Меню

Мейзу модели: Мобильные телефоны Meizu — каталог цен, где купить в интернет-магазинах: продажа, характеристики, описания, сравнение

Содержание

Смартфоны Meizu — все модели, описание, характеристики

Meizu 18 Pro
8 марта 2021

Meizu 18 Pro оснащён 6,7-дюймовым S-AMOLED E4 экраном с четырьмя изогнутыми краями. Дисплей поддерживает разрешение QHD+, HDR10+, частоту обновления 120Гц, плотность пикселей 526ppi и пиковую яркость

Цены

Meizu 18
8 марта 2021

Как и ожидалось, Meizu 18 и Meizu 18 Pro имеют первоклассные характеристики, такие как экран с частотой обновления 120Гц, чипсет Qualcomm Snapdragon 888 и отличные передние, и задние камеры. К тому же

Цены

Meizu 17 Pro
3 Квартал 2020

Экран 6,6-дюймовый с разрешением Full HD+, частотой обновления изображения 90 Гц и встроенным сканером отпечатков пальцев. Основной сенсор камеры — Sony IMX686. Он используется в обеих моделях. Но 17

Цены

Meizu 17
3 Квартал 2020

Meizu 17 работает на базе процессора Snapdragon 865 и имеет чип Snapdragon X55, поддерживающий сеть нового поколения. Производителю не удалось в очередной раз уменьшить размер верхней рамки и остав

Цены

Meizu 16T
28 октября 2019

Новинка получила 6,5-дюймовый AMOLED-экран без вырезов и со встроенным сканером отпечатков пальцев. За производительность отвечает Snapdragon 855. На борту имеется аккумулятор емкостью 4500 мАч с п

Цены

Meizu 16s Pro
31 августа 2019

В очередной раз производитель сделал устройство с небольшими рамками, а не использовал вырез для размещения фронтальной камеры. Смотрится это действительно хорошо. Особенно привлекает симметричность о

Цены

Meizu 16Xs
30 мая 2019

Работает смартфон на Snapdragon 675 с 6 ГБ оперативной памяти LPDDR4X. Накопитель может быть на 64 или 128 ГБ. Основная камера состоит из 3 сенсоров: основной на 48 Мп (f/1,7), телефото на 8 Мп (f/2,2

Цены

Meizu 16s
26 апреля 2019

Смартфон получил достойный безрамочный дизайн, сумев уместить фронтальную камеру и динамик на верхней рамке. Сканер отпечатков пальцев тоже встроили в экран. Это Super AMOLED 6,2-дюймовая панель с Ful

Цены

Meizu Note 9
7 марта 2019

Дисплей смартфона 6,2-дюймовый IPS с Full HD+ разрешением и соотношением сторон 19,5:9. Фронтальная камера разместилась в маленьком вырезе, из-за чего в целом экран занимает почти 90% фронтальной пане

Цены

Meizu Zero
февраль 2019

Его главная особенность — монолитный корпус, лишенный вырезов, кнопок и прочих отверстий. Эта технология получила название Unibody 3D. Работает новинка на Snapdragon 845, но со временем возможна

Цены

Meizu M8 Note
1 ноября 2018

Meizu M8 Note относится к бюджетным смартфонам, но к высшей их категории. Работает на Snapdragon 632 с 4 ГБ оперативной памяти. Накопителя может быть только 64 ГБ. Экран 6.15-дюймовый с Full HD+

Цены

Meizu V8 Pro
4 Квартал 2018

V8 Pro имеет такой же экран с аналогичным разрешением, но выполнен из металла. Работает он на Helio P22 с 4+64 ГБ памяти. Сзади камеры две: 12+5 Мп, а впереди такой же 5 Мп сенсор с f/1.9 Аккумулятор

Цены

Meizu V8
4 Квартал 2018

V8 оборудован 5.7-дюймовым дисплеем с разрешением 1440х720 точек, корпусом из поликарбоната и 2.5D-стеклом. Работает он на MediaTek MT6739 с 3 ГБ оперативной памяти и 32 ГБ накопителя. Камера одна — н

Цены

Meizu 16X
октябрь 2018

Мозгом устройства стал оптимальный Snapdragon 710 с 6 ГБ оперативной памяти и ускорителем Adreno 616. Показанный одновременно Xiaomi Mi 8 Lite теперь будет вынужден плестись позади со Snapdragon 660.

Цены

Meizu 16 Plus
20 августа 2018

У Meizu 16 Plus будет 6.5-дюймовый AMOLED-дисплей с разрешением 2160х1080 точек. Мозгом устройства станет Snapdragon 845 c 6 ГБ оперативной памяти и 128 ГБ накопителя. Как уже было известно, осно

Цены

Meizu X8
октябрь 2018

6.2-дюймовый экран, Snapdragon 710, 4 или 6 ГБ оперативной и 64 или 128 ГБ внутренней памяти. 20 Мп впереди, и двойная 12+5 Мп сзади. Аккумулятор на 3210 мАч.

Цены

Meizu 16
20 августа 2018

Работать Meizu 16 будут на процессоре Qualcomm Snapdragon 845 с тактовой частотой 2,8 ГГц. Его задействует большинство флагманских смартфонов, запущенных в этом году. Кнопка mBack будет иметь нов

Цены

Meizu 15 Lite
16 мая 2018

У Meizu 15 Lite 5.46-дюймовый LCD-дисплей с разрешением Full HD. Snapdragon 626, 4 ГБ оперативной и 64 ГБ встроенной памяти. Основная камера на 12 Мп, фронтальная — 20 Мп. Аккумулятор — 3000 мАч.

Цены

Meizu 15 Plus
16 мая 2018

Старший среди троицы юбилейных смартфонов, выпущенных в честь 15-летия бренда Meizu, работает под управлением нетипичного для рода гаджетов из Поднебесной процессора Exynos 8895. Этот чип хорошо знако

Цены

Meizu 15
16 мая 2018

Компания решила не следовать тренду и не использовала козырек в своих устройствах. Более того, она даже соотношение сторон оставила классическим — 16:9 в Meizu M15. Довольно странно выглядит скан

Цены

все модели с ценами, характеристиками, фото и отзывами

Meizu — сравнительно новый игрок на рынке смартфонов. Так, разработка первого смартфона началась в 2007 году, однако за столь короткий срок этот китайский производитель получил известность во всем мире за счет качественных и недорогих устройств. В этом обзоре — самые актуальные смартфоны Meizu для российского рынка.

Meizu M10 3/32GB

  • Диагональ экрана: 6,5 дюйма
  • Разрешение экрана: 1600×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio P25 (MT6757T)
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 4000 мАч
  • Тыловая камера: тройная 13/2/2 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu X8 4/64GB

  • Диагональ экрана: 6,2 дюйма
  • Разрешение экрана: 2220×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 710
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3210 мАч
  • Тыловая камера: двойная 12/5 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: есть

Meizu X8 6/128GB

  • Диагональ экрана: 6,2 дюйма
  • Разрешение экрана: 2220×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 710
  • Объем памяти: 128 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3210 мАч
  • Тыловая камера: двойная 12/5 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: есть

Meizu 16Xs 6/64GB

  • Диагональ экрана: 6,2 дюйма
  • Разрешение экрана: 2232×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 675
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 4000 мАч
  • Тыловая камера: тройная 48/5/8 МП
  • Фронтальная камера: 16 МП
  • Поддержка карт памяти: нет

Meizu Note 9 4/64GB

  • Диагональ экрана: 6,2 дюйма
  • Разрешение экрана: 2244×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 675
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 4000 мАч
  • Тыловая камера: двойная 48/5 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 16X 6/64GB

  • Диагональ экрана: 6 дюймов
  • Разрешение экрана: 2160×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 710
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3100 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 16X 6/128GB

  • Диагональ экрана: 6 дюймов
  • Разрешение экрана: 2160×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 710
  • Объем памяти: 128 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3100 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 16th 6/64GB

  • Диагональ экрана: 6 дюймов
  • Разрешение экрана: 2160×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 845
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3010 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 16th 8/128GB

  • Диагональ экрана: 6 дюймов
  • Разрешение экрана: 2160×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 845
  • Объем памяти: 128 Гб
  • Объем ОЗУ: 8 Гб
  • Емкость аккумулятора: 3010 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 16 6/64GB

  • Диагональ экрана: 6 дюймов
  • Разрешение экрана: 2160×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 710
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3100 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 15 4/64GB

  • Диагональ экрана: 5,46 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 660
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3000 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu 15 Plus 6/64GB

  • Диагональ экрана: 5,95 дюйма
  • Разрешение экрана: 2560×1440
  • Количество SIM-карт: 2
  • Процессор: Samsung Exynos 8895
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3500 мАч
  • Тыловая камера: двойная 12/20 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: нет

Meizu Note 8 4/64GB

  • Диагональ экрана: 6 дюймов
  • Разрешение экрана: 2160×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 632
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3600 мАч
  • Тыловая камера: двойная 12/5 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu M8

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: Mediatek Helio P22 (MT6762V)
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3100 мАч
  • Тыловая камера: двойная 12/5 МП
  • Фронтальная камера: 5 МП
  • Поддержка карт памяти: есть

Meizu M8 Lite

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6739
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3200 мАч
  • Тыловая камера: 13 МП
  • Фронтальная камера: 5 МП
  • Поддержка карт памяти: есть

Meizu 15 Lite 4/32GB

  • Диагональ экрана: 5,46 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 626
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3000 мАч
  • Тыловая камера: 12 МП
  • Фронтальная камера: 20 МП
  • Поддержка карт памяти: есть

Meizu M8c

  • Диагональ экрана: 5,45 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 425
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 2 Гб
  • Емкость аккумулятора: 3070 мАч
  • Тыловая камера: 13 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu M6T 2/16GB

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6750
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 2 Гб
  • Емкость аккумулятора: 3300 мАч
  • Тыловая камера: двойная 13/2 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu M6T 3/32GB

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6750
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3300 мАч
  • Тыловая камера: двойная 13/2 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu M6s 32GB

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: Samsung Exynos 7872
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3000 мАч
  • Тыловая камера: 16 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu M6s 64GB

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 1440×720
  • Количество SIM-карт: 2
  • Процессор: Samsung Exynos 7872
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3000 мАч
  • Тыловая камера: 16 МП
  • Фронтальная камера: 8 МП
  • Поддержка карт памяти: есть

Meizu M5c 16GB

  • Диагональ экрана: 5 дюймов
  • Разрешение экрана: 1280×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6737
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 2 Гб
  • Емкость аккумулятора: 3000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M5c 32GB

  • Диагональ экрана: 5 дюймов
  • Разрешение экрана: 1280×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6737
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 2 Гб
  • Емкость аккумулятора: 3000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M6 16GB

  • Диагональ экрана: 5 дюймов
  • Разрешение экрана: 1280×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6750
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 2 Гб
  • Емкость аккумулятора: 3070 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M6 32GB

  • Диагональ экрана: 5 дюймов
  • Разрешение экрана: 1280×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6750
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3070 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M6 Note 16GB

  • Диагональ экрана: 5,5 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 625
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 4000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M6 Note 3/32GB

  • Диагональ экрана: 5,5 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 625
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 4000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M6 Note 64GB

  • Диагональ экрана: 5,5 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: Qualcomm Snapdragon 625
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 4000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu Pro 7 64GB

  • Диагональ экрана: 5,2 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio P25 (MT6757T)
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3000 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu Pro 7 Plus 64GB

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 2560×1440
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio X30
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3500 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu Pro 7 Plus 128GB

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 2560×1440
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio X30
  • Объем памяти: 128 Гб
  • Объем ОЗУ: 6 Гб
  • Емкость аккумулятора: 3500 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu M5s 16GB

  • Диагональ экрана: 5,2 дюйма
  • Разрешение экрана: 1280×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6753
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M5s 32GB

  • Диагональ экрана: 5,2 дюйма
  • Разрешение экрана: 1280×720
  • Количество SIM-карт: 2
  • Процессор: MediaTek MT6753
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M5 Note 16Gb

  • Диагональ экрана: 5,5 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio P10 (MT6755)
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 4000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu M5 Note 32Gb

  • Диагональ экрана: 5,5 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio P10 (MT6755)
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 4000 мАч
  • Поддержка карт памяти: есть
  • Поддержка сетей 4G: есть

Meizu Pro 6s

  • Диагональ экрана: 5,2 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio X25 (MT6797T)
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3060 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu Pro 6 Plus 64Gb

  • Диагональ экрана: 5,7 дюйма
  • Разрешение экрана: 2560×1440
  • Количество SIM-карт: 2
  • Процессор: Samsung Exynos 8890
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 3400 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu Pro 6 32Gb

  • Диагональ экрана: 5,2 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio X25 (MT6797T)
  • Объем памяти: 32 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 2560 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu Pro 6 64Gb

  • Диагональ экрана: 5,2 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio X25 (MT6797T)
  • Объем памяти: 64 Гб
  • Объем ОЗУ: 4 Гб
  • Емкость аккумулятора: 2560 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть

Meizu MX5 16Gb

  • Диагональ экрана: 5,5 дюйма
  • Разрешение экрана: 1920×1080
  • Количество SIM-карт: 2
  • Процессор: MediaTek Helio X10 Turbo, 8 ядер, 2,2 ГГц
  • Объем памяти: 16 Гб
  • Объем ОЗУ: 3 Гб
  • Емкость аккумулятора: 3150 мАч
  • Поддержка карт памяти: нет
  • Поддержка сетей 4G: есть
Виджет от SocialMart

Друзья! Если наш сайт помог вам или просто понравился, вы можете помочь нам развиваться и двигаться дальше. Для этого можно:
  • Оставить комментарий к статье.

Спасибо!

Каталог смартфонов Meizu (2021) с ценами, фото и характеристиками

Android 10, FlyMe 9

6.6″ AMOLED дисплей (1080 x 2340)

Qualcomm Snapdragon 865, 8 ГБ ОЗУ

Основная – 64 МП, передняя 20 МП

4500 мАч

Android 9.0, Flyme 8

6.2″ Super AMOLED дисплей (1080 x 2232)

Qualcomm Snapdragon 855 Plus, 8 ГБ ОЗУ

Основная – 48 МП, передняя 20 МП

3600 мАч

Android 9. 0, Flyme 7.3

6.2″ Super AMOLED дисплей (1080 x 2232)

Qualcomm Snapdragon 855, 8 ГБ ОЗУ

Основная – 48 МП, передняя 20 МП

3600 мАч

Android 9.0, Flyme UI

6.2″ Super AMOLED дисплей (1080 x 2232)

Qualcomm Snapdragon 675, 6 ГБ ОЗУ

Основная – 48 МП, передняя 16 МП

4000 мАч

Android 9.0, Flyme 7.2

6.2″ IPS LCD дисплей (1080 x 2244)

Qualcomm Snapdragon 675, 6 ГБ ОЗУ

Основная – 48 МП, передняя 20 МП

4000 мАч

Android 8. 0, «Чистый» Android

5.45″ IPS LCD дисплей (720 x 1440)

Unisoc SC9832E, 3 ГБ ОЗУ

Основная – 13 МП, передняя 13 МП

3000 мАч

Android 8.0, Flyme UI

5.45″ IPS LCD дисплей (720 x 1440)

Spreadtrum SC9832E, 2 ГБ ОЗУ

Основная – 13 МП, передняя 8 МП

3000 мАч

Android 8.1, Flyme UI 7.3

6″ IPS LCD дисплей (1080 x 2160)

Qualcomm Snapdragon 632, 4 ГБ ОЗУ

Основная – 12 МП, передняя 8 МП

3600 мАч

Android 8. 1, Flyme UI

6.2″ IPS LCD дисплей (1080 x 2220)

Qualcomm Snapdragon 710, 6 ГБ ОЗУ

Основная – 12 МП, передняя 20 МП

3210 мАч

Android 10, Flyme UI 8,1

6.5″ Super AMOLED дисплей (1080 x 2160)

Qualcomm Snapdragon 845, 8 ГБ ОЗУ

Основная – 12 МП, передняя 20 МП

3640 мАч

Android 10, Flyme UI 8.1

6″ Super AMOLED дисплей (1080 x 2160)

Qualcomm Snapdragon 845, 8 ГБ ОЗУ

Основная – 12 МП, передняя 20 МП

3010 мАч

Android 8. 0, Flyme UI 7

5.7″ IPS LCD дисплей (720 x 1440)

MediaTek MT6750, 4 ГБ ОЗУ

Основная – 13 МП, передняя 8 МП

3300 мАч

Android 7, Flyme 7.3

5.2″ IPS LCD дисплей (720 x 1280)

MediaTek MT6750, 3 ГБ ОЗУ

Основная – 13 МП, передняя 8 МП

3070 мАч

Android 7.3, Flyme 7

5.5″ IPS LCD дисплей (1080 x 1920)

Qualcomm Snapdragon 625, 4 ГБ ОЗУ

Основная – 12 МП, передняя 16 МП

4000 мАч

Android 7.0, Flyme 6

5. 7″ Super AMOLED дисплей (1440 x 2560)

MediaTek MT6799, 6 ГБ ОЗУ

Основная – 12 МП, передняя 16 МП

3500 мАч

Android 7.0, Flyme 7.3

5.2″ Super AMOLED дисплей (1080 x 1920)

MediaTek Helio P25, 4 ГБ ОЗУ

Основная – 12 МП, передняя 16 МП

3000 мАч

Android 6.0, Flyme 5.2

5.2″ IPS LCD дисплей (720 x 1280)

MediaTek MT6753, 3 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

3000 мАч

Android 6.0, Flyme 5.2

5. 5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6755, 4 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

4000 мАч

Android 6, Flyme 7.3

5.7″ Super AMOLED дисплей (1440 x 2560)

Exynos 8 Octa 8890, 4 ГБ ОЗУ

Основная – 12 МП, передняя 5 МП

3400 мАч

Android 6.0, Flyme 6.3

5.2″ IPS LCD дисплей (720 x 1280)

MediaTek MT6750, 3 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

3070 мАч

Android 6.0, Flyme UI

5.5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6755, 3 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

3260 мАч

Android 6. 0, Flyme UI

5.5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6797, 4 ГБ ОЗУ

Основная – 12 МП, передняя 5 МП

3060 мАч

Android 5.1, Flyme UI

5.5″ IPS LCD дисплей (1080 x 1920)

MediaTek MT6755, 2 ГБ ОЗУ

Основная – 13 МП, передняя 5 МП

4100 мАч

Meizu представила смартфоны Meizu 18 и 18 Pro

Сегодня, 3 марта, Meizu провела мероприятие, посвященное анонсу серии флагманских смартфонов Meizu 18. Устройства могут похвастаться первоклассными характеристиками, а также отсутствием рекламы в оболочке. Если подробнее, Meizu 18 получил 6,2-дюймовый S-AMOLED дисплей с изогнутыми краями. Экран с соотношением сторон 20:9 поддерживает разрешение QHD+ (1440 x 3200 пикселей, плотность пикселей 563 ppi), частоту обновления 120 Гц, частоту опроса сенсорного слоя 240 Гц, пиковую яркость 1300 нит и поддержку HDR10+. В свою очередь Meizu 18 Pro комплектуется 6,7-дюймовым S-AMOLED экраном (плотность пикселей 526 ppi), прочие характеристики дисплея такие же, как и в базовой версии. Оба смартфона работают на базе мобильной платформы Snapdragon 888 в сочетании с 8 или 12 ГБ ОЗУ (LPPDR5) и до 256 ГБ постоянной памяти (UFS 3.1). В Meizu 18 установлена батарея емкостью 4000 мАч, а в модели Pro — емкостью 4500 мАч. Базовая модель поддерживает быструю зарядку Super mCharge мощностью 36 Вт, а модель Pro — проводную зарядку на 40 Вт и беспроводную на те же 40 Вт (Super Wireless mCharge).

