基于卷积神经网络和合成数据集训练鉴定棉花种子萌发期的耐盐性

doi:10.6048/j.issn.1001-4330.2025.02.001

新疆农业科学 ›› 2025, Vol. 62 ›› Issue (2): 261-269.DOI: 10.6048/j.issn.1001-4330.2025.02.001

• 作物遗传育种·耕作栽培·生理生化 • 上一篇下一篇

基于卷积神经网络和合成数据集训练鉴定棉花种子萌发期的耐盐性

王勇攀¹^,²(), 马君³, 李晨宇¹^,², 姚梦瑶¹^,², 王子轩¹^,², 黄灵芝¹, 朱海艳¹, 刘皖蓉², 李波², 杨洋²(), 高文伟¹()

1.新疆农业大学农学院,乌鲁木齐 830091
2.新疆农作物生物技术重点实验室/新疆农业科学院核技术生物技术研究所,乌鲁木齐 830091
3.新疆农业科学院经济作物研究所,乌鲁木齐 830091

收稿日期:2024-08-28 出版日期:2025-02-20 发布日期:2025-04-17
通信作者: 高文伟(1973-),男,新疆乌鲁木齐人,教授,博士,硕士生/博士生导师,研究方向为作物遗传育种,(E-mail)280594606@qq.com；
杨洋(1983-),男,新疆乌鲁木齐人,副研究员,博士,研究方向为棉花遗传育种,(E-mail)yangyang8361@163.com
作者简介:王勇攀(1998-),男,河南商丘人,硕士研究生,研究方向为棉花遗传育种,(E-mail)wyp620917@163.com
基金资助:
国家自然科学基金项目(32060497)

Salt tolerance in germination period of cotton seeds based on convolutional neural network and synthetic dataset

WANG Yongpan¹^,²(), MA Jun³, LI Chenyu¹^,², YAO Mengyao¹^,², WANG Zixuan¹^,², HUANG Lingzhi¹, ZHU Haiyan¹, LIU Wanrong², LI Bo², YANG Yang²(), GAO Wenwei¹()

1. College of Agriculture, Xinjiang Agricultural University,Urumqi 830052, China
2. Xinjiang Key Laboratory of Crop Biotechnology /Research Institute of Nuclear Technology and Biotechnology,Xinjiang Academy of Agricultural Sciences,Urumqi 830091,China
3. Institute of Economic Crops, Xinjiang Academy of Agricultural Sciences, Urumqi 830091, China

Received:2024-08-28 Published:2025-02-20 Online:2025-04-17
Supported by:
Project of National Natural Science Foundation of China(32060497)

摘要/Abstract

摘要：

【目的】建立便捷且精准的棉花种子萌发表型的无损检测方法,鉴定不同棉花种质萌发期的耐盐性。【方法】利用150张不同阶段的棉花种子萌发图像生成合成数据集,并以此进行Mask R-CNN模型训练。利用训练好的模型,对60份棉花种子在125 mmol/L NaCl处理下萌发真实图像中的种壳和胚芽进行实例分割和表型提取,计算种子发芽率、发芽势和胚芽长度,评价60份棉花种子的萌发期耐盐性。【结果】生成的合成数据集包含2 000组合成图像及其相应掩模,利用该数据集训练的Mask R-CNN模型对真实图像中种壳和胚芽的分割准确度在95 %以上,基于模型提取数据获得的种子发芽率、发芽势、胚芽长度和真实测量值高度线性相关(R² > 0.98,P< 0.001),利用模型能够准确的获取表型。各性状的耐盐指数的聚类分析将60份棉花材料分为4个水平;珂字棉4号(0.95)、MC-30(0.88)、陆8早(0.81)等材料的D值较大,其耐盐性较高。【结论】建立了基于卷积神经网络和合成数据集训练的棉花种子萌发期性状鉴定方法,并使用该方法,无损、快速且精准的鉴定了60份棉花种质种子萌发期的耐盐性。

关键词: 棉花; 卷积神经网络; 图像分割; 种子萌发

Abstract:

【Objective】To establish a convenient and accurate non-destructive detection method for cotton seed germination phenotypes, so as to characterize the salt tolerance of different cotton germplasm at the germination stage. 【Methods】A synthetic dataset was generated using 150 images of cotton seed germination at different stages and used to train the Mask R-CNN model. Using the trained model, we performed instance segmentation and feature extraction of seed shell and germ in real-world images of 60 cotton germplasm that germinated under 125 mmol/L NaCl treatment, and used them to infer the seed germination rate, germination potential, and germination length, so as to evaluate the salt tolerance of these 60 cotton germplasm in the germination stage. 【Results】The generated synthetic dataset contained 2,000 images and corresponding mask data. The accuracy of the Mask R-CNN model trained based on this dataset for the segmentation of seed shells and germs in real images was above 95 %, and the phenotypic values that inferred by model were highly consistent with them measured by manual operation (R² > 0.98, P < 0.001), indicating that the phenotypes could be accurately obtained using the model. The cluster analysis of the salt tolerance index for each trait classified the 60 cotton materials into four levels; using the affiliation function method for a comprehensive evaluation of the salt tolerance of the cotton varieties. Kezimian 4 (0.95), MC-30 (0.88), and Lu8zao (0.81) had a larger D-value and indicated high salt tolerance. 【Conclusion】In this study, we have established a method for phenotyping cotton seed germination traits based on the convolutional neural network model that trained by using synthetic dataset. and using this method, we have identified the seed germination salt tolerance of 60 cotton germplasm in a non-destructive, rapid and accurate manner.

Key words: cotton; convolutional neural network; image segmentation; seed germination

王勇攀, 马君, 李晨宇, 姚梦瑶, 王子轩, 黄灵芝, 朱海艳, 刘皖蓉, 李波, 杨洋, 高文伟. 基于卷积神经网络和合成数据集训练鉴定棉花种子萌发期的耐盐性[J]. 新疆农业科学, 2025, 62(2): 261-269.

WANG Yongpan, MA Jun, LI Chenyu, YAO Mengyao, WANG Zixuan, HUANG Lingzhi, ZHU Haiyan, LIU Wanrong, LI Bo, YANG Yang, GAO Wenwei. Salt tolerance in germination period of cotton seeds based on convolutional neural network and synthetic dataset[J]. Xinjiang Agricultural Sciences, 2025, 62(2): 261-269.

