作物叶片表面农药残留的便携式检测仪器的设计与试验

针对现有的农药残留检测仪器只能检测水溶液体系中的农药残留和检测对象较为单一的问题,该研究以不同植物叶片啶虫脒农药残留为研究对象,探究了利用荧光强度检测叶片表面农药残留的可行性,设计了一款叶片表面农药残留的便携式检测仪器。首先,通过啶虫脒农药叶片表面喷洒试验,采集叶片的荧光光谱并进行特征分析,发现啶虫脒农药的最佳激发波长和最佳发射波长分别为355和500 nm,从而确定光源和光电信号接收源的特征波长分别为350和500 nm。然后,通过获取最佳光源照射角度以及光照距离,优化光路结构减少叶片表面杂散光的干扰。同时,设计相关检测电路(光源电路、信号调理电路、控制电路等)测出表征反射光强度的电压值,构建电压值与农药残留值之间的线性方程,设计便携式检测仪对农药残留进行检测。结果表明:1)荧光强度与农药浓度在1～5 mg/L的范围内成正比;2)确定了检测仪器最佳光照角度为45°,光源和待测叶片之间的最佳垂直距离为3.46 cm;3)方程决定系数达到了0.875,均方根误差为0.405 mg/L。该研究所设计的便携式荧光光谱仪能够快速、准确、无损检测叶片表面农药残留。     

便携式铅离子快速检测仪的研发

该研究以水环境中重金属铅离子(Pb2+)为研究对象,简化现有的Pb2+比色体系,基于比色法和光谱法,开发了一款用于Pb2+快速检测的便携式测定仪。该研究简化了繁琐复杂的前期处理,完成了比色试验。该测定仪主要分为光路模块与电路模块,光路模块将铅离子的浓度转化为光信号,电路模块实现了光信号的转换、放大、数据处理以及查看管理数据、上传数据等功能。检测仪完成后,对其进行了若干项系统性能分析,采取了低功耗、抗干扰以及重复性测试,以验证测量的精确度。试验结果表明:经比色反应的建模集中预测值与化学值的决定系数R2=0.934,检测线性范围0.01~0.2 mg/L,铅含量指标变异系数低于1.0%,测试结果表明该测定仪具有良好的准确度与重复性。     

镉污染水稻土中水稻氮素营养的SPAD诊断

治理和安全利用重金属污染水稻土过程中,氮素营养的快速诊断是制定合理施肥措施的基础。叶绿素测定仪SPAD已广泛应用于非污染耕地土壤中玉米、小麦和棉花等作物的氮素营养诊断,然而针对镉污染条件下的不同类型水稻土,SPAD在诊断水稻氮素营养的适应性方面仍然缺乏系统研究。本研究采集了我国水稻主产区的21种典型水稻土,以德农2000为供试水稻品种,设置无镉污染、轻度镉污染、重度镉污染处理的水稻盆栽试验,研究水稻叶片SPAD值对镉污染水稻土氮素供应诊断和水稻产量预测的能力。结果表明:水稻土类型影响了水稻叶片SPAD值对不同水平镉污染的响应,土壤p H是主控因子,其相对影响的平均值为20%。水稻叶片SPAD值与不同生育期水稻籽粒氮素含量显著正相关,其中拔节期的相关系数最大;同时水稻叶片SPAD值与水稻营养生长期(苗期至拔节期)土壤溶液总氮和铵态氮含量呈显著正相关,且不受镉污染程度和土壤类型的影响。总体上,不同生育期(尤其是拔节期)水稻叶片的SPAD值可以表征镉污染条件下不同类型水稻土氮素养分供应对水稻氮素营养的影响。     