Что касается камер, то Meizu 18 получил фронталку на 20 МП и тройной основной модуль, который включает 64 МП основной объектив (Sony IMX682 с диафрагмой f/1,6 и поддержкой оптической стабилизации), 16 МП сверхширокоугольный объектив и 8 МП телеобъектив. Meizu 18 Pro комплектуется 44 МП селфи-камерой (Samsung Gh2), 50 МП основным объективом (Samsung GN1 с диафрагмой f/1,9 и поддержкой оптической и электронной стабилизации), 32 МП сверхшироким объективом (Sony IMX616 с уголом обзора 130 градусов), телеобъективом на 8 МП и датчиком 3D ToF. Модель Pro способна снимать видео в формате 8K.

Из других особенностей смартфонов стоит отметить предустановленную ОС Android 11 с оболочкой Flyme 9, наличие слота на две SIM-карты, поддержку 5G, Wi-Fi 6 и 6E, Bluetooth 5.2 и NFC. Кроме того, Meizu 18 Pro имеет защиту от воды и пыли по классу IP68.

Цена на смартфоны Meizu 18 и 18 Pro зависит от комплектации в части памяти.

Meizu 18:

  • 8+128 ГБ — 4399 юаней (около $680)
  • 8+256 ГБ — 4699 юаней (около $711)
  • 12+256 ГБ — 4999 юаней (около $773)

Meizu 18 Pro:

  • 8+128 ГБ — 4999 юаней (около $773)
  • 8+256 ГБ — 5499 юаней (около $850)
  • 12+256 ГБ — 5999 юаней (около $928)

Новости по тегу meizu, страница 1 из 27

31.05.2021 [13:19], Сергей Карасёв

Сегодня, 31 мая, состоялась официальная презентация умных наручных часов Meizu Watch, функционирующих под управлением операционной системы Flyme OS for Watch. Продажи гаджета стартуют уже завтра, 1 июня.

Устройство оборудовано 1,78-дюймовым дисплеем AMOLED с защитным стеклом 2.5D Corning Gorilla Glass. Разрешение экрана составляет 368 × 448 точек, пиксельная плотность — 326 PPI (точек на дюйм), максимальная яркость — 500 кд/м2.

В основу положен процессор Qualcomm Snapdragon Wear 4100, который содержит четыре вычислительных ядра ARM Cortex A53 с тактовой частотой до 1,7 ГГц, а также графический ускоритель Adreno 504.

Новинка несёт на борту 1 Гбайт оперативной памяти, флеш-модуль вместимостью 8 Гбайт, адаптеры беспроводной связи Wi-Fi и Bluetooth 4.2, контроллер NFC. Заявленное время автономной работы на одной подзарядке аккумуляторной батареи ёмкостью 420 мА·ч достигает 36 часов.

Гаджет поддерживает технологию eSIM (встроенная SIM-карта), что позволяет подключаться к сотовым сетям. Датчики способны отслеживать частоту сердечных сокращений и уровень содержания кислорода в крови, анализировать качество сна и регистрировать другие стандартные показатели. Ориентировочная цена Meizu Watch — 235 долларов США. 

26.05.2021 [00:01], Максим Шевченко

Meizu наконец-то объявила дату запуска своих первых умных часов, слухи о которых ходят в Сети уже некоторое время. Сообщается, что Meizu Watch будут запущены 31 мая. Кроме даты запуска, китайская компания поделилась тизерами устройства, которые проливают свет на его дизайн и раскрывают ключевые характеристики.

Как и предполагалось ранее, Meizu Watch получат квадратный корпус с закруглёнными краями и силиконовый ремешок. Кроме того, стало известно, что смарт-часы Meizu будут основаны на актуальной платформе Snapdragon Wear 4100 и получат поддержку eSIM. Благодаря этому часы можно будет использовать для совершения телефонных звонков без привязки к смартфону. Meizu ничего не рассказала о программном обеспечении носимого устройства, однако предполагается, что они будут работать под управлением Flyme for Watch на основе Wear OS.

Пока неизвестно, выйдут ли Meizu Watch на глобальный рынок, или будут продаваться только в Китае. Также не известна и ориентировочная цена устройства. Тем не менее, это и многое другое о Meizu Watch мы узнаем уже в следующий понедельник.

17.05.2021 [18:31], Руслан Авдеев

Государственное управление интеллектуальной собственности КНР сообщило о провальной попытке компании Xiaomi зарегистрировать торговую марку MIX. Пекинский Суд по вопросам интеллектуальной собственности указал на то, что аналогичное обозначение уже используется для маркировки электроники другой компании.

По данным китайских СМИ, в заявке № 29673851, поданной ещё в 2018 году, компания претендовала на регистрацию торговой марки MIX для таких классов гаджетов, как «компьютеры, педометры, мобильные телефоны, сенсоры и т. д.» Суд постановил, что марка не только уже давно используется, но и зарегистрирована другим китайским производителем смартфонов — компанией Meizu.

Более того, суд также отметил, что аналогичная торговая марка применяется и многими другими компаниями. Примечательно, что одной из главных причин отклонения иска стало то, что «термин» MIX применяется для обозначения продуктов «аналогичной природы» как Xiaomi, так и Meizu.

Известно, что Xiaomi впервые представила экспериментальный флагманский смартфон серии Mi MIX в октябре 2016 года. При этом продукт Meizu MIX появился за два месяца до этого. Но, в отличие от своего конкурента, Meizu представила не смартфон, а «гибридные» механические часы с некоторыми умными функциями. Инновационные смартфоны Xiaomi выпускаются под торговой маркой Mi MIX до сих пор.

14.05.2021 [16:53], Сергей Карасёв

Интернет-ресурсы опубликовали пресс-изображения новых умных часов Meizu, которые компания, как ожидается, представит в текущем году. Источником рендеров, как утверждается, стал сайт китайской государственной телекоммуникационной компании China Telecom.

Как можно видеть на изображениях, внешне гаджет в значительной степени напоминает смарт-часы Apple Watch. Готовящееся устройство оборудовано цветным сенсорным дисплеем прямоугольной формы, плавно переходящим на боковые грани корпуса.

О характеристиках Meizu Watch, к сожалению, пока известно немного. Упомянута поддержка технологии eSIM, которая позволяет подключаться к сотовым сетям, не используя физическую SIM-карту. Таким образом, владельцы смогут совершать телефонные звонки и обмениваться данными через мобильный интернет-доступ.

В одной из боковых частей корпуса просматривается кнопка управления. Кроме того, виден выступающий блок сенсоров на тыльной стороне: можно предположить, что новинка сможет отслеживать изменения частоты сердечных сокращений в течение дня и измерять уровень содержания кислорода в крови.

Судя по изображениям, гаджет будет доступен в различных вариантах цветового исполнения. Сведений о цене и сроках начала продаж на данный момент нет.  

30.04.2021 [19:01], Максим Шевченко

Meizu Technology только что объявила о партнёрстве с автомобильной маркой Mini JCW, известной, в первую очередь, благодаря семейству Mini Cooper. Напомним, что вчера в своём официальном Weibo-аккаунте Meizu объявила, что сегодня поговорит со своими поклонниками об автомобилях. Компания, с целью привлечь пользователей, опубликовала рекламный постер своей грядущей операционной системы Flyme for Car, о которой ничего важного сегодня сказано не было.

Meizu также поделилась рекламным изображением, на котором показан автомобиль Mini JCW, который будет участвовать в гонках Master Challenge Asia 2021. На правом переднем крыле гоночного болида можно рассмотреть логотип китайского производителя смартфонов. Meizu считает, что совместный брендинг автомобиля — это примечательное событие.

Ожидалось, что сегодня компания расскажет о своей операционной системе Flyme for Car, но эти надежды не оправдались. Meizu лишь заявила, что её разработка неуклонно продвигается вперёд. Учитывая тот факт, что Meizu заключила соглашение с Mini JCW, стоит ожидать, что именно Mini станут первыми автомобилями с Flyme for Car.

29.04.2021 [23:29], Максим Шевченко

Похоже, что разработка программного обеспечения для автомобилей стала новой тенденцией в китайской мобильной индустрии. Huawei стала одним из пионеров, представив программное решение HiCar, которое помогает обеспечить качественную интеграцию между смартфоном и автомобилем. Теперь, судя по всему, подобный продукт запустит и Meizu.

Официальный Weibo-аккаунт компании поделился тизерным изображением, на котором виден силуэт автомобиля. Надпись гласит «Первое партнёрство ______, давайте поговорим завтра». Основываясь на втором изображении, можно с уверенностью сказать, что завтра состоится анонс первого автомобиля, работающего с программным обеспечением Meizu Flyme for Car.

О Flyme for Car не было ничего слышно с тех пор, как Meizu впервые объявила о разработке этой ОС в прошлом месяце. Ожидается, что на завтрашнем мероприятии Meizu расскажет всё, что нужно знать об этой операционной системе.

03.03.2021 [14:13], Сергей Карасёв

Компания Meizu сегодня официально представила флагманские смартфоны нового поколения: дебютировали аппараты Meizu 18 и Meizu 18 Pro под управлением операционной системы Android 11 с фирменной надстройкой Flyme 9. Устройства уже доступны для заказа.

Обе модели несут на борту мощный процессор  Snapdragon 888 с восемью ядрами (до 2,84 ГГц), графическим ускорителем Adreno 660 и модемом 5G. Объём оперативной памяти достигает 12 Гбайт, вместимость флеш-накопителя — 256 Гбайт.

Аппарат Meizu 18 получил 6,2-дюймовый дисплей S-AMOLED E4 формата QHD+ с разрешением 1440 × 3200 точек, частотой обновления 120 Гц, частотой опроса сенсорного слоя 240 Гц и пиковой яркостью 1300 кд/м2.

В отверстии по центру в верхней области экрана установлена 20-Мп селфи-камера. Тройная тыльная камера вобрала в себя 64-Мп блок с датчиком Sony IMX682 и максимальной диафрагмой f/1,6, 16-Мп модуль с широкоугольной оптикой и 8-Мп телефотоблок. За питание отвечает аккумулятор ёмкостью 4000 мА·ч с поддержкой 36-ваттной подзарядки.

Более мощный смартфон Meizu 18 Pro оборудован 6,7-дюймовым экраном: характеристики этой панели, за исключением размера, идентичны версии Meizu 18.

Фронтальная камера способна формировать 44-Мп снимки. Основная камера имеет четырёхмодульную конфигурацию: это 50-Мп датчик Samsung GN1 (f/1,9), блок с 32-Мп сенсором Sony IMX616 и широкоугольной оптикой (130 градусов), 8-Мп компонент с трёхкратным зумом и сенсор 3D ToF. Батарея на 4500 мА·ч поддерживает 40-ваттную подзарядку.

Аппараты наделены экранным сканером отпечатков пальцев, адаптерами Wi-Fi 6E и Bluetooth 5.2, контроллером NFC, портом USB Type-C. Доступны следующие версии Meizu 18 / Meizu 18 Pro:

  • 8 Гбайт оперативной памяти и накопитель на 128 Гбайт — $680 / $770;
  • 8 Гбайт оперативной памяти и накопитель на 256 Гбайт — $710 / $850;
  • 12 Гбайт оперативной памяти и накопитель на 256 Гбайт — $770 / $930.  
01.03.2021 [14:46], Сергей Карасёв

В интернете опубликованы фотографии упаковки флагманского смартфона Meizu 18 Pro, который будет официально представлен на этой неделе вместе с базовой моделью Meizu 18.

Как можно видеть на снимках, аппарат оснащён дисплеем с небольшим отверстием по центру в верхней области: здесь установлена одинарная фронтальная камера. По имеющейся информации, экран имеет размер 6,2 дюйма по диагонали и обладает разрешением 2К.

В тыльной части можно видеть камеру, содержащую в общей сложности шесть компонентов. Это четыре датчика изображений, вспышка и дополнительный элемент, по всей видимости являющийся ToF-сенсором. В качестве основного модуля задействован 1/1,3-дюймовый сенсор с разрешением 50 млн пикселей; имеется система оптической стабилизации изображения.

В оснащение входит флагманский мобильный процессор Qualcomm Snapdragon 888, работающий в связке с оперативной памятью стандарта LPDDR5. За хранение данных отвечает быстрый флеш-накопитель стандарта UFS 3.1.

Известно, что питание обеспечит аккумуляторная батарея ёмкостью 4500 мА·ч с поддержкой 40-ваттной подзарядки. Операционная система — Android 11.

Презентация Meizu 18 Pro и Meizu 18 состоится послезавтра, 3 марта. 

26.02.2021 [11:29], Владимир Мироненко

Компания Meizu в преддверии анонса смартфонов серии Meizu 18, намеченного на 3 марта, опубликовала несколько тизеров, которые раскрывают некоторые характеристики моделей Meizu 18 и 18 Pro.

Теперь уже официально подтверждено, что Meizu 18 Pro будет отличаться высокой производительностью благодаря использованию флагманского чипа Qualcomm Snapdragon в связке с оперативной памятью стандарта LPDDR5 и флеш-накопителем с интерфейсом UFS 3.1.

В ещё одном тизере компания сообщила об использовании в новой серии смартфонов программного обеспечения One Mind 8XX, которое, как сообщается, позволит оптимизировать потребление энергии и производительность устройств.

Что касается модели Meizu 18, то, как ожидается, она будет поставляться с чипсетом Snapdragon 870 и тройной основной камерой. В её состав войдёт сенсор на 64 мегапикселя, сверхширокоугольный 12-мегапиксельный датчик и 5-Мп сенсор, возможно, для макросъёмки или определения глубины сцены.

Как утверждают инсайдеры, Meizu 18 получит батарею ёмкостью 4000 мА·ч с поддержкой 36-Вт подзарядки, а старшая модель будет оснащена аккумулятором на 4500 мА·ч с 40-ваттной подзарядкой. Диагональ экрана обеих моделей равна 6,2 дюйма, разрешение экрана Meizu 18 равно Full HD+, у Meizu 18 Pro — 2К.

Все остальные подробности о новинках станут известны на следующей неделе.

25.02.2021 [10:50], Сергей Карасёв

Китайская компания Meizu обнародовала несколько тизер-изображений, демонстрирующих флагманские смартфоны нового поколения: речь идёт об устройствах Meizu 18 и Meizu 18 Pro.

Аппараты, как сообщается, получат 6,2-дюймовый дисплей, загибающийся на боковые части корпуса. При этом модель Meizu 18 будет наделена матрицей Full HD+, а Meizu 18 Pro — панелью 2К.

Как можно видеть на тизерах, по центру в верхней части экрана предусмотрено небольшое отверстие для одинарной селфи-камеры. Известно, что в оснащение Meizu 18 Pro войдёт четверная тыльная камера с двумя сенсорами на 48 млн пикселей, 8-Мп модулем и датчиком ToF.

Нажмите для увеличения

Смартфоны будут оборудованы разными процессорами. Так, базовой версии приписывают наличие чипа Snapdragon 870, а старшему варианту — решения Snapdragon 888. Оба устройства смогут функционировать в сетях 5G.

По слухам, в оснащение Meizu 18 войдёт аккумулятор ёмкостью 4000 мА·ч с поддержкой 36-ваттной подзарядки. Версия Meizu 18 Pro будет получать питание от батареи на 4500 мА·ч с 40-ваттной подзарядкой.

Официальная презентация новинок состоится уже на следующей неделе — 3 марта. 

22. 02.2021 [17:58], Сергей Карасёв

Компания Meizu распространила информацию о том, что завтра, 23 февраля, сделает некий анонс: наблюдатели полагают, что речь пойдёт о новой фирменной надстройке для операционной системы Android.

По слухам, Meizu представит оболочку Flyme 9. Она получит ряд существенных улучшений и дополнений по сравнению с предыдущей версией.

Сообщается, что Flyme 9 будет применяться поверх операционной системы Android 11. Именно такую связку должны получить флагманские смартфоны семейства Meizu 18, официальная презентация которых может состояться до конца текущего квартала.

Ранее говорилось, что в серию войдут как минимум две модели — базовая версия Meizu 18 и более дорогая модификация Meizu 18 Pro. Аппаратам приписывают наличие процессора Qualcomm Snapdragon 888.

Но, возможно, выйдет и третье устройство. Утверждается, что его основой может послужить чип Snapdragon 870, объединяющий восемь ядер Kryo 585 с тактовой частотой до 3,2 ГГц, графический ускоритель Adreno 650 и сотовый модем Snapdragon X55 5G. Аппарату приписывают наличие 8 Гбайт оперативной памяти и флеш-накопителя вместимостью 256 Гбайт. Упомянута тройная камера с датчиками на 64, 12 и 5 млн пикселей. 

