基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测

籽粒蛋白含量(grain protein content,GPC)是衡量小麦品质的重要指标,及时准确的预测小麦GPC有利于小麦的分类收割和分级存储。为了能够选择一个合适的氮素营养指标作为中间变量来反演小麦GPC,该文研究分别以开花期植株氮素累积量(plant nitrogen accumulation,PNA)、植株氮素含量(plant nitrogen content,PNC)、叶片氮素累积量(leaf nitrogen accumulation,LNA)和叶片氮素含量(leaf nitrogen content,LNC)4个氮素营养指标为中间变量,并运用支持向量机(support vector machines,SVM)算法实现4个氮素营养指标的估测,最后构建及评价基于开花期"植被指数(vegetation index,VI)-氮素营养指标(nitrogen nutrition index,NNI)-GPC"模式的冬小麦GPC预测模型。结果表明:1)通过分析植被指数与氮素营养指标的相关性,选择植被指数MSAVI、PSRI、DVI、RDVI和GNDVI作为氮素营养指标模型的构建变量;2)运用SVM方法构建的VI-NNI模型中LNC的建模精度与验证精度相对最优,其建模决定系数(coefficient of determination,R~2)和验证集标准均方根误差(normalized root mean squared error,n RMSE)及验证标准化平均误差(normalized average error,NAE)分别为0.820、9.553%、-1.4%,验证结果稳定性较好;3)构建NNI-GPC模型中PNC的建模精度与验证精度相对最好,其建模R~2和验证n RMSE及NAE分别为0.653、9.843%、-0.3%;4)最终构建的VI-NNI-GPC模型中,以开花期PNC为中间变量的模型建模及反演精度最好,其建模R~2和验证n RMSE及NAE分别为0.631、8.564%、-0.9%。以氮素营养指标为中间变量的GPC遥感反演是可行的,并且比较4个氮素营养指标为中间变量反演GPC,PNC具有较高精度的预测结果,为精确反演GPC提供一个可靠的依据,具有一定的应用前景。     

利用Landsat TM遥感数据监测冬小麦开花期主要长势参数

为精准农业技术体系中的小麦农艺处方管理决策提供详尽的全局性信息,该文以2007－2009年试验实测数据为基础,以Landsat TM影像为遥感数据源,分析了试验样点开花期冬小麦主要长势参数与品质和产量间以及与卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦开花期SPAD值、生物量、叶面积指数和叶片氮含量的模型。结果表明：冬小麦开花期,选用作物氮反射指数、近红外波段反射率和归一化植被指数这些遥感变量分别反演冬小麦SPAD值、生物量、叶面积指数和叶片氮含量是可行的;SPAD值、生物量、叶面积指数和叶片氮含量遥感监测模型的精度较高,均方根误差分别为3.12、216.5 kg/hm2、0.269和0.162,以此为基础,制作出具有实际农学意义的冬小麦开花期不同等级SPAD值、生物量、叶面积指数和叶片氮含量遥感监测专题图,实现了主要长势参数空间分布量化表达。基于卫星影像的农田面状信息获取技术克服了点状信息的不足,为农业生产管理决策及时提供信息支持,使该研究技术更利于大面积应用和推广。     

基于氮素营养指数的冬小麦籽粒蛋白质含量遥感反演

基于遥感实现小麦籽粒蛋白质含量提早估测对农业生产具有重要意义。为提高预测小麦籽粒蛋白质含量的准确度,该研究引入能更好反映作物氮素营养状况的农学参数－氮素营养指数,作为衔接遥感信息与产终籽粒蛋白质含量的桥梁。在田间试验的基础上,探讨氮素营养指数与其他农学参数在诊断籽粒蛋白质含量上的优劣,并基于“遥感参数－氮素营养指数－籽粒蛋白质含量”间关系,利用主成分回归算法构建估测籽粒蛋白质含量的遥感反演模型。结果表明,相比于其他参数,冬小麦旗叶期氮素营养指数能更好的反映产终籽粒蛋白质含量;以氮素营养指数为中间变量,所建遥感反演模型能准确预测小麦籽粒蛋白质含量,模型的预测决定系数为0.48,预测标准误差为0.38%,相对误差为2.32%。     

