春性和半冬性小麦植株氮素积累与运转特征差异

以江苏省6个半冬性和9个春性小麦品种为材料,研究两类型小麦品种在大田条件下的氮素积累、运转和分配差异.结果表明: 施氮量相同条件下,半冬性小麦群体植株平均氮素积累量在越冬始期-拔节期低于春性小麦群体,孕穗期-成熟期高于春性小麦群体;氮素阶段累积量在越冬始期-拔节期两类型群体间差异不显著,开花-成熟期半冬性群体显著高于春性群体.半冬性小麦平均总氮素转运量、花后积累量显著高于春性小麦;两种类型小麦总氮素转运率、积累氮贡献率、总转运氮贡献率差异均不显著.半冬性小麦营养器官中叶片氮素转运量、转运率、转运氮贡献率均低于春性小麦,茎鞘氮素转运量、转运率、转运氮贡献率则高于春性小麦,茎鞘氮素转运量差异达显著水平;同一类型内不同品种间植株氮素积累量、总氮素运转量、花后氮素积累量、总氮素转运率、总转运氮贡献率等均存在差异.生产中应根据不同品种吸收、利用、运转氮素能力的差异,合理运筹生育期氮肥用量和施用比例,提高氮肥利用率.     

稻麦叶片氮积累量与冠层反射光谱的定量关系

作物氮素积累动态是评价作物群体长势及估测产量和品质的重要指标,对于作物氮素的实时监测和精确管理具有重要意义。该文以5个小麦(Triticum aestivum)品种和3个水稻(Oryza sativa)品种在不同施氮水平下的3年田间试验为基础,综合研究了稻麦叶片氮积累量与冠层反射光谱的定量关系。结果表明,不同试验中拔节后叶片氮积累量均随施氮水平呈上升趋势;稻麦冠层光谱反射率在不同施氮水平下存在明显差异,可见光区(460~710 nm)反射率一般随施氮水平的增加逐渐降低,近红外波段(760~1 220 nm)反射率却随施氮水平的增加逐渐升高;就单波段而言,810和870 nm处的冠层光谱反射率均与稻麦叶片氮积累量具有相对较高的相关性;在光谱参数中,比值植被指数(Ratio vegetation index, RVI)(870,660)和RVI(810,660)均与稻麦叶片氮积累量具有高度的相关性,且相关系数明显高于单波段反射率,尤其是水稻作物;对于小麦和水稻,均可以利用统一的波段和光谱指数来监测其叶片氮积累量,并可以采用统一的回归方程来描述其叶片氮积累量随单波段反射率和反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮积累量估测的准确性。     

基于植株碳流的水稻籽粒淀粉积累模拟模型

通过解析水稻(Oryza sativa)植株碳素积累和转运的动态规律及其与环境因子和基因型之间的定量关系, 构建基于植株碳流动态的水稻籽粒淀粉积累模拟模型。水稻籽粒中的淀粉积累速率取决于库限制下的淀粉积累速率和源限制下的可获取碳源。库限制下的淀粉积累速率是潜在淀粉积累速率及温度、水分、氮素、淀粉合成能力等因子综合影响的结果; 源限制下的可获取碳源取决于花后光合器官生产的即时光合产物和营养器官向籽粒转运的储存光合产物。花后植株即时光合产物随花后生长度日呈对数递减。花后营养器官向籽粒转运的储存光合产物又分为叶片和茎中积累碳素的转运。利用不同栽培条件下的独立田间试验资料对籽粒淀粉积累的动态模型进行了检验, 结果显示籽粒淀粉积累量和含量的模拟值和观测值之间的根均方差均值分别为3.61%和4.51%, 决定系数分别为0.994和0.959, 表明该模型对不同栽培条件下的水稻单籽粒淀粉积累量和含量具有较好的预测性, 为水稻生产中籽粒淀粉指标的动态预测和管理调控提供了量化工具。     

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.     