08.02.2021 [12:48], Василий Шкодник

Сегодня китайский производитель мобильной техники разослал своим сотрудникам письма о кадровой перестановке. В компании избрали нового генерального директора (CEO) без каких-либо пресс-релизов или публичных заявлений. Впервые об этом стало известно от портала Sohu.

Хуан Чжипань младший

Новым генеральным директором стал Хуан Чжипань-младший (Huang Zhipan jr.) — брат и тёзка предыдущего генерального директора и сооснователя бренда Хуана Чжипаня. Как отмечает издание Gizmochina, Meizu таким образом ищет новую молодую кровь, которая могла бы взять на себя бразды правления и внести своё уникальное видение в развитие компании.

Тем более что в последние годы Meizu переживала не самые лучшие времена. В 2019 году стало известно, что Meizu уволила 30 % своего штата. Увольнения затронули даже ключевых сотрудников — инженера Луна Ханьшена (Hong Hansheng), который занимался разработкой графической оболочки Flyme OS и сооснователь компании Ли Наня (Li Nan). За этим последовало закрытие фирменных магазинов. В 2016 году у компании было более 2700 розничных точек продаж, а к 2019 году их количество сократилось до 5-6 в каждой провинции Китая. Несмотря на определённые трудности, компания продолжает существовать и строить планы на будущее.

3 февраля 2021 года из опубликованного пресс-релиза стало известно, что Meizu сфокусируется на выпуске исключительно флагманских смартфонов. По словам компании, выпущенные в прошлом году Meizu 17 и 17 Pro позволили выйти на стабильную прибыль. В ближайшее время должно быть представлено семейство смартфонов Meizu 18. И такие кадровые перестановки должны благостно сказаться на дальнейшем развитии бренда.

06. 02.2021 [20:15], Константин Ходаковский

Среди нишевых производителей смартфонов многие назовут Meizu Technology. Компания в прошлом году выпустила только два продукта. Но уникальный дизайн её решений по-прежнему привлекает покупателей. В китайской социальной сети Weibo опубликована реклама серии Meizu 18, которая раскрывает вертикальное расположение тыльной камеры и дату выпуска.

Согласно информации на постере, серия Meizu 18, которая должна получить однокристальную систему Snapdragon 888, выйдет на рынок 26 марта. Ранее утверждалось, что Meizu 18 будет использовать дизайн с вертикальным прямоугольным выступающим блоком камер — и изображение подтверждает, что аппараты действительно получат именно такой блок с четырьмя фотомодулями.

Meizu 16 предлагали схожий дизайн блока камеры, но по центру, а Meizu 17 имели горизонтальный блок — в обоих случаях использовалась кольцевая вспышка. У Meizu 18 в общей сложности четыре модуля тыльной камеры, один из которых, по слухам, будет перископным, с 5-кратным оптическим зумом. Согласно рекламе, Meizu 18 по-прежнему использует кольцевую вспышку — вокруг основной камеры. Видно, Meizu 18 будут доступны, как минимум, в белом и синем цветовых исполнениях.

В серии будут доступны, по меньшей мере, базовая модель Meizu 18 и более дорогая Meizu 18 Pro. Среди характеристик указывается Snapdragon 888, экран OLED FHD+ 120 Гц с вырезом под камеру. Meizu 18 Pro будет оснащён аккумулятором ёмкостью 4500 мА·ч и поддерживать скоростную зарядку на 100 Вт и 40-Вт беспроводную. Ожидается версия, в которой лицевая камера будет спрятана под экраном:

03.02.2021 [20:50], Максим Шевченко

Meizu опубликовала пресс-релиз, намекающий на планы компании относительно смартфонного бизнеса. В нём сообщается, что Meizu вышла на стабильную прибыль, выпустив в прошлом году смартфоны Meizu 17 и 17 Pro, которые официально продаются только на внутреннем рынке Китая.

Согласно заявлению, компания планирует сосредоточиться на выпуске флагманских моделей смартфонов. Предполагается, что в ближайшее время будет представлена серия Meizu 18 и вошедшие в неё устройства будут единственными смартфонами, которые компания выпустит в этом году. Компания также ничего не говорит о своём возвращении на международный рынок, поэтому Meizu 18 и 18 Pro могут быть доступны только на внутреннем рынке Китая.

Кроме того, помимо выпуска смартфонов, компания сосредоточится на производстве носимых устройств и устройств для умного дома. Последние представлены под недавно запущенным компанией брендом Lipro, который, в данный момент, включает в себя целый ряд умных осветительных приборов, стоимостью от $10 до $155.

Meizu заявляет, что скоро под брендом Lipro будут представлены новые продукты, нацеленные на безопасность. Что касается носимых устройств, ожидается, что в этом квартале компания представит смарт-часы Meizu Watch, которые будут работать под управлением операционной системы Flyme for Watch. Даты выпуска смартфонов Meizu 18 и умных часов компании пока неизвестны.

25.01.2021 [10:50], Сергей Карасёв

На сайтах сетевых ретейлеров начала появляться информация о смартфонах семейства Meizu 18: наблюдатели полагают, что официальная презентация этих флагманских аппаратов состоится в ближайшее время.

В серию, как ожидается, войдут базовая версия Meizu 18 и более дорогая модификация Meizu 18 Pro. Основой устройств послужит процессор Qualcomm Snapdragon 888. Он объединяет одно мощное ядро Cortex-X1 с частотой до 2,84 ГГц, три ядра Cortex-A78 и четыре энергоэффективных ядра Cortex-A55. В состав чипа также включены ускоритель Adreno 660 и модем Snapdragon X60 5G.

Говорится об использовании дисплея Samsung AMOLED с небольшим отверстием для фронтальной камеры. Частота обновления этой панели составит 120 Гц.

Раскрывается информация о многомодульной камере модели Meizu 18 Pro. Она объединит четыре компонента с датчиками изображений, в том числе перископный модуль с 5-кратным оптическим зумом.

Кроме того, упомянута поддержка 100-ваттной проводной зарядки и беспроводной зарядки мощностью 40/55 Вт. В качестве программной платформы будет применяться операционная система Android 11.

Есть вероятность, что новинки дебютируют до конца текущего квартала. Стоимость старшей версии, по слухам, составит от 730 долларов США. 

Смартфоны Meizu все модели, цены, фото, характеристики и отзывы

Как и многие китайские компании, Meizu — марка очень молодая, согласно открытым источникам она была создана в 2003 году. Если верить легенде, компанию образовал человек, который не мог найти для себя подходящий MP3-плеер, после чего решил создать его сам и основал компанию. И если изначально компания занималась плеерами, то затем начала выпускать смартфоны. О последних и пойдет речь — перед вами каталог наиболее актуальных смартфонов Meizu.

Meizu M6s 32GB

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 160 г
  • Процессор: Samsung Exynos 7872
  • Объем оперативной / встроенной памяти: 3 Гб / 32 Гб
  • Емкость аккумулятора: 3000 мАч
  • Разрешение камер фронтальная / тыльная: 8 МП / 16 МП
  • Слот для карты памяти: есть

Meizu M6s 64GB

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 160 г
  • Процессор: Samsung Exynos 7872
  • Объем оперативной / встроенной памяти: 3 Гб / 64 Гб
  • Емкость аккумулятора: 3000 мАч
  • Разрешение камер фронтальная / тыльная: 8 МП / 16 МП
  • Слот для карты памяти: есть

Meizu M8

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 159 г
  • Процессор: Mediatek Helio P22 (MT6762V)
  • Объем оперативной / встроенной памяти: 4 Гб / 64 Гб
  • Емкость аккумулятора: 3100 мАч
  • Разрешение камер фронтальная / тыльная: 5 МП / двойная 12/5 МП
  • Слот для карты памяти: есть

Meizu M8 lite

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 145 г
  • Процессор: MediaTek MT6739
  • Объем оперативной / встроенной памяти: 3 Гб / 32 Гб
  • Емкость аккумулятора: 3200 мАч
  • Разрешение камер фронтальная / тыльная: 5 МП / 13 МП
  • Слот для карты памяти: есть

Meizu M8c

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 159 г
  • Процессор: Mediatek Helio P22 (MT6762V)
  • Объем оперативной / встроенной памяти: 4 Гб / 64 Гб
  • Емкость аккумулятора: 3100 мАч
  • Разрешение камер фронтальная / тыльная: 5 МП / двойная 12/5 МП
  • Слот для карты памяти: есть

Meizu M6T 2/16GB

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 145 г
  • Процессор: MediaTek MT6750
  • Объем оперативной / встроенной памяти: 2 Гб / 16 Гб
  • Емкость аккумулятора: 3300 мАч
  • Разрешение камер фронтальная / тыльная: 8 МП / двойная 13/2 МП
  • Слот для карты памяти: есть

Meizu M6T 3/32GB

  • Диагональ экрана / разрешение: 5,7 дюйма / 1440×720
  • Вес устройства: 145 г
  • Процессор: MediaTek MT6750
  • Объем оперативной / встроенной памяти: 2 Гб / 16 Гб
  • Емкость аккумулятора: 3300 мАч
  • Разрешение камер фронтальная / тыльная: 8 МП / двойная 13/2 МП
  • Слот для карты памяти: есть

Meizu C9

  • Диагональ экрана / разрешение: 5,45 дюйма / 1440×720
  • Вес устройства: 150 г
  • Процессор: Spreadtrum SC9832
  • Объем оперативной / встроенной памяти: 2 Гб / 16 Гб
  • Емкость аккумулятора: 3000 мАч
  • Разрешение камер фронтальная / тыльная: 8 МП / 13 МП
  • Слот для карты памяти: есть

Meizu C9 Pro

  • Диагональ экрана / разрешение: 5,45 дюйма / 1440×720
  • Вес устройства: 150 г
  • Процессор: Spreadtrum SC9832
  • Объем оперативной / встроенной памяти: 3 Гб / 32 Гб
  • Емкость аккумулятора: 3000 мАч
  • Разрешение камер фронтальная / тыльная: 13 МП / 13 МП
  • Слот для карты памяти: есть

Meizu X8 4/64GB

  • Диагональ экрана / разрешение: 6,2 дюйма / 2220×1080
  • Вес устройства: 160 г
  • Процессор: Qualcomm Snapdragon 710
  • Объем оперативной / встроенной памяти: 4 Гб / 64 Гб
  • Емкость аккумулятора: 3210 мАч
  • Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/5 МП
  • Слот для карты памяти: нет

Meizu 15 Lite 4/32GB

  • Диагональ экрана / разрешение: 5,46 дюйма / 1920×1080
  • Вес устройства: 145 г
  • Процессор: Qualcomm Snapdragon 626
  • Объем оперативной / встроенной памяти: 4 Гб / 32 Гб
  • Емкость аккумулятора: 3000 мАч
  • Разрешение камер фронтальная / тыльная: 20 МП / 12 МП
  • Слот для карты памяти: есть

Meizu 15 4/64GB

  • Диагональ экрана / разрешение: 5,46 дюйма / 1920×1080
  • Вес устройства: 152 г
  • Процессор: Qualcomm Snapdragon 660
  • Объем оперативной / встроенной памяти: 4 Гб / 64 Гб
  • Емкость аккумулятора: 3000 мАч
  • Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП
  • Слот для карты памяти: нет

Meizu 15 Plus 6/64GB

  • Диагональ экрана / разрешение: 5,95 дюйма / 2560×1440
  • Вес устройства: 177 г
  • Процессор: Samsung Exynos 8895
  • Объем оперативной / встроенной памяти: 6 Гб / 64 Гб
  • Емкость аккумулятора: 3500 мАч
  • Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП
  • Слот для карты памяти: нет

Meizu 16th 6/64GB

  • Диагональ экрана / разрешение: 6 дюймов / 2160×1080
  • Вес устройства: 152 г
  • Процессор: Qualcomm Snapdragon 845
  • Объем оперативной / встроенной памяти: 6 Гб / 64 Гб
  • Емкость аккумулятора: 3010 мАч
  • Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП
  • Слот для карты памяти: нет

Meizu 16 6/64GB

  • Диагональ экрана / разрешение: 6 дюймов / 2160×1080
  • Вес устройства: 155 г
  • Процессор: Qualcomm Snapdragon 710
  • Объем оперативной / встроенной памяти: 6 Гб / 64 Гб
  • Емкость аккумулятора: 3100 мАч
  • Разрешение камер фронтальная / тыльная: 20 МП / двойная 12/20 МП
  • Слот для карты памяти: нет

Meizu Note 8 4/64GB

  • Диагональ экрана / разрешение: 6 дюймов / 2160×1080
  • Вес устройства: 168 г
  • Процессор: Qualcomm Snapdragon 632
  • Объем оперативной / встроенной памяти: 4 Гб / 64 Гб
  • Емкость аккумулятора: 3600 мАч
  • Разрешение камер фронтальная / тыльная: 8 МП / двойная 12/5 МП
  • Слот для карты памяти: tcnm
Виджет от SocialMart

Лучшие смартфоны Meizu: рейтинг в 2019

 1 место2 место3 место4 место5 место
МодельMeizu 16th
Meizu 15 plus
Meizu 16X
X8
Note 9
ОСAndroid 8. 0 + обновление до 9 PieAndroid 7.1.2 + обновление до 9 PieAndroid 8.0 Oreo + обновление до 9 PieAndroid 8.0 + обновление до 9 PieAndroid 9 Pie
ДисплейSuper Amoled, 6”, 2160×1080, 402 ppiSuper Amoled, 5.95”, 2560×1440, 494 ppiSuper Amoled, 6”, 2160×1080, 402 ppiIPS LCD, 6.2”, 2220×1080, 398 ppiIPS LCD, 6.2”, 2244×1080, 403 ppi
ПроцессорSnapdragon 845 + Adreno 630Exynos 8895 (10 нм) + Mali-G71 MP20Snapdragon 710 + Adreno 616Snapdragon 710 + Adreno 616Snapdragon 675 + Adreno 612
Память4/6 Гб ОЗУ + диск 64/128 Гб6 Гб ОЗУ + диск 64/128 Гб6 Гб ОЗУ + 64/128 Гб4/6 Гб ОЗУ + диск 64/128 Гб4/6 Гб ОЗУ + диск 64/128 Гб
Основная камера12 + 20 Мп, f/1.8, 1/2.55”, 4-осевая стабилизация12 + 20 Мп, f/1.8, 1/2.3”, 4-осевая стабилизация12 Мп, f/1. 8, 1/2.3”, 1.55 мкм, 4-осевая стабилизация + 20 Мп, f/2.612 Мп + 5 Мп, f/1.9, 1/2.55”, Dual Pixel48 Мп, f/1.7, 1/2” + сенсор глубины 5 Мп
Фронтальная камера20 Мп, f/220 Мп, f/220 Мп, f/220 Мп, f/220 Мп, f/2
Аккумулятор3010 мАч, быстрая mCharge 4 от адаптера 24 Вт3500 мАч, быстрая зарядка mCharge 4 на 24 Вт3100 мАч + быстра зарядка3210 мАч4000 мАч, быстрая зарядка mCharge 18 Вт
Связь и разъемыUSB Type-C, wi-fi ac, Bluetooth 5.0, выход на наушники 3.5 мм.USB Type-C, Bluetooth 4.2, Wi-Fi ac, разъем под наушники 3.5 ммUSB Type-C, Bluetooth 5.0, Wi-Fi AC, выход на наушники 3.5 ммUSB Type-C, Bluetooth 5.0, Wi-Fi AC, выход на наушники 3.5 ммUSB Type-C, Bluetooth 5.0, Wi-Fi AC, выход на наушники 3.5 мм
ОсобенностиСканер отпечатков под дисплеем, 6-тонова вспышкаНетСканер отпечатков в дисплееНетНет
НедостаткиНет NFC, защиты от воды, радио и разъема под карту памятиАналогичноАналогичноАналогично + быстрая зарядка не заявленаАналогично

Взаимное сравнение и эффективность моделей культур кукурузы и их ансамбля для моделирования урожайности в Бразилии

  • Аллен, Р. Г., Перейра, Л. С., Раес, Д., Смит, М. (1998). Эвапотранспирация сельскохозяйственных культур: руководство по расчету потребности сельскохозяйственных культур в воде. Рома, ФАО (Бумага по ирригации и дренажу 56).

  • Амарал, Т. А., Лима, А. С. Р., Андраде, К. Л. Т., и Сильва, С. Д. А. (2015). Параметризация и доступность модели CSM-CERES-Maize для культурных растений, рекомендуемых для микрорегиона Pelotas, RS. Revista Brasileira de Milho e Sorgo, 14, 371–391.

    Артикул Google Scholar

  • Андраде, К. Л. Т., Сильва, П. П. Г., Магальяйнс, Б. Г., Пайшао, Дж. С., Мело, Б. Ф., и Тиггес, К. Х. П. (2016). Параметризация модели CSM-CERES-Maize для высокоурожайного сорта . Бенту Гонсалвеш: XXXI Бразильский конгресс кукурузы и сорго. (на португальском языке) .

    Google Scholar

  • Андриоли, К.Г. и Сентелхас П. С. (2009). Чувствительность генотипов бразильской кукурузы к дефициту воды оценивается с помощью простой модели сельскохозяйственных культур. Pesquisa Agropecuaria Brasileira, 44, 653–660.

    Артикул Google Scholar

  • Asseng, S., Ewert, F., Rosenzweig, C.J. W., Hatfield, J. L., Ruane, A.C., Bootle, K.J., et al. (2013). Неопределенность моделирования урожайности пшеницы в условиях изменения климата. Nature Climate Change, 3, 827–832.

    Артикул CAS Google Scholar

  • Ассенг, С., Эверт, Ф., Мартр, П., Роттер, Р. П., Лобелл, Д. Б., Каммарано, Д., и др. (2014). Повышение температуры снижает мировое производство пшеницы. Природа изменения климата , 5 , 143–147.

    Артикул Google Scholar

  • Бан, Х. Ю., Сим, Д., Ли, К. Дж., Ким, Дж., Ким, К. С., и Ли, Б.W. (2015). Оценка моделей роста кукурузы «ЦЕРЕС-кукуруза» и «IXIM-кукуруза» в условиях повышенных температур. Журнал растениеводства и биотехнологии, 18, 265–272.

    Артикул Google Scholar

  • Бассу, С., Бриссон, Н., Дюран, Дж. Л., Боут, К., Лизасо, Дж., Джонс, Дж. У. и др. (2014). Как разные модели культур кукурузы различаются по своей реакции на факторы изменения климата? Global Change Biology, 20, 2301–2320.