图/表 11

参考文献 28

[1]	刘星宏, 张青青, 张鹏, 等. 北疆盐碱地空间分布特征分析[J]. 中国农业科技导报, 2020, 22(8): 141-148. DOI
	LIU Xinghong, ZHANG Qingqing, ZHANG Peng, et al. Spatial distribution characteristics and analysis of saline-alkali land in northern Xinjiang[J]. Journal of Agricultural Science and Technology, 2020, 22(8): 141-148.
[2]	杨淑萍, 危常州, 梁永超. 盐胁迫对海岛棉不同基因型幼苗生长及生理生态特征的影响[J]. 生态学报, 2010, 30(9): 2322-2331.
	YANG Shuping, WEI Changzhou, LIANG Yongchao. Effects of NaCl stress on growth and eco-physiological characteristics of different in sea island cotton genotypes in seedlings[J]. Acta Ecologica Sinica, 2010, 30(9): 2322-2331.
[3]	王雷, 郭岩, 杨淑华. 非生物胁迫与环境适应性育种的现状及对策[J]. 中国科学: 生命科学, 2021, 51(10): 1424-1434.
	WANG Lei, GUO Yan, YANG Shuhua. Designed breeding for adaptation of crops to environmental abiotic stresses[J]. Scientia Sinica (Vitae), 2021, 51(10): 1424-1434.
[4]	Rocha-Munive M G, Soberón M, Castañeda S, et al. Evaluation of the impact of genetically modified cotton after 20 years of cultivation in Mexico[J]. Frontiers in Bioengineering and Biotechnology, 2018, 6: 82. DOI PMID
[5]	杨真, 王宝山. 中国盐渍土资源现状及改良利用对策[J]. 山东农业科学, 2015, 47(4): 125-130.
	YANG Zhen, WANG Baoshan. Present status of saline soil resources and countermeasures for improvement and utilization in China[J]. Shandong Agricultural Sciences, 2015, 47(4): 125-130.
[6]	孟超敏, 蔡彩平, 郭旺珍. 棉花抗逆育种研究进展[J]. 南京农业大学学报, 2012, 35(5): 25-34.
	MENG Chaomin, CAI Caiping, GUO Wangzhen. Advances in cotton stress resistance breeding[J]. Journal of Nanjing Agricultural University, 2012, 35(5): 25-34.
[7]	李忠旺, 陈玉梁, 罗俊杰, 等. 棉花抗旱品种筛选鉴定及抗旱性综合评价方法[J]. 干旱地区农业研究, 2017, 35(1): 240-247.
	LI Zhongwang, CHEN Yuliang, LUO Junjie, et al. Screening and evaluation for drought resistance of cotton varieties[J]. Agricultural Research in the Arid Areas, 2017, 35(1): 240-247.
[8]	张国伟, 路海玲, 张雷, 等. 棉花萌发期和苗期耐盐性评价及耐盐指标筛选[J]. 应用生态学报, 2011, 22(8): 2045-2053.
	ZHANG Guowei, LU Hailing, ZHANG Lei, et al. Salt tolerance evaluation of cotton (Gossypium hirsutum) at its germinating and seedling stages and selection of related indices[J]. Chinese Journal of Applied Ecology, 2011, 22(8): 2045-2053. PMID
[9]	Ahmad S, Khan N U I, Iqba M Z, et al. Salt tolerance of cotton (Gossypium hirsutum L.)[J]. Asian Journal of Plant Sciences, 2002, 1(6): 715-719.
[10]	Sharif I, Aleem S, Farooq J, et al. Salinity stress in cotton: effects, mechanism of tolerance and its management strategies[J]. Physiology and Molecular Biology of Plants, 2019, 25(4): 807-820. DOI PMID
[11]	蒋玉蓉, 吕有军, 祝水金. 棉花耐盐机理与盐害控制研究进展[J]. 棉花学报, 2006, 18(4): 248-254.
	JIANG Yurong, LYU Youjun, ZHU Shuijin. Advance in studies of the mechanism of salt tolerance and controlling of salt damage in upland cotton[J]. Cotton Science, 2006, 18(4): 248-254.
[12]	师恭曜. 对比根系转录组研究棉花盐胁迫应答及耐受机理[D]. 北京: 中国农业大学, 2015.
	SHI Gongyao. Comparative study on salt stress response and tolerance mechanism of cotton by root transcriptome[D]. Beijing: China Agricultural University, 2015.
[13]	Deinlein U, Stephan A B, Horie T, et al. Plant salt-tolerance mechanisms[J]. Trends in Plant Science, 2014, 19(6): 371-379. DOI PMID
[14]	Ye X X, Wang H, Cao X L, et al. Transcriptome profiling of Puccinellia tenuiflora during seed germination under a long-term saline-alkali stress[J]. BMC Genomics, 2019, 20(1): 589.
[15]	苏秀娟, 徐海江, 邓晓娟, 等. 盐胁迫对海岛棉种子活力的影响[J]. 新疆农业科学, 2020, 57(9): 1604-1614. DOI
	SU Xiujuan, XU Haijiang, DENG Xiaojuan, et al. Effects of salt stress on seed vigor of Gossypium barbadense L[J]. Xinjiang Agricultural Sciences, 2020, 57(9): 1604-1614. DOI
[16]	李佩茹. 棉花转录因子GhRAV和GhMYB功能分析[D]. 泰安: 山东农业大学, 2013.
	LI Peiru. Functional analysis of cotton transcription factors GhRAV and GhMYB[D]. Taian: Shandong Agricultural University, 2013.
[17]	郭文琦, 张培通, 李春宏, 等. 蕾期土壤盐度降低后棉花生长发育的补偿效应[J]. 应用生态学报, 2014, 25(1): 162-168.
	GUO Wenqi, ZHANG Peitong, LI Chunhong, et al. Compensation effect of cotton growth and development after soil salt content reduction at bud stage[J]. Chinese Journal of Applied Ecology, 2014, 25(1): 162-168. PMID
[18]	Singh A, Ganapathysubramanian B, Singh A K, et al. Machine learning for high-throughput stress phenotyping in plants[J]. Trends in Plant Science, 2016, 21(2): 110-124. DOI PMID
[19]	Ghosal S, Blystone D, Singh A K, et al. An explainable deep machine vision framework for plant stress phenotyping[J]. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(18): 4613-4618. DOI PMID
[20]	Giuffrida M V, Scharr H, Tsaftaris S A. ARIGAN: synthetic Arabidopsis plants using generative adversarial network[C]// 2017 IEEE International Conference on Computer Vision Workshops (ICCVW), 2017
[21]	Arsenovic M, Karanovic M, Sladojevic S, et al. Solving current limitations of deep learning based approaches for plant disease detection[J]. Symmetry, 2019, 11(7): 939.
[22]	Toda Y, Okura F, Ito J, et al. Training instance segmentation neural network with synthetic datasets for crop seed phenotyping[J]. Communications Biology, 2020, 3(1): 173. DOI PMID
[23]	王宁, 霍飞超, 张逸彬, 等. 棉花种子萌发期耐盐机理初探[J]. 中国棉花, 2023, 50(5): 7-11. DOI
	WANG Ning, HUO Feichao, ZHANG Yibin, et al. A preliminary exploration on the mechanism of salt tolerance in cotton cultivars during seed germination[J]. China Cotton, 2023, 50(5): 7-11.
[24]	杨涛. 海岛棉耐盐性评价及关联分析[D]. 乌鲁木齐: 新疆农业大学, 2020.
	YANG Tao. Evaluation and correlation analysis of salt tolerance of island cotton[D]. Urumqi: Xinjiang Agricultural University, 2020.
[25]	魏俊梅. 24个棉花种质资源耐盐性差异比较[J]. 中国棉花, 2014, 41(5): 14-16. DOI
	WEI Junmei. Comparison on salt tolerance of 24 cotton germplasm resources[J]. China Cotton, 2014, 41(5): 14-16. DOI
[26]	Wang N, Wang X R, Qi Q, et al. Analysis of the effects of mepiquat chloride priming on the seedling growth-promoting in cotton under salt stress by multi-omics[J]. Industrial Crops and Products, 2022, 186: 115296.
[27]	Zhang N, Zhang H J, Sun Q Q, et al. Proteomic analysis reveals a role of melatonin in promoting cucumber seed germination under high salinity by regulating energy production[J]. Scientific Reports, 2017, 7(1): 503. DOI PMID
[28]	戴海芳, 武辉, 阿曼古丽·买买提阿力, 等. 不同基因型棉花苗期耐盐性分析及其鉴定指标筛选[J]. 中国农业科学, 2014, 47(7): 1290-1300. DOI
	DAI Haifang, WU Hui, Amanguli Maimaitiali, et al. Analysis of salt-tolerance and determination of salt-tolerant evaluation indicators in cotton seedlings of different genotypes[J]. Scientia Agricultura Sinica, 2014, 47(7): 1290-1300.

