为研究水稻植株氮素指标与GreenSeeker植被指数的定量关系,通过设置不同年份、不同氮肥水平的田间试验,于移栽后定期使用GreenSeeker获取冠层归一化差值植被指数(NDVI)和比值植被指数(RVI),并同步破坏性取样获取植株生物量和氮含量,分析不同品种和不同氮营养条件下氮素和植被指数(NDVI和RVI)变化规律,建立基于NDVI和RVI的氮素监测模型。结果表明,植株氮含量可以基于NDVI和RVI分时期进行估算,植株氮积累量可以被分阶段反演。利用GreenSeeker可以实现水稻氮素快速无损监测,为水稻氮肥精确管理提供技术支持。

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数(nitrogen nutrition index,NNI)的估算模型。【方法】2018—2019年开展2个水稻品种(徽两优898和Y两优900)及5个氮肥梯度(施氮量为0、75、150、225和300 kg·hm~(-2),分别记为N_0、N_1、N_2、N_3、N_4)的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR(R_(900),R_(540))可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶(L_3)预测精度最好(R~2=0.731,RMSE=0.130,RE=11.6%),顶2叶(L_2)次之(R~2=0.707,RMSE=0.136,RE=12.2%),顶1叶(L_1)最差(R~2=0.443,RMSE=0.187,RE=14.7%);顶2叶和顶3叶组合平均光谱(L_(23))的预测精度优于单叶水平和其他叶位组合(R~2=0.740,RMSE=0.128,RE=11.5%)。再将窄波段比值指数SR(R_(900),R_(540))近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_((900±50)),AR_((540±10))]模型精度较SR(R_(900),R_(540))未明显降低,且在L_(23)水平下2个模型的模型精度和预测精度基本一致(R~2=0.740,RMSE=0.128,RE=11.5%)。水稻NNI小于1时与产量呈线性的正相关关系(P<0.05),大于1时产量趋于平稳。【结论】L_2和L_3叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L_(23)可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数(SR(R_(900),R_(540))和SR[AR_((900±50)),AR_((540±10))])可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。

为提高棉花叶片各生育时期氮素估测模型的准确性和普适性,以2019年不同施氮水平(0,75,150,300kg·hm~(-2))的棉花叶片为研究对象,利用高光谱成像仪获取棉花叶片苗期、蕾期、初花期、盛花期和结铃期光谱反射特征,对原始光谱进行卷积平滑(SG)处理,并在此基础上进行多元散射校正(SG-MSC)、标准正交变换和去趋势算法联合应用(SG-SNV-Detrending)、区域归一化(Area-normalize)、倒数二阶微分(1/SG)"和对数二阶微分[lg(SG)]"5种预处理,基于连续投影算法(successive projections algorithm,SPA)选取原始光谱和不同预处理的氮素特征波段,构建偏最小二乘回归(partial least squares regression,PLSR)和主成分回归(principal components regression,PCR)氮素估测模型,并对模型进行年际间的精度检验。结果表明:基于SPA筛选的氮素含量特征波段减少共线性和冗余信息,原始光谱反射特征经不同预处理,相关性均得到提高,5种预处理以(1/SG)"变换最优,最大相关系数出现在1114nm处,为0.522;基于PLSR和PCR构建的氮素特征波段估测模型精度均高于全波段估测模型,且PLSR方法对棉花叶片氮素含量的估算精度优于PCR方法。棉花不同生育时期光谱氮素估测精度存在差异,盛花期的(1/SG)"光谱变换的精度最高,R_p~2为0.967,RMSE_p为1.222,RPD为4.590,全生育期为SG-MSC光谱变换估算精度最高,R_p~2为0.895,RMSE_p为2.148,RPD为4.344。利用2020年棉花样本数据验证模型精度,其中盛花期的模型精度和稳定性最好,R~2高达0.783,RMSE为0.035,苗期的模型精度最低,R~2仅为0.541,RMSE为0.057。因此,对地物原始光谱反射率进行数据变换和提取特征波段是提高棉花叶片氮素含量估测模型精度的有效方式。