    Артикул PubMed PubMed Central Google Scholar

  • Баттисти, Р., Сентелхас, П. К., и Боут, К. Дж. (2017). Сопоставление эффективности имитационных моделей посевов сои и их ансамблей на юге Бразилии. Field Crops Research, 200, 28–37.

    Артикул Google Scholar

  • Бразилия (1981). Министерство горнорудной промышленности и энергетики.Генеральный секретарь. Проект РАДАМБРАСИЛ. Рио-де-Жанейро: Отчет о природных ресурсах, 25, 29, 31. ( на португальском языке ).

  • Браун, Х. Э., Хут, Н. И., Хольцворт, Д. П., Тейшейра, Э. И., Зысковски, Р. Ф., Харгривз, Дж. Н. Г. и др. (2014). Фреймворк моделирования растений: программное обеспечение для построения и запуска моделей сельскохозяйственных культур на платформе APSIM. Экологическое моделирование и программное обеспечение, 62, 385–398.

    Артикул Google Scholar

  • Камарго, А.П. и Сентелхас П. С. (1997). Оценка эффективности различных моделей потенциальной эвапотранспирации в штате Сан-Паулу, Бразилия. Revista Brasileira de Agrometeorologia, 5, 89–97.

    Google Scholar

  • Чаухан, Ю.С., Соломон, К.Ф., и Родригес, Д. (2013). Характеристика окружающей среды северо-востока Австралии с использованием APSIM для увеличения производства богарной кукурузы. Field Crops Research, 144, 245–255.

    Артикул Google Scholar

  • Чисанга, К. Б., Фири, Э., Шепанде, К., и Сичингабула, Х. (2015). Оценка модели CERES-кукурузы с использованием сроков посадки и азотных удобрений в Замбии. Журнал сельскохозяйственных наук, 7, 79–97.

    Артикул Google Scholar

  • Коста, Л. Г., Марин, Ф. Р., Нассиф, Д. С. П., Пинто, Х. М.С., & Лопес-Асад, М. Л. Р. (2014). Моделирование воздействия мусора и управления азотом на урожай сахарного тростника. Revista Brasileira de Engenharia Agrícola e Ambiental, 18, 469–474. (на португальском языке) .

    Артикул Google Scholar

  • де Вит, К., Т. (1965). Фотосинтез листовых пологов. Вагенинген: PUDOC, Отчет о сельскохозяйственных исследованиях, 663, стр. 57.

  • Dias, H. B., & Sentelhas, P.С. (2017). Оценка трех имитационных моделей сахарного тростника и их совокупности для оценки урожайности на коммерчески управляемых полях. Исследование полевых культур, 231, 174–185.

    Артикул Google Scholar

  • Дуренбос, Дж. И Кассам, А. Х. (1979). Урожайность сделать водой. Рим, ФАО (Документ по ирригации и дренажу 33).

  • Дуренбос Дж. И Прюитт У. О. (1977). Требования к воде для сельскохозяйственных культур.Рим, ФАО (Документ по ирригации и дренажу 24).

  • Durand, J. L., Delusca, K., Boote, K., Lizaso, J., Manderscheid, R., Weigel, H.J., et al. (2017). Насколько точно модели культур кукурузы моделируют взаимодействие уровней концентрации CO 2 в атмосфере с ограниченным водоснабжением на водопользование и урожайность? Европейский журнал агрономии, 100, 67–75.

    Артикул CAS Google Scholar

  • Почвы EMBRAPA (2014).Доступно на: https://www.embrapa.br/solos/busca-de-solucoes-tecnologicas/-/produto-servico/2236/banco-de-dados-de-solos—bd-solos.

  • EMBRAPA Кукуруза и сорго (2016). Доступно на: https://www.embrapa.br/milho-e-sorgo/solucoes-tecnologicas/ensaionacional.

  • Почвы EMBRAPA (2011). Доступно на: https://www.infoteca.cnptia.embrapa.br/handle/doc/920267.

  • Гарсиа-Лопес, Дж., Лорите, И. Дж., Гарсиа-Руис, Р., и Домингес, Х.(2014). Оценка трех подходов к моделированию для оценки урожайности богарного подсолнечника в средиземноморской среде для моделирования воздействия изменения климата. Изменение климата, 162, 124–147.

    Google Scholar

  • Heinemann, A. B., & Sentelhas, P. C. (2011). Определение экологической группы для выращивания риса на возвышенностях в центральной Бразилии. Scientia Agricola , 68 , 540–547.

    Артикул Google Scholar

  • Хайнеманн, А.Б., Дингкун, М., Люке, Д., Комбрес, Дж. К., и Чепмен, С. (2008). Характеристика стрессовых условий засухи для риса и кукурузы на возвышенностях в центральной Бразилии. Euphytica, 162, 395–410.

    Артикул Google Scholar

  • Holzworth, D. P., Huth, N. I., de Voil, P. G., Zurcher, E. J., Herrmann, N. I., McLean, G., et al. (2014). APSIM — эволюция к новому поколению моделирования сельскохозяйственных систем. Экологическое моделирование и программное обеспечение, 62, 327–350.

    Артикул Google Scholar

  • Хугенбум, Дж., Джонс, Дж. У., Портер, К. Х., Уилкенс, П. У., Бут, К. Дж., Бэтчелор, В. Д., Хант, Л. А., Цуджи, Г. Ю. (2003). DSSAT v4 — Система поддержки принятия решений по переносу агротехнологии. Международный консорциум приложений для сельскохозяйственных систем.

  • Хут, Н. И., Бристоу, К. Л., и Вербург, К.(2012). SWIM3: использование модели, калибровка и проверка. Американское общество инженеров сельского хозяйства и биологии, 55, 1303–1313.

    Google Scholar

  • Джабин, Ф., Асиф, М., Ифтихар, А., и Салман, М. (2017). Температурные тенденции и их влияние на урожай Zea mays (кукурузы) в городе Фейсалабад с помощью модели DSSAT-CERES-Maize. Scientia Agricultarae, 17, 8–14.

    Google Scholar

  • Джонс, Э., Олифант, Т., Петерсон, П. SciPy: Научные инструменты с открытым исходным кодом для Python. Доступно на: http://www.scipy.org/. (2001).

  • Justino, F., Oliveira, E.C., Rodrigues, R.A., Gonçalves, P.H.L., Souza, P.J.O.P., Stordal, F., et al. (2013). Средняя и межгодовая изменчивость кукурузы и сои в Бразилии в условиях глобального потепления. Американский журнал изменения климата, 2, 237–253.

    Артикул Google Scholar

  • Киниры, Дж.Р., Виллианс, Дж. Р., Вандерлип, Р. Л., Этвуд, Дж. Д., Рейкоски, Д. К., Малликен, Дж. И др. (1997). Оценка двух моделей кукурузы для девяти регионов США. Agronomy Journal, 89, 421–426.

    Артикул Google Scholar

  • Кнутти, Р., Абрамовиц, Г., Коллинз, М., Айринг В., Глеклер, П. Дж., Хьюитсон, Б. и Мирнс, Л. (2010). Документ по передовой практике по оценке и объединению многомодельных климатических прогнозов.Межправительственная группа экспертов по изменению климата — совещание экспертов МККЗР по оценке и объединению многомодельных климатических прогнозов, Колорадо.

  • Ли, Т., Хасэгава, Т., Инь, X., Чжу, Ю., Боут, К., Адам, М., и др. (2015). Неопределенности в прогнозировании урожайности риса с помощью текущих моделей сельскохозяйственных культур в широком диапазоне климатических условий. Global Change Biology, 21, 1328–1341.

    Артикул CAS PubMed PubMed Central Google Scholar

  • Лю Х. Л., Янг, Дж. Й., Друри, К. Ф., Рейнольдс, В. Д., Тан, К. С., Бай, Ю. Л. и др. (2010). Использование модели DSSAT-CERES-Maize для моделирования урожайности и круговорота азота на полях при длительном непрерывном производстве кукурузы. Круговорот питательных веществ в агроэкосистемах , 89 , 313–328.

    Артикул CAS Google Scholar

  • Лю З., Ян X., Хаббард К. Г. и Линь X. (2012). Потенциальная урожайность кукурузы и разницы в урожайности в условиях меняющегося климата северо-востока Китая. Биология глобальных изменений , 18 , 3441–3454.

    Артикул Google Scholar

  • Лопес, Дж. Р., Эриксон, Дж. Э., Ассенг, С., и Бобеда, Э. Л. (2017). Модификация модели зернового сорго CERES для имитации оптимальной глубины укоренения сладкого сорго для богарного производства на крупнозернистых почвах в субтропической среде. Управление водного хозяйства сельского хозяйства, 181, 47–55.

    Артикул Google Scholar

  • Мартр, П., Уоллах, Д., Ассенг, С., Эверт, Ф., Джонс, Дж. У., Роттер, Р. П. и др. (2014). Мультимодельные ансамбли роста пшеницы: многие модели лучше, чем одна. Global Change Biology, 21, 911–925.

    Артикул PubMed PubMed Central Google Scholar

  • Монтейро, Л. А. (2015). Разрыв в урожайности сахарного тростника в Бразилии: подход к моделированию сельскохозяйственных культур. Университет Сан-Паулу. Кандидат наук. Тезис.

  • Монтейро, Дж.Э. Б. А., Асад, Э. Д., Сентелхас, П. К., и Азеведо, Л. С. (2017). Моделирование урожайности кукурузы в Бразилии в зависимости от метеорологических условий и технологического уровня. Pesquisa Agropecuaria Brasileira, 52, 137–148.

    Артикул Google Scholar

  • Монтейро, Л. А., и Сентелхас, П. К. (2017). Разрыв в урожайности сахарного тростника: можно ли его определить на национальном уровне с помощью простой агрометеорологической модели? Crop & Pasture Science, 68, 272–284.

    Артикул Google Scholar

  • Монтейт, Дж. Л. (1977). Климат и эффективность растениеводства в Великобритании. Философские труды Королевского общества B, 281, 277–294.

    Google Scholar

  • Негм, Л. М., Юсеф, М. А., и Джейнс, Д. Б. (2017). Оценка смоделированного DRAINMOD-DSSAT воздействия контролируемого дренажа на урожайность сельскохозяйственных культур, водный баланс и качество воды для системы возделывания кукурузы и сои в центральной Айове. Управление водных ресурсов сельского хозяйства, 187, 57–68.

    Артикул Google Scholar

  • Палосуо, Т., Керсебаум, К. К., Ангуло, К. , Хилавинка, П., Мориондо, М., Олесен, Дж. Э. и др. (2011). Моделирование урожайности озимой пшеницы и ее изменчивости в различных климатических условиях Европы: сравнение восьми моделей роста сельскохозяйственных культур. European Journal Agronomy, 35, 103–114.

    Артикул Google Scholar

  • Пик, А.С., Робертсон, М. Дж., И Бидструп, Р. Дж. (2008). Оптимизация популяции кукурузы и стратегий орошения в Дарлинг-Даунс с использованием имитационной модели урожая APSIM. Австралийский журнал экспериментального сельского хозяйства, 48, 313–325.

    Артикул Google Scholar

  • Пиччини, Г., Ко, Дж., Марек, Т., и Хауэлл, Т. (2009). Определение коэффициентов роста культур (K c ) кукурузы и сорго для конкретных стадий роста. Управление водными ресурсами сельского хозяйства, 96, 1698–1704.

    Артикул Google Scholar

  • Пристли, К. Х. Б., и Тейлор, Р. Дж. (1972). Об оценке поверхностного теплового потока и эвапотранспирации с использованием крупномасштабных параметров. Ежемесячный обзор погоды, 100, 81–92.

    Артикул Google Scholar

  • Python Software Foundation.Справочник по языку Python, версия 2.7. Доступно на http://www.python.org. (2019).

  • Раес Д., Гертс С., Кипкорир Э., Велленс Дж. И Шали А. (2006). Моделирование снижения урожайности в результате водного стресса с помощью надежной модели водного баланса почвы. Управление водными ресурсами в сельском хозяйстве, 81, 335–357.

    Артикул Google Scholar

  • Основная группа R (2015). R: Язык и среда для статистических вычислений.R Фонд статистических вычислений, Вена, Австрия. URL https://www.R-project.org/.

  • Ричи, Дж. Т. (1972). Модель для прогнозирования испарения пропашных культур при неполном укрытии. Water Resources Research, 8, 1204–1213.

    Артикул Google Scholar

  • Rosenzweig, C., Jones, J. W., Hatfield, J. L., Ruane, A.C., Boote, K.J., Thorburn, P., et al. (2013). Проект взаимного сравнения и улучшения сельскохозяйственных моделей (AgMIP): протоколы и пилотные исследования. Сельскохозяйственная и лесная метеорология, 170, 166–182.

    Артикул Google Scholar

  • Сентелхас, П. К., Баттисти, Р., Камара, Г. М. С., Фариас, Дж. Р. Б., Хампф, А. К., & Нендель, К. (2015). Разрыв в урожайности сои в Бразилии — масштабы, причины и возможные решения для приемлемого производства. Сельскохозяйственный и научный журнал, 158, 1394–1411.

    Артикул Google Scholar

  • Шиога, П.С., Герадж, А. К., Араужо, П. М., Бьянко, Р. (2012). Avaliação estadual de cultivares de milho segunda safra 2012. Технический бюллетень IAPAR №78, 7-114.

  • Шиога, П. С., Герадж, А. К., Араужо, П. М., Сера, Г. Х. (2010). Avaliação estadual de cultivares de milho safra 2009/2010. Технический бюллетень IAPAR № 69, 7–112.

  • Шреста С., Шампагейн Р. и Бабель М. С. (2017). Количественная оценка воздействия изменения климата на урожайность сельскохозяйственных культур и водный след на рис в ирригационном проекте Нам Ун, Таиланд. Наука об окружающей среде в целом, 599–600, 689–699.

    Артикул CAS Google Scholar

  • Сингх П. К., Сингх К. К., Бхан С. К., Баксла А. К., Сингх С., Ратхор Л. С. и др. (2017). Влияние прогнозируемого изменения климата на урожайность риса ( Oryza sativa L.) с использованием модели CERES-риса в различных агроклиматических зонах Индии. Current Science, 112, 108–115.

    Артикул Google Scholar

  • Солер, К. М. Т., Сентелхас П. К. и Хугенбун Г. (2010). Влияние фаз Южного колебания Эль-Ниньо на урожай кукурузы в межсезонье в субтропическом регионе Бразилии. Международный журнал климатологии, 30, 1056–1066.

    Google Scholar

  • Соуза, Р. Ф., Баррос, А. К., Баррос, А. Х. С., и Табоса, Дж. Н. (2014). Оценки урожайности кукурузы (Zea mays L.) на богарных и орошаемых культурах определены методом Агроэкологической зоны / ФАО (MZA / FAO), штат Алагоас. Бразилия. Revista Brasileira de Agricultura Irrigada, 8, 127–138.

    Артикул Google Scholar

  • Стедуто, П., Сяо, Т. К., Феререс, Э., Раес, Д. (2012). Реакция урожайности на воду. Рим, ФАО (Документ по ирригации и дренажу 66).

  • Thornthwaite, C. W., & Mather, J. R. (1955). Водный баланс. Публикации по климатологии . Нью-Джерси: Технологический институт Дрекселя.

    Google Scholar

  • Уоллах, Д. , Мирнс, Л. О., Руан, А. К., Роттер, Р. П., и Ассенг, С. (2016). Уроки моделирования климата по проектированию и использованию ансамблей для моделирования посевов. Climatic Change, 139, 551–564.

    Артикул Google Scholar

  • Ван Дж., Ван Э., Ян X., Чжан Ф. и Инь Х. (2012). Повышение урожайности системы возделывания пшеницы и кукурузы на равнине Северного Китая за счет адаптации к изменению климата. Climatic Change, 113, 825–840.

    Артикул Google Scholar

  • Уиллмотт, К. Дж. (1981). О валидации моделей. Физическая география , 2 , 184–194.

    Артикул Google Scholar

  • Ксавье, А. К., Кинг, К. В., и Скэнлон, Б. Р. (2016). Ежедневные сеточные метеорологические переменные в Бразилии (1980–2013 гг.). Международный журнал климатолологии, 36, 2644–2659. https://doi.org/10.1002/joc.4518.

    Артикул Google Scholar

  • Инь, X., Керсебаумб, К. К., Коллас, К., Маневская, К., Бэби, С., Бодуан, Н. и др. (2017). Выполнение технологических моделей для моделирования азота зерна в севообороте в Европе. Сельскохозяйственные системы, 154, 63–77.

    Артикул Google Scholar

  • Чжан, Л., Уокер, Г. Р., и Дауэс, В. Р. (2002). Моделирование водного баланса: концепции и приложения. В T. R. Mecvicar, L. Rui, J. Walker, R. W. Fitzpatrick, & L. Changming (Eds.), Региональная оценка воды и почвы для управления устойчивым сельским хозяйством в Китае и Австралии . Аделаида: CISRO.

    Google Scholar

  • Чжан Ю. и Чжао Ю. (2017). Ансамблевое моделирование урожайности: использование теплостойких и позднеспелых сортов для адаптации к потеплению климата.Плос Один, 12, е (0176766).

  • Границы | CERES – модель кукурузы для определения оптимальных сроков посадки раннеспелых сортов кукурузы в Северной Нигерии

    Введение

    Общее годовое национальное производство кукурузы в Нигерии увеличилось с 0,66 млн тонн в 1978 году до примерно 11,3 млн тонн в 2013 году (FAOSTAT, FAO, 2014). Несмотря на увеличение посевных площадей под кукурузу, урожайность остается довольно низкой. Средняя урожайность кукурузы в Нигерии составила 1,4 тонны -1 га в 2013 году по сравнению с 9.5 тонн га −1 в США и в среднем в мире 5,5 тонн га −1 (FAOSTAT, FAO, 2013). Основными факторами, ограничивающими урожай кукурузы в Нигерии, являются изначально бедные почвы (Jibrin et al., 2012), частые засухи (Kamara et al., 2009), отсутствие надлежащего соблюдения улучшенных агрономических методов (особенно сроков посадки и плотности посадки). и низкое использование улучшенных вводимых ресурсов, таких как удобрения и семена (Badu-Apraku et al. , 2009). Производство кукурузы в Нигерии первоначально было ограничено производными саваннными и влажными лесами из-за большого количества годовых осадков (Sowunmi and Akintola, 2010).В последние годы для влажных и сухих саванн Нигерии были выведены новые сорта раннеспелой и сверхранней кукурузы из-за коротких периодов выращивания в этих районах (Badu-Apraku et al., 2011). Нигерийские саванны делятся на саванны Гвинеи и саванны Судана. Эта классификация основана на сходстве климатических элементов и типа растительности, которую можно поддерживать (Ogungbile et al., 1998; Sowunmi and Akintola, 2010).

