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“...     

基于开花期卫星影像的春性中、弱筋小麦籽粒蛋白质含量遥感预测

为了对小麦籽粒品质提前监测与预报,以为小麦生产形势的分析和收购调度提供参考,本研究采用Landsat-5 TM卫星遥感数据,分析长江中下游流域江苏地段春性中、弱筋小麦拔节期和开花期植株性状参数(叶片SPAD值、叶片氮含量和植株氮含量)、卫星遥感植被指数和籽粒蛋白质含量间关系,建立籽粒蛋白质含量卫星遥感预测模型。结果表明:拔节期植株性状参数与籽粒蛋白质含量相关性不显著;开花期植株性状参数与籽粒蛋白质含量均呈极显著正相关(P0.01),可用于籽粒蛋白质含量提前预测;开花期植株性状参数均可采用NDVI和DSW3等卫星遥感植被指数进行反演,效果最优,并基于NDVI和DSW3分别建立籽粒蛋白质含量预测模型。采用模型预测2007年和2009年籽粒蛋白质含量,与实测值间相关性均达极显著水平(P0.01),且RMSE值较低,其中NDVI模型预测精度较高。构建了基于开花期数据的小麦籽粒蛋白质含量卫星遥感预测模型,采用NDVI模型制作了2009年江苏省部分区域春性中、弱筋小麦成熟期籽粒蛋白质含量卫星遥感预测专题图。     

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。     

基于氮素叶绿素关系的冬小麦籽粒蛋白质含量高光谱反演

为进一步提高光谱数据反演小麦籽粒蛋白质含量的精度以及反演模型的可解释性,研究以籽粒蛋白质含量（GPC）-氮素-叶绿素之间的关系为载体,通过叶绿素筛选相关植被指数,采用偏最小二乘回归（PLS）方法建立GPC反演模型。结果表明,开花期是监测籽粒蛋白质含量的最优时期。开花期氮素与对应密度叶绿素的相关性较高。通过筛选出与叶绿素密切相关的植被指数,利用PLS建立籽粒蛋白质含量反演模型,模型决定系数R2为0.77,RMSE为0.95%,用其他年份数据进行模型验证,结果显示RMSE达到1.22%。本研究表明：基于氮素、叶绿素关系建立PLS反演模型能够实现不同年份GPC光谱遥感反演,且模型在年际间表现出较高的精度和稳定性。     

大麦籽粒蛋白质含量预测模型

 【目的】构建大麦蛋白质含量预测模型,为建立大麦生产管理决策支持系统奠定基础。【方法】通过定量分析不同品种和氮肥处理大麦氮素吸收、积累、分配和转移的变化过程,建立了大麦花前氮素积累及分配和花后氮素吸收转移动态模型。模型利用抽穗期植株临界含氮量来表达氮素最大积累量,引入叶片潜在分配指数和茎鞘潜在分配指数2个品种遗传参数来区别不同品种在器官间的氮素分配差异,采用Richards方程来描述大麦花前氮素积累动态变化;采用指数函数方程来描述叶片氮的转移量随叶面积指数的动态变化以及籽粒从土壤中吸收的氮量随干物重的动态变化;采用非线性函数方程描述茎鞘和穗部的氮浓度随生理发育时间的动态变化。利用独立的观测资料对所构建的模型进行了检验。【结果】利用不同品种、氮肥、播期和种植地域试验数据检验模型,结果表明,大麦籽粒蛋白质含量模拟值与观测值的绝对预测误差为0.04%～1.27%,RMSE为0.20%～0.72%。精度良好。【结论】模型将经验性与机理性有机结合,具有较好的可靠性。     

小麦籽粒蛋白质组分含量的动态模拟研究

 【目的】建立小麦籽粒蛋白质组分含量的动态模拟模型,以期为预测小麦籽粒品质状况提供关键技术支持。【方法】通过定量分析不同品种和水氮处理下小麦籽粒蛋白质组分含量的变化过程,构建了小麦籽粒蛋白质组分含量随花后生长度日（GDD）的动态模拟模型。模型采用幂函数方程描述了清蛋白含量随花后GDD的动态变化,对数函数方程描述了醇溶蛋白和谷蛋白含量的变化过程;并以籽粒氮素和水分因子描述了不同水氮状况对小麦籽粒蛋白质组分含量变化的定量影响。同时利用独立的观测资料对所构建的模型进行了检验。【结果】模型对不同温度下灌浆期籽粒清蛋白、球蛋白、醇溶蛋白、谷蛋白含量预测的均方根差分别为0.44%、0.58%、0.53%和0.59%;对成熟期籽粒蛋白质组分含量预测的均方根差分别为0.41%、0.56%、0.75%和0.56%。【结论】模型对不同生长条件下小麦籽粒蛋白质组分含量的变化动态具有较好的预测性,从而为模拟小麦籽粒品质和完善小麦生长模拟系统奠定了基础。     