【目的】作物氮素营养状况是表征玉米冠层绿色程度和健康状态的关键指标，为比较玉米氮素营养估测模型中单一光谱指数模型与融合纹理信息模型精度的差异，探究基于无人机多光谱与纹理信息融合的玉米氮素营养估测模型的精准性与可靠性。【方法】采用Matrice 300 RTK多旋翼飞行器搭载MS600 Pro多光谱传感器，获取2年间6个氮素水平下玉米抽雄-吐丝期的多光谱影像数据，提取植被指数和纹理特征信息，综合分析植被指数、单纹理特征、组合纹理指数及植被指数和纹理指数融合的相关性，优选信息量最大的植被指数、归一化差值纹理指数（NDTI）及其组合信息，利用多元逐步回归（MSR）、随机森林（RF）、支持向量机（SVM）和灰狼优化的卷积神经网络（GWO-CNN）对比估测玉米叶片氮含量（LNC）、植株氮含量（PNC）、叶片氮积累（LNA）和植株氮积累（PNA）4个氮素营养参数。【结果】（1）不同氮素处理下玉米原始光谱反射率之间存在差异，红波段R（660 nm）、蓝波段B（450 nm）和近红外波段NIR（840 nm）波段差异较为显著。（2）基于无人机多光谱影像提取的植被指数（EVI、GARI、REOSAVI、SIPI和MCARI）、单纹理特征(var₄₅₀、var₆₆₀、mean₈₄₀、dis₇₂₀和hom₈₄₀)和组合纹理指数NDTI均可用于VT-R1阶段玉米LNC、PNC、LNA及PNA估测，其中基于植被指数的GWO-CNN模型对LNC、PNC、LNA和PNA的估测效果优于单纹理特征和纹理指数模型，R²分别为0.831、0.761、0.826和0.770。（3）融合植被指数和纹理指数的GWO-CNN模型对LNC、PNC、LNA和PNA估测精度明显高于植被指数和纹理指数，R²分别为0.921、0.901、0.917和0.892，较单一光谱信息最优估测模型精度R ²分别提高了9.77%、15.54%、9.92%和13.68%。【结论】融合多光谱的植被指数和纹理指数能够有效提高玉米氮素营养估测精度，较好地评估玉米氮素分布情况，为田块尺度下基于无人机平台的玉米氮肥精准管理提供新思路。

介绍野外估测森林土壤N有效性的常用方法,包括埋袋法、PVC顶盖埋管法、离子交换树脂袋法、树脂芯法、15N同位素法和生态系统N收支估算法。同时指出,传统的以土壤N矿化为N循环核心的理论受到挑战,新的理论体系中,把解聚合、植物-微生物竞争、微环境的作用作为N有效性估测的关键,为此,以上研究方法均存在局限性,N有效性的研究方法还有待进一步改进。

研究了不同氮肥水平下多时相水稻冠层光谱反射特征及其与叶片含氮量等参数的关系。结果表明 ,水稻冠层光谱反射率与叶片氮积累量 (单位土地面积上叶片的氮素总量 )显著相关 ,尤其是近红外与绿光波段的比值(R810 /R560 )与叶片氮积累量 (LNA)呈显著线性关系 ,不受氮肥水平和生育时期的影响 ,回归方程为LNA =0 .85 9R810 /R560 - 1.15 96。利用不同粳稻品种、播期、密度、水分和氮肥处理的数据对方程进行了较充分的检验 ,表明模拟值与实测值之间符合度较高 ,估算精度为 91.2 2 %,估计的RMSE为 1.0 9,平均相对误差为 0 .0 2 6。

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R’751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。

水稻是中国主要的粮食作物 ,氮是作物吸收利用的大量元素之一 ,水稻对氮的吸收利用效率成为人们关注的焦点。从水稻根的特性分析可知 ,在大田条件下水稻不仅吸收NH+ 4 ,而且吸收相当数量的NO-3 。对在不同氮素营养条件下水稻的生长、氮的吸收动力学、离子吸收、氮同化酶活性和内源激素的研究进行综述 ,探讨了在不同氮营养条件下不同基因型水稻的生理过程 ;并从水稻根际的硝化作用 ,不同NH+ 4 /NO-3 对水稻的生理机制 ,不同氮素形态对旱作水稻水分利用的效率等方面对今后水稻氮营养的研究方向提出了建议。

本文对16个省(区、市)25个县(市、区)4686个农户采用旱耕水整、旱育秧、干湿交替灌溉及全程节水等水稻节水技术情况的调查和分析表明:农户人均收入、种稻规模、所在区域等特征因素以及年降雨量、灌溉费等自然因素和经济因素,明显影响稻农采用节水技术;灌溉费与年降雨量存在显著的交互影响;灌溉收费机制对稻农采用节水技术有显著影响。因此,构建与用水量挂钩的收费机制,可有效促进稻农采用节水技术。