    По общему мнению, для увеличения производства кукурузы в нигерийских саваннах методы производства должны быть должным образом спроектированы таким образом, чтобы выдерживать низкие осадки и высокие температуры, характерные для данной зоны (Jibrin et al., 2012). Выращивание адаптируемых сортов кукурузы и выбор оптимальных сроков посадки — это способы повышения урожайности, которые могут принять фермеры. Из-за короткого вегетационного периода желательны раннеспелые и сверхранние сорта кукурузы, устойчивые к засухе (Kamara et al., 2009). Сообщается, что оптимальной датой посадки раннеспелой кукурузы в саваннах Судана и Северной Гвинеи является последняя неделя июня, в то время как сорта экстрараннеспелых сортов высаживаются в первую или вторую неделю июля (Jaliya et al., 2008; Камара и др., 2009). В саваннах Нигерии продолжительность вегетационного периода определяется датой первых дождей и, таким образом, сильно варьируется от года к году. Изменение климата (в основном повышение температуры) привело к сдвигу в начале сезона дождей. В большинстве районов Западной и Центральной Африки постоянно наблюдается задержка начала сезона дождей (Graef and Haigis, 2001; Marteau et al., 2011). Кроме того, продолжительные периоды засухи в начале, середине и конце сезона дождей становятся все более частыми даже в более влажных саваннах Южной и Северной Гвинеи.В результате этих ограничений, неорошаемое сельскохозяйственное производство становится более изменчивым, и фермеры сталкиваются с большими рисками во время производства, в результате чего оптимальное время для всех производственных практик становится все более важным (Staggenborg et al. , 1999). Производителям необходимо знать, в какой степени может быть отложен посев, а также о вероятном снижении урожайности, которое они могут испытать в результате позднего посева.

    Рекомендации по срокам посадки кукурузы обычно основаны на агрономических полевых экспериментах, характерных для полей и регионов (Sorensen et al., 2000). Большинство таких испытаний невозможно воспроизвести во времени и в пространстве из-за сезонных колебаний. Определение оптимальных сроков посева кукурузы с помощью полевых экспериментов требует повторения в течение длительных периодов времени, чтобы учесть сезонную изменчивость осадков. Кроме того, данные для одного местоположения бесполезны для другого местоположения из-за различий не только в количестве осадков, но также и в почвенных факторах. Таким образом, инструменты поддержки принятия решений (DST) остаются очень важными диагностическими инструментами для анализа вариантов, связанных с правилами даты посева и другими стратегиями управления урожаем. DST, такие как имитационные модели сельскохозяйственных культур, не широко используются в странах Африки к югу от Сахары из-за недостатка знаний.

    Имитационные модели были разработаны как инструменты для поддержки принятия стратегических решений в области исследований, производства, землепользования и политики (Penning de Vries et al., 1993). Эти модели могут использоваться для оценки риска сельскохозяйственного производства как функции изменчивости климата, для оценки регионального потенциала урожайности в широком диапазоне условий окружающей среды, а также для определения внесения удобрений, подходящих сроков посадки и других факторов управления для увеличения урожайности сельскохозяйственных культур (Egli and Брюнинг, 1992; Хант и Боут, 1998; Каур и Хандал, 1999).Существует несколько различных имитационных моделей сельскохозяйственных культур и почв, доступных для имитации роста кукурузы и управления им, таких как симулятор систем сельскохозяйственного производства (APSIM; Keating et al. , 2003), симулятор систем земледелия (CropSyst; Stöckle et al., 2003), эрозия калькулятор воздействия на производительность (EPIC; Jones et al., 1991; Williams, 1995) и систему поддержки принятия решений для передачи агротехнологий (DSSAT; Jones et al., 2003). Модель CERES – кукуруза — это модуль в рамках модели системы земледелия DSSAT (CSM). DSSAT CSM может облегчить оценку влияния различных методов производства на урожайность, скорость роста и потери питательных веществ, а также помогает улучшить наше понимание физиологии сельскохозяйственных культур, генетики, управления почвами и погодных воздействий на урожайность и качество окружающей среды. (Кабрера и др., 2007; Boote et al., 2010). DSSAT CSM использует общие модели C / N почвы и воды, которые объединяют математические уравнения для описания трансформации и потоков различных компонентов почвенного углерода, воды и циклов питательных веществ на суточной или ежечасной основе. В то же время он также предсказывает временные изменения в росте сельскохозяйственных культур, потреблении питательных веществ, использовании воды, конечном урожае, а также других характеристиках растений и продуктах (Boote et al. , 2010). Следовательно, динамический CSM может интегрировать эффекты управления почвами и климата, что позволяет нам прогнозировать влияние на урожайность и качество окружающей среды.

    Было обнаружено, что модель

    CERES – кукуруза может точно прогнозировать изменчивость урожайности, поглощение N и реакцию роста кукурузы на азот (Pang et al., 1997; Bert et al., 2007), а также оценивать управление азотом на конкретных участках для максимизации чистая прибыль на уровне полей и минимизация воздействия на окружающую среду за счет использования пространственно изменчивых методов управления (Paz et al., 1999; Batchelor et al., 2002; Link et al., 2006; Miao et al., 2006; Thorp et al., 2008) . Gungula et al. (2003) использовали кукурузу CERES для моделирования фенологии кукурузы в условиях стресса азота в Нигерии и показали, что модель может надежно использоваться для прогнозирования фенологии кукурузы только в неограничивающих условиях азота, а затем предположили, что фактор стресса азота необходим для прогнозировать фенологию сельскохозяйственных культур в тропических почвах с низким содержанием азота. Jagtap et al. (1993) сообщили, что модель CERES – кукуруза предсказала урожай зерна, массу стеблей и листьев, а также надземную биомассу в пределах 10% от данных полевых наблюдений, что означает, что встроенные в модель правила разделения являются надежными и адекватными. Soler et al. (2008) использовали модель CERES – проса для определения оптимальных сроков посадки проса в Республике Нигер. Wolf et al. (2015) использовали модель CERES – кукуруза для определения правил посева для оценки потенциальной урожайности сорго и кукурузы на богарных землях в Буркина-Фасо.

    Целью данного исследования является калибровка и оценка способности модели CSM – CERES – кукуруза в моделировании урожайности раннеспелых и сверхраннеспелых сортов кукурузы в Саваннах Нигерии и оценка способности модели моделировать урожай кукурузы при различных посевах. финики в контрастных средах.

    Материалы и методы

    Полевые эксперименты

    Для калибровки и оценки модели были проведены две разные серии экспериментов. Для калибровки модели было проведено восемь (8) полевых испытаний в дождливые и засушливые сезоны 2014 и 2015 годов на сельскохозяйственной исследовательской ферме Университета Байеро, Кано (БУК) (11 ° 59′N; 8 ° 25′E; 466 м над уровнем моря). ) и Сельскохозяйственный колледж Оду Бако Дамбатта (12 ° 19 ‘северной широты, 8 ° 31’ восточной долготы, 504 м над уровнем моря).Эксперименты в сухой сезон проводились в условиях орошения с начала марта до начала июня 2014 и 2015 годов, в то время как эксперименты в сезон дождей проводились в условиях неорошаемого полива с дополнительным орошением в период с середины июня до начала октября 2014 и 2015 годов. Однофакторный эксперимент в рандомизированном полном блоке (RCBD) с тремя повторностями. Двадцать сортов кукурузы (только два были использованы в настоящем исследовании из-за популярности и использования в исследуемых районах) были рандомизированы и распределены по участкам, размеры участков составляли шесть гребней (0.75 м между гребнями) каждые 5 м в длину, что составляет 30 м для каждого основного участка 2 [(8 × 0,75 м = 6 м) × 5 м]. Посадку производили с интервалом 25 см между насаждениями и 75 см между рядами, высаживали два семени, а затем прореживали до одного насаждения через 2 недели после посева. Удобрения NPK применялись в соответствии с анализом почвы, чтобы гарантировать оптимальную доступность питательных веществ. Подробная информация о почве и погоде для каждого местоположения и сезона была собрана в соответствии с минимальными наборами данных, необходимыми для калибровки модели CERES – кукуруза, как было предложено Джонсом и Кинири (1986).Все данные собирались в двух внутренних рядах, 50 см от каждого конца гребня не учитывались, а все растения внутри использовались в качестве нетто-участка, в результате чего чистый размер участка составлял 6 м 2 . Профильные ямы были вырыты до начала экспериментов по определению характеристик почвы в обоих местах. Рефлектометр во временной области (TDR, FieldScout TDR300, Spectrum Technologies, Inc.) использовался для измерения содержания влаги в почве на протяжении всего периода эксперимента; и дополнительное орошение проводилось, когда доступная вода (RAW) была полностью исчерпана, чтобы обеспечить оптимальную доступность влаги.

    Вторая серия экспериментов проводилась с целью оценки модели. В 2014 году полевые испытания проводились на 16 фермерских полях в Судане и в Саваннах Северной Гвинеи в Нигерии. Эксперименты проводились в местных органах власти Бункуре, Гарун-Маллам, Тудун-Вада и Лере. Оценочные испытания проводились в условиях, управляемых исследователем, на фермерских полях. Обработки для оценочных испытаний включают один ранний (EVDTW2009STR) и один сверхранний сорт кукурузы (2009TZEEWDTSTR) в четырех разных окнах посадки (начало июня, середина июня, начало июля и середина июля).Посадка производилась 5 июня, 16 июня, 3 июля и 17 июля во всех местах. Рекомендации по оптимальным удобрениям использовались на всех участках, два семени были посеяны с интервалом между рядами 0,25 м, а затем прорежены до одного сеянца на стойбище через 2 недели после посадки. Участки для оценочных испытаний представляли собой восемь гребней (0,75 м друг от друга) и длиной 5 м, что дало популяцию растений из 53 333 растений на га -1 . Неукоснительно соблюдались все рекомендованные агрономические приемы для участков.

    Педо-климатические условия

    В таблице 1 приведены характеристики почв педонов на опытных участках БУК и Дамбатта.Педоны 1 и 2 представляют испытания 2014 и 2015 годов на БУК, а педоны 3 и 4 представляют испытания 2014 и 2015 годов в Дамбатте. Поверхностный горизонт на экспериментальной площадке БУК имел текстуру глинистого песка, от слабокислого до нейтрального pH, с низким содержанием органического углерода и средним уровнем общего азота. Доступный фосфор относился к среднему классу плодородия, в то время как емкость катионного обмена была низкой как в 2014, так и в 2015 году. С другой стороны, поверхностный горизонт на экспериментальной площадке Дамбатта имел текстуру от супеси до суглинистого песка, от умеренно кислого до слабокислого, pH, низкий содержание органического углерода и средний уровень общего азота.Доступный фосфор относился к среднему классу плодородия, в то время как емкость катионного обмена также была низкой как в 2014, так и в 2015 году. Педоны были классифицированы в соответствии с таксономией почв Министерства сельского хозяйства США (Soil Survey Staff, 2014).

    Таблица 1 . Физико-химические свойства педонов во время калибровочных экспериментов в сезон дождей и засухи 2014 и 2015 годов на БУК и Дамбатте.

    Почвы для участков оценки были аналогичны калибровочным экспериментам. Горизонт Ар для почв в Бункуре имел нейтральный pH 6.6, содержание органического углерода 2,7 г / кг, доступный P 12,72 мг / кг и общий азот 1,78 г / кг. В Гарун-Малламе почвы имели немного более высокий pH (6,62), большее содержание органического углерода (3,0), более высокий доступный P (13,0) и больше общего азота 1,81 г / кг. В северной саванне Гвинеи почвы обоих мест имели нейтральный pH, более высокое содержание органического углерода (3,3 и 3,8 г / кг), более высокие доступные значения P (13,1 и 13,3 г / кг) и большее количество общего азота (1,87 и 1,92). ).

    Погодные данные для лет и экспериментальных местоположений показаны на Рисунке 1.Для калибровочных экспериментов данные о погоде были собраны с метеостанций (Watchdog 2000 Series, Spectrum Technologies), прилегающих к обоим экспериментальным площадкам. Однако для оценки и анализа чувствительности погодные данные были получены со станции IITA в Кано и Нигерийского метеорологического агентства (NIMET). Как и ожидалось, большее количество осадков было зарегистрировано в NGS в течение обоих лет, в то время как большее количество осадков было зарегистрировано в 2014 году, чем в 2015 году. На Рисунке 2 показано общее годовое количество осадков за 26 лет (1990–2015 годы) в Суданской Саванне (Бункуре) и Северной Гвинее. Саванна (Заря).

    Рисунок 1 . Общее количество осадков, средняя, ​​минимальная и максимальная температура и средняя солнечная радиация для участков калибровки: (A) BUK 2014; (B) Dambatta 2014; (С) БУК 2015; (Д) БУК 2015.

    Рисунок 2 . Общее годовое количество осадков за 26 лет (1990–2015 гг.) В Северной Гвинее (Зария) и Суданской саванне (Бункуре).

    Измерения растений

    Для калибровки модели использовались следующие измерения растений: урожай зерна при созревании, масса ботвы при цветении, масса ботвы при созревании и индекс урожая.В то время как для оценки модели измеряли урожай зерна при сборе урожая, вес ботвы при сборе урожая и вес стебля при цветении. Фенологические исследования во время вегетативной стадии проводили путем ежедневного подсчета внешнего вида шейки листьев для каждого сорта, который использовался при калибровке. Появление кисточек и шелковистость регистрировали, когда кисточки и шелк становились видимыми снаружи на 50% растений каждого участка. Для измерения физиологической зрелости регулярно производился отбор двух початков на делянке, чтобы оценить наличие черных слоев у основания зерен.Для получения надземной биомассы использовался деструктивный метод отбора проб путем отбора проб 1 м ряда из рядов отбора проб на каждой делянке каждые 18 дней. Отобранные растения разделяли на разные части и сушили в печи до постоянного веса, и вес регистрировали. Ручной сбор урожая проводился для определения окончательных размеров урожая. Уборка проводилась в двух средних грядах путем уборки 5 м × два гребня, с расстоянием между гребнями 0,75 см. Затем отобранные растения разделяли на листья, стебли, колосья и шелуху, а затем сушили в печи перед взвешиванием.Влажность ядра определяли путем сбора образцов, их взвешивания, сушки в печи и повторного взвешивания. Для определения среднего количества зерен отбирали по пять растений на делянке (15 на повторность).

    Оценка модели CSM – CERES – кукурузы

    Калибровка модели

    Восемь экспериментов (четыре в двух местах), проведенных в 2014 и 2015 годах, использовались для калибровки модели. Входные данные модели DSSAT включают коэффициенты сорта, данные о погоде (минимальная и максимальная температура, количество осадков и относительная влажность), начальная влажность почвы, органический C, N и неорганические N и P почвы, топография почвы / информация о поверхности, например, уклон. , цвет почвы и подробности управления урожаем (Jones et al., 1994). Основные физиологические процессы (фотосинтез, дыхание, накопление и разделение ассимилятов) в модели CERES – кукуруза регулируются шестью генетическими коэффициентами (Таблица 3), обнаруженными в файле сорта кукурузы (Hoogenboom et al., 2010). Шесть параметров настраиваются пользователем и определяют рост, фенологию и урожайность сорта. Для этой калибровки был принят последовательный подход. Градус-дни (GDD) или термическое время определяют фенологическую фазу развития в моделях CERES – кукуруза.GDD вычисляется на основе суточной максимальной и минимальной температуры (уравнение 1). На некоторых стадиях роста также учитывается длина дня (Jones, Kiniry, 1986; Jones et al., 2003).

    GDD = Tmax + Tmin2-Tbase (1)

    Если GDD растет градусо-дней, T max — максимальная температура, T min — минимальная температура и T base — базовая температура ( T base для кукурузы = 8 ° C ). GDD является кумулятивным и измеряется в ° C день -1 .

    Из калибровочных опытов; Были оценены P1, P5, G2, G3 и PHINT. В дополнение к коэффициентам сорта, два генетических коэффициента [коэффициент плодородия почвы (SLPF) и эффективность использования излучения (RUE)] также были откалиброваны, чтобы иметь возможность правильно моделировать надземную биомассу и урожай зерна для разных мест и сезонов. SLPF был откалиброван для оптимизации изменчивости почвы по полям, а RUE оптимизировал изменение по сезонам.Калькулятор коэффициентов генотипа (GENCALC) программы DSSAT 4.6 использовался для оценки коэффициентов сорта кукурузы. Статистические данные, использованные для калибровки модели, представляли собой r-квадрат и RMSE, кроме того, для нескольких целей использовалось нормализованное RMSE (RMSEn), потому что трудно использовать только RMSE (Anothai et al., 2008). RMSEn показано в уравнении (2), и оно дает нормализованное значение, которое позволяет усреднить по нескольким характеристическим целевым показателям, обеспечивая единый индекс для их согласия.

    СКО = ∑i = 1n (mi − si) n (2) RMSEn = RMSE × 100 м- (3)
    Оценка модели

    Для оценки модели были использованы 16 экспериментов на фермах.Эксперименты проводились в 16 местах по всему Судану и саваннам Северной Гвинеи в Нигерии. Оценочные эксперименты использовались для проверки оптимизированных параметров, полученных в результате калибровочных экспериментов. Для оценки использовались следующие данные: дни до цветения, дни до физиологического созревания, урожай зерна при сборе урожая, масса стебля при цветении и масса ботвы при сборе урожая. Оценка производительности модели проводилась путем расчета среднеквадратичной ошибки ( RMSE ), эффективности прогнозирования модели ( EF ) и средней ошибки ( E ) на основе предыдущих исследований по оценке модели (Yang and Huffman, 2004).Кроме того, в этом исследовании использовалась статистика индекса согласия ( d ). Статистика d рекомендуется для проведения перекрестных сравнений, когда значение d является относительным и имеет ограниченные меры (Willmott, 1982).

