基于作物生长监测诊断仪的双季稻叶面积指数监测模型

为探索作物生长监测诊断仪(Crop Growth Monitoring and Diagnosis Apparatus,CGMD)在不同株型双季稻长势指标监测应用的准确性和适用性,该研究开展了不同株型品种和施氮量的田间试验,采用CGMD获取冠层差值植被指数(Differential Vegetation Index,DVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和比值植被指数(RatioVegetationIndex,RVI),并同步采用高光谱仪(AnalyticalSpectralDevices,ASD)获取冠层光谱反射率,构建DVI、NDVI和RVI;通过比较2种光谱仪获取的植被指数变化特征及相互定量关系,评价CGMD的监测精度,建立基于CGMD的不同株型双季稻叶面积指数(Leaf Area Index,LAI)监测模型,并用独立数据对模型进行检验。结果表明:不同株型品种的LAI、DVI、NDVI和RVI随施氮量增加而增大,随生育进程推进呈"低—高—低"的变化趋势;基于CGMD与ASD的DVI、NDVI和RVI间的决定系数(Determination Coefficient,R2)分别为0.959～0.968、0.961～0.966和0.957～0.959,表明CGMD具有较高监测精度,可替代价格昂贵的ASD获取DVI、NDVI和RVI。基于CGMD植被指数的单生育期LAI监测模型的预测效果优于全生育期,基于CGMD植被指数的松散型品种LAI监测模型的预测效果优于紧凑型品种;基于DVICGMD的线性方程可较好地预测LAI,模型R2为0.857～0.903,模型检验的相关系数(Correlation Coefficient,r)、均方根误差(Root Mean Square Error,RMSE)和相对均方根误差(Relative Root Mean Square Error,RRMSE)分别为0.950～0.984、0.18～0.43和3.95%～9.40%;基于NDVICGMD的指数方程可较好地预测LAI,模型R2为0.831～0.884,模型检验的r、RMSE和RRMSE分别为0.906～0.967、0.24～0.38和5.73%～9.16%;基于RVICGMD的幂函数方程可较好地预测LAI,模型R2为0.830～0.881,模型检验的r、RMSE和RRMSE分别为0.905～0.954、0.25～0.56和7.37%～9.99%。与传统人工取样测定LAI法相比,利用CGMD可实时无损监测双季稻LAI动态变化,可替代SunScan植物冠层分析仪获取双季稻LAI,在双季稻生产中具有推广应用价值。     

基于无人机多光谱影像的寒地水稻品质估测

【目的】在稻谷收获前准确估测稻米品质,为改善水稻养分管理、实现优质优价提供参考。【方法】试验在黑龙江省佳木斯市大兴农场和青龙山农场进行,两个地点土壤肥力具有较大差异。每个农场选择一块稻田,以20 m×20 m间隔采集土壤样品分析碱解氮含量,通过变量施氮形成产量水平、长势差异明显的水稻群体。利用大疆精灵4四旋翼多光谱无人机获取水稻分蘖期、拔节期、抽穗期和成熟期冠层多光谱数据。成熟期采集长势具有明显差异的水稻样品和对应的土壤样品,测定土壤有机质和速效氮、磷、钾含量,水稻籽粒蛋白质和直链淀粉含量,产量和食味值,随机选择其中67%的数据通过逐步多元线性回归构建不同生育时期的品质估算模型,其余33%的数据用于模型的验证。【结果】大兴农场水稻成熟期土壤有机质、碱解氮、有效磷和速效钾含量的变异系数分别为11.65%、14.44%、37.66%和11.60%,青龙山农场分别为14.45%、14.32%、36.37%和28.51%。成熟期两个地点水稻产量和食味值的变异系数均大于10%,青龙山农场水稻蛋白质含量变异系数也超过10%,而两地稻米直链淀粉含量的变异系数仅为1.11%～1.83%,因此,水稻直链...     