植物叶面积无损测量方法及仪器开发

为了快速、无损、准确地测量植物叶面积,设计了一种利用多晶硅光电感应板与平板均匀发光光源照射系统构成的叶面积测量装置。通过试验,建立了植物叶片叶面积与光源光强、光源对叶片透射率、环境温度、光电感应板的光电感应电压值间的BP神经网络关系。结果表明：该仪器可测量不同形状、厚度、软硬程度、叶片大小的植物叶片面积,模型预测值与实际值决定系数R2为0.98,测量精度为94.8%,为叶片叶面积测量提供了一种新的测量方法和装置。     

遮荫对水稻冠层叶片SPAD值及光合、 形态特性参数的影响

SPAD（soil-plant analysis and development）计是一种快速、 方便、 非破坏性的诊断植物叶片相对叶绿素或氮含量的仪器,与传统的氮营养诊断方法相比,此仪器节省时间、 劳力和资源。本试验通过未遮荫和遮荫的方法观察水稻冠层叶片SPAD值、 叶绿素含量、 叶绿素荧光、 光合参数、 叶片厚度和比叶重（叶片干重除以叶片的面积）等生理形态指标的变化,建立SPAD值与光系统II（PSII）最大量子产量（Fv/Fm）之间的回归关系。结果表明,遮荫条件下,甬优9号(YY9)和丙9363(B9363)冠层叶片变薄、 SPAD值、 叶绿素a/b、 比叶重、 电子传递速率（ETR）降低,但快速光曲线的初始斜率无明显变化; 同时, 遮荫导致了叶片的呼吸速率、 最大净光合(Pmax)、 量子效率、 光补偿点和饱和点降低,表明水稻叶片为适应弱光环境, 降低光合能力、 减少呼吸消耗, 以增加对有限光能的利用。不同光照条件下,水稻冠层叶片SPAD值与PSII的Fv/Fm的回归方程呈指数式关系（YY9 R2=0.896; B9363 R2=0.833）, 表明SPAD计可以快速、 无损、 有效地评估水稻冠层叶片的光合作用进程,当SPAD值小于35时,其光合过程可能处于受损状态。     

基于叶片SPAD估算不同水氮处理下温室番茄氮营养指数

为了探讨临界氮稀释曲线模型在西北地区温室番茄不同水分处理下的适用性以及采用SPAD仪快速准确诊断氮营养状况,该研究以"丽娜"番茄为材料,2013-2015年在陕西省杨凌区温室内进行水分和氮素处理试验,水分处理设置4个水平,分别为全生育期充分灌水处理、仅苗期亏水50%、苗期开花期连续亏水50%和全生育期亏水50%;氮素处理设置3个水平,施氮量分别为0、150和300 kg/hm2,通过2013-2015年试验数据对临界氮浓度稀释曲线模型进行率定和验证,并将该模型参数与番茄全生育期平均日耗水量建立相关关系,提高了临界氮浓度稀释模型在不同水分条件下的适用性。结果表明通过番茄全生育期平均日耗水量和临界氮浓度稀释曲线模型估算得到的临界氮浓度估算值和实际计算值有较好的一致性,其绝对误差为0.13~0.34 g/(100 g),标准误差为0.14~0.39 g/(100 g),决定系数为0.94~0.99,因此采用该方法可以对西北地区温室番茄不同水分处理下临界氮浓度稀释进行准确估算。通过2013-2015年试验数据分析番茄不同叶位叶片SPAD值和氮营养指数(nitrogen nutrition index,NNI)之间相关性,结果表明番茄中位叶片SPAD值与氮营养指数(NNI)有良好的线性相关性(决定系数为0.77~0.98),且该相关系数值与番茄日耗水量呈极显著相关关系,因此通过番茄日耗水量可以估算出NNI与中位叶片SPAD值之间的线性关系,估算出NNI=1时的中位叶片SPAD值,并以此SPAD值进行氮营养诊断。该研究可为西北地区温室番茄实时氮营养诊断和优化氮素管理提供了较好的理论参考。     