增温对保护性耕作下冬小麦籽粒蛋白质含量的影响

冬小麦是世界主要粮食作物之一,气候变暖可能显著影响冬小麦籽粒蛋白质含量,但其影响机制还不明确。针对该问题,该研究在中国冬小麦主产区华北平原开展连续3 a（2017-2019）免耕（No Tillage,NT）和常规耕作（Conventional Tillage,CT）下的田间增温试验。结果表明,增温提前了冬小麦返青期,延长了冬小麦营养生长阶段时长,提高了冬小麦叶面积指数和群体净光合速率。2019年增温处理下冬小麦开花期茎叶氮素积累量提升了20.17%（CT）、99.21%（NT）,花后茎叶氮素转移量提升了24.62%（CT）、134.21%（NT）,茎叶氮素对籽粒的贡献率提升了2.43%（CT）、46.10%（NT）。增温影响了冬小麦产量构成,增温下冬小麦有效小穗数略减,部分年限千粒质量略增。NT处理增温增产,CT处理增温增产不明显,总的趋势为NT处理连续3 a平均产量低于CT处理。增温还显著提升了冬小麦籽粒蛋白质含量（P<0.05）,连续3 a平均籽粒蛋白质含量提升了14.28%（CT）、17.39%（NT）。综上,研究表明增温会通过改变冬小麦生理特征显著促进氮素向籽粒转化,并且增温下冬小麦有效小穗数减少使得原本将进入更多籽粒中去的氮素都进入到最终有效籽粒中去,进而显著增加籽粒蛋白质含量。研究结果可为气候变化对冬小麦籽粒蛋白质含量的影响提供科学依据。     

冬小麦氮平衡指数与籽粒蛋白质含量空间结构及关系

氮素的吸收对其最终籽粒蛋白质含量具有重要的影响。该研究以冬小麦为研究对象,运用地质统计学方法研究分析了冬小麦胁迫荧光参数氮平衡指数(nitrogen balance index,NBI)与籽粒蛋白质的空间结构并且建立了半方差函数。采用指示值等值线法分析了4个生育阶段的综合氮平衡指数(NBI)与籽粒蛋白质含量的关系。研究结果表明:氮平衡指数(NBI)与籽粒蛋白质含量数据符合正态分布;具有明显的区域化变量特征和较好的空间结构;冬小麦各生育期胁迫荧光参数氮平衡指数(NBI)与籽粒蛋白质含量的相关系数均表现较好,在灌浆中后期达到最大值(r=0.828);适宜氮平衡指数维持较长时间有利于较高籽粒蛋白质含量的形成,且综合氮平衡指数与籽粒蛋白质含量表现出相同的空间分布。该研究确定的冬小麦氮平衡指数(NBI)与籽粒蛋白质含量的空间结构和关系为作物大田氮肥管理、籽粒蛋白质预测等提供参考。     

基于HJ-1A/1B数据的冬小麦成熟期遥感预测

基于遥感数据获取作物成熟度信息,制订收割顺序,是遥感在精准农业中的一个重要应用课题,目前的作物物候监测在空间分辨率和预测的时效性上尚无法满足精准农业的要求。以山东禹城市为研究区,选取观测点,分析冬小麦成熟期临近过程中水分和叶绿素的动态变化,获取基于遥感监测小麦成熟期的依据。以HJ-1A CCD数据构建的植被指数来反映作物绿度的变化,以HJ-1B IRS数据构建的归一化水指数来反映作物含水率的变化,通过回归分析建立了冬小麦成熟期的遥感预测模型,实现了禹城市冬小麦成熟期的遥感监测。小麦成熟期预测值与观测值的相关性达极显著水平,预测与观测小麦成熟期的先后顺序较为一致,在以误差小于1 d作为成功预测衡量标准的情况下,预测结果的准确度为65%。提出了使用HJ-1A/1B数据开展冬小麦成熟期预测的模型,而使用不同时相遥感数据预测成熟期的通用模型将成为下一步研究重点。     

铜氮配施对冬小麦籽粒产量和蛋白质含量的影响

在豫中潮土区通过田间裂区试验研究了铜、氮配施对冬小麦籽粒产量和蛋白质的影响。结果表明,氮肥对冬小麦籽粒产量和蛋白质产量影响达极显著水平,对蛋白质含量影响不显著。铜肥对籽粒产量和蛋白质产量的影响都达到极显著水平,对籽粒蛋白质含量影响达显著水平。氮、铜交互对冬小麦籽粒产量和蛋白质产量影响达极显著差异,对蛋白质含量影响也达显著差异。综合考虑产量和蛋白质因素,本试验条件下,铜、氮配施以N1Cu2处理(即施氮120 kg.hm-2,施铜45 kg.hm-2)为适宜的铜、氮配施比例。     