采用叶片光谱反射率预测寒地水稻稻米蛋白质含量

为实现利用水稻叶片光谱指数实时预测稻米蛋白质含量，该研究采集了不同年份中氮素、品种差异下寒地水稻主要生育期（T1拔节期、T2齐穗期、T3结实期）顶部3片叶（L1、L2、L3）的叶片光谱反射率，探究其变化规律以及光谱指数与稻米蛋白质含量的关系，并用P-k、均方根误差（Root Mean Square Error，RMSE）和对称平均绝对百分比误差（Symmetric Mean Absolute Percentage Error，SMAPE）对模型精度进行验证。结果显示：施氮量多则稻米蛋白质含量高，蛋白质含量高的稻米食味值评分低。提高氮肥投入量，叶片反射率在可见光区域内呈降低趋势，而在近红外平台叶片反射率上升。随着生育期的推进，可见光区域内的叶片反射率逐渐上升，叶片反射率在近红外平台表现出先增加后降低的趋势，其变化规律与蛋白质营养转运有着密切联系。对光谱指标和稻米蛋白质含量进行相关分析，T2时期的L2的光谱指数与蛋白质含量的相关性优于其他时期的叶片，其中T2时期L1叶ARI1指标（(1/R550)-(1/R700)）、L2叶CTR1指标（(R695/R420)）以及T3时期L3 叶Rg指标（绿光范围510～560 nm内的最大波段反射率）显示出与蛋白质含量良好的拟合关系，指标验证的P-k分别为0.01、0.01、0.03，RMSE分别为0.19、0.11、0.14，SMAPE分别为1.56%、1.24%、1.44%，其中以T2时期L2叶CTR1指标表现最优，蛋白质含量拟合方程R2为0.75。综上，借助CTR1指标能够实现快捷、无损和实时预测稻米蛋白质含量的目的，达到按质收获以及品质实时监测的要求，促进优质寒地水稻的可持续发展。     

基于特征转移植被指数的水稻叶片氮素含量定量估算

水稻叶片氮素含量遥感检测是实现水稻精准施肥的前提条件。为了探究利用光谱技术快速、便捷的实现水稻叶片氮素的精准检测，该研究在水稻关键生育期，利用水稻叶片400～1000 nm高光谱反射率信息，利用连续投影法提取敏感波段，在此基础上，提出了一种波段特征转移的植被指数构建思路，构建了由3个波段构成的氮素特征转移指数（Nitrogen Characteristic Transfer Index，NCTI），并利用线性归回模型构建了水稻叶片氮素含量反演模型。结果表明：该研究采用连续投影法从水稻叶片光谱中提取了6个特征波段，具体为500、555、662、690、729、800 nm；运用氮素特征转移思路构建了由550、729和800 nm构成的氮素特征转移指数（NCTI）；以NCTI为输入，运用线性回归的方式构建水稻是氮素含量反演模型，其模型决定系数为0.774，均方根误差为0.379 mg/g，反演效果优于归一化植被指数（Normalized Difference Vegetation Index，NDVI）、增强植被指数（Enhanced Vegetation Index，EVI）等传统植被指数所建立的氮素含量反演模型，说明了NCTI在实际的应用中，能够作为快速反演水稻叶片氮素含量的高光谱植被指数。该研究能够为水稻叶片氮素含量光谱检测提供一定的客观数据支撑和模型参考。     

不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型

为研究不同氮磷水平下冬小麦籽粒蛋白质含量高光谱遥感监测模型,提高模型精度,本文通过连续5年定位试验研究不同氮磷耦合水平下,不同生育时期冬小麦冠层光谱反射率、植株氮含量以及成熟期籽粒蛋白质含量,以相关、回归等统计分析方法,建立基于不同生育时期植株氮含量的籽粒蛋白质含量监测模型;然后通过灰色关联度分析,筛选植株氮含量的最佳植被指数,以偏最小二乘回归法,建立基于植被指数的植株氮含量监测模型;最后以植株氮含量为链接点,按照"植被指数—植株氮含量—籽粒蛋白质含量"之间的联系,建立融合植被指数与植株氮含量的冬小麦成熟期籽粒蛋白质含量监测模型。结果表明:在拔节期、孕穗期、抽穗期、灌浆期、成熟期基于植株氮含量建立的成熟期籽粒蛋白质含量监测模型,具有较好的监测精度;拔节期、孕穗期、抽穗期、灌浆期、成熟期分别基于修正叶绿素吸收反射率指数(MCARI_1)、归一化差值叶绿素指数(NDCI)、修正归一化差异指数(mNDVI)、MCARI_1、NDCI植被指数建立植株氮含量监测模型,监测精度(R~2)分别为0.826、0.854、0.867、0.859和0.819;以植株氮含量为链接点,通过"植被指数—植株氮含量—籽粒蛋白质含量"的间接联系,建立基于拔节期、孕穗期、抽穗期、灌浆期、成熟期植被指数且融合植株氮含量的籽粒蛋白质含量监测模型,R~2分别为0.935、0.972、0.990、0.979和0.936;以独立数据对模型进行验证,模型预测值与实测值间相对误差(RE)分别为11.26%、10.74%、8.41%、10.25%和11.36%,均方根误差(RMSE)分别为2.221 g×kg~(-1)、1.825 g×kg~(-1)、1.214 g×kg~(-1)、1.767 g×kg~(-1)和2.137 g×kg~(-1)。说明基于不同生育时期植被指数链接植株氮含量可以对成熟期籽粒蛋白质含量进行有效监测,且模型具有较好的年度间重演性和品种间适应性。     