    EF = ∑i = 1n (m1 − m-) 2 − ∑i = 1nsi − mi∑i = 1n (mi − m-) 2 (4) d = 1− ∑i = 1n (mi − Si) 2∑i = 1n | Si | + | mi |) 2 (5)

    Где — номер измеренного набора данных, S i — смоделированные данные, м i — измеренные данные, а m- — среднее значение измеренных данных, Si ′ = Si -m- и mi ′ = mi-m-.

    Анализ чувствительности (модельное приложение)

    Анализ чувствительности был проведен для проверки влияния различных сроков посадки на урожай кукурузы в двух местах; Бункура в Саванне Судана и Зариа в Саванне Северной Гвинеи. В целом, у Бункуре был более короткий вегетационный период со средним количеством осадков 825 мм и вегетационным периодом 3,5 месяца. Среднее количество осадков в Зарии составляет 1 125 мм при вегетации 5 месяцев. Исторические метеорологические записи (1990–2015 гг.) Были получены из NIMET и использованы для сезонного анализа.Десять сроков посадки были смоделированы с использованием инструмента сезонного анализа DSSAT 4.6. Сроки посадки начинались с 20 мая и повторялись каждые 10 дней до 20 августа. Графики кумулятивной частоты использовались для представления результатов моделирования урожайности за 26 лет. Стабильные средние значения на 26 лет для каждой даты посева, сорта и местоположения были рассчитаны вместе с максимальным и минимальным полученным значением. Кроме того, было рассчитано процентное снижение урожайности для каждой даты посадки, местоположения и сорта.

    Результаты

    Оценка модели CSM – CERES – кукурузы

    Калибровка модели

    Специфические для генотипа параметры, полученные в калибровочных экспериментах для двух сортов, представлены в таблице 2. Температурное время от появления всходов до конца ювенильной фазы (P1) для EVDT составляло 205, а для TZEE — 196,1. Расчетное значение P2 (задержка развития на каждый час, когда продолжительность светового дня превышает 12,5 ч) было установлено равным 0,5 для обоих сортов, поскольку оба сорта нечувствительны к свету.Параметры, определяющие доходность (P5, G2 и G3), также были выше для EVDT, чем для TZEE, что позволяет EVDT потенциально иметь более высокую доходность и более длительный срок погашения, чем TZEE. После создания коэффициентов модель была оценена на предмет ее способности имитировать дни до цветения, дни до физиологической зрелости, массу верхушек при цветении, массу верхушек при уборке урожая и урожай зерна при созревании урожая двух сортов. Это было сделано путем сравнения смоделированных переменных модели с фактическими наблюдаемыми переменными из полевых экспериментов и последующего расчета статистических данных.Модель немного переоценила все параметры для обоих сортов, хотя и находилась в приемлемом диапазоне. Вес ботвы в момент цветения и при сборе урожая был недооценен для EVDT (таблица 3). Модель превысила прогнозируемую урожайность зерна при спелости урожая на 212 кг га -1 . Превышение прогноза в течение нескольких дней до цветения и физиологической зрелости не соответствовало полному дню. Средняя наблюдаемая урожайность зерна для TZEE в условиях неорошаемого и орошаемого полива составляла 3,883 и 4,018 кг / га -1 , соответственно, с более низким RMSE, наблюдаемым при дождевом поливе, чем при орошении (Таблица 4).Для индекса урожая более низкая RMSE наблюдалась при орошении, чем при дождевом. Средняя урожайность зерна EVDT в условиях богарного и орошаемого полива составила 4 989 и 5 216 кг / га -1 , соответственно. Аналогичным образом, более низкие значения RMSE и более высокие значения R 2 были зарегистрированы для дождевых условий, чем для условий орошения, для урожайности зерна, дней до цветения и дней до созревания. В таблице 5 показаны среднее значение и диапазон для нормализованной среднеквадратичной ошибки (RMSEn) и индекса d для оценки модели с данными временного ряда для кукурузы, выращенной в течение сезонов 2014 и 2015 годов.Средний индекс d, наблюдаемый для TZEE и EVDT, составлял 0,88 и 0,86, соответственно, с более низким RMSEn, зарегистрированным для TZEE. На рисунках 3, 4 показаны линии 1: 1 между смоделированными и наблюдаемыми параметрами калибровки. Для обоих сортов наблюдались лучшие совпадения фенологических переменных по сравнению с признаками урожайности и урожайности. Как правило, для TZEE были зарегистрированы более низкие значения RMSEn, чем для EVDT, но диапазоны для EVDT были шире, чем для TZEE. Для сухой массы стебля и листа индекс d и значения RMSEn были выше для EVDT, чем для TZEE.Как правило, фенологические параметры и параметры урожайности моделировались с большей точностью, чем рост и биомасса.

    Таблица 2 . Параметры, специфичные для генотипа используемых сортов кукурузы.

    Таблица 3 . Сравнение прогнозируемых (Prd.) И наблюдаемых (Obs.) Средних дней до цветения, дней до физиологической зрелости, максимальной массы при цветении (кг / га -1 ), максимальной массы при созревании (кг / га -1 ) и урожай зерна при уборке (кг / га -1 ) ранней и сверхранней кукурузы .

    Таблица 4 . Средние наблюдаемые значения индекса урожая, дней до цветения и урожайности зерна с гектара кукурузы с соответствующими значениями RMSE, r-square и EF, объединенные для 2014 и 2015 годов в орошаемых и богарных условиях.

    Таблица 5 . Среднее значение и диапазон для нормализованной среднеквадратичной ошибки (RMSEn) и индекса d для оценки модели с данными временного ряда для кукурузы, выращенной в дождливые и засушливые сезоны 2014 и 2015 годов.

    Рисунок 3 . Сравнение наблюдаемых и смоделированных переменных для калибровки TZEE. Сплошные линии представляют соотношение 1: 1, пунктирная линия представляет линейную регрессию, а каждая точка представляет график как для засушливых, так и для дождливых сезонов. (A) дней до расцвета; (B) урожай зерна, (C) максимальный вес в момент созревания, (D) дней до физиологической зрелости, (E) индекс урожая и (F) максимальный вес при созревании.

    Рисунок 4 . Сравнение наблюдаемых и смоделированных переменных для калибровки EVDT. Сплошные линии представляют соотношение 1: 1, пунктирная линия представляет линейную регрессию, а каждая точка представляет график как для засушливых, так и для дождливых сезонов. (A) дней до расцвета; (B) урожай зерна, (C) максимальный вес в момент созревания, (D) дней до физиологической зрелости, (E) индекс урожая и (F) максимальный вес при созревании.

    Оценка модели

    Таблица 6 показывает результат оценки модели, включая статистику оценки для двух разновидностей в обоих местах. Прогноз модели для урожайности зерна с D-индексом и значениями EF 0,93 и 0,94, соответственно, для TZEE во всех точках саванны Судана хорошо соответствовал, тогда как в саванне Северной Гвинеи более низкие значения были зарегистрированы для тех же разновидность (0,85 и 0,86 соответственно). Урожай зерна EVDT также был смоделирован с высокой точностью в обеих средах, причем как D-индекс, так и EF-значения были зарегистрированы выше 0.8. Вес стебля при цветении и вес ботвы при физиологической зрелости также показали хорошие предсказанные и наблюдаемые совпадения с индексом D и значениями EF выше 0,8 во всех случаях, за исключением EVDT в Бункуре, где было зарегистрировано значение индекса D 0,77. В течение дней до цветения значения D-индекса и EF были выше 0,86 в обеих средах, при этом наивысшее значение D-индекса (0,96) было зарегистрировано для EVDT в Zaria, а самое высокое значение EF (0,97) было зарегистрировано для той же среды. разнообразие в одном месте. Значения D-индекса и EF для всех измеренных переменных показали, что наблюдаемые и смоделированные признаки хорошо согласуются друг с другом, что означает, что модель является надежной и точной в измерении как фенологии, так и атрибутов урожайности / урожайности.

    Таблица 6 . Статистика оценки моделей для оценочных экспериментов в Саванне Судана и Северной Гвинеи для EVDT и TZEE.

    Анализ чувствительности (модельное приложение)

    Средняя, ​​максимальная и минимальная смоделированные урожаи зерна из 26-летнего сезонного анализа для различных окон посева показаны в Таблице 7. Когда TZEE был посажен в Бункуре, самый высокий урожай зерна был получен в начале июня. Когда посев был отложен на начало, середину и конец июля, урожайность зерна все еще оставалась в пределах 3 тонн с гектара, при этом самая низкая урожайность зерна была зафиксирована в окне посева в конце июля.Однако для EVDT самый высокий урожай зерна был отмечен при посеве в конце июня, в отличие от TZEE. Посев EVDT в июле дал высокие урожаи зерна (<5200 кг / га). Посадка обоих сортов в начале и середине мая в Бункуре дала минимальную урожайность 0 кг / га, а отсрочка посева до середины и конца августа дала минимальную урожайность зерна в 1254 и 742 кг / га для TZEE и 1906 и 1410 кг / га для EVDT. соответственно. В Зарии, однако, TZEE дал самый высокий урожай зерна (4217 кг / га), когда посев проводился в конце июля.Урожайность выше 4 т / га наблюдалась при всех сроках посадки с середины мая до конца июля. Перенос сроков посева на начало и середину августа привел к значительному снижению урожайности зерна (2 881 и 2557 кг / га соответственно). Посев EVDT в Зарии дал аналогичный ответ на TZEE: самый высокий расчетный урожай зерна составил 6079, произведенный в конце июля. Самая низкая минимальная урожайность зерна (1622 и 1738 кг / га) для TZEE и EVDT наблюдалась при переносе посева на конец августа. Самые высокие максимальные урожаи для обоих сортов (5 050 для TZEE и 6 966 EVDT кг / га) наблюдались при посеве в конце июля.Снижение урожайности только на 15% наблюдалось, когда посев TZEE был отложен с июня по июль в Бункуре, в то время как перенос посадки на август привел к снижению урожайности на 64,5%. Однако в Зарии снижение урожайности между посадками в июле и августе составило 66,9%. Для EVDT отсрочка посадки с июля по август привела к снижению урожайности на 74,4% в Бункуре и 94,3% в Зарии.

    Таблица 7 . Результат 26-летнего сезонного анализа с использованием разных окон посадки ранней и сверхранней кукурузы в Бункуре и Зарии.

    На рисунках 5A, B, 6A, B показаны графики кумулятивных функций для смоделированных урожаев зерна TZEE и EVDT в Бункуре и Зариа. Графики CF показывают, что для TZEE отсрочка посадки до августа дает урожай ниже 3000 кг / га более 75% времени в Бункуре. Однако для EVDT урожайность ниже 4 тонн наблюдалась при посадке в августе с вероятностью 0,5. Посев TZEE в начале июня и EVDT в конце июля дал самый высокий урожай зерна в Бункуре более 90% времени. В Зари, однако, посадка в начале и середине августа дает низкие урожаи с вероятностью более 80%.Вероятность получения высоких урожаев для TZEE была самой высокой (0,8), когда посадка производилась в конце июля. Самые высокие урожаи зерновых наблюдались для EVDT при посеве в начале июня (вероятность = 0,75). Посев TZEE в середине и конце мая на Бункуре дал нулевой урожай с вероятностью 0,1. Тенденция к нулевому урожаю в результате посева в мае была выше (0,4), когда EVDT был посажен в середине и конце мая в Зарии.

    Рисунок 5 . Графики кумулятивной функции для моделирования урожайности зерна TZEE в Bunkure (A) и Zaria (B) .

    Рисунок 6 . Графики кумулятивной функции для моделирования урожайности зерна EVDT в Bunkure (A) и Zaria (B) .

    Обсуждения

    Рекомендации по срокам посева кукурузы в Нигерии обычно основываются на местных знаниях. Рекомендации сделаны на основе крупномасштабных экспериментов по возделыванию сельскохозяйственных культур, проведенных в разных регионах (NAERLS, 2013). В большинстве случаев одна и та же дата посева рекомендуется для нескольких лет и в нескольких местах без учета сезонных и пространственных изменений.Фермеры также рискуют, сажая при первых же дождях из-за неопределенности продолжительности дождя в саваннах Нигерии. Wolf et al. (2015) предположили, что правила посева в странах Африки к югу от Сахары должны предусматривать временное окно, которое составляет не более 40 дней вокруг приблизительной предполагаемой наилучшей даты посева. Рекомендуемый срок посева кукурузы в Нигерии — с начала до середины июня как в SS, так и в NGS (NAERLS, 2013). Результаты нашего исследования показывают, что существуют различия между сортами и местоположениями в отношении лучших сроков посева.На локации влияют агроэкологические зоны.

    Тесное соответствие между наблюдаемыми и смоделированными переменными как для калибровочных, так и для оценочных экспериментов означает, что модель может использоваться для прогнозирования характеристик этих двух разновидностей в различных средах в Саваннах в Нигерии. Результаты моделирования привели к высоким значениям D-индекса, RMSE и EF для всех обработок и мест и для всех тестируемых переменных, что указывает на то, что эффективность и надежность модели вполне адекватны и модель может использоваться в исследуемых средах. .В модели CERES – кукуруза сроки цветения и созревания контролировались коэффициентами P1 и P5 в файле генотипа. Точное предсказание фенологии наблюдалось из-за близкого соответствия между наблюдаемыми и смоделированными днями появления кисточек и днями физиологической зрелости для калибровочных экспериментов. Точное прогнозирование фенологии кукурузы является наиболее важным этапом калибровки модели (Archontoulis et al., 2014). После точной калибровки фенологии ожидается, что модели смогут уловить все генотипические вариации, которые влияют на развитие площади листьев, производство биомассы и урожай зерна (Robertson et al., 2002). На урожайность зерна влияет перехват радиации растительным покровом, эффективностью использования радиации (RUE) и индексом урожая (Lee and Tollenaar, 2007). Pantazi et al. (2016) предположили, что прогноз урожайности при моделировании сельскохозяйственных культур является наиболее важной переменной для улучшения управления растениеводством. Тесное совпадение наблюдаемой и смоделированной урожайности зерна как в калибровочных, так и в оценочных экспериментах можно объяснить точным измерением G2 и G3, а также корректировками, внесенными в SLPF и RUE в файлах культурных сортов модели CERES – кукуруза.Высокое согласие между наблюдаемыми и смоделированными значениями для оценочных экспериментов показывает, что модель является надежной и достаточно точной, чтобы иметь более широкое применение в исследуемой экологии. Результат оценочных испытаний с использованием разных сроков посадки показывает, что сверхранние сорта кукурузы давали более высокие урожаи при посеве в начале июня в SS и в середине и конце июля в NGS.

    Результат как сезонного анализа, так и анализа чувствительности показывает, что вариация урожайности для разных проверенных сроков посева была очень высокой.Когда моделировались более ранние (середина и конец мая) и более поздние (начало и середина августа) даты, наблюдались более высокие вариации урожайности. Это показатель того, что ранний посев, который является нормой для фермеров в нигерийских саваннах, не только рискован, но и может привести к значительному снижению урожайности кукурузы. Кроме того, ранняя посадка в начале сезона дождей довольно рискованна, так как в большинстве случаев за ранними дождями следуют длительные засушливые периоды, которые могут привести к полному неурожаю. Поздний посев также приводит к более высокому снижению урожайности и может привести к полному неурожаю.Поздний посев приводит к снижению урожайности из-за неспособности посевов к созреванию, если дожди прекращаются раньше, чем закончился посевной сезон. Это также пагубно скажется на конечном урожае зерна (Lauer, 1998; Jibrin et al., 2012). В нигерийских саваннах сезон дождей начинается в конце июня и заканчивается в октябре. Поздняя гальваника в августе не позволит растениям завершить жизненный цикл до окончания сезона дождей. Поэтому посевы кукурузы, посеянные в августе, будут испытывать серьезный стресс засухи на стадии цветения, что имеет решающее значение для урожайности кукурузы.Высокие урожаи, наблюдаемые при посеве в середине и конце июля, означают, что фермеры, выращивающие кукурузу в Саваннах Судана и Северной Гвинеи, могут получать достаточно высокие урожаи в сезоны, когда наблюдается задержка установления количества осадков. Для ранних сортов более высокая урожайность наблюдалась при посеве в конце июня в SS и в середине-конце июля в NGS. Это явное указание на то, что ранние и сверхранние сорта можно высаживать в местах, где наблюдается задержка начала сезона дождей. Задержка с выпадением осадков становится распространенной в нигерийских саваннах, поэтому результаты сезонного анализа показывают, что ранний и сверхранний посев кукурузы лучше всего отложить до первой или второй недели июля в обеих саваннах.Результат этой работы согласуется с выводами Kamara et al. (2009), которые сообщили о более высоком урожае кукурузы в Суданской саванне, хотя и на других почвах, когда посев был отложен до начала и середины июля. Также Jibrin et al. (2012) сообщили, что модель CERES – кукуруза предсказывала снижение урожайности зерна с отсрочкой даты посева до начала августа, за исключением TZB-SR в Азире, Северо-Восточная Нигерия в 2006 году, где посев 13 июля дал более высокий урожай, чем посев 29 июня. Причина различного отклика на сроки посева кукурузы может быть связана с изменением сроков созревания.Сверхранние и ранние сорта завершают свой жизненный цикл раньше, поэтому есть возможность отложить посадку, особенно в саванне Северной Гвинеи. Джалия и др. (2008) сделали аналогичные выводы из полевых испытаний с разными сортами созревающей кукурузы, они сообщили, что посев с середины июня до конца июля как в Судане, так и в саваннах Северной Гвинеи приводит к высоким урожаям кукурузы. Они также сообщили, что, когда ранняя посадка выполняется до надлежащего установления дождей, может наблюдаться низкая популяция, а также низкая жизнеспособность / укоренение растений, это может привести к снижению урожайности.Поздняя посадка приводит к цветению, совпадающему с прекращением дождей, что может привести к уменьшению количества зерен / початков и резкому снижению конечного урожая.

