关中地区小麦冠层光谱与氮素的定量关系

【目的】分析不同生育期及整个生育期小麦叶片氮含量(LNC)与冠层光谱反射特征的关系,以实现对田间小麦活体氮素营养状况的监测,为小麦叶片氮素状况的精确诊断提供依据。【方法】以位于陕西关中地区杨凌揉谷镇、扶风马席村和巨良农场的3个小麦试验田为研究对象,测定不同长势及生育期小麦LNC及冠层光谱反射率,分析不同长势下小麦LNC和反射率的变化,并研究氮含量与冠层光谱反射率的相关性,以及小麦LNC与比值植被指数(RVI)、归一化植被指数(NDVI)的相关性,建立小麦LNC的敏感波段及光谱监测模型。【结果】在同一生育期,长势差的小麦叶片氮含量较低,长势较好的叶片氮含量高。与单波段相比,组合波段构成的植被指数RVI、NDVI与LNC的相关性明显提高,近红外波段(730~1 075nm)和红波段630,660,690nm组成组合波段的RVI、NDVI与LNC呈极显著正相关,其中LNC与RVI的相关性较高。利用独立的小麦田间试验数据,采用通用的均方根差(RMSE)、决定系数(R2)、准确度(斜率)3个指标对所建立的模型进行检验,最终选取RVI(970,690)为监测小麦LNC的最佳光谱参数,构建的最佳模型为LNC=0.176 3×RVI(970,690)0.775 6,R2为0.863,RMSE为0.137,准确度为0.979,接近于1。【结论】利用小麦冠层光谱反射率构建了预测小麦LNC的最佳模型,该模型具有较好的准确度和普适性,适用于整个生育期小麦叶片氮含量的监测。     

水稻多生育期实测光谱与SPDA值的响应分析

本研究旨在探索和研究水稻叶片不同生育期叶绿素相对含量（SPAD）与实测水稻叶片光谱的变化规律和响应特征。通过采集研究区水稻发育关键期叶片光谱及叶绿素相对含量，研究探讨了随着生育期的推进，水稻叶片光谱特征变化以及与SPAD变化响应关系，分析比对了SPAD与四个生育期水稻DVI、RVI、EVI2等植被指数敏感波段。结果表明，随着生育期推进SPAD值逐渐减少，可见光范围光谱反射率呈一致的逐步增加趋势；孕穗期近红外波段对SPAD反映敏感，抽穗期、灌浆期和成熟期可见光波段对SPAD敏感；四种植被指数与SPAD值相关性，DVI与孕穗期、成熟期，RVI对抽穗期，EVI2对灌浆期的SPAD值更敏感。     

甘蔗叶片光谱特征分析及氮含量估算初探

设置了5个施肥水平田间试验,获取甘蔗分蘖期叶片的全氮含量和光谱反射率,分析氮含量与光谱反射率的相关性,并构建基于敏感波段的氮含量估算模型。结果显示,甘蔗叶片氮含量与光谱反射率在401~1 000 nm波段区间呈显著负相关关系,在402~953 nm波段区间呈极显著负相关关系,相关系数在550、741 nm出现了两个峰值,说明这两个波段附近的光谱反射率对叶片氮含量较为敏感;R550、R741构建的模型决定系数(R~2)较大,NDVI(550,741)、RVI(550,741)、NDVI(730,835)、RVI(730,835)构建的模型决定系数较小,R550、R741相比NDVI(550,741)、RVI(550,741)、NDVI(730,835)、RVI(730,835)更适用于甘蔗叶片氮含量估算;由R741构建的二次函数模型(y=-119.1x~2+61.53x+3.851)决定系数为0.681,氮含量估算值均方根差(RMSE)为1.13 g/kg,平均相对误差为8.92%,相比于其他模型综合效果较好。推荐由R741构建的二次函数模型作为甘蔗分蘖期叶片氮含量估算模型。     

