植物氮素营养诊断的进展与展望

根据植物氮素营养诊断的发展脉络,总结了化学诊断和无损测试技术的主要内容,重点阐述了植株硝酸盐快速诊断、叶绿素仪和遥感技术在作物氮素营养诊断及氮肥推荐中的应用原理、优缺点以及发展现状,提出可将叶绿素仪和遥感技术结合使用、利用叶绿素荧光技术诊断植物氮素营养以及将植物氮素营养诊断技术应用于森林生态系统健康和生态系统服务功能的评估。     

基于光谱信息的作物氮素营养诊断研究进展

快速、准确地进行作物氮素营养诊断,有助于管理者及时、有效地采取相应的应对措施,既保障作物的高产量,又有效地管控、减少化肥施用量。由于作物氮素营养状况直接影响着作物的光谱信息,因此以作物光谱信息为依据进行作物氮素营养诊断极具潜力。对当前基于光谱信息进行作物氮素营养诊断的3种方法(便携式叶绿素仪法、高光谱遥感诊断法和数字图像分析诊断法)进行了综述,介绍了各个方法的原理、特点和研究进展,并对未来基于光谱信息的作物氮素营养诊断进行了展望。     

用于植物营养诊断的几种便携式光谱仪应用比较

利用便携式光谱仪进行植物营养诊断主要是针对氮素营养。这主要是因为氮素是植物施用量最大的营养元素,是影响作物叶片叶绿素含量和作物长势比较敏感的元素。同时,在作物生育期内,氮素是以追肥的形式对作物进行补充的。由此可见,对作物氮素进行诊断具有实际应用价值。尽管化学诊断相对更加准确,但分析操作繁琐,工作量大,田间破坏性大,测定结果滞后。实     

作物氮素诊断技术的研究综述

氮素是作物生长发育和产量品质形成所必需的营养元素.本文在简述研究背景和作物氮素营养监测与诊断技术需求的基础上,介绍了作物氮素营养监测技术的发展历程及发展趋势,综述了作物氮素营养诊断技术的国内外研究进展,指出快速、无损、准确地监测作物氮素状况,对于农业生产可持续发展和生态环境保护具有重要意义.     

叶绿素计SPAD-502在水稻氮素营养诊断中的应用

基于水稻氮素营养及氮肥诊断的意义 ,在比较了几种氮素营养诊断方法的利弊之后 ,重点阐述叶绿素计的工作原理和作为氮素营养诊断工具的优缺点以及研究进展。并对叶绿素计诊断水稻氮素营养可能的发展前景进行了阐述。     

光谱技术在作物生长与营养信息监测方面的研究进展

随着光谱技术的发展,植物光谱分析方法已成为监测作物生长与营养信息的重要手段。通过概述利用光谱技术监测作物叶面积指数(LAI)、生物量、含水量、叶绿素及氮素五项指标的研究进展,对光谱技术在作物生长与营养信息监测方面的研究进行了展望。     

植物氮素营养失调的表现

<正>几乎所有农资经销商和农户消费者都知道氮是植物生长的必需营养元素,并随着植物生长期不同而在作物体内更替转移位置,几乎所有作物对氮素营养都很敏感,氮营养对与生长发育、产品品质有着深刻的影响。尽管氮素是构成植物体内最基本物质蛋白质和叶绿素以及核酸、多种酶、多种维生素、植物激素、磷脂、生物碱等重要物质的基本成分。氮素供应过少会影响植物的养分供给。氮素营养过多,会导致过量的叶绿素、氨     

叶绿素计(SPAD-502)在水稻氮素营养诊断和推荐施肥中的应用、研究及展望

叶绿素计(SPAD-502)在追踪作物叶片氮素营养水平和确定适宜氮肥追施量所需的信息方面具有便捷、快速、无损叶片的优势。但是,作物的品种、生育时期、不同叶位、叶片的位点、厚度和生态环境等因素对SPAD值会产生较大影响,这给SPAD计的广泛应用提出了新的挑战。着重分析了水稻品种及上述影响因素对SPAD计在诊断水稻叶片氮含量中的影响,并提出了消除这些影响因素的方法。详细阐述了量化SPAD值与叶片氮含量和追肥方案的关系,以提高作物的氮素营养诊断和施肥的精度。重点分析其在水稻叶片氮素营养诊断中的优势及出现的瓶颈问题,并提出解决这些问题的思路,为SPAD计在水稻定量施氮和提高氮肥利用率方面的应用推广开辟更广阔的空间。     

中国三大粮食作物临界氮浓度稀释曲线研究进展

氮素是粮食作物产量形成的重要元素之一,快速准确诊断作物氮素营养状况是进行精确氮肥管理的前提,而氮素营养诊断指标是制约其发展的关键因素。临界氮浓度稀释曲线是作物临界氮浓度(作物获得最大干物质所需要的最小氮浓度)与作物植株干物质的幂函数关系,基于临界氮浓度稀释曲线获得的氮营养指数被广泛应用到作物氮素营养诊断中。随着研究的深入,研究者先后基于植株干物质、叶片干物质、叶面积指数等建立了临界氮浓度稀释曲线,提高了作物氮素营养诊断的效率和精度。本文综述了我国三大粮食作物(小麦、玉米、水稻)临界氮浓度稀释曲线的构建、影响曲线参数的因素以及氮营养指数的获取与应用,为临界氮浓度稀释曲线的研究与应用提供理论支撑。     

基于光谱角指数小麦冠层叶片特征差异估测研究

[目的]为利用高光谱技术实现作物氮素营养状况无损快速监测提供途径.[方法]通过不同品种小麦不同氮素水平试验,分析小麦不同氮素营养状况下,叶片叶绿素含量与叶面积指数、冠层光谱角的关系,定量分析光谱角指数,并建立相关模型对小麦氮素营养状况进行实时监测.[结果]冠层光谱角指数与差值叶绿素含量和差值叶面积指数的相关性最高为0.919 7,两者之间建立的模型决定系数为0.739 2,0.617 8,具有很好的拟合效果.[结论]利用光谱角可以监测小麦叶片叶绿素及叶面积差异,在此基础上进行小麦氮素营养监测是可行的.     