【目的】探讨不同氮素调控方式下黄华占的氮素吸收与利用特征,对于黄华占的氮素养分管理具有重要意义。【方法】采用田间试验方法,设置常规施氮(180 kg/hm~2)和减量施氮(135 kg/hm~2)2个水平以及不同的基、蘖、穗肥比例,研究施氮量和施氮比例对植株含氮率、氮在植株体内的分布特征、生物量、氮素吸收量和氮素利用效率的影响。【结果】黄华占整个生育期间含氮率的大小顺序表现为分蘖期>拔节期>齐穗期>灌浆期>成熟期,与生育进程一致;与常规施氮相比,减量施氮水平下,基、蘖、穗肥比例为4∶1∶3时黄华占的产量最高(7541.11 kg/hm~2),较其它处理增产7.98%～15.88%且差异显著,总生物量、氮素吸收量、氮素农学效率、偏生产力和氮素吸收利用率均显著高于其它处理;常规施氮水平下,不同氮素调控处理的氮素利用率变化范围为31.63%～35.40%,而减量施氮水平下不同氮素调控处理的氮素利用率变化在36.68%～48.33%。【结论】在氮肥总量适当减少、确保获得适宜有效穗数的前提下,基、蘖、穗肥比例为4∶1∶3时,有利于改善黄华占生长中后期干物质积累和氮素吸收量,提高氮素利用率,为获得高产提供保障。

采用朱军提出的种子性状遗传模型 ,利用 3× 3NCⅡ正反交设计的亲本和部分组合F2 代种子计 15种基因型材料 ,分析了糙米率、垩白粒率、垩白面积和直链淀粉含量的种子效应与母体效应 ,预测了两类亲本的遗传效应大小。结果表明 ,糙米率、垩白粒率、垩白面积和直链淀粉含量均存在显著的母体效应与直接效应 ,垩白面积还存在显著的细胞质效应 ;优质亲本具有显著降低垩白粒率、垩白面积的直接加性效应与母体加性效应。

【目的】探讨在免耕和常耕条件下,还田稻草氮素释放特性和水稻氮素利用的差异。【方法】2006年和2007年晚稻,在田间将稻草还田,并在不同时期测定稻草中残留的氮素,同时进行桶栽试验,将15N标记稻草还田,成熟期测定水稻积累的总氮素和15N丰度。【结果】稻草中残留的氮素随还田时间延长而下降,但不同时间段下降的速度差异很大。还田后0～40d,稻草中残留的氮素下降约60%,还田后40～100d,稻草中残留的氮素下降约10%。两种耕作方式下还田稻草含氮率均呈升高趋势。无论是干稻草还是湿稻草还田,免耕条件下稻草氮素平均释放速率高于常耕。免耕方式下湿稻草的氮素释放速率较高,常耕方式下干稻草氮素释放速率较高。...

水稻籽粒粗蛋白和直链淀粉含量是评价稻米品质的两个主要指标。本文以不同温度胁迫下的水稻田间试验为基础,分析水稻成熟籽粒粗蛋白和直链淀粉含量与不同生育期冠层反射光谱的相关性。结果显示,水稻籽粒的粗蛋白和直链淀粉含量与不同生育期冠层原始光谱和一阶导数在某些波段达到极显著或显著相关水平。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒粗蛋白和直链淀粉含量的相关性,用回归分析方法对相关拟合较好的参数进行筛选,建立了水稻成熟籽粒粗蛋白含量(GCPC)和直链淀粉含量(GAC)监测模型,运用独立观测数据对模型进行检验,其预测值与实测值的精确度为0.393-0.683,准确度为...

【目的】粗蛋白质、粗淀粉和直链淀粉含量是水稻品质的3个重要指标。研究米粉中粗蛋白、粗淀粉和直链淀粉含量的光谱快速检测方法为水稻品质遥感监测提供依据。【方法】通过田间小区试验,获得了5个品种、3个供氮水平处理的米粉样品,提取样品的粗蛋白质、粗淀粉和直链淀粉,测定样品的粗蛋白质、粗淀粉和直链淀粉含量,同时测定相应的高光谱数据及粗蛋白质与粗淀粉混合样品的高光谱数据,分析它们的高光谱特征及其与样品粗蛋白质、粗淀粉和直链淀粉含量之间的相关性,建立相关估测模型。【结果】粗蛋白质和粗淀粉、直链淀粉的光谱有明显的差异,米粉粗蛋白质、粗淀粉和直链淀粉含量与其某些高光谱参量之间存在极显著相关,其中决定系数R2约0...

为比较不同氮素形态下水稻与早稻对水分胁迫的响应状况,采用营养液培养,通过供应不同形态氮素及PEG(6000)模拟水分胁迫的方法,对水稻、旱稻生长状况及相关指标进行了分析和评价。结果表明:(1)水分胁迫条件下,铵态氮营养水稻(或旱稻)叶片和地上部干重与正常水分条件下的相应处理相比无明显差异,而其余两种氮形态营养水稻与早稻的叶片和地上部干重明显低于正常水分条件下的相应处理;(2)铵态氮营养水稻(或旱稻) 在受到水分胁迫后,其吸水量的降低幅度明显小于硝态氮营养水稻(或旱稻);(3)水分胁迫条件下,硝态氮营养水稻和旱稻伤流液pH值低于正常水分条件下的相应处理,铵态氮和铵硝混合营养水稻和旱稻的伤流液pH...