稻麦叶片氮含量与冠层反射光谱的定量关系

作物氮素含量是评价作物长势、估测产量与品质的重要参考指标,叶片氮素含量的无损快速监测对于指导作物氮素营养的精确管理及生产力的预测预报具有重要意义.以5个小麦品种和3个水稻品种在不同施氮水平下的3a田间试验为基础,综合研究了稻麦叶片氮含量与冠层反射光谱的定量关系.结果显示：（1）不同试验中拔节后稻麦叶片氮含量均随施氮水平呈上升趋势;（2）稻麦冠层光谱反射率在不同施氮水平下存在明显差异,在可见光区（460～710 nm）的反射率一般随施氮水平的增加逐渐降低,而在近红外波段（760～1100 nm）却随施氮水平的增加逐渐升高;（3）就单波段光谱而言,610、660 nm和680 nm处的冠层反射率均与稻麦叶片氮含量具有较好的相关性;（4）在光谱指数中,归一化差值植被指数NDVI（1220,610）与水稻和小麦叶片氮含量均具有较好的相关性,且相关性好于单波段反射率;（5）对于小麦和水稻,可以利用共同的波段和光谱指数来监测其叶片氮含量,采用统一的回归方程来描述其叶片氮含量随单波段反射率和冠层反射光谱参数的变化模式,但若采用单独的回归系数则可以提高稻麦叶片氮含量估测的准确性.     

基于高光谱遥感的小麦叶片氮积累量

作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义.以多个小麦品种在不同施氮水平下的连续3a大田试验为基础,研究了小麦叶片氮积累量与冠层高光谱参数的定量关系.结果表明,冠层叶片氮积累量随着施氮水平的提高而增加,光谱反射率在不同叶片氮积累量水平下发生相应的变化.叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著.通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量间进行相关回归分析,SDr/SDb、FD742和AVHRR-GVI 3个参数与叶片氮积累量关系最密切,方程拟合决定系数R2分别为0.9163、0.9097和0.9142,估计标准误差SE分别为1.165、1.079和1.077.经不同年际独立数据的检验表明,利用光谱参数FD742建立的模型对叶片氮积累量的估测精度为0.8449,预测的RMSE为0.984;红边位置REPIG对叶片氮积累量的估测精度和预测的RMSE分别为0.8394和1.014,表明预测值与观察值之间符合精度高,比较而言,FD742为自变量建立的模型可以更好地评估不同条件下叶片氮素积累状况.     

水稻地上部干物质积累动态的定量模拟

选用4个不同株型水稻品种进行不同施氮水平的田间试验,于主要生育期测定植株地上部干物质积累量（DMA）,并对DMA及出苗至成熟期累积辐热积（TEP）进行归一化处理,建立了基于相对DMA（RDMA）和相对TEP（RTEP）的水稻相对干物质积累（RDMA）动态模型,进而定量分析了水稻干物质积累过程的动态特征.结果表明：Richards方程能够准确描述水稻地上部干物质积累的动态模式,具有明确的生物学意义,具体方程式为RDMA=1.0157/(1+e^{3,6329-7.5907×RTEP})^1/0.5574,r=0.9938;利用独立的水稻田间试验资料对所建模型进行了检验,水稻不同RTEP所对应的DMA观测值与模拟值之间的根均方差为0.86 t·hm^-2.根据水稻地上部干物质积累速率方程的2个拐点,可将整个干物质积累过程划分为前、中和后期3个阶段,发现水稻干物质最大积累速率及其出现时的相对辐热积和相对干物质积累量分别为2.24、0.56和0.46.     

氮素营养水平对冬小麦碳氮运转的影响

在大田试验条件下,研究了不同施氮水平对2种穗型冬小麦品种花后干物质和氮素积累与运转的影响及其与产量和品质的关系,以探讨氮素营养水平对冬小麦碳氮运转的影响.结果显示,适宜的施氮量（180 kg·hm^-2）能够极显著增加2种穗型冬小麦品种叶片、茎鞘等营养器官花前贮藏物质及花前贮藏氮素的再运转量和运转率以及总再运转量和运转率,也能够极显著增加成熟期籽粒氮素含量和花前贮藏氮素总运转量对籽粒氮素含量的贡献率.各施氮处理对2种穗型小麦品种花后氮素积累量对籽粒氮素含量贡献率的影响效应不明显.结果表明,适宜的施氮量有利于小麦籽粒和蛋白质产量的提高.     