编辑推荐 0

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	21	0	0	35

来源	本网站	其他网站

次数	42	14
比例	75%	25%

摘要

211

最新录用	在线预览	正式出版

0	0	211

来源	本网站	其他网站

次数	63	148
比例	30%	70%

材料编号 Material number	材料名称 Name of material	材料编号 Material number	材料名称 Name of material	材料编号 Material number	材料名称 Name of material
1	MC-1	21	MC-21	41	MC-41
2	MC-2	22	N718	42	N20
3	MC-3	23	MC-23	43	MC-43
4	新陆中9号	24	珂字棉4号	44	MC-44
5	N701	25	新陆早1号	45	N5
6	新中棉49号	26	MC-26	46	MC-46
7	N719—1	27	晋棉2号	47	MC-47
8	陆8早	28	MC-28	48	斯字棉
9	MC-9	29	MC-29	49	TM-1
10	MC-10	30	MC-30	50	MC-50
11	N19	31	石大	51	MC-51
12	MC-12	32	MC-32	52	K8
13	MC-13	33	B3-9	53	MC-53
14	MC-14	34	MC-34	54	中棉所50号
15	MC-15	35	MC-35	55	MC-55
16	N2	36	MC-36	56	萨可不
17	MC-17	37	MC-37	57	MC-57
18	MC-18	38	MC-38	58	MC-58
19	MC-19	39	MC-39	59	塔吉克斯坦
20	MC-20	40	N708	60	N638

