基于冠层反射光谱的棉花干物质积累量估测

通过分析不同施氮水平下棉花地上部干物质积累量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)及差值植被指数(DVI)之间的关系,确立了棉花地上部干物质积累量的敏感波段及预测模型.结果表明:两个可见光波段(560和710 nm)和5个近红外波段(810、870、950、1 100和1 220 nm)组成的植被指数与棉花地上部干物质积累量的相关性较好,其中RVI(1 100, 560)的相关性最好.通过逐步回归分析确立的棉花地上部干物质积累量的预测模型为:地上部干物质积累量(g·m-2)=66.274×RVI(1 100, 560)-148.84.说明通过遥感手段估测棉花地上部干物质积累量是可行的.     

利用高光谱遥感预测小麦籽粒蛋白质产量

2003-2006年连续3年采用不同小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量.根据特征光谱参数-叶片氮素营养-籽粒蛋白质产量这一技术路径,以叶片氮素营养为连接点将模型链接,建立基于开花期高光谱参数的小麦籽粒蛋白质产量预报模型.结果表明:开花期叶片氮含量、氮积累量以及花后叶片氮转运量均能够较好地反映成熟期籽粒蛋白质产量状况;对叶片氮含量和氮积累量的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数,其中利用红边位置(REPle)和修正型ND705(mND705)可以较好表达叶片氮含量的动态变化,以红蓝边面积比(SDr/SDb)和742nm处一阶微分(FD742)为变量建立叶片氮积累量监测模型效果较好;经独立试验数据的检验表明,以参数REPle、SDr/SDb和FD742为变量建立成熟期籽粒蛋白质产量预报模型均给出理想的检验结果,模型测试精度R2分别为0.854、0.803和0.795,相对误差RE分别为16.4%、18.2%和14.9%;利用开花期关键特征光谱指数可以有效地评价小麦成熟期籽粒蛋白质产量状况.     

应用近红外光谱法估测小麦叶片糖氮比

糖氮比能够反映作物碳氮代谢的协调程度,及时、准确地监测糖氮比对于作物氮素营养诊断和调控具有重要意义.本研究以不同年份、品种、施氮水平的小麦大田试验为基础,获取鲜叶和粉末状干叶近红外(NIR)光谱及糖氮比信息,分别运用偏最小二乘法(partial least squares, PLS)、BP神经网络(back propagation neural network, BPNN)和小波神经网络(wavelet neural network, WNN)3种方法建立了小麦叶片糖氮比预测模型,并利用随机选择的样品集对所建模型进行测试和检验.结果表明： 小麦鲜叶光谱模型预测性能不佳;而干叶片预测模型表现了较好的准确性,在1655~2378 nm谱区范围内基于3种方法构建的干叶粉末糖氮比估算模型,其预测均方根误差均低于0.3%,决定系数均高于0.9.比较而言,WNN法表现最佳.总体显示,近红外光谱法可以准确预测小麦叶片糖氮比状况,为科学诊断糖氮比提供了理论基础和技术途径.     

水氮处理下不同品种水稻根系生长分布特征

为明确不同栽培条件下水稻(Oryza sativa)根系生长分布特征, 通过不同水氮处理和不同品种的水稻桶栽试验, 采用内置根架法, 于拔节期和抽穗期取样, 获取根系总干重(TRW)、不定根数(ARN)以及各类根(不定根、细分枝根和粗分枝根)的形态指标(长度、表面积和体积), 并分析植株根系生长状况和根系分布特征。结果显示: (1)各试验条件下抽穗期各项根系指标较拔节期均呈增长趋势。同一时期, 各项根系指标在3个施氮水平间均差异显著, 且随施氮量的增加而增加。不同水分处理下, 两个时期的ARN在湿润灌溉(W2)与保持水层(W1)之间差异均不显著, 而其他指标上W2处理均显著最高; 干旱处理 (W3)下, 仅拔节期的TRW和粗分枝形态指标与W1处理接近, 而在其他指标上均显著最低。不同品种间, ‘扬稻6号’ (V3)的各项根系指标均最高, 而‘日本晴’ (V1)和‘武香粳14’ (V2)间差异不显著。(2)各试验条件下, 抽穗期较拔节期根系下扎生长比例增加, 多分布于表层(0-5 cm)土中; 减少氮素和水分供应可提高根系在5 cm以下土层中的分布比例, 且分枝根反应最为明显; 品种V1和V2的深扎根性较V3明显。结果表明, 合理施氮与控水可优化水稻不同类型根的生长与分布特征, 但需考虑不同品种之间的差异。     