不同生态条件下氮肥优化管理对杂交中稻稻米品质的影响

在四川省温江和射洪试验点,采用单因素随机区组试验设计,以‘F优498’水稻品种为试验材料,研究了不同氮肥处理[普通尿素优化施肥、减氮15%优化施肥、增氮15%优化施肥,PASP（聚天门冬氨酸）尿素1次施肥、2次施和优化施肥]对稻米品质的影响。结果显示,温江的碾米品质、外观品质和籽粒粗蛋白含量较优;射洪的峰值黏度和崩解值较高,消减值较低,蒸煮食味品质较好,同时直链淀粉含量较高。随着氮肥的施用,稻米碾米品质、直链淀粉含量和籽粒粗蛋白含量显著提高,崩解值显著降低;同时导致射洪生态点的峰值黏度增加,消减值减少;温江生态点的稻米外观品质变优,峰值黏度减小,消减值增加。较农民经验性施肥处理,普通尿素优化处理和PASP尿素处理提高了直链淀粉含量和籽粒粗蛋白含量,降低了温江垩白粒率和垩白度,改善了外观品质;氮肥优化处理降低了峰值黏度和崩解值,提高了消减值,使稻米蒸煮食味品质变差,同时提高了射洪精米率和温江整精米率。较优化施肥处理,PASP尿素处理降低了两试验点的精米率、整精米率和温江垩白粒率,增加了射洪的垩白粒率和垩白度,使外观品质变差;同时PASP尿素1次施肥和2次施肥处理降低了直链淀粉含量和籽粒粗蛋白含量;PASP尿素优化施肥处理降低了两试验点的峰值黏度、崩解值和温江直链淀粉含量,提高了两试验点的籽粒粗蛋白含量和射洪直链淀粉含量。较优化施肥处理,减氮15%和增氮15%优化施肥处理降低了两试验点的直链淀粉含量、整精米率及温江垩白粒率,增加了射洪垩白粒率和垩白度。与PASP尿素1次和2次施肥相比,PASP尿素优化施肥显著降低了垩白度、峰值黏度和崩解值,增加了消减值和籽粒粗蛋白含量;同时导致射洪生态点的整精米率降低,垩白粒率和直链淀粉含量增加;温江生态点的垩白粒率降低,整精米率增加。综合稻米碾米品质、外观品质、淀粉RVA、直链淀粉含量和籽粒粗蛋白含量的关系,射洪PASP尿素2次施肥处理稻米综合品质较好,温江优化施肥处理稻米综合品质较好。     

基于MOD13产品水稻遥感估产模型研究

中分辨率成像光谱仪(MODIS)可以提供经过加工处理的多时相44种数据产品，其中MOD13就是经过严格算法处理后的16 d内每个像元的最佳的植被指数产品。通过杭州市郊野外大田选取适当研究区，进行产量构成要素和实际理论产量的测算，建立MOD13-VI(Vegetation Index)产品与水稻理论产量以及产量构成要素之间的相关关系，结果表明: 这种相关与地面光谱和水稻理论产量所建立的相关关系具有一致性。经过各种估产模型的比较，复合估产模型更能反映整个生育期的情况，准确度有所提高，MOD13-EVI(Enhanced Vegetation Index)所建立的估算模型精度显著优于MOD13-NDVI (Normalized Difference Vegetation Index)，研究表明利用各个生育期MOD13产品所建立的复合模型有助于提高水稻产量的估算精度。     

