【目的】探究基于有效积温的不同氮磷钾处理夏玉米株高和叶面积指数(LAI)的生长动态预测模型及其特征参数,以期为利用有效积温定量模拟夏玉米生长发育动态提供理论依据。【方法】在河北廊坊两年大田试验(2019—2020年)基础上,以郑单958为试验材料,分为氮、磷、钾3个单因素肥效试验,每个因素设4个水平,分别为不施肥、低肥、适量肥和高肥处理。采用Logistic模型拟合不同氮磷钾营养水平下夏玉米株高和叶面积指数基于有效积温的动态方程,并利用增长速率曲线及其特征参数定量分析了夏玉米生长发育特征。【结果】(1)在本试验条件下,与其他处理相比,适量施肥处理(N2、P2和K2)夏玉米株高最大值均为最大。过量施用钾肥对夏玉米最大株高有显著的抑制作用。适量施肥处理夏玉米株高进入平台期所需积温为952.43—958.83℃·d。适量施肥能有效增加夏玉米叶面积指数,养分过量或过少均影响叶面积的形成。适量施肥处理夏玉米叶面积指数进入平台期所需积温为849.18—952.43℃·d。(2)各施肥处理条件下以有效积温为自变量建立的夏玉米株高和叶面积指数方程的拟合度R 2分别为0.9949—0.9970和0.9840—0.9939,方程均达到极显著水平,具有生物学意义。基于有效积温的株高拟合方程得出的模拟值和实测值的相关系数(r)在0.9961—0.9983;基于有效积温的叶面积指数拟合方程的模拟值和实测值的r在0.9815—0.9981。(3)各施肥条件下,夏玉米株高和叶面积指数增长速率均表现为"单峰曲线",适量施肥处理条件下,增长速率曲线呈现上升快下降也快的特点,不施氮肥、不施磷肥和不施钾肥处理增长速率曲线呈现上升慢下降也慢的特点。(4)适量施肥处理条件下夏玉米株高进入快增期积温、进入缓增期积温和达到最大增长速率积温分别为394.17、776.63和585.40℃·d,均与N0、P0和K0处理差异显著,株高最大增长速率和快增期平均增长速率分别为0.4907和0.4302 cm·(℃·d)-1,均与N0、P0和K0处理差异不显著。(5)适量施肥处理条件下夏玉米叶面积指数进入快增期积温、进入缓增期积温和达到最大增长速率积温分别为609.69、855.08和732.38℃·d,叶面积指数最大增长速率和快增期平均增长速率分别为0.0135和0.0118℃·d。【结论】养分供应不足能够增加夏玉米株高和叶面积指数进入平台期所需有效积温。基于有效积温的Logistic模型能够很好地模拟和预测不同氮磷钾处理下夏玉米株高和叶面积指数的动态变化。适量施肥条件下方程的拟合度和稳定性优于养分过量或过少的拟合方程。不施肥处理相比适量施肥处理,夏玉米株高和LAI达到关键期所需积温(进入快增期所需积温、进入缓增期所需积温、最大增长速率所需积温)明显增加,关键期增长速率(最大增长速率、快增期平均增长速率)明显减小。本研究为有效积温定量模拟夏玉米生长发育动态提供了理论依据。

【目的】探究基于有效积温的不同供氮水平夏玉米干物质和氮素积累动态预测模型及其特征参数，以期为利用有效积温预测夏玉米干物质和氮素积累提供理论依据。【方法】在河北廊坊进行两年大田试验（2019—2020年），以郑单958为试验材料，利用归一化法，通过模型筛选拟合不同供氮水平夏玉米干物质和氮素积累基于播种后有效积温的归一化Gompertz模型，并利用增长速率曲线及其特征参数定量分析夏玉米干物质和氮素积累特征。【结果】（1）在本试验条件下，当磷钾肥适量时，随施氮量的增加夏玉米最大干物质和氮素积累量持续增加。（2）以有效积温为自变量建立的夏玉米干物质和氮素积累量的归一化Gompertz模型具有较好的生物学意义，方程的决定系数分别为0.9962—0.9988和0.9887—0.9922。利用第2年数据进行模型验证，模拟值和实测值的相关系数分别0.9933—0.9959和0.9830—0.9923，标准化的均方根误差分别为6.64%—16.86%和7.31%—12.68%，预测效果达到良好水平。（3）不同供氮水平夏玉米干物质和氮素积累的增长速率均表现为“单峰曲线”，其变化与供氮水平关系密切，在处理间表现为：适量施肥条件下，增长速率曲线呈现上升快下降也快的特点，减肥处理增长速率曲线呈现上升慢下降也慢的特点。（4）夏玉米播种后干物质和氮素积累快增期有效积温范围分别为709.35—1 722.54℃·d和482.50—1 507.61℃·d，氮素积累达最大速率所需有效积温为995.05℃·d，小于干物质积累达最大速率对积温的需求（1 215.94℃·d）。供氮水平明显影响夏玉米干物质和氮素积累进入快增期、缓增期、达到最大增长速率所需积温，同时还影响最大增长速率和快增期平均增长速率；与不施氮肥处理相比，适量氮肥处理夏玉米进入各关键期所需有效积温明显减少，关键期增长速率明显增加。【结论】归一化Gompertz模型不仅能够很好地模拟和预测不同供氮水平夏玉米干物质和氮素积累随有效积温的动态变化，还明确了有效积温与干物质和氮素积累的定量化关系。基于有效积温的Gompertz模型可以用来预测作物长势和最佳施肥时期，具有较强的应用价值。