高光谱植被指数与水稻叶面积指数的定量关系

基于不同水稻品种、施氮水平和不同生育期下的大田试验,确立了水稻叶面积指数（LAI）与冠层光谱特征参数的定量关系.结果表明：水稻叶面积指数与部分高光谱植被指数存在良好的相关性,其中原始光谱组成的2波段差值指数（DI）形式相关性最好,其次为比值（RI）和归一化（NI）植被指数.相关最好的原始光谱植被指数是由近红外波段组成的差值指数DI(854,760),相关最好的一阶导数光谱植被指数是红光和近红外光组成的导数差值指数DI(D₆₇₆, D₇₇₈),但总体上导数光谱指数不如原始光谱指数与LAI关系密切.独立试验数据检验结果表明,以差值指数DI(854,760)为变量建立的水稻LAI监测模型具有较好的表现,可用于水稻LAI的估测.     

利用红边面积形状参数估测水稻叶层氮浓度

 研究红边面积参数与叶层氮素状况的定量关系, 有助于水稻(Oryza sativa)生长信息的实时无损获取及精确追氮管理。该研究基于多年不同施氮水平和不同水稻品种的冠层高光谱数据, 系统分析了水稻的红边区域光谱、面积形状特征及其与叶层氮浓度的定量关系。结果表明, 水稻冠层红边区域微分光谱随不同氮素水平变化出现“三峰”现象, 峰值分别出现在700、720和730 nm附近, 且3个波段的峰值高低发生交替变化; 同时, 以3个峰值波段为中心与x坐标轴组成的微分光谱面积和形状相应发生变化。发现基于两两峰值波段划分所得红边子面积所构成的比值(双峰对称度)、归一化差值(归一化对称度)参数与叶层氮浓度具有密切的定量关系, 可作为估测水稻叶层氮浓度的红边面积形状参数。经曲线拟合和模型检验的结果显示, 双峰对称度DPS(A675-700, A675-755), 即由675~700 nm区域面积与675~755 nm区域面积的比值, 和DPS(A730-755,A675-700)(由730~755 nm区域面积和675~700 nm区域面积的比值)对水稻叶层氮浓度的估测效果最好, 可用于不同水稻品种和生长条件下的叶层氮浓度估测。     

水稻上部叶片叶绿素含量的高光谱估算模型

叶片叶绿素 (Chl) 状况是评价植株光合效率和营养胁迫的重要指标,实时无损监测Chl状况对作物生长诊断及氮素管理具有重要意义.以不同生态点、不同年份、不同施氮水平、不同类型水稻品种的4个田间试验为基础,于主要生育期同步测定了水稻主茎顶部4张叶片的高光谱反射率及Chl含量,并计算了350～2500 nm范围内任意两波段组合而成的比值(SR[λ1,λ2])和归一化(ND[λ1,λ2])光谱指数以及已报道的对Chl敏感的光谱指数,进一步系统分析了叶片Chl含量与上述光谱指数之间的定量关系.结果表明,红边波段的比值和归一化光谱指数可以较好地预测水稻上部4叶的Chl含量(R~2>0.9),但对于不同Chl指标其最佳组合波段有所差异.估算叶绿素a (Chla)、叶绿素总量(Chla+b)和叶绿素b (Chlb)的最佳比值光谱指数分别为SR(724,709)、SR(728,709)和SR(749,745),方程拟合决定系数R~2分别是0.947、0.946、0.905;最佳归一化光谱指数分别为ND(780,709)、ND(780,712)和ND(749,745),R~2分别是0.944、0.943、0.905.引入445 nm波段反射率对上述光谱指数进行修正,可以降低叶片表面反射差异的影响,提高模型的应用范围.利用不同年份独立的试验资料对所建模型进行了检验,结果表明,修正型比值光谱指数 mSR(724,709)、mSR(728,709) 和 mSR(749,745),以及修正型归一化光谱指数mND(780,709)、mND(780,712) 和 mND(749,745) 预测 Chla、Chla+b 和 Chlb 的效果更好,其测试的RMSE分别为 0.169、0.192、0.052、0.159、0.176、0.052,RE分别为8.18%、7.74%、13.01%、8.26%、7.59%、12.96%,均较修正前降低,说明修正后的光谱指数普适性更好.     

