冬小麦春生叶面积矫正系数及叶面积指数的研究

本试验随机抽取河北省目前生产应用的四个冬小麦品种，对其春生六片叶的叶面积矫正系数（ｒ）及群体叶面积指数（Ｒ）进行了研究，结果表明；（１）ｒ值与密度无关，（２）品种间ｒ值无差异，（３）春生六片叶间ｒ值差异显著，且随着叶位升高，ｒ值变小，根据ｒ值可将六片叶分为三组，其ｒ值分别为０．８３５，０．７７５和０．７２５，抽穗期全株ｒ值平均为０．７６，由此推测，春生六片叶ｒ值是由三组基因控制的（４）抽穗期单株茎     

冬小麦春生叶面积矫正系数及叶面积指数的研究

本试验随机抽取河北省目前生产上应用的四个冬小麦品种,对其春生六片叶的叶面积矫正系数(r)及群体叶面积指数(R)进行了研究.结果表明,①r值与密度无关;②品种间r值无差异;③春生六片叶间r值差异显著,且随着叶位升高,r值变小.根据r值可将六片叶分为三组,其r值分别为0.835、0.775和0.725,抽穗期全株r值平均为0.76.由此推测,春生六片叶r值是由三组基因控制的;④抽穗期单株茎数和r值与群体叶面积(Y)有曲线关系,其方程为Y=∑y_i=13.6619r∑x_i~2 0.7r∑x_i;⑤叶面积指数R=14r(?)x_i~2/s.p.     

小麦叶面积指数的模拟模型研究

小麦叶面积指数计算为群体绿叶与比叶面积的乘积，而绿叶重为其分配指数的地上部干重的乘积。建立了绿叶分配指数与生理发育时间之间的曲线关系。结果表明，模型能较好地模拟叶面积指数的变化动态，其平均相对误差小于10％。     

小麦叶面积指数变化的模拟

分段模拟了潜在生产条件下小麦叶面积指数变化,并建立了模拟模型,模型可作为进一步模拟小麦群体生长的基础。     

冬小麦叶面积指数真实性检验尺度扩展方法研究

为在空间尺度上实现冬小麦LAI地面观测与遥感观测直接匹配,从1 m×1 m范围的实测LAI出发,通过优化采样方法扩展得到16 m×16 m范围的冬小麦LAI,然后利用空间分辨率为16 m的高分1号卫星的多光谱数据计算样本点的植被指数,建立其与冬小麦LAI的拟合模型,从四种植被指数的拟合模型中挑选表现最好的LAI估测模型,获得16 m×16 m尺度的LAI分布图,并经过重采样聚合为250 m×250 m尺度的LAI格点图,从而实现从地面点测量数据到卫星尺度数据的扩展。检验结果表明,16 m×16 m和250 m×250 m两个研究区域模拟点值和实测点值的相对误差分别为4.18%和3.64%,说明这种尺度扩展方法是科学可行的。     

测定芒果叶面积的方法研究

：本文对秋芒、青皮、紫花、粤西１号、椰香、留香、白象牙、吕宋、白玉几种芒果品种稳定期叶片叶面积的２种测定方法进行了研究，结果表明：①回归方程法：在一定定义域内，可利用叶长×叶宽与方格法测量叶面积的回归方程计算出实际叶面积；②调整系数法：利用叶片的调整系数Ｋ＝可求叶面积     

河南新乡地区冬小麦叶面积指数的动态模型研究

为给小麦高产栽培提供理论依据,依据2004～2006年度田间试验数据,研究了新乡地区冬小麦叶面积指数变化规律,及其与有效积温的关系,并利用线性方程和Logistic曲线修正方程,分段建立了以气温估算冬小麦叶面积指数的半经验公式.结果表明,对叶面积指数和有效积温归一化后,冬小麦连续两个生长年度的相对叶面积指数动态变化与相对有效积温相关关系较好.通过对2003～2004年度冬小麦叶面积指数模拟值与实测值比较,平均绝对误差0.1572,相关系数0.98,相关达极显著水平(P＜0.01),这表明该方法可很好地反映叶面积的动态变化规律.     

