全球小麦产量与产区分布: 1. 中国是全球最大的小麦生产国,占全球小麦产量的约15%。 2. 亚洲地区是全球最大的小麦生产地区,占全球小麦产量的约44%。 3. 欧洲地区是全球第二大小麦生产地区,占全球小麦产量的约26%。 4. 北美洲地区是全球第三大小麦生产地区,占全球小麦产量的约14%。 5. 小麦是世界上最重要的粮食作物之一,也是世界人类的主要粮食来源之一。 春小麦和冬小麦是根据播种时间的不同而划分的两种小麦品种。它们的主要区别如下: 1. 播种时间不同:春小麦在春季播种,而冬小麦在秋季播种。 2. 生长期不同:春小麦生长期相对较短,一般为90~110天;而冬小麦生长期相对较长,一般为180~280天。 .select("wheat") .first(); //输出影像信息 print(img); //定位地图中心 Map.centerObject(img, 2)
引言 今天给大家介绍的是基于 Sentieon 软件开发的用于小麦全基因组测序数据的自动化流程脚本。 测试小麦样本平均测序深度7.55x,从FastQ到VCF全流程分析最快用时1.4个小时,大幅缩短小麦全基因组WGS分析时间,有效加快小麦的分子育种进程。 2. 数据质控(Raw2clean) raw2clean(){ cmd="fastp -w 16 -i $FASTQ_1 -I $FASTQ_2 -o $clean1 -O $clean2 -j $SAMPLEID.qc.json 从FastQ到VCF全流程分析最快用时1.4个小时,大幅缩短小麦全基因组WGS分析时间,有效加快小麦的分子育种进程。
./ SRR8502595 但是好像不管用,还是sra格式的数据 -O 指定下载文件的存储位置 小麦做GO富集分析 找到了一个在线工具,直接上传 geneid 就可以 , 链接是 http://wheat.cau.edu.cn clusterProfiler的结果 如何画有时间再来研究吧 欢迎大家关注我的公众号 小明的数据分析笔记本 小明的数据分析笔记本 公众号 主要分享:1、R语言和python做数据分析和数据可视化的简单小例子;2、
本文将利用 TorchVision Faster R-CNN 预训练模型,于 Kaggle: 全球小麦检测[1] ? 上实践迁移学习中的一种常用技术:微调(fine tuning)。 pd import seaborn as sns from matplotlib import pyplot as plt from PIL import Image 下载数据 Kaggle: 全球小麦检测 如下: ce4833752,0.5 0 0 100 100 image_id ce4833752 的图片,预测出 x y w h 0 0 100 100 处是小麦,置信度 0.5。 [8] Pytorch Starter - FasterRCNN Train[9] Global Wheat Detection: Starter EDA[10] 脚注 [1]Kaggle: 全球小麦检测 Notebooks: https://github.com/ikuokuo/start-pytorch/blob/master/docs/use_kaggle_notebooks.md [5]Kaggle: 全球小麦检测
专属于六倍体小麦的注释包。 此注释包是基于iwgsc_refseqv1.1版本的基因号制作的,GO注释来源于 https://doi.org/10.5281/zenodo.2541477。 做小麦的同学赶快下载下来试一下吧~ 参考资料: Bioconductor的注释包太旧怎么办?自己做呀 https://www.jianshu.com/p/77246ff36214
脚本DB_MSSQL_HC_lhr_v7.0.0_2005.sql最低支持2005版本,而脚本DB_MSSQL_HC_lhr_v7.0.0_2008R2.sql最低支持2008R2版本。 脚本DB_DB2_HC_lhr_v7.0.0.sql是DB2数据库脚本,执行后会产生DB2数据库的健康检查html报告。 脚本DB_OceanBase_HC_lhr_v7.0.0.sql是DB2数据库脚本,执行后会产生OceanBase数据库的健康检查html报告。 2、巡检脚本特点 1、可以巡检Oracle、MySQL、SQL Server、PostgreSQL、Greenplum、OceanBase、TiDB、openGauss、DB2和国产达梦、人大金仓等11 4、html巡检结果 这里只列出部分结果,其它的详细内容可以参考:https://share.weiyun.com/5lb2U2M 其它不再列举。