不同氮营养水平与夏玉米光谱特性关系初报

【目的】揭示关中地区夏玉米叶面光谱特性与施氮量间的相关性,探索不同施氮水平下夏玉米叶片含氮量与叶绿素等生化指标及其光谱反射率特征。【方法】在田间设置不同施氮水平(纯氮施用量分为0,120和240kg/hm2)的试验小区,分别于喇叭期、抽穗期、吐丝期和乳熟期,采用FieldSpec光谱仪于室内标准光源下测定夏玉米叶片的光谱反射率,采用H2SO4-H2O2消煮,连续流动注射分析仪测定叶片氮含量,采用叶绿素仪测定穗位叶片的叶绿素含量,并对所得数据进行相关性分析。【结果】夏玉米叶片含氮量与叶绿素含量之间呈显著相关性,作物施氮水平对叶片的叶绿素含量及含氮量有直接影响;不同施氮水平下夏玉米叶面的反射波谱曲线趋势大致相同,均明显在绿波段(550 nm左右)有1个反射峰,在近红外波段(760~1 070 nm)有1个较高的反射率平台,在近红外波段(760~1 070 nm)处的反射率随氮肥用量的增加而提高,在可见光波段(400~760 nm)处的反射率则正好相反;在可见光波段,不同生长期玉米的叶面光谱反射率表现为乳熟期>抽雄期>喇叭口期>吐丝期,而在近红外波段其光谱反射率表现为乳熟期>喇叭口期>抽雄期>吐丝期;在可见光(400~760 nm)波段处,夏玉米不同生育期叶片的反射率与叶片含氮量及叶绿素含量呈负相关,而在近红外(760~1070 nm)波段处,除抽雄期外,其余生育期叶片的反射率与叶片含氮量及叶绿素含量均呈正相关,且相关性较为显著;高光谱遥感监测显示,关中地区夏玉米氮素营养水平的敏感时期分别是喇叭口期、吐丝期及乳熟期,敏感波段为可见光波段的500~720 nm和近红外区的760~1 070 nm。【结论】夏玉米的氮营养水平与叶面光谱反射率存在显著的相关性,利用高光谱遥感数据监测关中地区夏玉米的营养状况是可行的。     

一种新的估算水稻上部叶片蛋白氮含量的植被指数

 【目的】阐明水稻顶部4张叶片蛋白氮含量和反射光谱特征的变化规律及其相互关系,建立快速、准确诊断水稻功能叶片蛋白氮含量的方法。【方法】通过3年不同施氮水平和不同品种类型的大田试验,分生育期同步测定顶部4张叶片的光谱反射率及蛋白氮含量,系统分析叶片蛋白氮含量与多种高光谱参数的定量关系。【结果】水稻叶片蛋白氮含量和光谱反射率在不同施氮水平、不同生育期及不同叶位间均存在明显差异,叶片蛋白氮含量的敏感波段主要存在于可见光绿光区530～580 nm及红边区域695～715 nm,其中红边区域表现最为显著。红边区域700 nm附近波段与近红外短波段的比值组合(SRs)可以有效地估算水稻上部功能叶片的蛋白氮含量,其次是绿光区587 nm左右的波段与近红外短波段的比值组合。基于新提出的SR（770,700）及已报道的GM-2、SR705、RI-half光谱指数,线性回归模型的拟合精度（R2）分别达到 0.874,0.873,0.871和0.867。经独立资料的检验表明,这些回归模型可以实时监测叶片蛋白氮含量变化,预测精度R2分别为0.810、0.806、0.804和0.800,相对误差RE 分别为12.1%、12.4%、12.6%和12.9%。【结论】可以利用关键特征光谱指数来诊断水稻上部叶片的蛋白氮含量状况,尤以SR（770,700）、GM-2、SR705和RI-half表现为较强的估测能力。     

