【目的】 解析GhWRKY44基因在干旱胁迫下的功能，为棉花抗旱育种提供候选基因资源。【方法】 以陆地棉（Gossypium hirsutum L.）CQJ-5叶片cDNA为模板进行聚合酶链式反应（polymerase chain reaction, PCR），获得GhWRKY44基因编码序列，并进行生物信息学分析。利用实时荧光PCR（quantitative real-time PCR, qRT-PCR）分析GhWRKY44基因在脱落酸（abscisic acid, ABA）和聚乙二醇（polyethylene glycol, PEG）6000处理下的表达模式。利用病毒诱导的基因沉默（virus-induced gene silencing, VIGS）技术研究GhWRKY44基因在干旱胁迫下的功能。【结果】 GhWRKY44编码的蛋白属于Ⅰa类WRKY成员，与GbWRKY44亲缘关系较近。GhWRKY44受PEG 6000和ABA诱导表达。干旱胁迫下，与对照棉株相比，GhWRKY44沉默棉株的叶片萎蔫程度更重，植株存活率和叶片叶绿素含量（soil and plant analyzer development, SPAD值）显著降低。脱水处理6 h和7 h，GhWRKY44基因沉默棉株的叶片失水率显著高于对照。【结论】 沉默GhWRKY44基因降低棉花抗旱性，GhWRKY44是棉花抗旱性的正调控因子。
【目的】 利用农杆菌介导法获得了转GbTMEM214基因陆地棉品系，旨在明确转基因棉花株系中T-DNA插入位点的序列特征及检测方法，为其生物安全评价提供依据。【方法】 基于基因组重测序技术，利用BLASTn将测序数据与陆地棉TM-1基因组序列进行比对分析，设计特异性引物通过聚合酶链式反应（polymerase chain reaction, PCR）验证插入位点。【结果】 携带目标基因GbTMEM214的T-DNA整合在陆地棉基因组D13号染色体57 019 068~57 019 106 bp，T-DNA插入导致受体基因组37 bp的片段缺失；通过PCR扩增获得携带GbTMEM214基因的T-DNA插入位点的侧翼序列，由此建立了转GbTMEM214基因棉花的特异性检测方法。【结论】 基于基因组重测序技术获得了转GbTMEM214基因棉花的T-DNA插入位点及侧翼序列信息，可为转基因棉花的生物安全评价提供技术参考。
【目的】 叶绿素含量可以用来评价棉花的长势情况，快速、准确和大面积监测棉花叶绿素含量，有助于实现精准农业。【方法】 分别用0~2阶（步长为0.2）的分数阶微分处理和1~10尺度下的小波变换对田间测定的陆地棉和海岛棉等2种棉花的高光谱反射率进行处理，提高棉花叶绿素含量反演精度。通过分析不同处理方式的光谱与叶绿素含量之间的相关性，筛选得出敏感波段；并运用支持向量机回归和随机森林回归模型分别构建棉花叶绿素含量高光谱估算模型。【结果】 （1）在全波段范围内，2种棉花325~1 075 nm光谱反射率曲线整体变化趋势基本相同，其反射率均随着叶绿素含量的增加而增大。（2）经连续小波变换和分数阶微分变换后，2种棉花高光谱数据和叶绿素含量的相关性有所增强。使用随机森林回归和小波能量系数7对陆地棉叶绿素含量的反演效果最好，建模集决定系数（coefficient of determination, R2）为0.931，均方根误差（root mean square error, RMSE）为0.782，剩余预测偏差（residual prediction deviation, RPD）为2.162；使用随机森林回归和小波能量系数6对海岛棉叶绿素含量的反演效果最佳，建模集R2为0.932，RMSE为1.198，RPD为2.687。【结论】 本研究可为棉花叶绿素含量遥感估算提供技术参考。