图像处理技术在冬小麦叶面积指数测定中的应用

为了探讨利用图像处理技术测定冬小麦叶面积指数的可行性,在室外光照条件下．固定数码相机高度垂直拍摄冬小麦群体图像,利用图像处理技术获取小麦冠层的图像叶面积指数(ILAI),并用手工测量获得小麦群体实际叶面积指数(LAI),建立ILAI和LAI间与施肥处理有关的关系模型,对该模型的稳定性和实用性进行统计检验。试验结果表明,利用图像处理技术通过ILAI获取小麦LAI是可行的,且简便易行,测量精度和效率都很高。     

不同穗型小麦品种叶重与叶面积关系的研究

本文以大穗型和多穗型小麦品种（系）为试材,研究了不同播种密度、不同生育时期、不同叶位叶片叶面积与叶干重、叶鲜重及单株干重的关系。结果表明：①叶干重、叶鲜重与叶面积的正相关都达到极显著水平,单株干重与叶面积的相关系数显著性在不同生育期表现不同;②叶干重与产量及其构成因素的相关关系和叶面积与产量及其构成因素的相关关系相似,且具有测定简便、受密度影响较小的特点,可以换算成叶面积或叶面积系数,建议作为小麦栽培及生理研究中的常用指标。     

基于无人机影像的小麦株高与LAI预测研究

为快速、准确地估测不同生育时期小麦品种（系）株高与叶面积指数（LAI）表型性状,基于各生育时期小麦品种（系）数字正射影像（digital orthophoto map,DOM）和数字表面模型（digital surface model,DSM）,分别构建不同生育时期株高估测模型和光谱指数LAI估测模型。借助一元线性回归、多元逐步回归（SMLR）和偏最小二乘回归（PLSR）分析方法,并采用决定系数（r）、均方根误差（RMSE）和归一化均方根误差（nRMSE）综合性评价指标,筛选出小麦不同生育时期最优的株高和LAI估测模型。结果表明,（1）全生育期株高估测效果最好,模型预测值与实测值高度拟合（r、RMSE、nRMSE分别为0.87、5.90 cm、9.29%）;在各生育时期中,灌浆期模型预测精度较好,成熟期预测精度最差,r分别为0.79和0.69。（2）所选的18种光谱指数与LAI相关性均较好,其中BGRI、RGBVI、NRI和NGRDI的相关系数达到极显著水平,且各时期三种回归估测模型均表现出较高的稳定性和拟合效果,其中SMLR回归模型对各生育时期LAI预测精度最好,其拔节期、孕穗期、扬花期、灌浆期和成熟期的预测集r分别为0.68、0.57、0.61、0.68和0.53。这说明,基于无人机获取的不同生育时期小麦DSM影像提取株高,并运用18种光谱指数构建LAI估测模型方法是可行的。     

基于无人机RGB影像的小麦叶面积指数与产量估算研究

为探讨基于无人机RGB影像实现对小麦叶面积指数(leaf area index, LAI)和产量估算的可行性,设置不同生态点、品种和氮素处理的小麦田间试验,应用大疆精灵4 Pro无人机获取小麦拔节期、抽穗期、扬花期和灌浆期4个主要生育时期的RGB高时空分辨率影像,并同测定小麦LAI。采用相关性分析筛选出不同生育时期对LAI敏感的光谱与纹理特征集,并借助随机森林(random forest, RF)、偏最小二乘回归法(partial least squares regression, PLSR)、BP神经网络(back propagation neural network, BPNN)和支持向量机(support vector machine, SVM)分析方法,筛选出小麦不同生育时期最优的LAI估测模型。基于不同生育时期的光谱与纹理特征以及时期特征集,进一步建立产量预测模型,并在不同生态点验证叶面积估算模型与产量预测模型的普适性。结果表明,基于RF的LAI估测模型的验证精度最高,4个生育时期的均方根误差(root mean square error, RMSE)分别为2.26、1.44...     