小麦叶层氮含量估测的最佳高光谱参数研究

 【目的】作物体内氮素状况是评价长势和预测产量的重要指标。小麦植株氮素营养的快速监测和无损诊断对于精确氮素管理具有重要作用。本文旨在通过对高光谱信息的精细分析和信息提取,探索建立小麦叶片氮含量（LNC,leaf nitrogen content）估算的最佳波段、光谱参数及监测模型。【方法】利用连续4年的系统观测资料,采用精细采样法,详细分析350～2 500 nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段组合而成的主要高光谱指数与小麦冠层叶片氮含量的定量关系。【结果】发现小麦叶片氮含量的最佳波段为位于红边的690、691、700和711 nm以及近红外波段的1 350 nm;基于归一化光谱指数NDSI（R1350,R700）和NDSI（FD700,FD690）、比值光谱指数RSI（R700,R1350）和RSI（FD691,FD711）、土壤调节光谱指数SASI（R1350,R700）（L=0.09）和SASI（FD700,FD690）（L=-0.01）构建氮含量监测模型,决定系数（R2）分别为0.851和0.857、0.842和0.893、0.860和0.866。利用独立试验资料对模型检验的结果显示,模型测试的精度（R2）均大于0.758,RRMSE均小于0.266,尤其是高光谱参数RSI（FD691,FD711）和SASI（FD700,FD690）表现最好。【结论】总体上,利用精细采样法确定最佳波段,构建植被指数和氮含量监测模型,可显著提高模型的精确度和可靠性,从而为快速无损诊断小麦叶层的氮素状况提供新的波段选择和技术途径。     

基于近地高光谱遥感的小麦叶片生长参数动态模型研究

【目的】探讨利用遥感技术实时监测小麦叶片生长动态变化。【方法】以生产中大面积推广应用的小麦品种周麦27为试验材料，在2个试验地点布置水氮耦合处理试验，依据相关回归分析筛选出对叶片氮含量（LNC）和叶面积指数（LAI）反应敏感的高光谱植被指数，进而确立了不同产量层次的植被指数生育进程动态模型。【结果】LNC和LAI与近红外短波段735～1 075 nm呈显著正相关关系，而与可见光波段350～730 nm呈显著负相关关系。对LNC敏感的植被指数主要有AIVI、RES和mND924,而对LAI敏感的植被指数主要有ONLI、CI_green和MSR（800,670）,以上2类植被指数和籽粒产量间关系均密切，表现较好的时期主要为拔节期至灌浆中期阶段。采用双LOGISTIC模拟模型方法，优选的方程能够较好地模拟植被指数的生育进程动态轨迹，模型精度（R²）随着产量水平的逐渐提高而增加，低产水平的精度相对较差（0.627～0.703）,而高产及以上水平的R²较高（0.868～0.972）。【结论】高光谱植被指数AIVI和CI_gr...     

棉花冠层叶片叶绿素含量与高光谱参数的相关性

【目的】研究棉花冠层叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型。【方法】2014年,以鲁棉研28号为研究对象,测定不同施氮水平和生育期棉花冠层叶片叶绿素含量及350~2 500nm光谱反射率,以棉花冠层高光谱反射率与冠层叶片叶绿素含量为数据源,在分析叶绿素含量与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元逐步回归的方法构建了叶绿素含量估算模型,并对从中筛选的6种棉花冠层叶片叶绿素含量估算模型进行精度对比。【结果】1)棉花冠层叶片叶绿素含量在反射光谱766nm处相关系数达到最大值,相关系数r=0.836;对于一阶导数光谱,叶绿素含量的敏感波段发生在753nm处,r=0.878;2)以9种光谱提取变量与8种植被指数为自变量,建立叶绿素含量的估算模型,筛选出的特征变量为红边面积(SDr)、绿峰与红谷的归一化值((Rg-Rr)/(Rg+Rr))、绿峰幅值(Rg),仅采用8种常用植被指数建立估算模型,筛选出的变量为比值植被指数(RVI);3)所建立的6种模型中以基于一阶导数光谱反射率建立的多元逐步回归估算模型精度最高,均方根误差(RMSE)为1.075,相对误差(RE)为2.22%,相关系数(r)为0.952。【结论】采用原始光谱、一阶导数光谱、光谱提取变量及植被指数均可对棉花叶绿素含量进行监测,其中基于一阶导数光谱的多元逐步回归模型对叶绿素含量的估算效果最优。     

