,并通过自适应阈值分离病斑,提取病斑形态学、颜色和纹理原始特征参数。利用GA-BP神经网络定义原始特征参数对分类结果的灵敏度,递归剔除灵敏度较低的若干特征,降低特征参数的维数。根据优化后的特征参数组合,利用