水稻叶片氮素及籽粒蛋白质含量的高光谱估测模型

研究水稻叶片氮素和籽粒蛋白质含量的高光谱快速、无损监测方法,对于水稻营养诊断、籽粒品质监测及氮肥高效利用具有重要意义。本文通过水稻盆栽试验,测定水稻叶片氮素、籽粒蛋白质含量和冠层光谱,采用不同的光谱建模方法来提高氮素、籽粒蛋白质含量的估测精度。先用主成分分析(PCA)方法进行特征波段的提取,再用多元线性回归(MLR)、人工神经网络(ANN)和偏最小二乘回归(PLSR)进行建模。结果表明,水稻叶片氮素和籽粒蛋白质含量与特征光谱存在很好的模型关系,3种模型预测的决定系数(R2_p)均在0.847以上,并以PLSR模型的预测效果为最好,可以实现水稻氮素营养和籽粒品质的高光谱估测。     

稻纵卷叶螟为害水稻的冠层光谱特征及叶绿素含量估算

2017-2018年以南京农业大学农业气象与昆虫生态实验室培养的二龄稻纵卷叶螟幼虫为试验材料,在南京信息工程大学农业气象试验站水稻大田内,设置网罩控制下不同投虫量处理,以无虫量为对照,利用便携式波谱仪和SPAD-502叶绿素仪测定水稻全生育期冠层光谱反射率以及倒一叶叶绿素相对含量(SoilandPlant Analyzer Development,SPAD),分析不同初始虫量条件下、不同生育期水稻冠层的原始光谱、三边参数和SPAD值的变化规律。在此基础上,利用观测光谱中与SPAD值相关性较强的波段,计算基于光谱数据的植被指数和三边参数,并以这两类指数为自变量,建立水稻叶绿素相对含量的回归估算模型。结果表明:(1)稻纵卷叶螟为害下的水稻冠层光谱反射率与对照差异显著(P0.05),其中可见光波段的反射率在分蘖-孕穗期低于对照,在扬花-成熟期高于对照;(2)在近红外波段,表现为虫害处理的反射率低于对照,且随着投虫量的增加反射率呈下降趋势,其中以300头·百株~(-1)(4级)处理近红外波段的反射率最低;(3)随着投虫量的增加,红边位置发生明显"蓝移"。(4)SPAD值随投虫量的增加逐渐降低,4级处理最低;(5)归一化植被指数(Normalized Difference Vegetation Index,NDVI)、红边归一化植被指数(Red-Edge Normalized Difference Vegetation Index,NDVI_(705))以及红边位置与SPAD值的相关性较好;(6)利用观测光谱数据构建了SPAD单因子估算模型和多元逐步回归模型,其中以NDVI指数模型的估算效果最优,R~2达到0.72,且高于其它估算模型,说明利用水稻冠层光谱参数,建立全生育期稻纵卷叶螟为害下水稻叶片叶绿素相对含量估算模型的方法是可行的,且具有快速、无损的特点,利于实现持续、动态和长期定位观测。     