决策树模型实现冬小麦提取¶ 依据作物在不同物候期内卫星影像的光谱存在差异的特征,可建立冬小麦提取算法,进行像元尺度冬小麦提取。 这里同样是使用的NDVI作为阈值提取条件,分别使用不同的聚合方式完成对影像的筛选,从而得出冬小麦种植面积的提取。 (如云量过滤等) def getl8_ndvi(startdate,enddate): dataset = aie.ImageCollection('LANDSAT_LC08_C02_T1_L2' (0.5))) wheat1 = mask1.And(mask2).And(mask3).And(mask5).And(mask6) wheat2 = mask1.And(mask2).And(mask4 ).And(mask5).And(mask7) wheat = wheat1.add(wheat2).where((wheat1.add(wheat2)).gt(aie.Image.constant(
今天小麦苗给大家分享的是【爬虫】利用Python爬虫爬取小麦苗itpub博客的所有文章的连接地址并写入Excel中(2)。 【爬虫】利用Python爬虫爬取小麦苗itpub博客的所有文章的连接地址并写入Excel中(2) 第一篇( http://blog.itpub.net/26736162/viewspace-2286553 init_excel(): f = xlwt.Workbook(encoding='gbk') # 创建工作薄 # 创建个人信息表 sheet1 = f.add_sheet(u'小麦苗 pass if __name__ == '__main__': page = int(input('请输入需要爬取多少页:')) loadHtml(page) About Me:小麦苗 ● 本文作者:小麦苗,只专注于数据库的技术,更注重技术的运用 ● 作者博客地址:http://blog.itpub.net/26736162/abstract/1/ ● 本系列题目来源于作者的学习笔记,
数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件)
数据集类型:图像分类用,不可用于目标检测无标注文件 数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数):10695 分类类别数:7 类别名称:["anthesis","booting","crown_root","heading","mid_vegetative_phase","milking","tillering"]
小麦云链,小麦云盘系列中的一个新产品,可以理解为简版的U-File。 无需注册,不限制上传数量和大小,文件上传以后,会获取HTTP和FTP两种直链模式并提供上传记录下载。
前言 昨天Kaggle 全球小麦检测(Global Wheat Detection)比赛落下帷幕,共计2,270 支队伍参赛。 ? YOLOv5 称霸Kaggle 小麦检测 小麦检测赛事是今年5月初开始,刚开始很多人还是用Cascade R-CNN、EfficientDet这些知名的检测项目作为他们的基础解决方案。 YOLOv5 在Kaggle小麦检测表现有多强? 彻底宣告YOLOv5被禁用后,很多人删除了之前的 submissions。 那么究竟其表现有多强?
QDANN 30m Yield Map for Corn, Soy, and Winter Wheat in the U.S美国玉米、大豆和冬小麦 QDANN 30m 产量图 简介 该数据集展示了一个新颖的规模转移框架 该数据集基于 Landsat 图像和 Gridmet 气象数据,重点关注美国的玉米、大豆和冬小麦田。该数据集利用约一百万个田间年观测数据中的产量监测记录进行验证。 Raster Band Info Unit Corn & Soybean b1: corn, b2: soybean kg/ha Winter Wheat b1: winter wheat kg/ha ); /** Modified GEE code to demostrate the QDANN Yield Map (corn and soybean) Band info: b1: corn; b2: 创建者:Ma,Yuchi et al: Ma,Yuchi et al: 关键词:玉米、大豆、冬小麦、产量 GEE 最后更新时间:2024-09-22
小麦是三大主要粮食作物之一,占世界粮食产量的30%和世界粮食贸易的50%,其产量直接影响我国粮食安全。因此,提高小麦产量仍是当前育种工作的主要目标之一。 小麦株型对于提高产量和环境适应性至关重要,系统研究小麦株型性状的地理分化和育种选择的遗传基础,对于小麦育种具有重要价值。 根据世界范围的小麦地理分化规律,可以看出欧洲小麦材料的穗下节长度单倍型占比较大,而亚洲材料的中等单倍型占比随育种过程逐渐增加。 该研究对小麦株型的遗传改良具有重要意义,为小麦株型的分子设计育种提供了重要的遗传信息资源。 项目研究得到了中国科学院战略重点研究计划的支持(XDA24010104-2,XDA24020201)和国家重点研发计划的支持(2022YFF1002904)。