基于颜色特征的加工番茄叶片氮素评价初步研究

利用数码相机获取加工番茄地上部分彩色图像,通过图像处理软件提取RGB及其组合的颜色特征值,同时与氮素指标叶片叶绿素含量、SPAD值、叶片含氮量及单株吸氮量作回归分析,根据统计性检验,有相当数量的颜色特征与4个氮素指标呈较高的相关性,相关系数达到r=0.7以上.综合筛选出的颜色特征指标,结合地面覆盖度与氮素营养指标建立以叶片含氮量为应变量的估算模型.经模型校验,其预测值与实测值在n=15,P＜0.01水平上达r=0.8以上的极显著相关.因此,可依据颜色特征参数通过建立相应的统计模型进行加工番茄叶片氮素含量的评价,进而为加工番茄氮素营养诊断提供依据.     

叶绿素仪在东北春播玉米营养诊断施肥中的应用

[目的]研究叶绿素仪在东北春播玉米营养诊断施肥中的应用。[方法]测定了叶片SPAD值,叶片全氮、全磷和全钾,及玉米相对产量。[结果]玉米SPAD值与玉米叶片全氮含量、施氮肥数量、玉米产量之间存在极显著的线性相关性。[结论]通过测量玉米SPAD来分析玉米氮素营养、预测东北春播玉米产量具有可行性。     

甜菜叶片SPAD值和光和色素的相关性研究

为明确甜菜叶片SPAD值与光合色素含量的关系,以期为甜菜氮素营养诊断奠定提供理论基础。通过测定不同甜菜品种苗期叶片SPAD值、叶绿素a、叶绿素b、叶绿素总含量及类胡萝卜素含量,分析品种间SPAD 值、叶绿素含量的差异以及SPAD值分别与不同光合色素的相关性。结果表明：甜菜叶片叶绿素a含量>叶绿素b含量>类胡萝卜素含量,不同光合色素及SPAD值品种间存在差异。叶片SPAD值与光合色素呈正相关,其中总叶绿素含量与SPAD值的相关性最高,r=0.7766;叶绿素a、叶绿素b含量与 SPAD 值的相关性次之,而类胡萝卜素与SPAD值的相关性最低,r=0.5704。因此利用SPAD值来预测甜菜叶片叶绿素含量是可行的,为甜菜生产中快速无损地进行植株营养诊断提供了理论依据是可行的。     

水分胁迫对水稻生长的影响

[目的]研究水分胁迫对水稻生长的影响。[方法]以水稻品种丰优一号为供试材料,采用不同铵硝营养配比作营养液,聚乙二醇(PEG-6000)模拟水分胁迫的方式,研究水稻叶片叶绿素含量、氮含量及株高。[结果]无论铵硝营养配比如何,正常水分条件下水稻叶绿素含量及氮含量都较水分胁迫及解除水分胁迫状态下的高,而水稻株高在水分胁迫条件下比正常水分条件下要高。[结论]不同配比的铵硝营养下水分胁迫对水稻叶片叶绿素含量、氮含量及株高有一定的影响,且影响不同。该研究为应对缺水现状,发展节水型水稻提供了基础资料。     

应用数字图像技术进行马铃薯氮素营养诊断的研究

应用数码相机获取马铃薯冠层图像,分析不同供氮水平下马铃薯冠层图像数字化指标与土壤无机氮(Nmin)、植株氮素营养指标(叶柄硝酸盐浓度、叶绿素仪读数、植株全氮含量、叶片全氮含量)的关系。结果表明,马铃薯冠层图像绿光与蓝光比值G/B是最适宜作为马铃薯氮素营养诊断的数字化指标;建立了评价马铃薯氮素营养丰缺的冠层图像数字化指标G/B的量化标准和氮肥推荐量。     

红边参数LRPSA评价水稻氮素营养的可行性研究

本文提出上下叶位叶片红边一阶微分光谱反射峰变化趋势的描述参数LRPSA(leaf red edge peak slope angle)。利用小区试验测量的数据分析LRPSA与叶片光谱、叶绿素含量、SPAD值、叶片光谱红边斜率以及叶片含氮量之间的相关性，在此基础上分别建立估算氮素含量的回归模型。为了验证LRPSA估算叶片氮素含量效果，利用未知区域测量数据进行模型估算R^2和拟和R^2比较研究。研究结果表明LRPSA估算氮素含量的效果上位叶好于下位叶，并且在孕穗期、抽穗期、灌浆期内试验测得的数据估算氮素含量效果好于整个生育期的估算效果。另外如果以正常施肥田块水稻作为参照区，测量参照区参数LRPSA，再与未知区域进行对比分析，可以定性评价田间水稻施用氮肥的丰缺状况。     

应用叶绿素仪诊断大青菜氮素营养状况的研究

在设施条件下研究了叶绿素仪用于大青菜的氮素营养诊断的效果。结果表明,同一施氮水平下,大青菜不同生长期之间SPAD值差异较显著,其中施氮量为300 kg/hm2时,大青菜在生长发育过程中SPAD值变化最大。叶绿素仪测定值与施氮量、作物产量以及叶片硝态氮含量之间均有较好的相关性;通过比较分析,试验推荐最佳施肥量为450 kg/hm2。