    Заключение

    Способность кукурузы CERES обоснованно прогнозировать фенологию, урожайность зерна и вес сортов, использованных в этом исследовании, свидетельствует о его полезности в качестве инструмента поддержки решений для исследователей кукурузы и специалистов по распространению сельскохозяйственных знаний в регионах саванны в Нигерии. Модель предполагает, что как ранние, так и экстраранние сорта дают более высокую урожайность при посеве в середине-конце июня в SS и в середине-конце июля в NGS.В то время как оба сорта дают более высокую урожайность при посеве в середине-конце июля на NGS. Задержка с посевом до августа может привести к значительному снижению урожайности. Как в SS, так и в NGS посадка в мае и августе довольно рискованна и может привести к полному неурожаю.

    Авторские взносы

    AA провел большую часть полевых экспериментов, а также моделирования в этой публикации в рамках своих магистерских и докторских исследований. Он отвечал за большую часть подготовки рукописи и является ведущим автором.JJ является главным руководителем AA, и он помогал в глубоком понимании как экспериментальных, так и смоделированных результатов. Он помог в подготовке рукописи и внес важный вклад в информацию о почве и погоде. АК также является членом надзорной группы. Он внес важный вклад в понимание результатов экспериментальных и смоделированных результатов. Он также помог в подготовке рукописи и дал более глубокое понимание результатов анализа чувствительности. BA был вовлечен в управление полями, сбор данных, анализ почвы, а также создание и ввод данных о погоде.Он отвечал за большую часть информации о почве и погоде, использованной в исследовании. AS помогал в управлении полями, анализе данных и графике. Он также помогал запускать инструменты, отвечающие за генерацию генетических коэффициентов, используемых в исследовании. IG также принимала участие в сборе полевых данных и проведении моделирования. Он также помогал в подготовке рукописи и создании графиков.

    Заявление о конфликте интересов

    Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

    Благодарности

    Мы хотим поблагодарить технических специалистов Центра сельского хозяйства в засушливых районах Университета Байеро в Кано за их приверженность и поддержку в сборе данных и общем управлении испытаниями. Мы также хотим отметить финансовую поддержку Международного центра улучшения кукурузы и пшеницы (CIMMYT), предоставленную в рамках инициативы MAIZE (грант №: A4032.09.12). Мы также признательны за финансовую поддержку со стороны Международного института тропического сельского хозяйства (IITA) в рамках проекта «Поддержка сельскохозяйственных исследований для создания стратегических сельскохозяйственных культур» (SARD-SC).Благодарим технический персонал отдела почвоведения БУК за проведение анализа почвы и предоставление информации о погоде.

    Список литературы

    Анотай, Дж., Патанотай, А., Джоглой, С., Паннангпетч, К., Бут, К. Дж., И Хугенбум, Г. (2008). Последовательный подход к определению коэффициентов сорта линий арахиса с использованием данных испытаний урожайности в конце сезона. Field Crops Res. 108, 169–178. DOI: 10.1016 / j.fcr.2008.04.012

    CrossRef Полный текст | Google Scholar

    Архонтулис, С.В., Мигес, Ф. Э., Мур, К. Дж. (2014). Методология и инструмент оптимизации для калибровки фенологии короткодневных видов, включенных в модель APSIM PLANT: приложение для сои. Environ. Modell. Софтв. 62, 465–477. DOI: 10.1016 / j.envsoft.2014.04.009

    CrossRef Полный текст | Google Scholar

    Баду-Апраку Б., Факореде М. А. Б., Лум А. Ф. и Акинвале Р. (2009). Повышение урожайности и других характеристик ранней кукурузы в стрессовых и нестрессовых условиях. Агрон. J. 101, 381–389. DOI: 10.2134 / agronj2008.0089x

    CrossRef Полный текст | Google Scholar

    Баду-Апраку, Б., Оекунле, М., Акинвале, Р. О., и Фонтем Лум, А. (2011). Сочетание способности скороспелых инбредов белой кукурузы в стрессовой и нестрессовой среде. Агрон. J. 103, 544–557. DOI: 10.2134 / agronj2010.0345

    CrossRef Полный текст | Google Scholar

    Бэтчелор В. Д., Бассо Б. и Паз Дж. О. (2002). Примеры стратегий анализа пространственной и временной изменчивости урожайности с использованием моделей сельскохозяйственных культур. евро. J. Agron. 18, 141–158. DOI: 10.1016 / S1161-0301 (02) 00101-6

    CrossRef Полный текст | Google Scholar

    Берт, Ф. Э., Ласиана, К. Э., Подеста, Г. П., Саторре, Э. Х. и Менендес, А. Н. (2007). Чувствительность смоделированной урожайности кукурузы ЦЕРЕС к неопределенности свойств почвы и суточной солнечной радиации. Сельское хозяйство. Syst. 94, 41–150. DOI: 10.1016 / j.agsy.2006.08.003

    CrossRef Полный текст | Google Scholar

    Boote, K. J., Jones, J. W., Хугенбум, Дж., И Уайт, Дж. У. (2010). Роль моделирования систем растениеводства в сельском хозяйстве и окружающей среде. Внутр. J. Agric. Environ. Поставить в известность. Syst. 1, 41–54. DOI: 10.4018 / jaeis.2010101303

    CrossRef Полный текст | Google Scholar

    Кабрера В. Э., Джагтап С. С. и Хильдебранд П. Э. (2007). Стратегии ограничения (минимизации) выщелачивания азота на молочных фермах, основанные на сезонных климатических прогнозах. Сельское хозяйство. Экосист. Environ. 122, 479–489. DOI: 10.1016 / j.agee.2007.03.005

    CrossRef Полный текст | Google Scholar

    Эгли Д. Б. и Брюнинг В. (1992). Дата посадки и урожай сои: оценка воздействия на окружающую среду с помощью имитационной модели урожая: SOYGRO. Сельское хозяйство. Для. Meteorol. 62, 19–29. DOI: 10.1016 / 0168-1923 (92)

    -M

    CrossRef Полный текст | Google Scholar

    ФАО (2013 г.). Годовой отчет о производстве . Рим: Продовольственная и сельскохозяйственная организация Объединенных Наций.

    ФАО (2014). Годовой отчет о производстве . Рим: Продовольственная и сельскохозяйственная организация Объединенных Наций.

    Graef, F., и Haigis, J. (2001). Пространственная и временная изменчивость количества осадков в Сахеле и ее влияние на стратегии управления фермерами. J. Arid Environ. 48, 221–231. DOI: 10.1006 / jare.2000.0747

    CrossRef Полный текст | Google Scholar

    Гунгула, Д. Т., Клинг, Дж. Г., и Тогун, А. О. (2003). CERES-кукуруза: прогнозы фенологии кукурузы в условиях азотного стресса в Нигерии. Агрон. J. 95, 892–899. DOI: 10.2134 / agronj2003.0892

    CrossRef Полный текст | Google Scholar

    Hoogenboom, G., Jones, J. W., Wilkens, P. W., Porter, C.H., Hunt, L.A., Boote, K.J., et al. (2010). Система поддержки принятия решений для передачи агротехнологий (DSSAT), версия 4.5.0.43 [CD-ROM] . Гонолулу: Гавайский университет.

    Хант, Л. А., и Боут, К. Дж. (1998). «Данные для работы модели, калибровки и оценки», в Понимание вариантов сельскохозяйственного производства , ред.Y. Tsuji, G. Hoogenboom и P. K. Thornton (Kluwer Academic Publishers, Нидерланды). 9–39. DOI: 10.1007 / 978-94-017-362-4_2

    CrossRef Полный текст | Google Scholar

    Джагтап, С.С., Морну, М., и Канг, Б.Т. (1993). Моделирование роста, развития и урожайности кукурузы в переходной зоне Нигерии. Сельское хозяйство. Syst. 41, 215–229. DOI: 10.1016 / 0308-521X (93) -9

    CrossRef Полный текст | Google Scholar

    Джалия, М. М., Фалаки, А. М., Махмуд, М., и Сани, Ю.А. (2008). Влияние срока посева и нормы внесения NPK удобрений на урожайность и компоненты урожая качественной белковой кукурузы ( Zea mays L.). J. Agric. Биол. Sci. 3, 23–29.

    Google Scholar

    Джибрин, М. Дж., Камара, А. Ю., и Пятница, Е. (2012). Моделирование даты посадки и влияния сорта на производство кукурузы в засушливых районах с использованием модели кукурузы CERES. Afr. J. Agric. Res. 7, 5530–5536. DOI: 10.5897 / AJAR12.1303

    CrossRef Полный текст | Google Scholar

    Джонс, К.А., Дайк, П. Т., Уильямс, Дж. Р., Кинири, Дж. Р., Бенсон, В. В., и Григгс, Р. Х. (1991). EPIC: операционная модель для оценки устойчивости сельского хозяйства. Сельское хозяйство. Syst. 37, 341–350. DOI: 10.1016 / 0308-521X (91)

    -H

    CrossRef Полный текст | Google Scholar

    Джонс, К. А., и Кинири, Дж. Р. (1986). ЦЕРЕС-кукуруза: имитационная модель роста и развития кукурузы . Колледж-Стейшн, Техас: Издательство Техасского университета A&M.

    Google Scholar

    Джонс, Дж.W., Hoogenboom, G., Porter, C.H., Boote, K.J., Batchelor, W.D., Hunt, L.A., et al. (2003). Модель системы земледелия DSSAT. евро. J. Agron. 18, 235–265. DOI: 10.1016 / S1161-0301 (02) 00107-7

    CrossRef Полный текст | Google Scholar

    Джонс, Дж. У., Хант, Л. А., Хугенбум, Г., Годвин, Д. К., Сингх, Ю., Цуджи, Г. Ю., и др. (1994). «Входные и выходные файлы», в DSSATv3, Vol 2-1 , ред. Г. Ю. Цуджи, Г. Хугенбум и П. К. Торнтон (Гонолулу: Гавайский университет), 3–9.

    Камара, А. Ю., Пятница, Э., Дэвид, К., и Лаки, О. (2009). Дата посадки и влияние сорта на урожай кукурузы в засушливых районах. Агрон. J. 101, 91–98. DOI: 10.2134 / agronj2008.0090

    CrossRef Полный текст | Google Scholar

    Каур П. и Хандал С. С. (1999). Прогнозирование роста и урожайности арахиса ( Arachis hypogaea ) с помощью динамической имитационной модели «PNUTGRO» в условиях Пенджаба. J. Agri. Sci. 133, 167–173. DOI: 10.1017 / S002185969

    96

    CrossRef Полный текст | Google Scholar

    Китинг, Б.A., Carberry, P. S., Hammer, G. L., Probert, M. E., Robertson, M. J., Holzworth, D., et al. (2003). Обзор APSIM, модели, разработанной для моделирования сельскохозяйственных систем. евро. J. Agron. 18, 267–288. DOI: 10.1016 / S1161-0301 (02) 00108-9

    CrossRef Полный текст | Google Scholar

    Ли, Э. А., и Толленаар, М. (2007). Физиологические основы успешной селекционной стратегии по урожайности зерна кукурузы. Crop Sci. 47, S202 – S215. DOI: 10.2135 / cropci2007.04.0010IPBS

    CrossRef Полный текст | Google Scholar

    Линк, Дж., Graeff, S., Batchelor, W. D., and Claupein, W. (2006). Оценка экономического и экологического воздействия политики выплат экологической компенсации при единообразном и переменном регулировании азота. Сельское хозяйство. Syst. 91, 135–153. DOI: 10.1016 / j.agsy.2006.02.003

    CrossRef Полный текст | Google Scholar

    Марто, Р., Султан, Б., Морон, В., Альхассан, А., Барон, К., и Траоре, С. Б. (2011). Начало сезона дождей и посевная стратегия фермера для выращивания жемчужного проса на юго-западе Нигера. Сельское хозяйство. Для. Meteorol. 151, 1356–1369. DOI: 10.1016 / j.agrformet.2011.05.018

    CrossRef Полный текст | Google Scholar

    Мяо, Ю., Мулла, Д. Дж., Бэтчелор, В. Д., Паз, Дж. О., Роберт, П. К., и Виберс, М. (2006). Оценка оптимального уровня азота в зоне управления с помощью модели роста сельскохозяйственных культур. Агрон. J. 98, 545–553. DOI: 10.2134 / agronj2005.0153

    CrossRef Полный текст | Google Scholar

    NAERLS (2013). Исследование показателей сельского хозяйства в дождливый сезон 2012 г. в Нигерии. Национальная служба распространения сельскохозяйственных знаний и исследований. Федеральное министерство сельского хозяйства и развития сельских районов Университет Ахмаду Белло, Зария. Нигерия.

    Огунгбиле А.О., Табо Р., Ван Дуйвенбоден Н. и Дебрах С.К. (1998). Анализ ограничений для сельскохозяйственного производства в зоне саванны Судана в Нигерии с использованием многомасштабной характеристики. Neth. J. Agric. Sci. 46, 27–38.

    Google Scholar

    Панг, X. П., Летей, Дж., И Ву, Л.(1997). Прогнозирование урожайности и поглощения азота с помощью модели кукурузы CERES в полузасушливых условиях. Почвоведение. Soc. Являюсь. J. 61, 254–256. DOI: 10.2136 / sssaj1997.03615995006100010035x

    CrossRef Полный текст | Google Scholar

    Пантази, X. Э., Мошу, Д., Александридис, Т., Веттон, Р. Л., и Муазен, А. М. (2016). Прогнозирование урожайности пшеницы с использованием машинного обучения и передовых методов зондирования. Вычисл. Электр. Agric. 121, 57–65. DOI: 10.1016 / j.agrformet.2011.05.018

    CrossRef Полный текст | Google Scholar

    Паз, Дж. О., Бэтчелор, У. Д., Бэбкок, Б. А., Колвин, Т. С., Логсдон, С. Д., Каспар, Т. К. и др. (1999). Модельный метод определения азота с переменной нормой для кукурузы. Сельское хозяйство. Syst. 61, 69–75. DOI: 10.1016 / S0308-521X (99) 00035-9

    CrossRef Полный текст | Google Scholar

    Пеннинг де Фрис, Ф. В. Т., Тенг, П., и Метселер, К. (1993). Системные подходы к развитию сельского хозяйства .Дордрехт: Kluwer Academic Publishers. DOI: 10.1007 / 978-94-011-2842-1

    CrossRef Полный текст | Google Scholar

    Робертсон, М. Дж., Карберри, П. С., Хут, Н. И., Терпин, Дж. Э., Проберт, М. Е., Поултон, П. Л. и др. (2002). Моделирование роста и развития различных видов бобовых в APSIM. Aust. J. Agric. Res. 53, 429–446. DOI: 10.1071 / AR01106

    CrossRef Полный текст | Google Scholar

    Почвоведение. (2014). Ключи к таксономии почв, 11-е изд. .Вашингтон, округ Колумбия: Служба охраны природных ресурсов Министерства сельского хозяйства США.

    Солер, К.М.Т., Маман, Н., Чжан, X., Мейсон, С.С., и Хугенбум, Г. (2008). Определение оптимальных сроков посадки жемчужного проса для двух контрастирующих сред с использованием метода моделирования. J. Agric. Sci. 146, 445–459. DOI: 10.1016 / j.agrformet.2011.05.018

    CrossRef Полный текст | Google Scholar

    Соренсен И., Стоун П. и Роджерс Б. (2000). Влияние сроков посева на урожайность гибрида короткослойной и длинноплодной кукурузы. Proc. Агрон. Soc. Н.З. 30, 63–66.

    Google Scholar

    Совунми, Ф. А., Акинтола, Дж. О. (2010). Влияние климатической изменчивости на производство кукурузы в Нигерии. Res. J. Environ. Науки о Земле. 2, 19–30.

    Google Scholar

    Стаггенборг, С. А., Фьелл, Д. Л., Девлин, Д. Л., Гордон, В. Б., Мэддакс, Л. Д., и Марш, Б. Х. (1999). Выбор оптимальных сроков посадки и популяций растений для кукурузы в засушливых районах Канзаса. J. Prod. Agric. 12, 85–90. DOI: 10.2134 / jpa1999.0085

    CrossRef Полный текст | Google Scholar

    Штёкле, К. О., Донателли, М., и Нельсон, Р. (2003). CropSyst, имитационная модель системы земледелия. евро. J. Agron. 18, 289–307. DOI: 10.1016 / S1161-0301 (02) 00109-0

    CrossRef Полный текст | Google Scholar

    Торп, К. Р., ДеДжонге, К. К., Калейта, А. Л., Бэтчелор, В. Д., и Паз, Дж. О. (2008). Методология использования моделей DSSAT для поддержки принятия решений в области точного земледелия. Вычисл. Электрон. Agric. 64, 276–285. DOI: 10.1016 / j.compag.2008.05.022

    CrossRef Полный текст | Google Scholar

    Уильямс, Дж. Р. (1995). «Модель EPIC», в Компьютерные модели гидрологии водоразделов , изд. В. П. Сингх (Highlands Ranch, CO: Water Resources Publications), 909–1000.

    Google Scholar

    Уиллмотт, К. Дж. (1982). Некоторые комментарии по оценке производительности модели. Бык. Являюсь. Meteorol. Soc. 63, 1309–1313.DOI: 10.1175 / 1520-0477 (1982) 063 <1309: SCOTEO> 2.0.CO; 2

    CrossRef Полный текст | Google Scholar

    Вольф, Дж., Уаттара, К., и Супит, И. (2015). Правила посева для оценки потенциальной урожайности сорго и кукурузы на богарных землях в Буркина-Фасо. Сельское хозяйство. Для. Meteorol. 214–215, 208–218. DOI: 10.1016 / j.agrformet.2015.08.262

    CrossRef Полный текст | Google Scholar

    Янг, Дж. Й., и Хаффман, Э. К. (2004). EasyGrapher: программное обеспечение для графической и статистической проверки результатов DSSAT. Вычисл. Электрон. Agric. 45, 125–132. DOI: 10.1016 / j.compag.2004.06.006

    CrossRef Полный текст | Google Scholar

    ЦЕРЕС-кукуруза — DSSAT.net

    Кукуруза ( Zea mays L.) — наиболее производимая зерновая культура в мире. По данным ФАО, фермеры, выращивающие кукурузу, произвели в среднем (2014–2016 гг.) 1,04 миллиарда тонн зерна, собранного на несколько более чем 185 миллионах га, при средней мировой урожайности 5,6 т / га.