【目的】在当前气候变化和夏玉米品种更替的背景下,如何调整品种和播种期以适应当地有效积温的变化对夏玉米的生产具有重要的意义。本研究通过分析不同熟期夏玉米品种产量形成对播期的响应,以期为当地适宜播期和品种的选择提供理论依据。【方法】2017—2019年,共选用3个中早熟夏玉米品种登海518(DH518)、京农科728(JNK728)、登海618(DH618),3个中晚熟品种郑单958(ZD958)、登海605(DH605)、先玉335(XY335)作为试验材料,并设置6月5日(E)、6月15日(N)、6月25日(L)3个播期,探讨播期对不同熟期夏玉米授粉结实和产量形成等的影响。【结果】播期推迟至6月25日,各品种千粒重增加,单位面积穗数、穗粒数显著降低,产量下降。与6月25日播种中晚熟品种相比,6月5日播种,产量和有效积温生产效率分别增加28.81%和16.24%;与6月25日播种中早熟品种相比,6月15日播种,产量和有效积温生产效率分别增加18.92%和14.66%。随播期推迟,不同品种全生育期有效积温降低1.21%—10.62%,中晚熟品种的降幅大于中早熟品种;中早熟品种总结实率降低6.25%—19.94%,中晚熟品种总结实率降低8.11%—27.32%,中晚熟品种的降幅大于中早熟品种;不同品种空秆率增高1.42%—14.72%,与品种熟期无关;中早熟品种收获指数先升高后降低,变幅在15.91%—20.23%,中晚熟品种收获指数降幅在2.36%—27.69%。不同品种产量与有效积温呈正相关,且吐丝期—成熟期有效积温与产量的关系更密切;有效积温、收获指数、总结实率、全生育期天数4个因素中,中早熟品种的产量与收获指数、总结实率的关系更密切,而中晚熟品种的产量与有效积温、收获指数的相关性更强;中早熟品种的有效积温与全生育期天数的相关性强于其与总结实率、收获指数和产量的相关性,而中晚熟品种的有效积温与产量的相关性强于其与收获指数、总结实率和全生育期天数的相关性。【结论】中早熟品种产量受有效积温限制较小,1 700℃·d左右的全生育期有效积温更有利于保证其较高的结实率和收获指数,进而获得高产;中晚熟品种产量受有效积温限制较大,1 800℃·d以上的有效积温更有利于其产量的增加。在当地气候条件下,6月5日左右播种中晚熟品种、6月15日左右播种中早熟品种,有利于获得较高产量且提高有效积温生产效率。

以机载ＬｉＤＡＲ离散点云数据为数据源，基于植被冠层孔隙率与叶面积指数的关系，提出一种反演大田玉米叶面积指数的方法。对反演ＬＡｉ和实测ＬＡｉ进行对比分析，结果表明：基于ＡｘｅＬｓｓｏｎ改进的不规则三角格网加密方法可以将地面点和非地面点分开，结合高分辨率影像能够提取出玉米冠层点云；基于孔隙率反演ＬＡｉ，尼尔逊参数的选择对结果影响很大，利用扫描天顶角模拟尼尔逊参数，ＬＡｉ反演结果接近于真实情况。利用机载ＬｉＤＡＲ点云数据能精确地反演大田玉米ＬＡｉ，该研究方法适用于中等高度的农作物，可以扩展到甜菜、甘蔗等其他中等高度农作物。