施氮量对小麦氮磷钾养分吸收利用和产量的影响

高产条件下研究了不同施氮量对小麦植株氮、磷、钾养分吸收利用及籽粒产量的影响.结果表明,适量施氮可促进小麦植株对氮素的吸收与积累,较高的施氮量不利于起身期之后的氮素积累,致使成熟期小麦氮素积累量未能显著提高;与不施氮肥相比,施氮显著提高植株磷素积累量;随施氮量增加,植株磷素积累量增加不显著;施氮量增加促进小麦生育前期对钾素的吸收积累,在生育后期降低植株钾素的流失.随施氮量增加,籽粒氮素含量呈先增后降的趋势,氮素向籽粒的分配比例趋于降低,植株氮素利用效率无显著变化,氮素收获指数下降;不同施氮处理之间籽粒磷素含量和钾素含量无显著差异,施氮量增加,营养器官钾素含量、钾素积累量和钾素向叶片的分配比例均呈增加趋势;同时,磷素和钾素利用效率降低;不同施氮处理间,植株磷素、钾素收获指数无显著差异.籽粒产量随施氮量增加呈先增加后降低的趋势,以施氮195 kg/hm2的处理籽粒产量最高.     

水稻籽粒直链淀粉含量的生态模型研究

在中国、日本和泰国不同生态环境下进行了多品种籼稻和粳稻的种植试验,通过分析水稻籽粒直链淀粉含量与纬度、海拔、温度、太阳辐射等气候生态因子的相互关系,确立了影响水稻籽粒直链淀粉积累的主要气候因子函数,并使用权重系数进一步修订各个气候生态因子对籽粒直链淀粉的作用,构建出基于生态效应(综合气候因子函数)的水稻籽粒直链淀粉含量预测模型.利用不同年份、不同生态点和不同品种类型的试验资料对所建模型进行了检验,籼稻和粳稻籽粒直链淀粉含量的预测误差(RMSE)平均分别为0.4%和0.5%;籼稻和粳稻种植区的预测误差(RMSE)平均为0.39%和0.50%,表明模型具有较好的预测性和实用性.     

于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系

利用空间遥感信息大面积监测小麦冠层氮素营养状况和生产力指标具有重要意义和应用前景.本研究基于不同施氮水平下小麦冠层反射光谱信息,利用响应函数模拟基于不同卫星通道构建的光谱指数(包括单波段、比值光谱指数和归一化光谱指数),分析基于星载通道的光谱指数与小麦冠层叶片氮素营养指标的定量关系,确定监测小麦冠层叶片氮素营养的较好卫星传感器和光谱波段,建立小麦冠层氮素营养指标监测方程.结果表明：利用NDVI(MSS₇, MSS₅)、NDVI(RBV₃, RBV₂)、TM₄、CH₂、MODIS₁和MODIS₂遥感数据可以预估小麦叶片氮含量(LNC),其决定系数（R₂）在0.60以上;应用NDVI(PB₄, PB₂)、NDVI(CH₂, CH₁)、NDVI(MSS₇, MSS₅)、RVI(MSS₇, MSS₅)、MODIS₁和MODIS₂可以预测小麦叶片氮积累量(LNA),其R₂大于0.86.比较而言,NDVI(MSS₇, MSS₅)和NDVI(PB₄, PB₂)分别为预测小麦LNC和LNA的适宜星载通道光谱参数.     