    Первый раз DSSAT был выпущен в 1989 году, он включал четыре модели культур: ЦЕРЕС-кукуруза (Джонс и Кинири, 1986), ЦЕРЕС-пшеница (Ритчи и Оттер, 1985), СОЙГРО (Вилкерсон и др., 1983) и PNUTGRO (Boote et al., 1989). Несмотря на более чем 30-летний период своего существования, CERES-Maize продолжает оставаться наиболее широко используемой моделью кукурузы во всем мире и остается материнским семенем для других моделей кукурузы, в том числе в APSIM (Keating et al., 2003) и CSM-IXIM (Lizaso и др., 2011). Подробный обзор семейства моделей CERES, включая CERES-Maize, доступен у Basso et al. (2016).

    Список литературы

    Бассо, Б., Л. Лю, Дж. Т. Ричи.2016. Всесторонний обзор характеристик моделей CERES-пшеница, кукуруза и рис. Успехи в агрономии 136: 27-132.

    Boote, K.J., J.W. Джонс, Г. Хугенбум, Г. Вилкерсон и С.С.Ягтап. 1987. PNUTGRO V1.0: Имитационная модель роста урожая арахиса. Руководство пользователя. Журнал сельскохозяйственной экспериментальной станции Флориды № 8420. Университет Флориды, Гейнсвилл, Флорида.

    Джонс, К.А., и Дж. Р. Кинири (ред.). 1986. CERES-Maize: Имитационная модель роста и развития кукурузы.Texas A&M Univ. Пресса, Колледж-Стейшн.

    Китинг Б.А., П.С. Карберри, Г.Л. Хаммер и др. 2003. Обзор APSIM, модели, разработанной для моделирования сельскохозяйственных систем. Европейский журнал агрономии , 18, 267–288.

    Lizaso, J.I., K.J. Boote, J.W. Джонс, К. Портер, Л. Эчарт, М.Е. Вестгейт, Г. Сонохат. 2011. CSM-IXIM: Новая имитационная модель кукурузы для DSSAT версии 4.5. Агрономический журнал 103: 766-779.

    Ричи, Дж. Т. и С. Оттер. 1985 г.Описание и характеристики CERES-Wheat: ориентированная на пользователя модель урожайности пшеницы. п. 159–175. В проекте по урожайности пшеницы ARS. АРС-38. Natl. Tech. Инф. Serv., Спрингфилд, Вирджиния.

    Wilkerson, G.G., J.W. Джонс, К.Дж. Бут, К. Инграм и Дж. Мишо. 1983a. Моделирование роста сои для управления. Транзакции ASAE 26 (l): 63-73.

    Тестирование и улучшение моделей кукурузы в DSSAT: развитие, рост, урожай и поглощение азота

    Основные моменты

    Модели кукурузы DSSAT, CSM-CERES и CSM-IXIM, были оценены в условиях высокой урожайности.

    Были изучены развитие сельскохозяйственных культур, рост, урожайность зерна и поглощение азота.

    CERES лучше моделирует конечную биомассу и урожай зерна. IXIM более точно моделировал поглощение N и концентрацию азота в зернах.

    Альтернативная процедура оценки потребности сельскохозяйственных культур в азоте как функции роста улучшила моделирование IXIM биомассы, урожайности зерна и поглощения азота.

    Новая процедура была разработана для повышения концентрации азота в зерне в IXIM.

    Реферат

    DSSAT (Система поддержки принятия решений для передачи агротехнологии) — это наиболее широко используемый пакет моделей для характеристики роста, развития, урожайности и поглощения азота несколькими видами сельскохозяйственных культур. Цели этого исследования заключались в следующем: 1) оценить производительность моделей кукурузы ( Zea mays L.) CSM – CERES и CSM-IXIM, доступных в DSSAT версии 4.5, при моделировании условий высокой урожайности, 2) испытать IXIM Модель с альтернативным подходом к оценке спроса на азот в сельскохозяйственных культурах, основанная на Plénet and Lemaire (2000), и 3) с этим альтернативным подходом, исследуют некоторые варианты моделирования концентрации азота в зерне.Две модели были оценены с использованием данных, собранных на двух экспериментальных полях в Альмаселесе, Испания, в течение трех лет подряд при различных обработках азота, сочетающих удобрения и обработку остатков. Обработка удобрений включала две дозы минеральных удобрений: 300 кг N га -1 (N300) вместе с контролем, не содержащим азота (N0). Остатки урожая были либо удалены (R), либо включены (I). Урожайность зерна на полях (влажность 14%) варьировала в зависимости от внесения азотных удобрений от 11 до 20 Мг / га -1 .В наших условиях орошаемой кукурузы с высокой урожайностью обе модели смогли точно имитировать урожай зерна и биомассу со среднеквадратичной среднеквадратичной среднеквадратической средой 9,5 и 11,4% для CERES и 14,9 и 14,3% для IXIM соответственно. Оценки поглощения N также были точными, с RRMSE 12,0 и 8,6% для CERES и IXIM. Модель IXIM с альтернативным подходом к оценке потребности сельскохозяйственных культур в азоте имитировала урожай зерна и поглощение азота культурой лучше, чем модель IXIM с текущим подходом, основанным на Jones (1983). RMSE была снижена на 22% для урожая и на 55% для биомассы, в то время как моделируемое поглощение N снизило RMSE на 12%.С помощью этого альтернативного подхода лучшие модели N зерна были получены с модификацией функции Ciampitti and Vyn (2013).

    Ключевые слова

    DSSAT

    CSM-CERES

    CSM-IXIM

    Урожайность кукурузы

    Поглощение

    N

    Рекомендуемые статьиЦитирующие статьи (0)

    Полный текст

    © 2017 Elsevier B.V. Все права защищены.

    Рекомендуемые статьи

    Цитирующие статьи

    Модель CERES-кукурузы для моделирования взаимодействия генотипа с окружающей средой кукурузы и ее стабильности в сухих и влажных саваннах Нигерии

    Основные моменты

    Генотип по взаимодействию с окружающей средой ( GEI) затрудняет селекционерам и производителям выбор стабильных, высокоурожайных сортов в различных средах, что снижает эффективность процесса отбора.

    Определение величины GEI и стабильности сортов может быть сложной задачей, поэтому модели культур могут использоваться для дополнения этого процесса.

    Динамические модели, которые могут моделировать реакцию роста и развития сельскохозяйственных культур на различные абиотические факторы окружающей среды, могут объяснить различия в урожайности из-за временной и пространственной изменчивости.

    Имитационные модели сельскохозяйственных культур использовались в дополнение к испытаниям в нескольких средах (MET) с целью улучшения отбора высокоурожайных сортов в нескольких местах.

    Моделирование соответствовало фактическим наблюдениям и давало аналогичное ранжирование, что указывает на то, что правильно откалиброванная и оцененная модель CERES-Maize может дополнять MET.

    Реферат

    При правильной калибровке и оценке динамические имитационные модели сельскохозяйственных культур могут обеспечить понимание различных компонентов генотипа в зависимости от взаимодействия с окружающей средой (GEI). Смоделированные выходные данные можно использовать для дополнения данных испытаний в различных средах.Полевые эксперименты проводились в дождливые и засушливые сезоны 2015 и 2016 годов в четырех местах в регионах выращивания кукурузы в Северной Нигерии с использованием 16 сортов кукурузы, посаженных в условиях, близких к оптимальным по влажности и почвенному азоту. Модель CERES-Maize была откалибрована с использованием данных из трех мест и двух сезонов (дождливый и засушливый) и оценена с использованием данных из одного места и двух сезонов, все в 2015 году. Наблюдаемые данные из четырех мест и двух сезонов в 2016 году были использованы для создания восьми разные среды.В каждом месте были выкопаны две профильные ямы, которые использовались отдельно при моделировании для каждой среды, чтобы получить реплицированные данные для анализа стабильности в комбинированном ANOVA. Влияние окружающей среды, генотипа и GEI было очень значимым (p = 0,001) как для наблюдаемой, так и для моделируемой урожайности зерна. Окружающая среда объяснила 67% и 64% вариаций наблюдаемой и смоделированной урожайности зерна соответственно. Компонент дисперсии GEI (13% для наблюдаемых и 15% для смоделированных) был ниже, но все же значительным по сравнению с таковым для генотипов (19% для наблюдаемых и 21% для смоделированных).По результатам анализа стабильности наблюдаемой и смоделированной урожайности зерна с использованием шести различных моделей стабильности, три модели (ASV, Ecovalence и Sigma) оценили Ife Hybrid как наиболее стабильный сорт. Наклон регрессионной (би) модели оценивает Саммаз 11 как самый стабильный сорт, в то время как модель Шукла оценивает Саммаз 28 как самый стабильный сорт. Долгосрочный сезонный анализ с использованием модели CERES-кукурузы показал, что сорта с ранним и средним сроком созревания дают высокие урожаи как во влажных, так и в сухих саваннах, ранние и экстраранние сорта дают высокие урожаи только в сухих саваннах, в то время как позднеспелые сорта дают высокие урожаи. только во влажных саваннах.При правильной калибровке и оценке модель CERES-Maize может использоваться для получения данных для GEI и исследований стабильности генотипа кукурузы в отсутствие наблюдаемых полевых данных.

    Ключевые слова

    Модель ЦЕРЕС-кукуруза

    Генотип по взаимодействию с окружающей средой

    Анализ стабильности

    Рекомендуемые статьиЦитирующие статьи (0)

    Просмотреть аннотацию

    © 2020 Авторы. Опубликовано Elsevier B.V.

    Рекомендуемые статьи

    Цитирующие статьи

    Естественная история модельных организмов: генетические, эволюционные и селекционные идеи, полученные в результате одомашнивания кукурузы

    Кукуруза (кукуруза), как одна из важнейших сельскохозяйственных культур в мире, практически не нуждается в интродукции.Менее ценится история его замечательной трансформации (рис. 1). Генетические данные указывают на тропическую долину реки Бальзас в Мексике как место, где кукуруза ( Zea mays ssp. mays ) была одомашнена из teosinte ( Zea mays ssp. parviglumis ) (Matsuoka et al., 2002; van Heerwaarden et al., 2011). Археологические данные подтверждают это местоположение, а также предполагают, что кабачки могли быть одомашнены в то же время (Piperno et al., 2009).Некоторые думают, что кукуруза была впервые собрана из-за сбраживаемых сахаров в ее стеблях (Iltis, 2000; Smalley and Blake, 2003), но более вероятно, что это было связано с хранящимся в ее семенах крахмалом.

    Теосинте по сравнению с кукурузой.

    ( A ) Женское соцветие teosinte (слева), которое возникает как вторичная ветвь от побегов и кисточки (справа).( B ) Початок (слева) и кисточка (справа) кукурузы. Размер планки в моделях A, и B составляет 10 см. ( C ) Ядро Teosinte (слева) и зерно кукурузы (справа). Ядро теозинте скрыто отвердевшими чешуйками (см. Глоссарий). Ядро кукурузы обнажается и обнажает эндосперм (En) и зародыш (Em). Эмбрион окружен щитком (Sc), питательной тканью семядоли. ( D ) Сравнение теозинте слева, кукурузы справа и F1 кукурузы и теосинте в середине.Изображение предоставлено: ( D ) Джон Добли, факультет генетики, Университет Висконсина-Мэдисона; все остальные изображения, Сара Хейк.

    https://doi.org/10.7554/eLife.05861.002

    Слово теосинте происходит от слова «теоцинтли» — «теотл», что означает священный, и «чинтли», что означает сушеный початок кукурузы, — из коренного языка науатль. Мы используем слово teosinte для обозначения всех диких видов Zea , которые произрастают в Мексике и Центральной Америке.Теозинте широко сеет семена. Помимо рассеивания пыльцы на ветру, ядра падают с растения и, если их съесть, переносятся в другие места с фекалиями благодаря неудобоваримому фруктовому футляру (см. Вставку 1, где приведен глоссарий специальных терминов, используемых в этой статье). В результате одомашнивания кукурузы сохранилась пыльца теозинте, переносимая ветром, но изменились другие характеристики, что повысило ее полезность для потребления человеком (Doebley, 2004). Ядро теозинте, наполненное кремнеземом и лигнином, стало мягче (рис. 1С), что позволяет людям измельчать его ядра для еды.Ветка, содержащая ядра (початок), увеличивалась в обхвате, увеличивая число рядов ядер с 2 до 20 или более (рис. 1D). Ядра больше не рассыпаются сами по себе, а крепко держатся на початках, что требует вмешательства человека для посева семян. Наконец, длинные ветви укорачиваются, но листья остаются вдоль ветки. Эти «листья шелухи» не дают птицам, насекомым и другим вредителям поедать ядра.

    Вставка 1

    Глоссарий

    Axil: Место соединения листа со стеблем. В пазухе образуются бутоны.

    C4-фотосинтез: Более эффективная форма фотосинтеза, при которой CO 2 фиксируется в четырехуглеродном сахаре.

    Ящик для фруктов: Материнская ткань, окружающая зерна кукурузы или теосинте.

    Гаметофит: Многоклеточная гаплоидная структура, из которой происходят гаметы растений.

    Glume: Лист, прикрывающий цветок, обычно бесплоден (в пазухе отсутствуют бутоны).

    Инбридинговая депрессия: Снижение биологической пригодности, вызванное инбридингом.

    Ландрасы: Сорта кукурузы, выращиваемые путем открытого опыления, а не контролируемого скрещивания.

    Пестик: Женская часть цветка.

    Полярные ядра: Два ядра большой центральной клетки женского гаметофита; они сливаются с ядром одной сперматозоидной клетки, образуя триплоидный эндосперм.

    Прогнозирующее разведение: Стратегии разведения, использующие статистические модели для прогнозирования фенотипа на основе информации о генотипе.Они потенциально экономят значительное время и деньги за счет сокращения количества поколений необходимых полевых испытаний.

    Количественный признак: Полигенные признаки, также называемые комплексными признаками.

    Локус количественного признака: Область генома, статистически связанная с фенотипическими различиями количественного признака.

    Рекомбинантная инбредная популяция: Популяция гомозиготных особей, полученная путем многократного самокрещения гибрида F2, состоящая из ~ 50% каждого родительского генома в различных комбинациях.Эти линии часто используются для отображения сложных черт.

    Щиток: Часть семядоли, которая поглощает питательные вещества из эндосперма для эмбриона.

    Апикальная меристема побега: Группа тотипотентных стволовых клеток, производящих листья и ветви.

    Переносные элементы: Генетические элементы, которые могут перемещаться из одного хромосомного местоположения в другое.

    Вегетативная клетка: Мужской гаметофит претерпевает два деления, в результате которых образуются две сперматозоиды и вегетативная клетка.Сперматозоиды содержатся внутри вегетативной клетки.

    https://doi.org/10.7554/eLife.05861.003

    Из региона Бальзас в Мексике кукуруза распространилась на север и юг (Matsuoka et al., 2002), приспосабливаясь к очень различным условиям окружающей среды. В подтверждение своей приспособляемости кукуруза теперь растет на более обширных площадях, чем любая другая основная культура (рис. 2). Початки кукурузы, обнаруженные на археологических раскопках, предполагают, что основные морфологические изменения произошли около 6500 лет назад (Piperno and Flannery, 2001).Поток пыльцы между одомашненной кукурузой и другими таксонами теозинте способствовал некоторой ее диверсификации (van Heerwaarden et al., 2011), а местная адаптация и торговля продолжают формировать генетическое разнообразие кукурузы (Mercer et al., 2008; Ruiz Corral et al., 2008 г.). Сорта кукурузы в Мексике часто можно отличить по признакам ядра или початков (Vielle-Calzada and Padilla, 2009), но генетическое разнообразие в этих популяциях открытого опыления остается высоким (Pressoir and Berthaud, 2004).

    Дарвин был первым, кто обнаружил депрессию инбридинга (см. Глоссарий) у кукурузы, критического компонента селекции кукурузы.Он отметил уменьшенный размер самоопыляемой кукурузы и улучшенный размер и силу или гетерозис перекрестно опыляемой кукурузы (Darwin, 1876). Его наблюдения были расширены Джорджем Харрисоном Шуллом в 1908 году, который создал инбреды путем самоопыления растений кукурузы в течение нескольких поколений, прежде чем скрестить их вместе, чтобы получить гибриды (Shull, 1908). Сегодня, конечно, гибридная кукуруза является преобладающей формой, выращиваемой в промышленном сельском хозяйстве (Duvick, 2001), с традиционными местными сортами открытого опыления (см. Глоссарий), в основном ограниченными мелкомасштабным или натуральным хозяйством.

    Как разные модели культур кукурузы различаются по своей реакции на факторы изменения климата?

    % PDF-1.7 % 1 0 объект > эндобдж 5 0 obj > / Шрифт >>> / Поля [10 0 R] >> эндобдж 2 0 obj > поток 2018-04-05T11: 15: 06-07: 002018-04-05T11: 15: 06-07: 002018-04-05T11: 15: 06-07: 00Appligent AppendPDF Pro 5.5uuid: 116f5b2d-a855-11b2-0a00- 782dad000000uuid: 116f6f14-a855-11b2-0a00-40f5f8ecff7fapplication / pdf

  • Как разные модели культур кукурузы различаются по своей реакции на факторы изменения климата?
  • Князь 9.0, версия 5 (www.princexml.com) AppendPDF Pro 5.5 Ядро Linux 2.6 64-битная 2 октября 2014 Библиотека 10.1.0 конечный поток эндобдж 6 0 obj > эндобдж 3 0 obj > эндобдж 13 0 объект > эндобдж 14 0 объект > эндобдж 15 0 объект > эндобдж 16 0 объект > эндобдж 17 0 объект > эндобдж 42 0 объект > / Повернуть 0 / Тип / Страница >> эндобдж 43 0 объект > / Повернуть 0 / Тип / Страница >> эндобдж 44 0 объект > / Повернуть 0 / Тип / Страница >> эндобдж 45 0 объект > / Повернуть 0 / Тип / Страница >> эндобдж 46 0 объект > / Повернуть 0 / Тип / Страница >> эндобдж 56 0 объект > поток x] ێ $ c E2i / V! Yf ~ Ռ 4 g-Y ݌6 `-Hf9ňH ؤ: ~ 8} ~ sM4 /} A? 7Ÿ ܄9 = Fl1F # 2

    6NnQA7_

    .

    Добавить комментарий

    Ваш адрес email не будет опубликован.