基于高光谱遥感的小麦叶片糖氮比监测

 【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数（R2）分别为0.762和0.768,估计标准误差（SE）分别为1.27和1.28。色素特征参数（R750-800/R695-740）-1和VOG2为变量,指数方程拟合决定系数（R2）分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、（R750-800/R695-740）-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、（R750-800/R695-740）-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。     

滴灌春小麦水分截获量及植株氮素积累与分配特征

【目的】研究“1管6滴灌模式”下,滴灌春小麦水分截获量及不同品种远近行氮素积累与转运特征,分析其对籽粒蛋白质含量的影响。【方法】在“1管6滴灌模式”下,春小麦品种来自新疆、内蒙古、宁夏等不同地区的7个品种(系),研究距滴管带远近不同行(距滴管带最近行记为R1、中间行记为R2、最远行记为R3)在小麦发育关键时期开花期与成熟期植株各部位的氮素积累量。【结果】“1管6滴灌模式”下,小麦生长的重要阶段拔节期-孕穗期与孕穗期-开花期远行R3灌水截获量为59与56 mm,与该时段最大蒸散量62与43 mm相近;小麦品种开花期各器官氮营养指数、开花期与成熟期各器官氮素积累量、转运氮、籽粒蛋白质的行间降低幅度均小于灌水截获量的降低幅度(R2与R3相对于R1依次降低33.6%与60.3%);小麦花前氮素转运率、转运氮对籽粒的贡献率、氮收获指数R2与R3相对于R1依次升高(津强7号花前氮素转运率、转运氮对籽粒的贡献率依次降低);各器官开花期氮素积累量与再转运氮素呈正相关,相关系数为0.811,茎鞘、叶片、穗的再转运氮与对应的开花期氮营养指数呈正相关,相关系数分别为0.403、0.643、0.717,籽粒氮素积累量与再转运氮、花后氮素积累均呈正相关,相关系数分别为0.498与0.737。【结论】“1管6滴灌模式”下,小麦各行作物生长的关键时期不会受到水分胁迫;植株体内营养状况越好,花前氮素转运量越大;籽粒氮素主要来源于花前氮素的转运,“1管6滴灌模式”下,远行R2与R3的花前氮素转运率、转运氮对籽粒的贡献率、氮收获指数相对于R1会升高。     

小麦氮素利用效率的基因型差异及相关特性分析

【目的】对长江中下游麦区小麦种质进行氮素利用效率基因型差异分析,明确不同种质材料的氮素利用特性,为小麦氮素高效育种及相关分子机理研究奠定基础,同时探讨氮素利用效率与不同生育期性状的相关关系,为建立小麦氮素高效利用的评价指标提供参考。【方法】大田条件下,设置低氮(纯氮62.55 kg·hm~(-2))和正常氮(纯氮187.5 kg·hm~(-2))2种氮素水平,以主要来自于长江中下游麦区不同时期的小麦种质118份为材料进行氮素利用效率基因型差异分析,通过对苗期地上部干重、分蘖数、叶绿素含量;花期地上部干重、植株氮素浓度、氮素积累量;灌浆期旗叶叶绿素含量;成熟期籽粒产量、茎秆重、籽粒氮素浓度、茎秆氮素浓度、籽粒与茎秆氮素积累量、穗数、穗粒数、千粒重、收获指数和氮素收获指数等22个性状的测定与计算,研究氮素利用效率与不同性状之间的相关关系,并根据材料的氮素利用效率差异对不同种质材料进行划分。【结果】供试小麦材料在2种氮素水平下,各研究性状均存在较大的差异。相关性分析显示植株成熟期茎秆重、地上部生物学产量、收获指数、穗数、植株花期生物学产量、成熟期籽粒氮素积累量、茎秆氮素积累量、氮素收获指数和花期氮素积累量均与籽粒产量呈显著正相关关系;植株氮素生理利用率除了与氮素收获指数显著正相关外,与茎秆重、穗数、籽粒和茎秆氮素浓度及氮素积累量均显著负相关。根据2种氮素水平下产量,供试材料被划分为双高效型、双低效型、高氮高效型和低氮高效型。双高效型和高氮高效型材料对增施氮素反应更为敏感。低氮高效型材料灌浆期旗叶叶绿素含量显著高于其他3种类型,说明氮素胁迫条件下,旗叶持绿性有助于提高植株氮素利用效率。【结论】供试小麦材料氮素利用效率在不同氮素水平下差异显著。不同氮效类型小麦材料对氮素响应不同,高氮高效型对氮素反应敏感,适合于高氮种植;双高效型和低氮高效材料具有耐贫瘠的能力,是氮素高效育种的优质材料。在2种氮素水平下,除了植株成熟期及花期地上部干重、植株氮素积累量等常规指标外,植株穗数也可作为小麦氮素高效利用的评价指标。     