利用甘肃省西峰农业气象试验站1994—2008年玉米试验观测资料,对玉米的LAI变化规律,温度、光合有效辐射对LAI的影响,LAI对50 cm土层土壤贮水量、生物量及产量因子的影响进行了分析。结果表明,三叶期—乳熟期LAI随着出苗后的天数呈S曲线变化。缓慢增长期出现在8～28 d;快速增长期出现在28～74 d;缓慢下降期出现在74～103 d。叶片含水率以0.9%/10 d的速度线性下降。各试验年份间,降水差异较大,变异系数为31%～92%;其次为≥10℃有效积温;光合有效辐射比较稳定。从播种到乳熟期,各年份的气象要素值趋于平均值。LAI与≥10℃有效积温及光合有效辐射呈幂函数变化,有效积温...

【目的】探究我国玉米增密过程中地上部群体结构和功能变化,为合理密植提供理论依据。【方法】本文共收集了82篇公开发表的学术论文,获得1 338组产量-密度数据,其中包括1 200组最大叶面积指数(LAImax)-密度数据,475组穗位叶最大净光合速率(Pnmax)-密度数据。根据播种日期将总样本划分为春玉米和夏玉米2组,综合运用边界线分析和方程拟合等多种方法,对玉米产量、种植密度、光合速率三者之间的关系进行了分析。【结果】(1)我国玉米获得最高产量(11.5 t·hm~(-2))时,种植密度为10.0×10~4 plants/hm~2。获得最高产量时,春玉米和夏玉米种植密度相近,但春玉米产量较夏玉米高13.0%。(2)当密度达到11.0×10~4 plants/hm~2时,LAImax达到平台值,将不再随密度增加而增大。在LAImax达到6.4时,可获得最高产量。春玉米LAImax的平台值较夏玉米高17.6%。用对数函数分析穗位叶Pnmax-密度,穗位叶Pnmax-LAImax的变化关系时,发现密度和LAImax增大均导致Pnmax下降,在夏玉米表现尤为显著。(3)分析不同年代品种数据发现,随年代变化产量逐步提高,LAImax和穗位叶Pnmax不断增大。【结论】增加种植密度是提高玉米产量的重要途径之一。随密度进一步增加,玉米叶片光合特性等发生改变,限制了产量的进一步提高。本研究定量综合分析了玉米产量、种植密度、最大叶面积指数、穗位叶光合速率之间的关系,对构建玉米密植高产高效生产系统具有重要意义。

【目的】验证无人机机载高光谱传感器S185,并基于其获得的影像探讨无人机高光谱遥感反演叶面积指数的新方法。【方法】以东北玉米为研究对象,在吉林省公主岭市开展了玉米氮肥梯度试验,共设5处理,每个处理3次重复。分别在玉米的V5—V6,V11,R1—R2等生育期(Ritchie生育期)进行无人机飞行试验和地面光谱及叶面积指数测定,共获得数据45组。为验证S185影像数据,在相同尺度下提取S185影像信息与地面光谱信息,一方面从测定同一目标地物两者光谱反射率间的相关性进行分析,另一方面筛选15种常用的各类光谱指数,从整个生育期通过影像数据计算的各光谱指值与地面光谱仪计算的相应值变化趋势的一致性进行分析;将45组样品随机选择30组,基于人工神经网络算法利用S185数据建立反演叶面积指数的模型,剩下15组样品作为外部验证样品,用来验证神经网络模型的预测效果。另外,基于相同的分组数据,利用前面筛选的各光谱指数分别建立叶面积指数的反演模型,以与人工神经网络建模结果进行比较。【结果】在各个生育时期,同种目标地物S185测定数据与地面光谱仪测定数据间具有很强的相关性,相关系数在0.99以上;在玉米整个生育期,S185数据计算的各光谱指数与地面光谱仪计算的各光谱指数变化趋势相同,相关系数在0.88以上;在构建基于人工神经网络法反演叶面积指数的模型中,建模时的决定系数为0.96,均方根误差为0.42,相对均方根误差为13.15%;外部验证时的决定系数为0.95,均方根误差为0.54,相对均方根误差为16.74%,这一结果优于基于各光谱指数建立的叶面积指数反演模型。【结论】无人机搭载S185传感器可用于准确获取玉米冠层高光谱信息,且可利用人工神经网络法基于这一数据建立玉米叶面积指数的反演模型。