【目的】 探究陆地棉对人工海水和NaCl单盐胁迫的响应，评估人工海水模拟盐胁迫鉴定棉花耐盐性的可行性。【方法】 以135份不同类型的陆地棉种质系为材料，比较人工海水和NaCl单盐胁迫对棉花种子萌发和幼苗生长的影响，结合主成分分析、隶属函数分析和聚类分析等方法对棉花材料的耐盐性进行综合评价，并通过田间试验对2种鉴定方法进行验证。【结果】 2种盐胁迫下的鉴定结果仅有52.38%的一致性，鉴定结果存在较大差异。人工海水胁迫下的鉴定结果与田间试验鉴定结果呈极显著正相关关系，相关系数为0.720，NaCl胁迫下的鉴定结果与大田鉴定结果无显著相关关系。人工海水和NaCl胁迫处理下，105份低酚棉种质资源中表现为抗盐或耐盐的材料数量占比分别为21.90%和33.33%，其中鲁17和邯低酚29在2种胁迫下均表现出较强的耐盐性。【结论】 使用与海涂地成分相似的人工海水模拟盐胁迫可以更加精确地鉴定棉花材料的耐盐性。低酚棉整体耐盐性较差，但不乏有耐盐性强的种质系，可用于培育耐盐的低酚棉新品种。
【目的】 探讨新疆阿拉尔垦区密植条件下不同模型对棉花株高的预测效果。【方法】 以株型差异较大的新陆中81号和塔河2号为试验材料，在阿拉尔垦区16 000株·hm-2密植条件下开展大田试验，用Python语言建立株高生长的逻辑斯谛（logistic）、冈珀茨（Gompertz）、理查德（Richards）方程和决策树机器学习预测模型，并对模型的预测精度进行分析。【结果】 Logistic、Gompertz和Richards模型中，新陆中81号株高的均方根误差（root mean square error, RMSE）分别为8.38%、7.49%和7.52%，平均绝对误差（mean absolute error, MAE）分别为6.80%、5.79%和5.82%；塔河2号株高的RMSE分别为6.09%、4.77%和4.85%，MAE分别为4.52%、3.34%和3.36%。决策树机器学习方法中，新陆中81号与塔河2号株高的RMSE分别为6.91%和3.27%，MAE分别为5.04%和2.16%。Logistic、Gompertz和Richards生长方程以及决策树机器学习方法均能较好地预测密植条件下棉花株高的生长，但在预测精度上决策树机器学习方法总体上优于生长方程。【结论】 基于决策树的机器学习方法不需要用数理统计知识解释模型，训练模型需要的数据量也较少，模拟精度更高，在模拟棉花株高方面有一定优势，是对传统生长方程的有益补充。
【目的】 旨在解决高质量采棉要求下，采棉机对不同姿态和品级的棉花进行精确识别与定位的问题，提出了1种基于改进YOLOX的棉花检测方法YOLOX-Cotton。【方法】 YOLOX-Cotton使用YOLOX模型作为主体框架，包含识别模块和定位模块，并引入了CA（coordinate attention）模块和SIoU损失函数，以多种姿态、品级的棉花图片作为数据集，对其进行训练并测试。【结果】 YOLOX-Cotton模型的识别模块能够识别不同姿态和品级的棉花，且模型精确率、召回率和平均精度均值达到92.9%、86.8%和92.4%，与原YOLOX模型相比分别提升了5.2、5.5和6.1百分点。该模型的定位模块能够准确获得棉花的位置，测量结果均在田间试验验证结果的阈值范围内，所有样本的标准偏差均小于0.01。【结论】 YOLOX-Cotton能够有效解决采棉机在高质量采棉要求下对棉花的识别与定位问题，将为实现高质量采棉提供了有力的技术支撑。
【目的】 揭示花铃期不同灌水下限对棉花叶片光合特征参数及产量的影响，为新疆北疆植棉区灌溉制度的优化提供参考。【方法】 2023年在新疆昌吉开展大田试验，以中棉所125为供试品种，在花铃期设置3种灌水下限，分别为55%（T1）、60%（T2）和70%（T3）田间持水量，以当地常规的滴灌模式作为对照（CK），分析不同处理对花铃期土壤含水率、棉花叶片光合特性及产量性状的影响，并探究了光合指标与叶面温度和气象因子之间的相关关系和回归关系。【结果】 花铃期T3处理的0~60 cm土层土壤含水率维持在相对较高且稳定的范围（18.5%~21.6%）。花铃前期（7月11日），T3处理的净光合速率日平均值最大，呈升-降-升-降的日变化趋势。相关分析表明，净光合速率、蒸腾速率均与0~60 cm土层土壤含水率、叶面温度、太阳辐射强度和环境温度呈显著正相关关系。T3处理的籽棉产量和灌溉水利用效率最高，分别较CK显著提高26.46%和71.43%。基于秩和比法的多目标综合评价表明，T3处理的综合效果最优。【结论】 在水资源短缺的北疆膜下滴灌棉田，花铃期灌水下限、上限分别设置为70%、90%田间持水量可以实现节水且高产。