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。     

基本苗数和底追肥比例对冬小麦籽粒产量和蛋白质组分的影响

以中任1号小麦为试验材料,采用二因素随机区组设计,研究了基本苗和氮肥施用策略对小麦植株性状、产量和蛋白质组分的影响。结果表明,不同基本苗数和氮肥底/追比例的处理间株高、穗长、产量、千粒重、容重均有显著差异。穗长与穗粒数呈极显著正相关(r=0.931**)。随基本苗增加,穗长、穗粒数和千粒重逐渐减少,处理间差异显著。容重有随基本苗增加而升高的趋势。对产量而言,基本苗以450万/hm2时较高,但与300万/hm2和375万/hm2基本苗处理间的产量差异不显著,因此,生产中在偏晚的播期内,可以根据实际播种时间和地力条件,在300~450万/hm2基本苗范围内进行调整。不同蛋白组分对基本苗处理的反应有别,在基本苗较少时清蛋白和球蛋白含量较低,而谷蛋白和总蛋白含量较高。清蛋白、球蛋白、醇溶蛋白在各追肥比例处理间差异不显著,谷蛋白和总蛋白含量处理间差异显著,且均以底追比例3∶7的处理含量最高。总蛋白含量有随追肥比例增加而提高的趋势。     

肥水调控对冬小麦产量及籽粒蛋白质组分的影响

为探明干旱处理与氮磷肥合用后小麦产量和养分积累及分配的变化,在盆栽条件下,以中麦8为试材,在设置3个氮磷肥施用量的基础上,每施肥处理下于开花期再利用称重法设置水分适宜(W1,SRWC=75%)、轻度亏水(W2,SRWC=60%)和重度亏水(W3,SRWC=45%)3个土壤水分水平,研究了肥水调控对冬小麦产量、养分积累及籽粒蛋白质组分的影响。结果表明,与花后土壤水分适宜相比,花后轻度亏水与重度亏水产量分别降低9.73%和15.55%,籽粒氮素积累量降低了3.41%和13.64%,醇溶蛋白含量降低了0.1%和1.1%,穗粒数、千粒重、籽粒磷素积累量、养分收获指数、氮素利用效率、清蛋白含量亦有不同程度的降低,但磷素利用效率、球蛋白含量及谷/醇比呈相反的趋势变化,其中,磷素利用效率以W3最高,达81.76 g·g~(-1),显著高于W1和W2。增施氮磷肥,穗数、千粒重降低,籽粒养分积累量及其蛋白质组分含量增加,但养分利用效率及氮素收获指数降低,其中,与F1(N 120kg·hm~(-2),P_2O_596 kg·hm~(-2))相比,F2(N 180 kg·hm~(-2),P_2O_5144 kg·hm~(-2))和F3(N 240 kg·hm~(-2),P_2O_5192 kg·hm~(-2))产量分别降低了7.23%和7.69%。土壤适度亏水,增施氮磷肥降低了产量、籽粒氮素分配比例及养分利用效率和氮素收获指数,籽粒蛋白质组分含量及谷/醇比提高;土壤重度亏水,增施氮磷肥降低了磷素利用效率、氮素收获指数和清蛋白含量及谷/醇比,提高了产量、籽粒磷素分配比例及球蛋白和醇溶蛋白含量。本研究结果为小麦产量和品质领域研究奠定了一定的理论基础。     

基于遥感数据和气象数据的水旱地冬小麦产量估测

研究利用遥感数据进行了运城地区冬小麦不同生育时期归一化差值植被指数和产量关系的研究,利用气象数据和光谱数据构建了冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型。结果表明：运城地区水旱地冬小麦均以5月8日左右的NDVI值与产量相关性最好,且达极显著水平,因此该时期为建立冬小麦遥感估产模型的最佳时相。通过对冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型预测效果进行的F检验,表明各模型均达到极显著水平。与其他两种模型相比,光谱气象产量模型的决定系数（R2）有明显的提高,并且相对均方根误差（RRMSE     

不同冬小麦品种氮素吸收运转特性及其与子粒蛋白质含量的关系

选用济南17、鲁麦22、泰山021三个产量水平相近,品质不同的冬小麦品种,利用15N同位素示踪技术研究氮素吸收运转特性及其与子粒蛋白质含量的关系。结果表明,小麦植株一生所吸收的氮素,72.51%～73.57%来自土壤氮,26.43%～27.49%来自肥料氮;其中11.43%来自底施氮,15.60%来自追施氮。开花期肥料氮和土壤氮在济南17中的积累量最高,泰山021最低,鲁麦22介于其间。开花后营养器官中积累的氮素向子粒转移,对子粒氮素积累的贡献为叶片>茎+叶鞘>颖壳+穗轴,品种间比较,鲁麦22转移率最高,泰山021最低,济南17介于其间。基于以上生理原因,鲁麦22最终获得最高子粒蛋白质含量。     