施氮量对旱地小麦氮素吸收转运和土壤硝态氮含量的影响

【目的】在黄淮冬麦区,研究施氮量对旱地小麦氮素利用规律的影响,为该区旱地小麦合理的氮肥运筹提供理论依据。【方法】于2009-2010和2010-2011两个小麦生长季,在大田条件下设置6个施氮量处理（0、90、120、150、180和210 kg•hm-2）,研究施氮量对旱地小麦氮素吸收转运和土壤硝态氮含量的影响。【结果】在150 kg•hm-2及以下的处理增加施氮量,小麦各生育时期植株氮素积累量、成熟期籽粒氮素积累量、开花前吸收氮素向籽粒的转运量和开花后氮素吸收量显著增加;在150 kg•hm-2基础上增加施氮量,小麦各生育时期植株氮素积累量、开花前吸收氮素向籽粒的转运量和开花后氮素吸收量与150 kg•hm-2处理无显著差异,成熟期籽粒氮素积累量及分配比例降低,营养器官氮素积累量及分配比例升高。施氮量为180 kg•hm-2和210 kg•hm-2,成熟期0-140 cm土层土壤硝态氮含量显著高于150 kg•hm-2处理,深层土壤硝态氮含量增加。施氮150 kg•hm-2处理小麦籽粒产量最高,氮素利用效率和氮肥生产效率较高。【结论】本试验条件下,施氮量为150 kg•hm-2,是兼顾产量和氮肥利用效率的适宜施氮量。     

小麦籽粒蛋白质含量高光谱遥感预测模型比较

【目的】利用高光谱遥感技术实现冬小麦籽粒蛋白质含量的精准预测,比较筛选小麦籽粒蛋白质含量预测模型,实现优质小麦栽培生产。【方法】设置不同品质类型小麦品种和施氮量处理,测定开花期叶片叶绿素含量（SPAD）、叶片干物质质量（LDW）、地上生物量（AGB）、叶片氮含量（LNC）、叶片氮积累量（LNA）、叶面积指数（LAI）、植株氮含量（PNC）、植株氮积累量（PNA）和氮营养指数（NNI）9个农学参数及小麦冠层光谱,通过一阶导数和偏最小二乘法,构建基于不同农学参数的小麦籽粒蛋白质含量高光谱预测模型。【结果】一阶导数处理可以提高光谱数据与农学参数的相关性。运用偏最小二乘法构建的高光谱农学参数估测模型中以SPAD的模型建模精度与验证精度相对较优,建模集决定系数R²与预测集标准均方根误差nRMSE分别为0.99和4.10%;NNI反演模型验证结果较好,相对预测偏差RPD为2.04;利用线性回归构建的农学参数-籽粒蛋白质预测模型中以LNC的建模精度与验证精度最佳,其建模集R²、预测集均方根误差RMSE和RPD分别为0.64、0.79和2.11。最终构建的“...     