不同品种玉米氮含量与叶片光谱反射率及SPAD值的相关性

为明确不同玉米品种SPAD值及光谱反射率进行氮素营养诊断的可行性,以华北地区的6个主要玉米杂交品种中单909、隆平206、郑单958、金赛06-9、农华101与登海605为材料,设置0.04、0.4、2.0和4.0 mmol/L 4个氮水平的砂培试验,研究了玉米拔节期氮含量、叶片光谱反射率及SPAD值的处理间差异,及其不同氮水平下玉米氮含量与叶片550 nm处的光谱反射率及SPAD值的相关性。结果表明:来源于氮水平的变异远高于品种及二者交互作用引起的变异,植株氮含量与叶片550 nm处的光谱反射率呈显著负相关关系(R=-0.808 8),氮含量与SPAD值存在极显著的正相关性(R=0.895 6)。因此,通过SPAD值及光谱反射率对华北地区玉米杂交种进行氮素营养诊断是可行的,且用SPAD值来诊断氮素营养状况要比光谱反射率的精确度高。     

应用叶绿素计诊断烤烟氮素营养状况

为探讨叶绿素计在估测烤烟叶绿素和氮浓度上的应用价值,进行了3个田间试验。即:郑州点2003年设施N.51.0.kg/hm2与4个品种NC89、RG17、85048、541;2004年设5个氮肥用量:N.30.04、0.5、51.0、61.5、75.0.kg/hm2与2个品种中烟101、云烟85;玉溪点于2005年设5个氮肥用量:N.02、7.0、54.5、81.8、109.0.kg/hm2与K326品种的试验。测定了不同试验条件下烤烟叶片的叶绿素计(SPAD-502和CCM-200)值和实际叶绿素浓度、全氮浓度,并进行了三者关系分析。结果表明,应用叶绿素计监测烤烟叶片最佳测定部位为完全展开叶的中部。叶绿素计测定值因年份、地点、氮肥水平、叶位、同一叶片不同的部位而异。叶绿素计值与叶绿素浓度、叶片全氮浓度之间有稳定的极显著相关性。叶绿素计SPAD-502的SPAD值和CCM-200的CCI值与叶绿素浓度之间的决定系数分别为0.8755(P0.001)和0.9499(P0.001)。SPAD计值(SPAD)与全氮浓度(N)之间回归方程为N=0.0265SPAD+0.9601(R2=0.7649,P0.001),经检验该模型具有较好的精确性和普适性,利用叶绿素计进行烤烟氮素营养监测是可行的。     

基于高光谱的寒地水稻叶片氮素含量预测

为快速、无损和准确地诊断水稻营养状况,开展了基于高光谱成像技术的寒地水稻叶片氮素含量预测研究。以不同施氮水平下的水稻叶片为研究对象,利用高光谱成像技术,分析拔节期水稻叶片光谱,采用全波段高光谱数据、连续投影算法及分段主成分分析(segmented principal components analysis,SPCA)与相关分析(correlation analysis,CA)相结合的方法建立多种回归分析模型,并对模型进行检验和筛选。结果表明:随着施氮水平提高,水稻叶片反射率在可见光区域降低,在近红外区域升高。在校正集决定系数上,基于多元逐步回归分析的全波段模型较好,校正集决定系数为0.821,校正集均方根误差RMSEC=0.079;在预测集决定系数上,基于SPCA-CA结合多元回归分析的多变量单波段指数、差值指数、双差值指数模型较好,预测集决定系数为0.869,预测集均方根误差RMSEP=0.085。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了参考。     