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。     

喷灌对冬小麦植株氮素积累运转及籽粒蛋白质含量的影响

以百农矮抗58为试验材料,以地面灌溉为对照,采用大田试验的方法,研究了喷灌对冬小麦植株氮素积累运转及蛋白质含量的影响.结果表明： 拔节期喷灌条件下冬小麦植株氮素积累量与地面灌溉条件下相比没有显著差异;孕穗期至成熟期,喷灌条件下冬小麦植株氮素积累量显著高于地面灌溉条件.喷灌条件下叶片、茎鞘、颖壳开花前贮藏氮素的运转量和对籽粒氮素的贡献率均大于地面灌溉条件;而开花后同化氮素对籽粒的贡献率较地面灌溉条件降低.喷灌条件下冬小麦籽粒的蛋白质含量和蛋白质产量较地面灌溉条件显著提高.表明喷灌可明显调节冬小麦氮素物质运转和籽粒蛋白质积累.     

The genetic basis of spectral reflectance indices in drought-stressed wheat

Drought imposes a major constraint over the productivity of wheat, particularly in arid and semi-arid production zones. Here, the genetic basis of spectral reflectance indices was investigated in drought-stressed wheat by comparing, under two contrasting moisture regimes, the performance of an F₆ recombinant inbred line (RIL) population bred from a cross between the drought tolerant cultivar Pavon76 and the sensitive cultivar Yecora Rojo. The parents and RILs were genotyped with respect to both a set of microsatellite (SSR) loci and a number of known drought-responsive genes. In all, 28 quantitative trait loci (QTL) controlling dry weight per plant, water content of the above-ground biomass, leaf water potential, canopy temperature, and spectral reflectance indices traits were identified. The loci were distributed over 11 chromosomes, belonging to each of the three wheat sub-genomes. There were important location-flanking markers Barc109 and Barac4 on chromosome 5B relating to dry weight per plant accumulation under the limited irrigation regime. The same region-harbored QTL associated with leaf water potential, canopy temperature, and ratio index under the limited irrigation regime. Linkage between the known drought-responsive genes and aspects of the drought response was established. Some of QTL were of substantial enough effect for their linked markers to be likely usable for the marker-assisted breeding of drought tolerance in wheat.     

二氧化碳浓度增高对稻、麦品质影响研究进展

作物品质的形成是品种遗传特性和环境条件综合作用的结果.一般认为大气中CO₂浓度增高将对作物品质产生重要影响.本文分别从蛋白质与氮含量、微量元素以及其他品质性状等3个方面综述了国内外关于CO₂浓度增高对水稻、小麦品质影响的研究进展,强调了该领域研究的必要性和紧迫性,并提出了研究的重点内容及主要方向.主要包括：大气中CO₂浓度增高对水稻、小麦品质的直接影响及品种间的差异;大气中CO₂浓度增高及其与其它气候因子协同作用对水稻、小麦品质的综合影响及其指标量化;大气中CO₂浓度增高及气候变化对水稻、小麦品质形成过程的影响机理;适应CO₂浓度增高的水稻、小麦品质改良育种的方向与策略;适应CO₂浓度增高的水稻、小麦品质改良的综合生产技术体系和分子标记及转基因技术在水稻、小麦品质改良育种方面的应用.     

Nitrogen Use Efficiency of Rice Cultivars (Oryza sativa L.) Under Salt Stress and Low Nitrogen Conditions

