通过对水稻萌发耐淹性进行QTL定位和稳定位点的聚合效应分析,可以为萌发耐淹性基因的精细定位及后续分子辅助育种奠定基础。本研究利用一个包含144份家系的强萌发耐淹性粳型杂草稻WR-4与籼稻品种广百香占的F2:3定位群体,基于1K m GPS SN...通过对水稻萌发耐淹性进行QTL定位和稳定位点的聚合效应分析,可以为萌发耐淹性基因的精细定位及后续分子辅助育种奠定基础。本研究利用一个包含144份家系的强萌发耐淹性粳型杂草稻WR-4与籼稻品种广百香占的F2:3定位群体,基于1K m GPS SNP芯片构建了一个包含825个Bin标记的高密度遗传图谱,利用完备区间作图法共检测到10个萌发耐淹性QTL,分布于水稻第3、4、7、8、9和10染色体上,LOD值介于3.6~21.3之间,可解释3.0%~21.1%的表型变异。其中,具有较高LOD值和贡献率的2个主效QTL(q GS4-1和q GS7-1)能够被重复检测到,是后续基因克隆的候选位点。根据Bin标记分型结果将不同子代在两个稳定QTL区间内分为WR型和广百香占型,在F2:3群体中进行聚合效应分析,发现聚合增效等位基因数量越多的家系,其淹水条件下的胚芽鞘越长,这些携带多个耐性QTL的株系可为分子育种培育耐低氧萌发水稻新品种提供亲本资源。展开更多
随着以风电和光伏为代表的新能源渗透率的快速增长,新型电力系统与气象系统间的耦合程度不断加深,系统运行场景分析与生成面临严峻挑战。极端气象事件的频发导致新能源波动加剧,系统运行场景不确定性激增,而现有方法对气象事件与新能源...随着以风电和光伏为代表的新能源渗透率的快速增长,新型电力系统与气象系统间的耦合程度不断加深,系统运行场景分析与生成面临严峻挑战。极端气象事件的频发导致新能源波动加剧,系统运行场景不确定性激增,而现有方法对气象事件与新能源出力间关系的考虑不足,难以准确刻画极端气象事件影响下的新能源出力特性。为此,提出了一种计及极端气象的长时间尺度系统运行场景生成方法。该方法根据极端气象事件时空分布特性对气象因素进行建模,基于插入多个短时间尺度气象事件的年时间序列,通过高斯过程回归(Gaussian process regression,GPR)模型与Copula函数、数据-知识联合驱动方法结合拟合生成完整的年气象场景,然后将气象场景映射到新能源出力场景,最后通过求解机组组合问题得到系统运行场景。使用SG-126节点算例系统对所提方法进行验证,结果表明该方法能够有效考虑极端气象事件给系统运行带来的影响。展开更多
文摘随着以风电和光伏为代表的新能源渗透率的快速增长,新型电力系统与气象系统间的耦合程度不断加深,系统运行场景分析与生成面临严峻挑战。极端气象事件的频发导致新能源波动加剧,系统运行场景不确定性激增,而现有方法对气象事件与新能源出力间关系的考虑不足,难以准确刻画极端气象事件影响下的新能源出力特性。为此,提出了一种计及极端气象的长时间尺度系统运行场景生成方法。该方法根据极端气象事件时空分布特性对气象因素进行建模,基于插入多个短时间尺度气象事件的年时间序列,通过高斯过程回归(Gaussian process regression,GPR)模型与Copula函数、数据-知识联合驱动方法结合拟合生成完整的年气象场景,然后将气象场景映射到新能源出力场景,最后通过求解机组组合问题得到系统运行场景。使用SG-126节点算例系统对所提方法进行验证,结果表明该方法能够有效考虑极端气象事件给系统运行带来的影响。