主要粮食作物基于SPAD的氮素营养诊断方法研究进展

基于叶绿素计测定的SPAD值与植物叶片叶绿素和氮浓度的关系,详细综述了用叶绿素计在玉米、小麦、水稻以及其他作物上进行氮素营养诊断的研究进展。第一,“相对SPAD值”、“氮饱和指数”或“归一化SPAD”等指标能够消除或减小品种、生育期及区域年际间的误差;第二,不同生育期应选择理想指示叶作为诊断目标;第三,不同叶位间的SPAD差值与氮素营养的关系较为稳定可靠。总结了基于SPAD的作物营养诊断和推荐施肥技术规范、不同作物种类SPAD值及其衍生参数的筛选、模型的稳定性和普适性,除氮素外其他营养元素与SPAD的响应关系等方面存在的问题和不足。在此基础上提出了利用叶绿素计开展植物氮素营养诊断与施肥需要进一步研究的方向:一是建立基于SPAD的不同作物氮素营养诊断的技术规范;二是确定基于叶片SPAD值的作物氮营养丰缺指标;三是建立基于叶片SPAD值的作物施肥模型;四是开发基于SPAD的施肥决策支持系统;五是开展钾、镁、铁、锰等与叶绿素合成有关的其他营养元素与SPAD值的关系研究。     

基于主动光源的作物生长信息监测仪的设计与试验

为了实现大田作物生长信息全天候实时、快速无损监测,基于作物生长光谱分析技术原理,研发了一种基于主动光源的作物生长信息监测仪。该监测仪包括由730和810 nm 2个光学通道组成的作物生长信息传感系统、控制器系统及其他部件,能快速、准确地获得作物冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值等主要光谱植被指数信息,为大田作物生长指标的实时反演奠定了基础。试验结果表明,在不同光照条件下,监测仪的抗光照稳定性能良好,标准差为1.05%和0.47%;该监测仪与Field Spec3地物光谱仪测得小麦冠层归一化植被指数值、比值植被指数值、差值植被指数值、重归一化植被指数值具有显著相关性,其决定系数分别为0.7017、0.7071、0.8178、0.7804;均方根误差分别为0.05362、0.2118、0.03434、0.04182。该监测仪具有稳定性好、抗干扰能力强、操作简便等优点,能够满足大田作物生长信息监测的要求,该研究为实现作物精确管理调控提供了可行的参考方法。     

便携式作物生长监测诊断仪的设计与试验

为了解决当前作物生长信息实时、快速、无损测量手段瓶颈问题,研发了一种基于多光谱传感器的便携式作物生长监测诊断仪。该仪器由多光谱传感器系统、处理器系统及附属机构组成,能实时无损地获取作物叶层氮含量、叶层氮积累量、叶面积指数、生物量等主要生长指标。对水稻的试验结果表明,便携式作物生长监测诊断仪测得的DVI值与水稻叶层氮含量、氮积累量、叶面积指数、叶干重的决定系数R2分别为0.711,0.8231,0.7698,0.7212。该仪器结构简单,集成度高,性价比好,携带方便,易于田间操作。     

甜瓜主茎叶不同叶位SPAD值空间分布与氮素营养诊断

在设施栽培条件下,研究甜瓜关键生育期不同叶位SPAD值的变异特征及与叶片、植株氮素含量的相关性,探索提出基于SPAD仪诊断氮素营养最佳的测定叶位。结果表明,在各施氮水平下,不同叶位间叶片SPAD值存在一定差异,各叶位叶片SPAD值随施氮量的增加而增加。在适宜施氮(N 210 kg/hm~2)水平下,各生育期顶3叶和顶4叶SPAD值变异系数显著低于顶1叶和顶2叶,不同叶位叶片SPAD值与叶片、植株含氮量有较好的相关性,其中顶3叶与叶片、植株含氮量相关性最高。因此,用叶绿素SPAD仪诊断甜瓜氮素营养,顶3叶为较理想的指示叶或参照叶。     