Estimation of protein contents in winter wheat grain using satellite remote sensing

(Jpn. J. Soil Sci.Plant Nutr., 77, 317–320, 2006)     

基于偏最小二乘回归的土壤有机质含量高光谱估算

为实现基于光谱分析土壤有机质含量的快速测定,该文以江汉平原公安县的土壤为研究对象,进行室内理化分析、光谱测量与处理等一系列工作,在土壤原始光谱反射率(raw spectral reflectance,R)的基础上,提取了其倒数之对数(inverse-log reflectance,LR)、一阶微分(first order differential reflectance,FDR)和连续统去除(continuum removal,CR)3种光谱指标,分析4种不同形式的光谱指标与有机质含量的相关性,对相关系数进行P=0.01水平上的显著性检验来确定显著性波段的范围,并基于全波段(400~2 400 nm)和显著性波段运用偏最小二乘回归(partial least squares regression,PLSR)建立了该区域土壤有机质高光谱的预测模型,通过模型精度的比较确定最优模型。结果表明,进行CR变换后,光谱曲线的特征吸收带更加明显,相关系数在可见光波段范围内有所提高;基于全波段的PLSR建模效果要优于显著性波段,其中以CR的预测精度最为突出,其模型的决定系数R2和相对分析误差RPD分别为0.84、2.58;显著性波段的PLSR模型与全波段对比在模型精度方面虽有一定差距,但从模型的复杂程度来比较,具有模型简单、运算量小、变量更少的特点;最后,综合比较了全波段和显著性波段4种光谱指标的反演精度,发现CR-PLSR模型的建模和预测的效果比R-PLSR、LR-PLSR、FDR-PLSR模型都要显著。该研究可为将CR-PLSR高光谱反演模型用于该区域土肥信息的遥感监测提供参考。     

Predicting grain yield and protein content in winter wheat at different N supply levels using canopy reflectance spectra

A field experiment using a split-plot randomized complete block design with three replications was carried out to determine relationships between spectral indices and wheat grain yield （GY）, to compare the performance of four vegetation indices （VIs） for GY prediction, and to study the feasibility of VI to estimate grain protein content （GPC） in winter wheat. Two typical winter wheat （Triticum aestivum L.） cultivars ＇Xuzhou 26＇ （high protein content） and ＇Huaimai 18＇ （low protein content） were used as the main plot treatments and four N rates, i.e., 0, 120, 210, and 300 kg N ha^-1, as the sub-plot treatments. Increasing soil N supply significantly increased GY and GPC （P ≤ 0.05）. For the two cultivars combined, significant and positive correlations were found between four VIs and GY, with the strongest relationship observed when using the green ratio vegetation index （GRVI） at mid-filling. Cumulative VI estimates improved yield predictions substantially, with the best interval being heading to maturity stage. Similar results were found between VI and grain protein yield. However, when using cumulative VI, GPC showed no significant improvement. The strong relationship between leaf N status and GPC （R2 =0.9144 for ＇Xuzhou 26＇ and R2 = 0.8285 for ＇Huaimai 18＇） indicated that canopy spectra could be used to predict GPC. The strong fit between estimated and observed GPC （R2 = 0.7939） indicated that remote sensing techniques were potentially useful predictors of grain protein content and quality in wheat.     

施钴对冬小麦产量品质的影响

在潮土上采用田间小区试验,研究了钴元素对小麦产量和品质的影响。结果表明:施用适量的钴可以显著提高冬小麦的产量,改善冬小麦的品质。各施钴处理较对照增产7.4%～20.3%。施钴量在1.05kg.hm2以内,随着施钴量的增加,增产效应提高,当施钴量超过1.05kg.hm2时,随着施钴量的增加,冬小麦的产量增加,但增产效应下降。各施钴处理子粒蛋白质含量与蛋白质产量均有不同程度的提高,以Co2处理最高。此外,低浓度的钴(施钴量0.45～0.75kg.hm2)可以提高冬小麦子粒面粉的沉降值、总评价值和湿、干面筋含量,而高浓度的钴(施钴量大于1.35kg.hm2)则降低冬小麦子粒面粉沉降值、总评价值和湿、干面筋含量。土壤有效钴含量与施钴量呈极显著正相关,小麦籽粒中钴含量与施钴量呈显著正相关,地下部的钴含量显著大于地上部。     

运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产

为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。