材料编号 Material number	材料名称 Name of material	材料编号 Material number	材料名称 Name of material	材料编号 Material number	材料名称 Name of material
1	MC-1	21	MC-21	41	MC-41
2	MC-2	22	N718	42	N20
3	MC-3	23	MC-23	43	MC-43
4	新陆中9号	24	珂字棉4号	44	MC-44
5	N701	25	新陆早1号	45	N5
6	新中棉49号	26	MC-26	46	MC-46
7	N719—1	27	晋棉2号	47	MC-47
8	陆8早	28	MC-28	48	斯字棉
9	MC-9	29	MC-29	49	TM-1
10	MC-10	30	MC-30	50	MC-50
11	N19	31	石大	51	MC-51
12	MC-12	32	MC-32	52	K8
13	MC-13	33	B3-9	53	MC-53
14	MC-14	34	MC-34	54	中棉所50号
15	MC-15	35	MC-35	55	MC-55
16	N2	36	MC-36	56	萨可不
17	MC-17	37	MC-37	57	MC-57
18	MC-18	38	MC-38	58	MC-58
19	MC-19	39	MC-39	59	塔吉克斯坦
20	MC-20	40	N708	60	N638

项目 Items	合成图像 Synthetic image			真实图像 Real-world image
项目 Items	精度 Precision (%)	召回率 Recall (%)	F₁ (%)	精度 Pression (%)	召回率 Recall (%)	F₂ (%)
种壳 Shell planting	98.55	97.68	98.11	97.71	96.12	96.91
胚芽 Gemmule	97.81	97.25	97.53	95.33	94.56	94.94
平均 Average	98.18	97.47	97.82	96.52	95.34	95.93

项目 Items	合成图像 Synthetic image			真实图像 Real-world image
项目 Items	精度 Precision (%)	召回率 Recall (%)	F₁ (%)	精度 Pression (%)	召回率 Recall (%)	F₂ (%)
种壳 Shell planting	98.55	97.68	98.11	97.71	96.12	96.91
胚芽 Gemmule	97.81	97.25	97.53	95.33	94.56	94.94
平均 Average	98.18	97.47	97.82	96.52	95.34	95.93

性状 Traits	变异来源Source of variation			平方和 SS	自由度 DF	均方 MS	F值 F value	P值 P value
性状 Traits	品种 Assortment(%)	处理 Process(%)	相互作用 Interplay(%)	平方和 SS	自由度 DF	均方 MS	F值 F value	P值 P value
RGR	43.59	19.74	21.92	115 534.882	179	1 953.452	833.607	P<0.0001
RGP	38.25	19.64	22.89	130 895.351	179	2 213.383	868.638	P<0.0001
RGI	40.24	21.78	21.99	119 574.866	179	2 021.512	793.528	P<0.0001
RVI	42.24	24.20	22.52	63 551.556	179	1 072.463	465.876	P<0.0001

基于卷积神经网络和合成数据集训练鉴定棉花种子萌发期的耐盐性

Salt tolerance in germination period of cotton seeds based on convolutional neural network and synthetic dataset

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 28

相关文章 15

编辑推荐 0

Metrics

性状Traits	RGP	RGR	RGI	RVI
RGP	1.000
RGR	0.777^**	1.000
RGI	0.859^**	0.957^**	1.000
RVI	0.778^**	0.835^**	0.872^**	1.000

耐盐水平 Salt tolerance level	品种数 Number of varieties	D值 D value	频率 Frequency (%)
Ⅰ	8	0.84±0.07	13.33
Ⅱ	17	0.61±0.08	28.33
Ⅲ	16	0.39±0.06	26.67
Ⅳ	19	0.21±0.02	31.67
总计Total	60		100

材料名称 Varieties name	D值 D value	聚类号 Cluster number	材料名称 Varieties name	D值 D value	聚类号 Cluster number
MC-2	0.86	Ⅰ	新陆早1号	0.40	Ⅲ
陆8早	0.81	Ⅰ	N718	0.42	Ⅲ
MC-19	0.88	Ⅰ	中棉所50号	0.33	Ⅲ
珂字棉4号	0.95	Ⅰ	MC-43	0.30	Ⅲ
MC-30	0.88	Ⅰ	石大	0.31	Ⅲ
K8	0.62	Ⅱ	MC-46	0.18	Ⅳ
N701	0.54	Ⅱ	MC-47	0.19	Ⅳ
N719-1	0.69	Ⅱ	TM-1	0.18	Ⅳ
N19	0.70	Ⅱ	MC-50	0.25	Ⅳ
斯字棉	0.66	Ⅱ	MC-55	0.24	Ⅳ