2个超级杂交水稻剑叶主脉两侧SPAD值的差异表现

为探索水稻叶片SPAD值的分布特征,提高基于SPAD值水稻氮素营养诊断的精准度,以Q优6号和准两优527为材料,研究了6个不同施氮条件下超级杂交水稻主脉两侧SPAD值的差异表现。结果表明,2个超级杂交水稻剑叶两侧,一侧较为光滑,另一侧较为粗糙,光滑面或粗糙面居左或居右的概率接近50%,且光滑面SPAD值高于粗糙面SPAD值,粗糙面SPAD值的环比增长率绝对值一般高于光滑面。光滑面和粗糙面的SPAD差值主要集中在1.5~3.5之间,此范围内Q优6号和准两优527的次数分布率分别为40.67%和36.4%。SPAD归一化倒数值与施氮量、产量存在显著的线性相关关系,当Q优6号和准两优527的SPAD归一化倒数值为35~40和30~35时,施氮适宜,产量较高。本研究结果表明重视水稻叶片主脉两侧的差异可以提高诊断的精准性,为基于SPAD值的水稻氮素营养诊断提供了参考依据。     

利用叶绿素计(SPAD-502)诊断水稻氮素营养和推荐追肥的研究进展

叶绿素计(SPAD-502)在监测水稻氮素营养水平和及时提供追肥所需的信息方面有快速、简便、无损的特点,但其精度常受多种因素的影响。本文分析了影响利用SPAD-502叶绿素计诊断水稻氮素营养和推荐追肥精度的水稻品种、生育时期、测定叶位、测定叶片的位点、生态环境等因素。并综述了通过量化SPAD读数与氮的关系,提高诊断水稻氮素营养精度;通过量化SPAD读数与追肥关系,提高SPAD-502叶绿素计诊断法推荐施肥精度的研究现状;提出进一步提高利用SPAD-502叶绿素计诊断水稻氮素营养状况与推荐追肥精度尚需解决的几个问题。     

玉米叶片SPAD值、全氮及硝态氮含量的品种间变异

研究比较两种土壤肥力条件下,4个春玉米品种在喇叭口期至成熟期间叶片SPAD值、全氮及硝态氮含量的变异程度、及其与氮素积累和产量形成的关系,以期为不同品种植株的氮素营养测试指标的优化提供依据。结果表明,叶片SPAD值与产量、吸氮量及生物量呈显著相关,该值主要受氮肥水平影响,并因土壤肥力而变异。从喇叭口期至灌浆期间平均变异幅度为17.7%,但品种间变异很小,平均仅为4.3%。说明利用SPAD值诊断玉米氮素营养时,其诊断指标不需要因品种而调整,但需要因不同肥力而调整。在新立城低肥力条件下,喇叭口期(V12)和抽雄期(VT)的SPAD临界值指标分别为46.1和57.8;在德惠高肥力条件下,两个时期的SPAD值临界值较为接近,分别为59.9和60.3。植株叶片硝态氮含量在土壤肥力间及品种间变异均较大,变异幅度分别为43.1%和29.3%,且与产量、吸氮量及生物量的相关性均较差,不适于在大面积范围内单独作为玉米氮素营养状况的评价指标。     

Microwave‐oven drying of rice leaves for rapid determination of dry weight and nitrogen concentration

Predicting the need for fertilizer‐nitrogen (N) topdressing based on plant N status is an important N management strategy for increasing both grain yield and N‐use efficiency of irrigated rice. Plant N analysis by conventional‐oven drying and micro‐Kjeldahl procedure generally requires several days. Accurate estimation of leaf N content per unit dry weight (Ndw) at different growth stages by the chlorophyll meter requires that meter‐reading values (SPAD values) be adjusted for specific leaf weight (SLW). This study demonstrated that a microwave oven can be used for drying rice leaves for quick estimation of leaf dry weight without significantly influencing the estimation of Ndw by micro‐Kjeldahl procedure. Microwave oven drying of 0.5 g (dry weight) leaf samples required only two minutes. Extended exposure duration up to six minutes did not alter the measured Kjeldahl N concentration. Specific leaf weight determined with microwave‐oven drying improved the prediction of Ndw by SPAD. The chlorophyll meter with SLW adjustment can provide another tool to make rapid, in‐season diagnosis of crop N status.