不同施氮水平下棉花叶片最大羧化速率的高光谱估测

植物叶片最大羧化速率(Maximum Carboxylation Rate,V_(cmax))是表征植被光合能力的重要参数之一,研究叶片V_(cmax)对氮素的响应对预测植被光合作用和未来植被生产力具有重要意义。该研究以国欣棉9号为试验材料,设置4个施氮水平,测定棉花不同生育时期叶片生理参数和叶片反射光谱,探究V_(cmax)与生理参数及光谱指数的关系,建立叶片V_(cmax)最优反演模型。结果显示,棉花叶片V_(cmax)在苗期至蕾期不受施氮水平的影响,随着生育进程的推进,氮素逐渐成为影响叶片V_(cmax)高低的主要因素之一。此外,叶片V_(cmax)与含氮量的相关程度最高,远高于叶片V_(cmax)与叶绿素、比叶重的关系。对叶片V_(cmax)与光谱指数进行回归分析发现,由蓝光和红边波段组合的光谱指数能较好的预测叶片V_(cmax),其中表现最好的为归一化差值植被指数(Normalized Difference Vegetation Index,NDVI697,445)和比值植被指数(Ratio Vegetation Index,RVI445,694),决定系数(R~2)均大于0.75。最后,以生理参数和光谱指数为基础,采用一般线性回归和多元逐步回归构建棉花叶片V_(cmax)估算模型,结果表明,由RVI445,694、光化学植被指数(Photochemical Vegetation Index,PRI)、修正型归一化差值植被指数(Modified Normalized Difference Vegetation Index,m ND705)所构建的多元逐步回归模型精度最高(R~2=0.809, RMSE=16.93μmol/(m~2·s)),叶片含氮量和叶绿素所构建的多元逐步回归模型次之(R~2=0.801,RMSE=17.01μmol/(m~2·s)),高于其他单变量线性回归模型。研究表明,利用高光谱指数可以有效地估测棉花叶片最大羧化速率,结果可为叶片V_(cmax)准确反演和评估光合能力提供支撑。     

冬小麦生物量高光谱遥感监测模型研究

【目的】高光谱遥感能快速、实时、无损监测作物长势。研究不同氮磷水平下冬小麦不同生育时期地上部生物量高光谱遥感监测模型,可提高地上部生物量高光谱监测精度。【方法】在西北农林科技大学连续进行了 5 年田间定位试验,设置 5 个施氮水平 (N, 0, 75, 150, 225 和 300 kg/hm2) 和 4 个磷施用水平 (P₂O₅, 0, 60, 120 和 180 kg/hm2),选用不同抗旱类型冬小麦品种,测定了从拔节期至成熟期生物量与冠层光谱反射率,通过相关分析、回归分析等统计方法,建立并筛选基于不同植被指数的冬小麦不同生育时期生物量分段遥感监测模型。【结果】冬小麦生物量与光谱反射率在 670 nm 和 930 nm 附近具有较高相关性,在可见光和近红外波段处均有敏感波段;在拔节期、孕穗期、抽穗期、灌浆期、成熟期,生物量与归一化绿波段差值植被指数 (GNDVI)、比值植被指数 (RVI)、修正土壤调节植被指数 (MSAVI)、红边三角植被指数 (RTVI) 和修正三角植被指数Ⅱ (MTVIⅡ) 均达极显著相关性 (P < 0.01),相关系数 (r) 范围为 0.923～0.979;在不同生育时期,分别基于 GNDVI、RVI、MSAVI、RTVI 和 MTVIⅡ 能建立较好的生物量分段监测模型,决定系数 (R2) 分别为 0.987、0.982、0.981、0.985、0.976;估计标准误差 SE 分别为 0.157、0.153、0.163、0.133、0.132;预测值与实测值间相对误差 (RE) 分别为 8.47%、7.12%、7.56%、8.21%、8.65%;均方根误差 (RMSE), 分别为 0.141 kg/m2、0.113 kg/m2、0.137 kg/m2、0.176 kg/m2、0.187 kg/m2。【结论】在拔节期、孕穗期、抽穗期、灌浆期、成熟期可以用 GNDVI、RVI、MSAVI、RTVI 和 MTVIⅡ 监测冬小麦生物量,具有较好的年度间重演性和品种间适用性。同时,分段监测模型较统一监测模型具有较好的监测效果及验证效果,能有效改善高光谱遥感监测模型精度。     

不同生育期水稻叶面积指数的高光谱遥感估算模型

2011年和2012年通过大田试验,利用便携式野外光谱仪实测水稻冠层不同生育时期的高光谱数据,同时使用SUNSCAN冠层分析系统采集水稻冠层叶面积指数（LAI）;采用光谱微分技术和统计分析技术,分别分析高光谱反射率及其植被指数与LAI之间的关系,建立LAI估算模型并进行模拟结果对比。结果表明：水稻抽穗-成熟期,利用光谱值的对数形式对LAI值的模拟效果较好,分蘖-抽穗期利用光谱反射率模拟LAI变化过程的效果不理想。 在利用各种植被指数估算LAI方法中,水稻分蘖-抽穗期以修改型土壤调整植被指数MSAVI[758,805]对LAI的估算效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.7754）,估算精度较高。在抽穗-成熟期,也以修改型土壤调整植被指数MSAVI[758,817]对LAI的模拟效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.6488）,估算精度较高。说明修改型土壤调整植被指数（MSAVI）能更好地模拟水稻不同生育期的叶面积指数,按照分蘖-抽穗期、抽穗-成熟期两个生育阶段分别建立水稻冠层LAI的高光谱估算模型能够提高LAI估算的准确度,研究结果也证实了分生育阶段建模的必要性。     