基因型和氮肥对冬小麦叶片形态建成和分蘖的影响

于１９９８～１９９９ 年在浙江大学华家池校区实验农场进行了田间试验,研究基因型和环境对小麦叶片形态建成和分蘖的影响。试验由３ 个基因型（浙麦１ 号,ＺＡＵ９７－２,扬麦５ 号）和３ 种氮肥水平（０,１２０,２４０ ｋｇ／ｈｍ ２）的９ 种组合处理组成。主茎各叶片长度,除第１、９ 和１０ 外,基因型之间差异显著,叶片宽度随叶位高度而增加,各叶片面积的变化与叶长基本一致,第１ 至５ 叶依次增加,第６ 叶明显减小,第７ 叶又逐渐递增;单株分蘖数和分蘖消长动态因基因型而异。氮对叶片形态有明显影响,但除旗叶外,Ｎ１２０ 和Ｎ２４０ 两种氮水平之间叶长无显著差异。氮对分蘖的发生影响较小,但能显著促进其后的生长。基因型和氮肥对叶片形态和分蘖的影响存在着一定的互作效应。     

高产优质小麦新品种西农979叶面积、叶绿素含量及干物质积累的特点

为了解小麦新品种西农979的叶片功能、干物质积累及运转等特点,为其优质高产高效标准化栽培提供依据,选用西农979及大穗品系西农9814为试验材料,以小偃22为对照,对其不同生长发育时期叶面积、叶绿素含量及干物质的变化规律进行了研究。结果表明,在抽穗期,西农979最大单茎叶面积为72.78cm2,对照小偃22最大单茎叶面积为101.69 cm2;西农979叶片衰老较快,在5月25日几乎没有绿叶面积,而对照小偃22绿叶延迟至6月1日;西农979旗叶叶绿素含量也比对照小偃22低,但西农979单茎干物质积累和对照小偃22相当;在灌浆成熟期,西农979单粒重显著高于对照,成熟后西农979比对照增产7.4%。由此说明西农979叶片光合速率高,开花后光合产物向籽粒中运转快。后期光合时间短是西农979生产上存在的主要问题,可在扬花期采取叶面喷肥来延缓叶片衰老,维持后期叶片光合功能,扩大花后干物质积累量。     

冬小麦叶面积指数的品种差异性与高光谱估算研究

为给小麦叶面积指数（LAI）的高光谱估算提供技术支持,基于2年大田试验,以4个河南主推品种为材料,对小麦LAI和冠层光谱变化特点、估算模型及其品种间的差异等进行了系统分析。结果表明,在生育期内不同冬小麦品种冠层光谱反射率的变化与LAI变化有差异;在相同LAI下,不同冬小麦品种的光谱曲线存在差异。利用400~900 nm范围内冠层光谱反射率的任意两波段组合的比值光谱指数（RSI）、归一化差值光谱指数（NDSI）和差值光谱指数（DSI）所建立的单品种模型以及不同品种综合模型的决定系数（r）均达到0.84以上,单品种模型的r和调整r分别较综合模型高出3.1%~4.8%和2.0%~4.2%。利用独立于建模样本以外的数据对上述模型进行检验,单品种模型预测的r较综合模型提高了0.6%~11.0%,而均方根误差降低了10.0%~37.0%。因此,在利用高光谱遥感技术估算冬小麦LAI时,可以通过建立单品种模型来提高估算精度。     

冬小麦叶片气栓塞与叶水势日变化的关系

应用超声波(AE)信号测定技术,对冬小麦叶片木质部气栓塞发生与叶水势(ψl)日变化关系进行了研究。结果表明,AE信号在24 h周期内3个活跃期的出现与ψl变化密切相关。上午第一AE活跃期伴随ψl的下降,傍晚第二AE活跃期对应ψl的恢复,午夜前后的第三活跃期对应夜间ψl的进一步恢复,午夜后土壤和植株水势基本达到平衡后,AE信号终止。AE信号发生量和ψl变化量为非线性关系,表现出水势临界值效应,即ψl达到临界值时,微小的ψl变化会引发AE信号峰值。午后最低叶水势出现前的ψl下降期,ψl临界值起身拔节期平均为-1.08 MPa,孕穗至灌浆期平均为-1.60 MPa。叶水势变化是引发小麦叶片气栓塞发生的直接因素之一。     

基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演

为及时准确高效监测小麦叶面积指数(leaf area index, LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598～0.717和0.577～0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。     

小麦冬前主茎叶龄数及其应用

通过多年多点的小区试验和高产示范，对冬小麦冬前主茎叶龄数进行了研究。结果表明，冬小麦主茎叶龄数主要受播种期的影响，同时又受品种和栽培条件的制约。各因素对冬前主茎叶龄数影响的大小顺序为播期＞肥水＞稀密＞品种。并对小麦冬前主茎叶龄在生产上的应用进行了研究。