基于不同土壤质地的小麦叶片氮含量高光谱 差异及监测模型构建

【目的】叶片氮素状况是小麦生产中精确施氮管理与调控的前提,实时无损监测叶片氮素状况对小麦生产管理具有重要意义。本文旨在综合分析不同环境下小麦冠层光谱响应差异,进而构建其估测模型,为小麦氮肥合理运筹提供技术支持。【方法】本研究基于3种不同土壤质地（砂土、壤土和黏土）、5种不同施氮水平（0、120、225、330和435 kg•hm-2）及3种河南省主栽小麦品种（矮抗58、周麦22和郑麦366）连续2年的大田试验,于小麦主要生育时期同步测定冠层光谱反射率和叶片氮含量,对3种不同土壤质地条件下小麦冠层叶片氮含量的高光谱响应差异进行比较,系统分析350—1 050 nm 波段范围内任意两波段组合而成的差值（DSI）、比值（RSI）及归一化差值（NDSI）光谱指数与叶片氮含量的量化关系,并建立估算模型。【结果】冠层光谱反射率在不同施氮水平和不同生育时期下存在明显差异,但趋势基本一致;比较3种土壤质地小麦冠层光谱反射率大小表现为：黏土＞壤土＞砂土,可以反映小麦实时田间长势。通过系统分析3种土壤质地小麦冠层反射光谱与对应叶片氮含量间的定量关系,表明在可见光和近红外区域均有较好的相关性,但敏感波段区域有所不同。对3种质地获取的样本进行系统分析表明,砂土、壤土和黏土质地小麦叶片氮含量分别以光谱指数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）建模结果表现最好,决定系数分别达到0.88、0.87和0.87。经不同年份独立资料检验结果显示,基于上述光谱指数估测小麦叶片氮含量的预测决定系数分别为0.87、0.85和0.77,预测均方根误差分别为0.31、0.32和0.26。【结论】利用光谱参数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）为自变量建立的估测模型分别可以较好地预测砂土、壤土和黏土3种质地小麦叶片氮含量。     

烤烟叶片镉含量高光谱预测模型的构建

为快速准确地获取烟草叶片镉含量,本研究模拟了4个镉污染水平,用美国ASD光谱仪获取每个污染水平的烟草叶片光谱反射率,并测定不同时期烟草叶片的镉含量,筛选出与镉含量相关性最好的敏感波段,并建立光谱参数,将光谱参数作为输入因子建立烟草叶片镉含量的BP神经网络模型。结果表明：随着镉含量增加,在可见光和近红外范围（400~910 nm）内反射率先降低后增加,在930~1 000 nm波段范围内,叶片反射率与烟叶中镉含量呈正相关,在1 000~2 500 nm波段范围内反射率先增加后降低。经筛选,比值植被指数（RVI）和归一化植被指数（NDVI）的光谱指数分别为RVI （520,710）和NDVI （530,710）; BP神经网络模型的决定系数（R²）为0.681,均方根误差（RMSE）为8.001,并对模型进行检验,R²为0.801,RMSE为4.430。研究表明,BP神经网络模型对烟草叶片镉含量具有良好的预测效果。     

外源硝态氮对水培鸢尾叶片抗氧化酶活性的影响

以鸢尾为试验材料,采用营养液水培控制溶氧浓度的方法,研究了短期低氧胁迫下外源硝态氮对鸢尾体内的几个逆境指标的影响。NO^-₃浓度共设4个水平:0、7.5、15.0 mmol·L^-1和22.5 mmol·L^-1,以1/2×Hoagland营养液正常低氧处理（NO^-₃浓度7.5 mmol·L^-1）为对照。结果表明:各处理SOD、POD、CAT酶活性均呈现先升高后降低的趋势。与对照相比,营养液加氮处理的SOD、POD、CAT酶活性升高,膜质过氧化程度减轻;氮浓度越大,酶活性升高幅度越大,而营养液缺氮处理的酶活性降低,膜质过氧化程度加重;营养液缺氮处理鸢尾体内的H₂O₂和MDA含量升高,而营养液加氮处理可降低O^·-₂的产生及MDA含量,且NO^-₃离子浓度高时效果更好,说明适当提高营养液中的氮素水平可以缓解低氧胁迫对鸢尾的伤害。     