Improving nitrogen use efficiency (NUE) under salt stress has become crucial for rice as it is increasingly facing two major environmental constraints: excessive nitrogen fertilization and soil salinization. However, the interaction between salinity and N levels is very complex and has not yet been considered from the perspective of reduced nitrogen input. We conducted a hydroponic experiment at the early tillering stage on the Yoshida solution to evaluate the impact of rising NaCl and decreasing N application on NUE of four rice cultivars cultivated under three NaCl (0, 56, and 113 mM) and four N (2.86, 1.43, 0.72, and 0.36 mM) concentrations. After 4 weeks, physiological NUE (pNUE), absorption NUE (aNUE), agronomical NUE (agNUE), N transport efficiency (NTE), and physiological traits were evaluated. Significant interactions between N and NaCl-applied concentrations were found in all measured parameters. In all cultivars, increasing the NaCl-applied concentration markedly decreased aNUE and agNUE. For each NaCl treatment, lowering the N applied sharply increased aNUE and agNUE, and this effect was stronger when the NaCl applied was higher. The effect of N lowering on pNUE depended on the NaCl treatment: it enhanced pNUE in the absence of NaCl but had no influence under the highest NaCl-applied concentration. Cultivars largely differed in response to NaCl. The aNUE—but not pNUE—differed between salt-tolerant and salt-sensitive cultivars: aNUE markedly decreased with NaCl concentration in the most salt-sensitive cultivar, whereas it was the highest at the intermediate NaCl concentration in the most salt-tolerant cultivar, especially under low N levels. This finding suggests that under salt conditions, the use of salt-tolerant rice genotypes combined with reducing N level application is necessary to improve NUE. The study of NUE in rice should be focused on the improvement of aNUE with a strong emphasis on the salt tolerance of cultivars.

     

水稻叶片全氮浓度与冠层反射光谱的定量关系

利用数学统计方法分析了不同施氮水平和不同水稻品种群体叶片全氮浓度（LNC）与冠层反射光谱的定量关系,建立了水稻群体叶片全氮浓度的光谱监测模型.结果表明：基于原始反射率构造的光谱参数与叶片全氮浓度的相关程度均高于原始反射率,近红外波段（760～1 220 nm）与可见光波段510、560、680及710 nm组成的比值植被指数、差值植被指数和归一化植被指数与群体叶片全氮浓度呈极显著正相关,其中与归一化植被指数（NDVI）的相关性最好;对拟合较好的6个两波段组合参数及4个特征光谱参数的预测标准误（SE）和决定系数（R²）进行比较后,选取参数NDVI (1220, 710)为反演群体叶片全氮浓度的最佳光谱参数,方程为LNC=3.2708 × NDVI (1220,710) + 0.8654.利用不同粳稻品种、水分和氮肥处理的试验数据对监测模型进行了检验,估计的根均方差（RMSE）均小于20%,预测值和实测值的拟合R²为0.674～0.862,拟合斜率为0.908～1.010,RMSE为11.315%～19.491%,表明模型预测值与实测值之间符合度较高,对不同栽培条件下的水稻群体叶片全氮浓度具有较好的预测性.     

Root phenotyping by root tip detection and classification through statistical learning

Background and aims

Variations in the water and soil background in the signal path can cause variations in canopy spectral reflectance, which leads to uncertainty in estimating the canopy nitrogen (N) status. The primary objective of this study was to explore the optimum vegetation indices that were highly correlated with canopy leaf N concentration (LNC) but less influenced by the canopy leaf area index (LAI) and vegetation coverage (VC) in rice.

Methods

A systematic analysis of the quantitative relationships between various hyperspectral vegetation indices and LNC, VC and LAI was conducted based on 4-year rice field experiments using different rice varieties, N rates and planting densities. New spectral indices were derived to estimate LNC in rice under variable vegetation coverage.

Results

Although the newly developed simple green ratio indices, SR (R₅₅₃, R₅₃₇) and SR (R₅₄₅, R₅₃₈), and the three-band index (R₆₀₅-R₅₂₁-R₆₈₂)/(R₆₀₅+R₅₂₁+R₆₈₂) correlated well with the LNC. Only SR (R₅₅₃, R₅₃₇) was less influenced by VC/LAI and showed a stable performance in both the independent calibration and validation datasets. For the published indices tested in the present study, NDVIg-b and ND (R₅₀₃, R₄₈₃) showed a good predictive ability for the LNC. However, both of these indices and other published indices were found to be significantly dominated by the VC/LAI.

Conclusion

SR (R₅₅₃, R₅₃₇) was the best index to reliably estimate the LNC in rice under various cultivation conditions, and is recommended for this use. However, other spectral indices need to be examined to determine if they influenced by factors such as VC/LAI. Such studies will improve the applicability of these indices to different types of rice cultivars and production systems.