Mepiquat chloride application increases lodging resistance of maize by enhancing stem physical strength and lignin biosynthesis

速读

  • 针对玉米倒伏,采用注射某种物质来增加,论文结果是做对照组实验,发现明显负相关之后来得出结论,可能用到的是introduction关于倒伏的研究的部分。

Toward a participatory VGI methodology: crowdsourcing information on regional food assets: International Journal of Geographical Information Science: Vol 0, No 0

速读

  • VGI 用于收集点评食物的数据。

Modelling maize phenology, biomass growth and yield under contrasting temperature conditions - ScienceDirect

打印,精读

摘要:

  • 作物模拟已成为评估气候变化对作物产量影响和协助制定适应战略的有效手段。以前的研究发现模拟作物产量存在很大的不确定性,特别是超出最佳温度范围。在本文中,我们结合文献报道的数据和我们的控温实验,基于Wang-Engel函数(农业系统,58(1):1- 24),并将它们与两个最常用的玉米生长模型APSIM-Maize和CERES-Maize所采用的模型进行了比较。

  • 我们的研究结果支持以前的发现,即叶片伸长率,叶片外观和开花发育率具有相同的温度响应。

  • 我们的研究结果表明,基础温度5℃(基础),30℃(最佳)和41℃(最大)的曲线反应最能描述玉米对温度的发育反应。

  • 对于玉米的辐射利用效率(每单位截获辐射的RUE-生物量增长),相应的基数温度可能分别为2°C,24°C和38°C。

  • 所有基本温度都低于当前APSIM模型中使用的温度。用新衍生的代替默认温度响应导致中国玉米带模拟开花和成熟时间的差异,而模拟玉米产量的差异相对较小。

  • 这意味着在玉米生长模型中使用正确的温度响应非常重要,这样可以正确捕获环境相互作用对应温度升高的基因型。

记录的点

  • Parent和Tardieu(2012)发现,Arrhenius型曲线(Arrhenius-type curve)可以描述作物发育对大范围温度的反应,其基础是历史气候条件对照温度和田间试验的实验数据。 然而,玉米发育的基础和最高温度不能从曲线中推导出来。 Parent和Tardieu(2014)进一步指出,辐射利用效率(RUE)对作物模型中使用的温度的响应函数可能存在很大的不确定性。 这种不确定性需要进一步研究发展的温度响应,生物量增长和玉米作物产量。
  • China’s Maize Belt 估计是对比美国玉米带提出来。但是文中没有著名出处。
  • 作者回复:东北-西南向是我国的主要玉米带,我们主要是从这个玉米带选择几个典型站点代表不同气候,特别是不同的生长季温度特点来研究升温对玉米生长发育的影响。具体的玉米种植带请参考中国玉米种植区划。
  • 温度升高对物候期的影响

速读

  • 通过确定安全开花(SFW)和最佳播种时间(TOS)窗口(the identification of safe flowering (SFW) and optimal time of sowing (TOS) windows),可以更好地管理欧洲经委会在澳大利亚小麦生产系统中构成的风险。
  • 将APSIM作物模型与最新的季节和季节内气候预报信息相结合,为在可预见的将来在经济重要作物种植业改善对ECEs风险的管理提供了重要工具。

IJGI | Free Full-Text | Transdisciplinary Foundations of Geospatial Data Science | HTML

详读

  • 空间数据管理和挖掘领域大牛Shashi Shekhar实验室的一篇关于地理数据科学基础的reivew
  • 地理空间数据科学的基础是数学(mathematics),统计学(statistics)和计算机科学(computer science)。这篇文章从五个地理空间领域的研究点展开(hotspot detection, colocation detection, prediction, outlier detection and teleconnection detection)每个研究点的都从三个基础进行了综述。可以看到这个实验室的大量研究。
    比较有趣的点
  • 计算机科学中很多高性能算法(随机森林,SVM等)都假设样本是互相独立分布。而从空间统计的角度,这个假设经常无法成立,因为存在空间自相关性。例如在地表分类等。