氮肥运筹对烤烟产质量的影响

通过大田试验,研究了追氮量和追氮时期对烤烟农艺性状、上下部烟叶化学成分及评吸质量和经济性状的影响.结果表明：移栽后20 d追施30%氮素,烟株高,有效叶数多,上、下部叶各化学成分较协调、评吸质量好,上中等烟比例达87.5%,产量198.80 kg/667m^2,产值1 681.80元/667m^2,与其它处理的差异达极显著水平.     

氮素形态对叶菜类NO_3~-、NO_2~-和Vc含量的影响

本文探讨了以NO_3~-、N0_3~-+NH_4~+(1:1)、NH_4~+作为氮源对叶菜类体内NO_3~-、NO_2~-和Vc含量的影响。试验表明:给叶菜类施肥,以硝态氮肥和铵态氮肥混合施用为好,只施硝态氮肥或铵态氮肥都有各自的弊端。     

水稻分蘖与主茎同伸叶片大小的定量关系及其对氮素的响应

为了建立基于同伸关系的水稻叶面积模拟模型,为虚拟植物的构建提供支撑,在盆栽条件下,以常规粳稻南粳44和杂交籼稻II优107为材料,设置不同施氮量处理并进行定株测量,分析了分蘖叶片叶长、叶宽与同伸主茎叶片叶长、叶宽的定量关系及其对氮素的响应。结果表明,同龄分蘖的同伸叶片具有相近的叶片大小,叶长宽比主要与叶片在分蘖上的叶位有关,而与分蘖的位置关系不密切;分蘖叶片与主茎同伸叶片的叶长宽比随叶片在分蘖上的叶位的提高而增大,约在叶位达到7时,叶长宽比达到1,这一关系可以用分段函数来描述,氮肥和品种对这一关系没有明显影响。     

氮素营养水平对棉花衰老的影响及其生理机制

 【目的】探讨在大田条件下,土壤氮素含量水平对棉花生长过程中叶片生理生化指标、干物质积累量、组织含水量、叶面积载荷量的影响,为调控棉花早衰和提高棉花产量提供依据。【方法】设置3个氮素水平（纯N：低氮 0 kg?hm-2;中氮189.50 kg?hm-2;高氮395.0 kg?hm-2）处理,研究棉花衰老过程中主茎功能叶的生理生化指标变化,植株的干物质积累量、组织含水量及载荷量特征。【结果】盛铃末期为处理间生理生化指标产生差异的起始时期。与中氮、高氮相比,从盛铃末期开始,低氮处理棉花的叶绿素含量、蛋白质含量、SOD和POD活性降低,组织含水量和干物质积累量快速下降,而MDA含量、叶面积载荷量快速升高,加速了棉株衰老的进程。增加氮素营养能够明显提高叶片的生理活性,提高组织含水量和干物质积累量,延缓衰老。【结论】在本试验条件下,盛铃末期是棉花叶片生理功能从旺盛生理功能到衰退的转折时期。土壤氮素含量与棉花衰老密切相关,低氮处理加速降低叶片的生理活性,造成早衰;中氮和高氮水平能够延缓棉花衰老现象。     

留叶数和施氮量互作对烟叶安全性及经济性状的影响

为提高烟叶安全性及其直接经济效益,以农业降焦为前提,进行了施氮量、留叶数两因素试验,结果表明:烟叶焦油量随留叶数的增加而减少,随施氮量的增加有增长趋势。     

新疆香料烟叶片发育及其影响因素研究

新疆香料烟上部叶和中部叶叶片边缘生长结束时的叶长度分别为3cm,3～4cm,此时海绵组织胞间隙相互贯通,快速扩张,扩张速度与烟株水分供应状况有密切关系,控制水分供应可有效控制香料烟叶片的大小.与其它产区相比,新疆香料烟叶片明显较厚.其氮肥用量45 0kg·hm-2,灌水次数3～4次比较适宜.     

