排序方式: 共有36条查询结果,搜索用时 15 毫秒
31.
32.
开放式空气CO2浓度增高对水稻颖花分化和退化的影响 总被引:16,自引:4,他引:12
在大田栽培条件下 ,研究开放式空气CO2 浓度增加 (FACE) 2 0 0 μmol·mol-1的处理对水稻每穗 1、2次枝梗及其颖花的分化数、退化数、现存数及退化率的影响 .结果表明 ,FACE处理对每穗 1、2次枝梗的分化数及 1次枝梗的退化数、退化率均无显著影响 ,但使 2次枝梗的退化数、退化率显著提高 ,使 2次枝梗现存数明显减少 ;FACE处理对每穗 1、2次颖花的分化数和 1次颖花的退化数、现存数、退化率均无显著影响 ,但使每穗 2次颖花的退化数和退化率显著提高 ;FACE处理使每穗颖花现存数显著减少主要是因为FACE处理使现存 1次枝梗上 2次枝梗大量退化引起 2次颖花退化所致 ;FACE处理使 1次颖花现存数占全穗的比率显著增加 ,使 2次颖花现存数占全穗的比率显著降低 . 相似文献
33.
十年水稻FACE研究的产量响应 总被引:8,自引:1,他引:7
联合国政府间气候变化专业委员会(IPCC)最新报告预测20世纪中叶全球大气二氧化碳(CO2)浓度将由目前的381 μmol mol-1至少上升到550 μmol mol-1,CO2浓度不断升高将对世界粮食生产和安全产生深刻影响.与封闭和半封闭气室相比,FACE(Free Air CO2 Enrichment,开放式空气中CO2浓度增高)技术平台,在完全开放的大田条件下运行,代表了人们对未来高CO2浓度环境的最好模拟.水稻是世界上最重要的粮食作物之一,在过去10a中(1998~2007年),全球有两个大型水稻FACE平台(直径12 m)在运行,一个在温带地区的日本岩手,另一个在亚热带地区的中国江苏.以FACE研究为重点,系统收集和整理了高CO2浓度对水稻产量影响的研究进展,比较了FACE与各种气室研究结果的异同点,评估了CO2与生物(品种、病虫和杂草)和非生物因子(肥料、水分、温度和臭氧)的互作效应,提出了未来大气CO2浓度升高情形下水稻生产的适应策略,并讨论了该领域有待深入研究的方向. 相似文献
34.
臭氧胁迫使两优培九倒伏风险增加——FACE研究 总被引:5,自引:0,他引:5
近地层臭氧(O3)浓度升高使作物生长发育受到抑制进而使产量下降,但O3胁迫条件下作物抗倒性状的变化及其可能原因均不清楚。FACE(Free Air gas Concentration Enrichment)试验在很少扰动的自然农田实施,其特有的空间优势为研究这一问题提供了最好的机会。依托全球唯一的稻田臭氧FACE技术平台,以杂交稻两优培九为供试材料,设置大气背景O3浓度和高O3浓度两个水平首次对这一问题进行了实验研究。结果表明:高O3浓度使水稻抽穗期单茎(去除叶鞘)倒5、倒4和倒3节间的平均倒伏指数分别增加25%、16%和14%,使抽穗后35 d对应节间倒伏指数分别增加13%、12%和2%,除抽穗后35 d倒3节间外均达显著或极显著水平;高浓度O3使水稻抽穗期和抽穗后35 d植株倒5、倒4和倒3节间的抗折力和弯曲力矩均下降,前者降幅明显大于后者;高O3浓度对抽穗期和抽穗后35 d倒5、倒4、倒3和倒2和倒1节间的长度和粗度影响较小,但使各节间单位长度鲜重和干重一致下降,以单位长度干重降幅更大;高O3浓度使结实期倒5、倒4、倒3、倒2和倒1节间可溶性糖和淀粉含有率均下降,抽穗后35 d降幅大于抽穗期。以上数据表明,未来高浓度臭氧环境条件下两优培九结实期的倒伏风险明显增加,这主要与基部节间抗折能力明显削弱有关,而后者可能又与节间充实程度下降有关。 相似文献
35.
FACE水稻干物质积累与分配模型 总被引:3,自引:1,他引:2
借助中国唯一的FACE技术平台,通过设置不同的N肥处理,研究了FACE条件下水稻干物质积累及分配动态的模拟模型.模型以生理发育时间为驱动因子,以CO2浓度函数为主要影响因子,同时引入N素影响因子调节干物质的积累与各器官分配指数.模拟结果表明,随着大气CO2浓度的增加,水稻地上部总干物重显著增加,叶干重分配指数下降,穗干重分配指数基本不变,茎干重分配指数前期增加,后期持平.通过不同年份试验数据对模型的验证,预测根均方差(RMSE)较小,且相关系数均达到了极显著水平.表明模型拟合程度高,具有较好的适应性和预测性. 相似文献
36.
FACE水稻茎蘖动态模型 总被引:4,自引:0,他引:4
借助农田开放式空气CO2浓度增高(FACE)技术平台,以武香粳14为供试水稻品种,设置不同施N量处理,研究大气CO2浓度为570 μmol·mol-1(比对照高200 μmol·mol-1)的FACE处理对水稻茎蘖动态的影响,并建立了相应的模拟模型:Tt=A1(1+ea1-b1t)-A2(1+ea2-b2t)+C×[B1(1+ea3-b3t)-B2(1+ea4-b4t)]+D.模型以时间为驱动因子,描述了水稻茎蘖数随移栽天数的动态变化过程,对常规及CO2浓度增加条件下水稻茎蘖的变化均有很好的拟合性.通过不同年份试验数据对模型的检验,预测根均方差(RMSE)最大为44.27个·m-2,最小为13.96个·m-2,且相关系数均达到了极显著水平.表明模型的预测程度较高,具有很好的适用性. 相似文献