云南为低纬度高海拔地区,玉米是云南主要的旱粮作物。据报道,滇中玉米最高产量可达15 t/hm~2以上。为充分利用该地区的光、温条件,挖掘玉米高产的潜力,1992年作者在云南省祥云县沙龙乡芮家村(海拔2003 m)进行试验,研究了不同种植密度玉米抽雄至成熟期群体和单株叶面积、叶绿素和光子通量密度(PFD)分布等影响群体光能利用的因素,旨在为该地区合理密植提供科学依据。

【目的】使用离散型激光雷达数据反演叶面积指数(LAI)的过程中,数据预处理的关键步骤为激光雷达滤波。穿透指数(LPI)作为反演过程中的重要变量,需要根据点云的类型计算,从而直接受到滤波精度的影响。因此,滤波算法的精度能间接影响到反演LAI的精度。虽然滤波算法不断改进,滤波精度逐渐提高,应用在越来越多的场景,但关于不同滤波算法对反演LAI精度影响的探讨较少。【方法】本文通过对机载LiDAR滤波算法历史、发展和现状的调研,最终选择混合滤波算法(Hybrid)、自适应不规则三角网滤波算法(ATIN)、形态学滤波算法(Morph)和基于坡度滤波算法(Slope)为研究对象;分别使用这4种算法,得到点云中的地面点;根据Beer-Lambert定律,反演帽儿山国家森林公园落叶松林和榆树林的LAI;以经过评估的精度更高的Hybrid算法为标准,计算另外3种算法的滤波精度和LPI偏差;对比分析LAI反演模型的平均精度;最后,通过分析不同误差来源的影响强度,确定了反演LAI时较好的滤波算法。【结果】在最佳的采样半径下,经过Hybrid、ATIN、Morph和Slope滤波算法处理,LAI反演模型的平均精度,在落叶松林,R2分别为:0.900 3、0.876 3、0.892 5、0.877 0;RMSE分别为:0.105 6、0.134 5、0.109 7、0.133 2;在榆树林,R~2分别为:0.914 4、0.903 0、0.887 2、0.900 0;RMSE分别为:0.269 0、0.201 7、0.189 4、0.207 0。在落叶松林,I类误差较大的Morph算法,能保证较高的模型精度;而Ⅱ类误差较大的Slope和ATIN算法对应的反演模型精度较低。【结论】经不同滤波算法处理得到的LAI反演模型精度存在差异,经混合滤波算法处理其对应的LAI反演模型精度更高,形态学滤波算法的滤波精度较低,对应的反演模型精度较高;滤波算法导致的Ⅰ、Ⅱ类误差中,Ⅱ类误差对LAI反演模型的影响更大。

在干旱地区自然降水条件下,对4个大面积推广的玉米杂交种进行不同干旱处理,测定其叶面积及干物质积累与分配的变化。结果表明,拔节到灌浆初期是干旱影响玉米叶片生长及叶片功能发挥的重要时期;干旱影响玉米大喇叭口期至乳熟期的干物质积累,使玉米最大干物质积累时期推迟到开花期至乳熟期;苞叶和茎鞘中的干物质向籽粒的转运率较高,茎鞘中积累的干物质对玉米籽粒的贡献率最高。干旱条件下,玉米在大喇叭口期至乳熟期具有较大的叶面积、较强的光合能力和较长的光合功能期,对乳熟期获取较大的生物产量和提高籽粒产量都有很大的作用,玉米的耐旱性相应增强。

为了实现玉米幼苗叶面积的快速、无损、实时、高效检测,设计并搭建了基于机器视觉的玉米幼苗叶面积检测装置。该检测装置由框架、光源装置、顶升旋转系统、图像采集及分析系统、检测装置控制系统等部分组成,通过各部分协作完成玉米幼苗顶视图像与侧视图像的实时采集及分析处理,计算玉米幼苗的叶面积。以玉米幼苗为试验对象对装置性能进行测试,试验结果显示:在装置满载情况下,当相机在X方向和Y方向的移动速度分别为830、32 mm/s时,顶视图模式和侧视图模式下检测装置的平均运行时间分别为190、355 s,检测总耗时为545 s,单株玉米幼苗的平均用时为34 s,相机的平均定位准确率分别为92%和90%,相机定位精度较高;玉米幼苗顶视图、主视图和左视图叶面积与实际叶面积的Pearson相关系数分别为0.901、0.767和0.786,装置检测的玉米幼苗叶面积与实际叶面积相关性强,装置可以满足批量检测玉米幼苗叶面积的需要。