水稻植株氮素吸收与籽粒蛋白质积累模型

 【目的】建立基于生理生态过程的水稻籽粒蛋白质积累模拟模型。【方法】基于不同地点、品种及施氮水平的田间试验资料,通过解析花前植株氮素吸收与积累、花后氮素吸收与转运的动态特征及定量关系,构建水稻植株氮素吸收与籽粒蛋白质积累的模拟模型。【结果】水稻籽粒中氮素积累速率取决于源限制下的可获取氮源和库限制下的氮素积累速率;源限制下的可获取氮源取决于营养器官向籽粒转运的氮素和花后植株吸收的氮素,库限制下的氮素积累速率由潜在氮素积累速率及温度、水分和氮素因子效应来综合决定。营养器官中的氮素转运又分为叶片和茎中积累氮素的转运;花前叶片和茎中的相对氮含量随播后生长度日线性增加;花后叶片和茎中的相对氮含量随花后生长度日线性递减;花后吸收的氮素随籽粒重的增加对数递增。利用独立的田间试验资料对所建模型进行了检验,结果显示模拟值与观测值之间具有较好的一致性,其中花前叶片与茎秆氮素吸收量、花后籽粒氮素吸收量、花后叶片与茎秆中氮素转运量的决定系数分别为0.968、0.980、0.974、0.970和0.976,根均方差分别为16.55%、13.24%、9.53%、10.93%和9.29%;籽粒蛋白质含量的决定系数分别为0.930,根均方差分别为7.82%。【结论】模型对不同栽培条件下水稻植株氮素吸收与转运以及籽粒蛋白质积累具有较好的预测性,为水稻生产中籽粒蛋白质指标的动态预测提供了量化工具。     

水稻籽粒蛋白质积累的模拟模型研究

 【目的】蛋白质含量是稻米的重要品质指标。通过解析和综合水稻植株氮素积累和转运的动态规律及其与环境因子和基因型的定量关系，构建一个基于氮流生理过程的水稻籽粒蛋白质形成模拟模型，以期为水稻生产中籽粒蛋白质指标的动态预测和管理决策提供量化工具。【方法】以田间试验资料为基础，结合已有水稻生长模型，采用生理发育时间作为定量生育进程的尺度，通过解析和综合水稻植株氮素积累和转运动态的基本规律及其与环境因子和基因型的定量关系，构建花前植株氮素吸收与积累、花后氮素吸收与转运及籽粒蛋白质形成过程的模拟模型。【结果】利用不同年份、不同生态点、不同品种类型和不同肥水条件下的大田试验资料对籽粒蛋白质形成模型进行了检验，籽粒蛋白质含量模拟值与观测值之间的决定系数大于0.84，根均方差（RMSE）小于0.26%。表明模型具有较好的通用性和可靠性，可以较准确地预测不同条件下的水稻籽粒蛋白质含量与蛋白质产量。【结论】基于植株氮素积累和转运的生理生态过程，以生理发育时间为主线，建立了较为简化的水稻籽粒蛋白质积累动态的模拟模型，模型的研究不仅为定量预测不同生态与肥水条件下不同水稻品种籽粒蛋白质含量与蛋白质产量的动态变化奠定了基础，而且是对国内外现有水稻生长与产量模拟模型的发展和完善。     

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。     

作物籽粒蛋白质含量遥感监测预报研究进展

【目的】梳理目前作物资料蛋白质含量遥感监测预报研究进展,掌握最新该方面的研究方法、技术等。为发展优质专用谷物并依据以蛋白质含量为主导的不同类型谷物分类收获和加工探明发展道路。【方法】通过收集国内外籽粒蛋白质含量遥感监测预测研究文献,整理、分析及归纳当前研究内容,综述前人研究等方法。【结果】概述了3种常规的作物籽粒蛋白质含量检测方法,包括常规的室内分析化学法、近红外分析方法及遥感技术预测方法;介绍了植物碳氮代谢过程与籽粒蛋白质含量形成机理以及作物籽粒蛋白质遥感预测的可行性;然后归纳了4类作物籽粒蛋白质含量遥感监测预测等方法,分别为基于‘遥感信息—籽粒蛋白质含量’模式的经验模型、基于‘遥感信息—农学参数—籽粒蛋白质含量’模式的定量模型、基于遥感数据和生态因子的籽粒蛋白质含量半机理模型、基于遥感信息和作物生长模型结合的机理解释模型,并分别综述了这4类预测模型的国内外研究进展。【结论】明确了当前在籽粒蛋白质含量遥感预测中存在的问题及进一步解决的对策。     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。     