开花期渍水对土壤不同形态氮素含量及小麦氮素积累运转和产量的影响

【目的】探讨开花期渍水对土壤不同形态氮素含量的影响及其与小麦籽粒产量、植株氮素积累量的关系,以期为江汉平原小麦抗渍栽培提供理论依据。【方法】采用大田裂区试验,以襄麦55和郑麦9023为试验材料,设不渍水（CK）和开花期连续渍水7 d（WL）处理,测定土壤不同形态氮素含量、小麦植株氮素积累量及产量和产量结构等指标,并分析土壤不同形态氮素含量变化与籽粒产量、植株氮素积累量的关系。【结果】 0~20 cm土层各形态氮素含量对渍水的反应强度较20~40 cm和40~60 cm表现更剧烈。与CK相比,WL处理下（渍水后0~7 d）,0~20 cm土层硝态氮含量显著下降,下降幅度达65.7%~81.2%,铵态氮含量则上升48.7%~54.8%;碱解氮含量有所下降,总氮含量上升,但变化幅度较小。当撤去水分处理后（渍水后7~14 d）,硝态氮含量急剧上升,甚至恢复至与CK相同水平,铵态氮含量逐渐下降,与CK变化趋势相反;总氮和碱解氮含量变化与CK趋势一致。随后至小麦成熟期,CK和WL处理下各氮素含量总体上均逐渐降低。开花期渍水显著降低了襄麦55和郑麦9023的花后氮素积累量（P<0.05,下同）,并导致成熟期营养器官氮素积累量和籽粒氮素积累量均显著下降;襄麦55花后氮素积累量下降幅度显著小于郑麦9023。此外,WL处理显著降低了襄麦55和郑麦9023的千粒重和籽粒产量,与CK相比襄麦55和郑麦9023的产量分别降低25.24%和34.81%。通过对渍水条件下土壤各形态氮素含量与产量及成熟期植株氮素积累量的冗余分析可知,渍水第7 d （渍水终止当天）土壤硝态氮含量与小麦产量和成熟期植株氮素积累量均呈正相关,铵态氮和总氮含量与小麦籽粒产量和成熟期植株氮素积累量呈负相关,与土层深度关系较小;碱解氮含量与小麦籽粒产量和成熟期植株氮素积累量的关系存在土层间差异。【结论】开花期渍水显著降低小麦产量和花后氮素积累量,对土壤各形态氮素的影响主要在0~20 cm土层,以硝态氮和铵态氮含量变化对渍水的响应最敏感,其中硝态氮含量与成熟期植株氮素积累和籽粒产量呈正相关,而铵态氮与成熟期植株氮素积累和籽粒产量呈负相关。     

晚播对弱筋小麦植株氮素积累与利用的影响

【目的】分析晚播对弱筋小麦氮素积累与利用的影响。【方法】以弱筋小麦品种扬麦13和宁麦13为材料,在不同氮素水平下(N210:210 kg/hm2、N270:270 kg/hm2)设置适播与晚播处理,分析弱筋小麦氮素积累与利用情况。【结果】弱筋小麦开花期植株氮素积累量主要来源于土壤氮(70.48%～85.51%);成熟期籽粒氮素积累量主要来源于土壤氮(74.35%～86.86%);成熟期营养器官氮素积累主要来源于肥料氮(52.88%～82.12%)。与适期播种相比,晚播显著增加了小麦成熟期单株氮素积累量、开花期来源于土壤氮的积累量、成熟期营养器官和籽粒来源于土壤氮及肥料氮的积累量。弱筋小麦花前营养器官积累氮素向籽粒的转运率为55.52%～79.78%,氮素积累转移的贡献率为38.91%～77.99%。适期播种处理下,花前营养器官氮素积累转运量、转运率与贡献率分别为23.47 mg/株、75.23%和71.46%,而晚播显著降低花前营养器官氮素积累转运量、转运率与贡献率(分别为19.87 mg/株、59.74%和50.31%)。各处理小麦氮肥生产效率为25.25～44.27 kg/kg,氮素利用效率为15.75%～41.43%,氮素收获指数为0.730～0.844。同一因素下不同水平比较表明:晚播显著降低籽粒产量、氮肥生产效率、氮素利用效率及氮素收获指数,但播期对籽粒蛋白质含量无显著影响。在相同品种和氮水平处理下,晚播较适期播种籽粒产量降低。【结论】弱筋小麦晚播不利于籽粒产量的提高和氮素利用效率的提高,因此为获得较高产量水平与氮素利用效率,应尽量保证弱筋小麦适宜播种期。     