数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6508 标注数量(xml文件个数):6508 标注数量(txt文件个数):6508 标注类别数:1 标注类别名称:["wheat"] 每个类别标注的框数: wheat 框数 = 275249 总框数:275249 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注
数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
脚本DB_MSSQL_HC_lhr_v7.0.0_2005.sql最低支持2005版本,而脚本DB_MSSQL_HC_lhr_v7.0.0_2008R2.sql最低支持2008R2版本。 26289 Jul 10 17:19 LHR_OSCHECK_REPORT_OCPLHR_20190710171939.html [root@OCPLHR lhr]# 五、其它问题 请看视频《小麦苗数据库健康检查脚本使用说明 .wmv》或阅读《【DB健康巡检(Oracle+MySQL+MSSQL+OS)】小麦苗巡检脚本使用说明_LHR.pdf》,下载地址为:https://share.weiyun.com/5lb2U2M 。 视频观看地址:https://v.qq.com/x/page/m3007wsp4o7.html 六、软件著作权登记证书 小麦苗编写的该巡检系统已申请“中华人民共和国国家版权局计算机软件著作权登记证书”, 相关证书见下图: [image-20210130151713465.png] About Me *** ● 本文作者:小麦苗,部分内容整理自网络,若有侵权请联系小麦苗删除
关键词:小麦;分子育种;生信分析; 引言 普通小麦(AABBDD)源于7000-8000年前中东地区四倍体小麦与粗山羊草的自然杂交。约3500-4000年前传入中国,逐渐成为华北主要农作物。 自1950年以来,我国共育成审定约3500个小麦新品种。多样化的生态类型(如春性与冬性、雨养与灌溉、单季与双季)和复杂的饮食文化需求,共同驱动了中国小麦遗传多样性的形成与演变。 系统发育分析使用MAFFT和FastTree构建VRN-A1基因的进化树,细胞遗传学验证则通过FISH/GISH技术,使用特异性探针在ZEISS Imager Z2显微镜下进行观察。 野生种质渗入的应用潜力 在粗山羊草渗入方面,研究以CM42为例,发现其与中国春相比在3D和4D染色体上存在两个大的渗入片段,以及在1D、2D和7D染色体上的几个中等大小渗入片段。 研究总结 研究发现结构变异SV通过抑制着丝粒区域的重组过程,成为驱动小麦演化的重要机制。阐明了VRN-A1复制和食物文化共同塑造了小麦品种生态适应性。
图2 | 百年前收集的全球小麦地方种多样性极高,图为程时锋课题组拍摄的Watkins小麦 从历史上看,养活当地人民数千年的各个地方小麦驯化品种,已经能够很好地适应当地环境,但与现代品种相比,产量相对较低 团队还利用这些资源和工具开发了小麦基因型数据、单倍型数据和表型组数据和各种育种整合工具平台(https://wwwg2b.com),为全球小麦研究者提供了一个共享的数据资源。 重点推荐;主持国家重点研发计划1项,省部级项目2项。 因此,小麦的基因组学研究和数量遗传学研究要困难得多。此次,程时锋团队领衔的“小麦G2B”(也就是genome to breeding)项目是一项超大规模的小麦自然群体的基因组学和数量遗传学研究。 他们的研究发现,小麦现代育成种来源于7个地方品种亚群中的2个亚群;与地方品种相比,有超过67%的遗传多样性的丢失。
随着小麦模式品种“中国春”的参考基因组以及不同倍性、不同品种小麦基因组/泛基因组的陆续发布,小麦研究业已进入了后基因组大数据时代。 2018年“中国春”小麦参考基因组公布伊始,多名来自于国内不同单位的小麦领域青年学者携手推出了国内首个小麦大数据在线平台WheatOmics-bata版(http://wheatomics.sdau.edu.cn 经过三年的建设,WheatOmics实现了对48套麦族物种基因组、500余份小麦转录组、2000多种小麦变异组、三套小麦突变体库外显子组、多套小麦表观修饰组等组学大数据的可视化,并开发了拟南芥/水稻-小麦同源基因鉴定 WheatOmics数据和工具总览 文章提出,随着小麦多组学大数据的井喷式发展和WheatOmics等在线数据库的建立,小麦功能基因组学研究已经进入到更关注小麦特色基因的阶段。 值得注意的是,近期已有多项小麦组学大数据研究选择第一时间在WheatOmics实现数据的可视化和开放获取。欢迎更多研究团队在WheatOmics上分享大数据! 图2.