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。     

以HJ-CCD影像为基础的冬小麦孕穗期关键苗情参数遥感定量反演

【目的】应用卫星遥感数据可以及时获取大田种植作物“面状”苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息。【方法】结合2011-2013年定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以2013年数据为建模样本、2011年和2012年数据为验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型。【结果】冬小麦处于孕穗期,植被衰减指数（PSRI）可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数（RVI）可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数（R²）分别为0.651、0.585、0.630和0.675,均方根误差（RMSE）分别为1.344、4.62、0.618%和2 804.3 kg·hm^-2。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据。【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农业研究者、涉农部门领导和种植管理者获取及时有效的农情信息。     

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。     

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。     

密植与氮肥用量对不同耐密型夏玉米品种产量及氮素利用效率的影响

【目的】探究密度与氮肥用量对不同耐密型夏玉米品种籽粒产量及氮素利用效率的影响。【方法】以稀植大穗型品种鲁单981(LD981)和紧凑耐密型品种郑单958(ZD958)为供试材料,设置52 500和82 500株/hm~2两个种植密度,同时设置0、90、180、270和360 kg·hm~(-2) 5个施氮水平,研究密度与氮肥用量对不同耐密型夏玉米品种单株及群体干物质积累特性、氮素转运效率、氮素利用效率、产量及其构成因素的影响。【结果】增加种植密度,相同施氮水平处理的千粒重和穗粒数显著降低,单位面积穗数、空秆率、倒伏率显著提高,不耐密品种空秆率、倒伏率增加更显著。其中,ZD958与LD981各施氮处理的平均千粒重、穗粒数分别降低6.24%、6.77%和7.52%、18.09%,LD981空秆率、倒伏率高达17.0%、27.6%,显著高于ZD958。高密度条件下,籽粒产量随施氮量增加而增加,施氮270和360 kg·hm~(-2)处理的产量差异不显著;低密度条件下,随施氮量增加,籽粒产量先上升后下降,施氮量270 kg·hm~(-2)处理产量达到最大值。增加种植密度,夏玉米单株干物质积累量呈降低趋势,群体干物质积累量呈增加的趋势。随施氮量增加,单株和群体干物质积累量均显著增加,花后干物质贡献率呈上升趋势。相同氮素水平下,高密度处理显著提高夏玉米总氮素积累量、氮素转运量及其对籽粒的贡献率。增加种植密度,ZD958和LD981各施氮处理的平均总氮素积累量、氮肥农学利用率、氮肥利用率分别增加15.94%、39.01%、26.22%和1.96%、5.79%、14.92%。相同种植密度水平下,总氮素积累量和花后氮素同化量随施氮量增加呈上升趋势,而氮肥农学效率、氮肥利用率和氮肥偏生产力呈下降趋势。增加种植密度,营养器官氮素转运量和氮素转运对籽粒的贡献率显著增加。高密度种植条件下,氮素转运效率及贡献率随施氮量增加而增加,而低密度种植条件下,随施氮量增加而降低。【结论】本试验条件下,增密施氮显著提高不同耐密型夏玉米干物质积累量,但密度对籽粒产量的影响,品种间差异显著。增密后,LD981籽粒产量增加不显著,ZD958籽粒产量显著提高。高密度条件下,增加施氮量,不同耐密型玉米籽粒产量均显著增加,而LD981空秆率、倒伏率显著提高,是限制LD981籽粒产量提高的主要原因。增密显著提高不同耐密型玉米氮素利用率,提高营养器官氮素转运量;增加种植密度,ZD958花后氮素同化量增加,LD981则降低。施氮降低了植株氮素利用效率,但可以提高高密度条件下植株氮素吸收量,提高花后氮素同化量。增密与施氮相结合,有利于耐密型玉米产量与氮肥利用率协同提高。综合考虑产量和氮效率两方面,ZD958适宜种植密度为82 500株/hm~2,施氮量为270 kg·hm~(-2);LD981适宜种植密度为52 500株/hm~2,施氮量为180 kg·hm~(-2)。     

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。