【目的】叶面积密度(leaf area density,LAD)反映作物在垂直方向上体积内叶面积总量的差异,体现作物冠层内叶面积随着高度变化的分布状况。本文旨在探索玉米叶面积密度对于倒伏胁迫强度的表征能力及其光谱响应规律。【方法】以抽雄期倒伏夏玉米为研究对象,获取倒伏后玉米多期LAD及冠层光谱数据,对倒伏玉米冠层光谱进行一阶微分和小波变换处理,根据LAD与冠层光谱一阶微分及小波分解系数的相关性分析,筛选LAD敏感波段和最佳小波分解尺度,采用偏最小二乘法构建倒伏玉米LAD光谱诊断模型,并利用实测样本验证模型精度。【结果】玉米LAD随着倒伏胁迫程度的增强而增大,LAD可有效表征玉米倒伏胁迫强度及其自身恢复能力;玉米倒伏后冠层结构发生较大变化,倒伏玉米冠层光谱反射率较正常玉米整体增高,近红外波段的增幅相比可见光波段更高,倒伏强度越强则光谱反射率越高;LAD敏感波段主要分布在蓝光波段354—442、472—495 nm和红光波段649—829 nm以及近红外波段903—1 195 nm和1 564—1 581 nm;同一阶微分处理相比,基于连续小波变换的玉米倒伏LAD诊断模型的验证R~2提高6.08%—9.11%,RMSE降低23.08%—31.63%;小波分解尺度对LAD诊断精度有一定的影响,中低尺度模型精度优于高尺度模型,其中第5尺度构建的模型对LAD的拟合效果最优(R~2=0.898,RMSE=1.016)。【结论】利用连续小波变换技术对玉米冠层高光谱解析,可有效诊断倒伏胁迫下的玉米叶面积密度,可以为玉米倒伏胁迫灾情遥感监测提供必要的先验知识。

森林叶面积指数是陆地表面过程和地球系统气候模型的基本参数,更是森林结构的关键参数之一,已广泛应用于辐射、植物光合作用和降雨截流估测等方面。论文以川西南山地阔叶林5种不同群落类型为研究对象,基于地面调查的112个20 m×20 m样地和SPOT 5数据,运用5种图像处理技术,包括光谱反射率、植被指数、影像单波段纹理、简单波段比纹理和主成分纹理,提取相应影像信息,建立多元回归模型估算有效叶面积指数(LAIe)。结果表明:光谱反射率、单波段纹理参数和植被指数对LAIe估测能力相对较低,利用植被指数仅获得实测LAIe约65%的精度(R~2=0.65,RMSE=0.28 m~2/m~2);更为有效的是运用所有比值处理的纹理特征参数值来估测LAIe,可获得实测LAIe约74%的变异(R~2=0.74,RMSE=0.20 m~2/m~2);改进最理想的是利用主成分处理建立的回归模型(R~2=0.85,RMSE=0.10 m~2/m~2)。不同群落的LAIe估测,整体上相应地优于研究区结果,其中栲群落决定系数R~2更是高达0.89(RMSE=0.07 m~2/m~2)。对于研究区阔叶林以窗口7×7、9×9比较成功,而各群落以窗口9×9较好。因此比值处理、主成分处理的纹理特征参数引入及高空间分辨率数据的使用,能显著提高LAIe估测精度。

森林叶面积指数是陆地表面过程和地球系统气候模型的基本参数,更是森林结构的关键参数之一,已广泛应用于辐射、植物光合作用和降雨截流估测等方面。论文以川西南山地阔叶林5种不同群落类型为研究对象,基于地面调查的112个20 m×20 m样地和SPOT 5数据,运用5种图像处理技术,包括光谱反射率、植被指数、影像单波段纹理、简单波段比纹理和主成分纹理,提取相应影像信息,建立多元回归模型估算有效叶面积指数(LAIe)。结果表明:光谱反射率、单波段纹理参数和植被指数对LAIe估测能力相对较低,利用植被指数仅获得实测LA

以红壤丘陵典型区千烟洲及其周边为研究区,利用陆地卫星TM图像数据和同期野外实测的37个针叶林样地有效叶面积指数数据,分析了遥感植被指数与湿地松、杉木林、马尾松和针叶林总体之间的相关关系,进而分别建立了遥感植被指数与不同林型针叶林有效叶面积指数间的线性与非线性回归模型.研究表明,遥感植被指数与不同林型针叶林有效叶面积指数存在较好的相关性,但不同林型之间的相关系数存在一定差异;所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高.