利用冠层反射光谱和叶片SPAD值预测小麦籽粒蛋白质和淀粉的积累

 研究了不同土壤水氮条件下小麦抽穗后叶片氮素状况和籽粒蛋白质及淀粉积累动态与叶片SPAD值、冠层光谱反射特征的关系。结果表明,小麦抽穗后叶片氮积累量与叶片SPAD值、冠层反射光谱分别呈显著的指数和线性相关;籽粒蛋白质积累量与叶片氮积累量呈显著线性负相关,而成熟期籽粒蛋白质积累量与抽穗后叶片氮转运量呈线性正相关。叶片SPAD值与籽粒蛋白质和淀粉积累量均呈二次抛物线关系;比值指数R(1 500,610)和R(1 220,560)分别与籽粒蛋白质积累量和淀粉积累量呈显著负指数相关。因此,叶片SPAD值和比值指数可以     

基于SPOT-5影像的冬小麦拔节期生物量及氮积累量监测

【目的】建立基于SPOT-5遥感信息的冬小麦拔节期地上部生物量和氮积累量的遥感监测模型,为利用SPOT-5影像进行大面积小麦生产力预测和氮素调控提供依据。【方法】分析冬小麦拔节期地上部生物量和氮积累量与同期SPOT-5光谱参数之间的定量关系,筛选出适宜的光谱参数,建立并评价冬小麦拔节期地上部生物量和氮积累量的遥感监测模型。【结果】绿光、红光和近红外波段反射率与冬小麦拔节期地上部生物量和氮积累量的相关系数均达到极显著水平。其中,近红外波段反射率对地上部生物量反应最敏感,绿光波段反射率则对地上部氮积累量反应最敏感。利用归一化植被指数（NDVI）为变量建立地上部生物量指数函数遥感监测模型表现最优,决定系数（R2）达到0.696**,均方根误差（RMSE）达到258.92 kg•hm-2。利用近红外和绿光波段反射率的比值为变量建立地上部氮积累量线性函数遥感监测模型表现最优,R2达到0.717**,RMSE达到19.24 kg•hm-2。依据上述模型,制作了研究区冬小麦拔节期地上部生物量和氮积累量遥感监测专题图。【结论】SPOT-5影像在冬小麦拔节期小麦长势监测中能够获得较高精度,具有广泛的应用前景。     

钾素水平对小麦氮素积累和运转及籽粒蛋白质形成的影响

 【目的】试图阐明施钾对小麦植株氮素积累、运转和籽粒蛋白质形成的影响机理。【方法】在池栽条件下，以宁麦9号（低蛋白）和扬麦10号（中蛋白）两个蛋白质含量不同的冬小麦品种为材料，研究了不同施钾水平下植株氮素积累、运转和开花期叶片含钾量的特征及其与籽粒蛋白质和各组分含量的关系。【结果】与不施钾相比，施钾提高了籽粒蛋白质含量，极显著提高了球蛋白和醇溶蛋白含量，由于对谷蛋白含量的作用甚微，因而显著降低了谷/醇比。施钾提高了开花期叶片含钾量进而显著促进了小麦植株花前氮素的积累和贮存氮素的运转，较高的开花期叶片钾营养水平显著提高了扬麦10号的花后氮积累，但对宁麦9号花后氮积累的促进作用较小。两种类型小麦的籽粒蛋白质含量对施钾的响应程度不同，扬麦10号大于宁麦9号。【结论】施钾条件下，因较高开花期叶片含钾量而显著提高的宁麦9号花前贮存氮素运转量和扬麦10号花后氮积累量，分别是这两种类型小麦籽粒蛋白质含量增加的重要生理原因。在本试验条件下，宁麦9号和扬麦10号的适宜施钾水平分别为K2O 150、225 kg·ha-1。     