不同水分条件下氮素供应对小麦植株氮代谢及籽粒蛋白质积累的影响

土壤水分逆境是限制小麦籽粒品质形成的重要生态因子,明确土壤水分逆境下小麦籽粒品质形成的生理机制及调优技术途径,对于深化小麦品质生理生态研究和指导小麦调优栽培具有重要的理论意义和应用前景。在防雨池栽条件下,设置渍水、干旱和对照3个水分处理,每个水分处理下再设置120和240 kg.hm-2两个施氮水平,研究了花后渍水和干旱逆境下氮素对两个籽粒蛋白质含量不同的小麦品种植株氮代谢和籽粒蛋白质积累的影响。结果表明,与正常水分处理相比,花后干旱和渍水均降低旗叶硝酸还原酶活性、叶片总氮含量和游离氨基酸含量。干旱处理提高了茎鞘总氮与游离氨基酸含量以及籽粒蛋白质含量,而渍水处理则使其降低。水分逆境下增施氮肥提高旗叶硝酸还原酶活性、叶片与茎鞘总氮和游离氨基酸含量以及籽粒游离氨基酸和蛋白质含量。花后干旱和渍水均显著降低了小麦籽粒产量和蛋白质产量。增施氮肥提高适宜水分和水分亏缺条件下小麦籽粒产量,但不利于渍水下小麦产量的提高。这说明,花后渍水和干旱逆境下施用氮肥对小麦植株氮代谢和籽粒蛋白质积累有明显的调节效应。     

还田秸秆分解与氮素释放的动态模拟

还田秸秆的分解与氮素释放动态是作物养分管理的重要依据。建立了秸秆分解氮素释放动态的“整吞”式动态模拟模型。模型由秸秆有机质分解和残余有机质含氮率动态模拟两部分组成,有机质分解的温度效应用指数函数描述,水分效应用分段线性函数描述,用“标准天”反映温度与水分的综合影响,残余有机质含氮率动态变化用“标准天”为变量的函数模拟,初始秸秆含氮量与残余秸秆含氮量之差即为秸秆分解的氮素净释放。“整吞”式较之“吃馅饼”式建模构思,所需参数少且易通过实验获得,增加了模型的可用性,利用在淮北滨海地区小麦的试验资料对模型的有效性进行了验证。     

氮形态对不同小麦基因型氮素吸收和光合作用的影响

利用水培试验,研究了3个小麦基因型对不同形态N素吸收和积累的差异.结果表明,在不同N浓度下,小麦对增铵营养和NH⁺的吸收速率显著高于NO₃^-营养,且在较高浓度下,增铵营养处理具有更强的吸收优势.与次敏感型莱州953和钝感型江东门相比,敏感型扬麦158不仅具有较强的NO₃^-和NH⁺吸收能力,而且具有最强的增铵营养吸收能力.增铵营养促进了扬麦158和莱州953对NO₃^-和NH⁺的吸收,但在一定程度上抑制了江东门对NO₃^-的吸收.与NO₃^-营养及NH⁺营养相比,增铵营养显著提高了扬麦158和莱州953的全株、地上部N积累量和叶片光合速率,而对江东门影响较小因此,增铵营养促进了植株的N吸收,提高了N积累和光合速率,从而促进了小麦生长