低磷胁迫对水稻地上部氮、钾吸收和积累的影响

在盆栽土培条件下,采用耐低磷水稻基因型508T、580T、99011T和99112T及低磷敏感基因型99012S和99056S为材料,研究了不同生育时期,低磷胁迫对水稻氮、钾吸收和积累的影响。结果表明,在分蘖期,低磷处理对水稻体内氮、钾含量的影响较小,但低磷敏感基因型水稻受影响较大;孕穗期,除508T的氮含量变化不明显外,其它基因型体内氮、钾含量均显著增加。在这两个时期,低磷敏感基因型99012S氮、钾含量的变化幅度在所有基因型中最高,而另一个低磷敏感基因型99056S则相反。至成熟期,由于受吸收效率和转运效率的共同影响,不同基因型水稻体内氮、钾含量的变化趋势明显比生育前期复杂,耐低磷基因型水稻茎叶的氮、钾含量与低磷敏感基因型没有明显的差异。在生育前期,耐低磷基因的氮、钾积累量显著高于低磷敏感基因型;生育后期,耐低磷基因型的绝对积累量优势消失,但相对积累量优势变大。     

高温胁迫下水稻红边特征及SPAD和LAI的监测

为了促进高光谱遥感技术在水稻长势监测及其灾害评估中的作用,该文以扬稻6号与南粳43为试验对象,通过高温胁迫试验,测定孕穗期高温胁迫后2个品种在不同生育期冠层高光谱反射率、红边参数和叶片绿色度（SPAD）值及叶面积指数（LAI）。结果表明,2个水稻品种剑叶的SPAD值与LAI随生育期的进行呈先上升后下降的趋势,在开花期均达到最大值,在始穗期与蜡熟期时较低。随着高温胁迫的加剧,SPAD值和LAI不断减小。冠层光谱红边位置、红边幅值与红边面积在开花前呈“红移”,开花后呈“蓝移”现象。随着胁迫温度的提高,3个红边参数也呈现“蓝移”现象。不同生育期剑叶SPAD值和LAI与红边特征参数均具有显著或极显著的相关关系。相对于红边幅值,以红边位置为参数所建的模型能更好地预测水稻剑叶的SPAD值和LAI。     

不同生育阶段间歇灌溉对镉污染稻田双季稻产量构成与镉累积的影响

为给镉污染稻区水稻合理灌溉提供理论与技术参考,通过盆栽试验研究了不同生育阶段间歇灌溉对双季稻产量构成与镉累积的影响。结果表明:(1)2季水稻总产以全生育期淹水灌溉处理最高,其次是全生育期间歇灌溉与齐穗至灌浆中期间歇灌溉处理,孕穗至齐穗期间歇灌溉处理产量显著降低;全生育期淹水灌溉处理有利于提高结实率,而全生育期间歇灌溉与分蘖至孕穗间歇灌溉处理有利于提高有效穗数。(2)灌水方式显著影响水稻各器官成熟期镉含量,其中全生育期间歇灌溉有显著提高效果,而全生育期淹水灌溉有降低效应。孕穗至齐穗、齐穗至灌浆中期间歇灌溉处理早、晚稻籽粒镉含量显著低于其他生育阶段间歇灌溉处理。(3)地上部镉累积量以全生育期淹水灌溉处理最低,全生育期间歇灌溉处理最高;各间歇灌溉处理中,孕穗至齐穗、齐穗至灌浆中期间歇灌溉处理地上部镉累积量相对较低。综上所述,为确保双季稻产量、降低稻米镉含量,镉污染稻区最佳灌溉方式为全生育期淹水灌溉,在水资源较紧张的情况下,齐穗至灌浆中期可采取间歇灌溉方式。     