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。     

基于改进光谱角算法的小麦产量监测研究

[目的]基于小麦生长发育关键时期的近地面高光谱数据和收获实测产量数据,利用改进的光谱角算法进行冬小麦产量估测.[方法]选择2个小麦品种,设置4个氮素水平处理,根据氮素营养对小麦冠层可见光和近红外光谱影响较大的特点,构建监测小麦冠层氮素营养的光谱角算法.[结果]氮素营养对小麦产量差具有比产量更明显的差别,不同小麦品种在不同生育时期和氮素水平下光谱角变化有明显的差异,小麦生育前期的光谱角变化较小,生育后期光谱角增加,末期光谱角降低,不同氮素水平之间表现出NO-2>N0-3>NO-1.光谱角与小麦产量呈明显的二次线性关系,拟和方程决定系数为0.7844,达到极显著水平.[结论]利用光谱角进行小麦产量监测是可行的.     

Monitoring Protein and Starch Accumulation in Wheat Grains with Leaf SPAD and Canopy Spectral Reflectance

The research was conducted to determine the relationships of protein and starch accumulation dynamics in grains of wheat to post-heading leaf SPAD values and canopy spectral reflectance. The results showed that leaf nitrogen accumulation was exponentially related to leaf SPAD values and linearly related to canopy spectral reflectance, and that there was negative linear relationship between leaf nitrogen accumulation and grain protein accumulation, but positive linear relationship between post-heading leaf nitrogen translocation and grain protein accumulation at maturity. In addition, leaf SPAD values were parabolically related with and ratio indices R(1 500,610) and R(1 220,560) were exponentially related with protein and starch accumulation in grains. These results indicate that leaf SPAD values and canopy spectral reflectance should be good indicators of quality formation dynamics in wheat grains.     

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。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

Common Spectral Bands and Optimum Vegetation Indices for Monitoring Leaf Nitrogen Accumulation in Rice andWheat

Real-time monitoring of nitrogen status in rice and wheat plant is of significant importance for nitrogen diagnosis, fertilization recommendation, and productivity prediction. With 11 field experiments involving different cultivars, nitrogen rates, and water regimes, time-course measurements were taken of canopy hyperspectral reflectance between 350-2 500 nm and leaf nitrogen accumulation (LNA) in rice and wheat. A new spectral analysis method through the consideration of characteristics of canopy components and plant growth status varied with phenological growth stages was designed to explore the common central bands in rice and wheat. Comprehensive analyses were made on the quantitative relationships of LNA to soil adjusted vegetation index (SAVI) and ratio vegetation index (RVI) composed of any two bands between 350-2 500 nm in rice and wheat. The results showed that the ranges of indicative spectral reflectance were largely located in 770-913 and 729-742 nm in both rice and wheat. The optimum spectral vegetation index for estimating LNA was SAVI (R822,R738) during the early-mid period (from jointing to booting), and it was RVI (R822,R738) during the mid-late period (from heading to filling) with the common central bands of 822 and 738 nm in rice and wheat. Comparison of the present spectral vegetation indices with previously reported vegetation indices gave a satisfactory performance in estimating LNA. It is concluded that the spectral bands of 822 and 738 nm can be used as common reflectance indicators for monitoring leaf nitrogen accumulation in rice and wheat.