[1]	胡莎莎, 邵丽萍, 陈丽华, 宋卫平, 赵海, 张新宇, 孙杰. 脱叶剂对机采棉棉铃发育及纤维品质的影响[J]. 新疆农业科学, 2025, 62(2): 270-277.
[2]	陆明昆, 李军宏, 尼陆排尔·于苏甫江, 潘喜鹏, 刘晓成, 张正贵, 潘占磊, 翟梦华, 张要朋, 赵文琪, 王丽宏, 王占彪. 追施硅肥对棉花生长发育及产量品质的影响[J]. 新疆农业科学, 2025, 62(2): 286-293.
[3]	王奕丁, 张凯, 张凌健, 张慧, 郭小梦, 陈国悦. 滴灌量对新疆棉花生长发育、产量形成和水分利用效率的影响[J]. 新疆农业科学, 2025, 62(2): 294-301.
[4]	王晓艳, 白云岗, 柴仲平, 卢震林, 刘洪波, 肖军, 阿曼尼萨. 休作期冬灌滴灌调控下“干播湿出”对棉花生长及产量影响[J]. 新疆农业科学, 2025, 62(2): 302-313.
[5]	孙彩琴, 吴佳, 黄海, 郭家鑫, 闵伟, 郭慧娟. 不同盐碱胁迫对棉花根系蛋白质组的影响[J]. 新疆农业科学, 2025, 62(1): 146-160.
[6]	赖成霞, 杨延龙, 汪鹏龙, 朱梦宇, 杨栋, 李春平, 葛风伟, 玛依拉·玉素音, 阳妮, 马君. 新疆北疆部分棉区落叶型棉花黄萎病菌落形态特征及致病力鉴定[J]. 新疆农业科学, 2025, 62(1): 174-181.
[7]	王伟, 张仁福, 刘海洋, 李晓维, 姚举. 新疆棉田花蓟马消长规律及空间分布[J]. 新疆农业科学, 2025, 62(1): 202-209.
[8]	苗红萍, 王晓伟, 田聪华, 李志, 张玉新, 戴俊生. 塔里木河流域棉花生产与布局演变特征及驱动因素分析[J]. 新疆农业科学, 2024, 61(S1): 217-226.
[9]	巩雪花, 王小武, 付开赟, 贾尊尊, 吐尔逊·阿合买提, 乔小燕, 叶晓琴, 郭文超, 丁新华. 新疆绿洲灌区玉米田杂草种子库及环境因子对杂草种子萌发的影响[J]. 新疆农业科学, 2024, 61(S1): 49-59.
[10]	王俊铎, 崔豫疆, 梁亚军, 龚照龙, 郑巨云, 李雪源. 新疆棉花生产优势区域分析[J]. 新疆农业科学, 2024, 61(S1): 60-69.
[11]	郑巨云, 龚照龙, 梁亚军, 耿世伟, 孙丰磊, 阳妮, 李雪源, 王俊铎. 新疆机采棉花生产关键技术模式[J]. 新疆农业科学, 2024, 61(S1): 70-74.
[12]	李杰, 刘佳, 王亮, 张娜, 杨延龙, 郑子漂, 魏鑫, 王萌, 周子馨, 阳妮, 龚照龙, 侯献飞, 黄启秀, 阿不都卡地尔·库尔班, 张济鹏, 张鹏忠. “棉、油、糖”科技成果转化现状及应用分析[J]. 新疆农业科学, 2024, 61(S1): 89-94.
[13]	扁青永, 付彦博, 祁通, 黄建, 蒲胜海, 孟阿静, 哈丽哈什·依巴提. 新疆南疆盐碱地棉花出苗影响因素及保苗措施分析[J]. 新疆农业科学, 2024, 61(S1): 95-100.
[14]	李永泰, 高阿香, 李艳军, 张新宇. 脱叶剂对不同敏感性棉花品种生理特性的影响[J]. 新疆农业科学, 2024, 61(9): 2094-2102.
[15]	张泽华, 叶含春, 王振华, 李文昊, 李海强, 刘健. 等氮配施脲酶抑制剂对滴灌棉花生长发育和产量及品质的影响[J]. 新疆农业科学, 2024, 61(9): 2103-2111.