节水灌溉和遮光强度对水稻生长发育的耦合影响

采用两因素随机区组试验设计,通过大田模拟试验研究节水灌溉和遮光强度耦合对水稻生长及物候期的影响。灌溉方式设常规灌溉（F,水深5cm）和节水灌溉（W,无水层）2个水平;遮光强度设3个水平,即对照（CK,无遮光,自然光源）、轻度遮光（S1,单层遮光,光合有效辐射减弱60%）和重度遮光（S2,双层遮光,光合有效辐射减弱90%）。在水稻主要生育期即分蘖期、拔节期、抽穗期、灌浆期和成熟期,观测株高、叶面积指数（LAI）、叶绿素含量（SPAD值）、稻穗含水率和冠层高光谱。用冠层高光谱数据提取增强型植被指数（EVI）时间序列,经Spline法插值及小波滤波去噪后预测水稻抽穗盛期的日期。结果表明：随着遮光强度的加重,水稻叶面积指数和叶绿素含量显著下降,物候期明显延迟。节水灌溉对遮光处理下水稻株高和叶绿素含量有抑制作用,对叶面积指数有促进作用,节水灌溉可使遮光处理下水稻物候期提前,使生育期缩短。在一定遮光强度下,水稻冠层光谱反射率在拔节期、抽穗期表现为节水灌溉（W）＞常规灌溉（F）,而灌浆期、成熟期表现为常规灌溉（F）＞节水灌溉（W）。用去噪后的EVI时间序列预测水稻抽穗盛期,准确率为97%。     

稻米镉关键积累时期研究

探明水稻不同生育期镉积累特征对于稻米安全生产具有重要的科学价值与现实意义,本研究采用水培试验方法,于水稻不同生育期分阶段添加外源镉,分析水稻不同生育期低浓度镉(50μg·L~(-1))胁迫下水稻每个生育期、主要部位镉含量及其内在关联。抽穗期阶段镉胁迫对水稻籽粒镉积累速率影响最为明显,最高达到3.41μg·蔸~(-1)·d~(-1)。孕穗期和抽穗期阶段镉胁迫对稻米镉积累量贡献率较高,中嘉早17号分别为40.51%、31.66%,湘晚籼13号分别为37.97%、35.46%。研究表明,孕穗期、抽穗期是控制镉米形成的关键时期,本结果可为镉超标稻田的安全生产及阻控米镉积累提供支持和科学指导。     

引入水稻“移栽时间效应”和光敏感性算法改进ORYZA模型并验证

  【目的】  水稻生长模型是实现水稻管理自动化的重要工具。现有水稻模型未充分体现水稻生长的“移栽时间效应”，模型参数较多，使用较复杂。基于这些问题改进和完善水稻生长模型，以提高模型的准确性和实用性。  【方法】  在ORYZA与RCSODS模型的基础上，结合已有水稻生育期时间节点计算方法及其对干物质积累与分配的影响权重，在模型中增加移栽时间效应和水稻动态消光系数方程。利用2003—2012年黑龙江省绥化市庆安县农业气象站的发育期、产量和气象数据，验证了改进后的水稻生长模型的模拟效果，对比分析改进前后的效果差异。  【结果】  改进后模拟的返青期、分蘖期、孕穗期、抽穗期与成熟期和实际发育期时间节点的残差均方根 (RMSE) 分别为1.17、1.41、1.00、2.23和2.12天，整个发育期模拟RMSE与RE (相对误差) 平均为1.6天与1.3%。试验点位多年产量范围在6495～8715 kg/hm2，模拟值为7230～8207 kg/hm2，其中产量模拟最小误差为210 kg/hm2，平均RMSE与RE分别为714 kg/hm2与9.2%，模型相对误差率保持在10%以内。移栽前有效积温与水稻完成基本营养生长期所需的有效积温呈显著正相关 (R2 = 0.7837，P = 0.003)，根据移栽时有效积温调整发育期模型第一阶段 (基本营养阶段)生长速率参数，使发育期的模拟误差缩小3倍，产量模拟误差缩小34%。  【结论】  引入移栽前有效积温与基本营养生长期发育速率之间关系的响应方程，极大地提升了发育期模型的模拟效果；引入动态水稻消光系数方程，小幅度地提升了产量的模拟效果。改进后的模型可以促进水稻模型的发展，并更加准确地指导水稻生产。