Nitrogen nutrition diagnosis for cotton under mulched drip irrigation using unmanned aerial vehicle multispectral images

Remote sensing has been increasingly used for precision nitrogen management to assess the plant nitrogen status in a spatial and real-time manner. The nitrogen nutrition index (NNI) can quantitatively describe the nitrogen status of crops. Nevertheless, the NNI diagnosis for cotton with unmanned aerial vehicle (UAV) multispectral images has not been evaluated yet. This study aimed to evaluate the performance of three machine learning models, i.e., support vector machine (SVM), back propagation neural network (BPNN), and extreme gradient boosting (XGB) for predicting canopy nitrogen weight and NNI of cotton over the whole growing season from UAV images. The results indicated that the models performed better when the top 15 vegetation indices were used as input variables based on their correlation ranking with nitrogen weight and NNI. The XGB model performed the best among the three models in predicting nitrogen weight. The prediction accuracy of nitrogen weight at the upper half-leaf level (R²=0.89, RMSE=0.68 g m^–2, RE=14.62% for calibration and R²=0.83, RMSE=1.08 g m^–2, RE=19.71% for validation) was much better than that at the all-leaf level (R²=0.73, RMSE=2.20 g m^–2, RE=26.70% for calibration and R²=0.70, RMSE=2.48 g m^–2, RE=31.49% for validation) and at the plant level (R²=0.66, RMSE=4.46 g m^–2, RE=30.96% for calibration and R²=0.63, RMSE=3.69 g m^–2, RE=24.81% for validation). Similarly, the XGB model (R²=0.65, RMSE=0.09, RE=8.59% for calibration and R²=0.63, RMSE=0.09, RE=8.87% for validation) also outperformed the SVM model (R²=0.62, RMSE=0.10, RE=7.92% for calibration and R²=0.60, RMSE=0.09, RE=8.03% for validation) and BPNN model (R²=0.64, RMSE=0.09, RE=9.24% for calibration and R²=0.62, RMSE=0.09, RE=8.38% for validation) in predicting NNI. The NNI predictive map generated from the optimal XGB model can intuitively diagnose the spatial distribution and dynamics of nitrogen nutrition in cotton fields, which can help farmers implement precise cotton nitrogen management in a timely and accurate manner.     

Effects of nitrogen nutrition on the spectral reflectance characteristics of rice leaf and canopy

遥感技术使大面积监测植物长势及估测化学组成有了可能,高分辩力地物光谱仪应用于简单、快速、非破坏性地估测植物冠层化学组成的前景正引起越来越多的关注．本文通过田间试验及室内分析研究了氮肥水平对水稻叶片及冠层反射光谱特性的影响,氮素营养对从可见光至近红外较大范围水稻反射光谱特性有较大影响,随着氮素营养水平的提高,叶片及冠层可见光波段的光谱反射率下降,而近红外波段则增加,经两样本ｔ检验统计分析,在５４０,６８０ｎｍ和７４０～１０７０ｎｍ波段处对氮素营养水平最为敏感,而且各氮营养水平之间的反射率呈显著或极显著的差异．水稻叶片氮含量与冠层和叶片光谱变量呈极显著或显著的相关性,这表明利用光谱测试简单、快速、非破坏性地估测水稻氮素营养水平是可行的．     

氮钾肥对叶菜硝酸盐含量和VC含量的影响

采用随机区组试验设计,研究了氮钾肥不同混合配比施用对3种叶菜硝酸盐含量和Vc含量的影响。结果表明,增施氮肥提高3种叶菜硝酸盐含量,增施钾肥对大白菜和芹菜硝酸盐含量的影响不大,对甘蓝则为低钾（K1）使硝酸盐含量提高4.4%,高钾则降低硝酸盐33.3%-41.1%。氮钾肥对3种叶菜营养品质的效应因叶菜种类各异。3种叶菜的VC含量以大白菜最高,芹菜最低;可溶性糖含量和氨基酸含量均以甘蓝最高,芹菜最低。