基于SPAD值的木薯叶绿素含量预测模型

为了探讨木薯叶绿素含量的非破坏性快速测定方法,在测量叶片SPAD值、比叶面积和叶绿素含量的基础上构建通过SPAD值预测总叶绿素含量的数学模型。结果表明,叶绿素a对于SPAD值的贡献率大于叶绿素b;比叶面积和叶位显著影响SPAD值与总叶绿素含量的关系,在SPAD值预测总叶绿素含量的模型中导入比叶面积和叶位2个自变量可提高预测总叶绿素含量的精度;基于SPAD值、比叶面积、叶位预测总叶绿素含量的模型为C=-4.51+0.092 5 Spv+0.039 9 Sa+0.145 0（Lp）。     

低温胁迫对木薯组培苗叶片若干代谢生理指标的影响

以木薯SC8和MS5供试材料,研究5℃低温处理0、7、10、12和15 d对木薯组培苗叶片若干生理代谢指标的影响。结果表明:木薯种质SC8和MS5在5℃低温胁迫下,随着胁迫时间的延长,叶片的相对电导率、可溶性糖、丙二醛含量呈不断上升趋势,而可溶性蛋白、脯氨酸含量、超氧化物歧化酶活性、过氧化物酶活性呈先上升后下降的变化趋势;低温胁迫下,叶片的相对电导率与丙二醛含量和可溶性糖含量呈极显著正相关,与超氧化物歧化酶活性和可溶性蛋白含量呈极显著负相关;可溶性蛋白含量与丙二醛含量呈显著负相关,与游离脯氨酸含量、超氧化物歧化酶活性、过氧化物酶活性呈极显著正相关;超氧化物歧化酶活性与可溶性糖含量呈极显著负相关,与过氧化物酶活性呈极显著正相关;主成分分析显示超氧化物歧化酶活性、可溶性蛋白、可溶性糖和相对电导率在第1主成分中占有最大的信息量,与木薯耐寒性关系密切,可作为评价木薯耐寒性强弱的主要生理指标,其次是可溶性蛋白、丙二醛含量和过氧化物酶活性。综合分析生理数据认为木薯MS5的耐寒性高于SC8,这为下一步从离体保存库中直接采用组培苗方式进行大规模筛选耐寒种质提供参考方法。     

茶树叶片长宽乘积与实际叶面积关系分析

在茶叶生产科研中,许多方面都要测量叶面积,如确定茶树害虫防治指标时,测量害虫食去叶面积占全叶面积的量等。以前我们计算茶树叶片面积方法一般是长×宽×0.7。误差较大,不够准确。为了能更正确计算茶叶叶片面积,减少误差,我们对四个     

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％。     

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.     

影响木薯叶片蛋白质双向电泳图谱的因素分析

以木薯华南205为试材,采用苯酚抽提法提取叶片蛋白质,并通过双向电泳技术研究影响木薯叶片蛋白电泳分析图谱的主要因素。结果表明：pH 4～7的IPG胶条可提高特定范围蛋白质点的分辨率;上样量200 μg可得到较好的双向电泳图谱。本研究不仅为进一步研究木薯叶片蛋白电泳分析提供技术手段,同时也为分析木薯块根、茎和繁殖器官的蛋白质提供参考。     

水稻叶龄与叶面积指数动态的模拟研究

 依据不同类型品种的播期试验和氮肥试验结果,建立了水稻叶龄与叶面积指数(LAI)的模拟模型。叶龄模型采用幂函数描述叶片出生与播后累积热时间(TTS)的关系,TTS的计算定量了温度与出叶速率之间的非线性关系。叶面积指数模拟包括两个阶段:在指数生长阶段,LAI随播后累积生长度日(GDD)呈指数式增长,同时受到氮素营养水平调节;当LAI≥1.6时进入非指数生长阶段,采用比叶面积法模拟,LAI是比叶面积与绿叶干物质量的乘积。绿叶干物质量是绿叶分配指数与地上部干物质量的乘积,比叶面积(SLA)为GDD的函数,同时考虑植株氮素营养因子对SLA的影响。利用生态条件和栽培条件差异较大的试验资料对模型进行了验证。结果表明,模型能较好地模拟不同条件下叶片的出生动态和LAI变化动态,表现出较强的适用性,具有参数少、易确定、简便实用的特点。     

棉叶光补偿点与棉田最大叶面积系数的初步研究

1997～1998年的研究表明,棉花叶片的种类、日龄不同,其光补偿点不同;不同生育期群体叶片组成不同,其平均光补偿点也不同;各生育期群体上空的有效辐射总量和群体叶片的平均光补偿点不司,最大叶面积系数指标也不同。不同生育期群体叶片的平均光补偿点和最大叶面积系数指标分别为盛蕾至盛花期21．8μmol．m-2．s-1和＜4．02;盛花至盛铃期23．2μmol．m-2．s-1和＜4．0;盛铃至吐絮期47．5μmol．m-2．s-1和＜2．15。     

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。     

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。     

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。     

Spatial Distribution of Leaf Area Index and Leaf N Content In Relation To Grain Yield and Nitrogen Uptake in Rice

Abstract

Exploring Approaches To Optimizing Spatial Distributions of Leaf Area index (Lai) and Leaf Nitrogen Content (Lnc) Should Be Useful For increasing Grain Yield in Rice (Oryza Sativa). THe Primary Objective of This Study Was ToCharacterize The Variation of Lai and Lnc Distributions Within The Canopy in Relation To Grain Yield and N Uptake in Rice.Two Experiments With Different N Fertilization Rates Under Conventional and intermittent Irrigation (Ci and Ii, Respectively) Were Conducted in 2002 and 2003, Using Japonica Rice Cultivar Wuyujing9. The Results Showed That Grain Yield and N Uptake Were Significantly Different Among Application Rates of N (N Rates), But Did Not Differ Between Ci and Ii. Lai Distribution At Full Heading Was Affected Significantly By N Rate But Hardly By The Irrigation Method. individual Lai increased With The N Rate. To Achieve A High Yield, The Proper Distribution of Lai in The Canopy Can Be Designed As The Largest in The 2^Nd Leaf From The Top, Followed By The 3^Rd and 4^Th Leaves, and The Smallest in The Top Leaf. Lnc On The Base of Both Area and Dry Matter At 15 Days After Full Heading Decreased From The Top To Lower Leaves in The Canopy, and Significantly increased With The N Rate. Grain Yield Was Enhanced Linearly With The increasing N Content of The Upper Two Leaves, But Hindered By The High N Content of Lower Leaves. These Results indicate That The Spatial Distributions of Both Lnc and Lai Could Be Optimized To Achieve Maximum Canopy Photosynthesis and Grain Yield in Rice.     

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。     

不同温度对不同木薯品种盆栽苗叶片光合特性的影响

以木薯盆栽苗为研究对象,利用Lico-6400光合仪测定不同温度条件下其成熟叶片4个主要光合特性指标(净光合速率Pn、气孔导度Cond、胞间CO2浓度Ci和蒸腾速率Trmmol)的变化情况。结果表明:在25℃条件下,3个参试品种木薯叶片的Pn值随着光强的增强而升高,但不同品种对光强的响应不一致,其中SC205的Pn值在200和400μmol/(cm2·s)的光强条件下均极显著高于其他品种,SC8和SC205在800μmol/(cm2·s)时达最高值;15℃低温条件下,SC8叶片的Pn值最高,达到1.505μmol CO2/(m2·s),分别是SC205和SC9的2.0和2.9倍;30℃条件下,SC9光合特性指标均显著或极显著地高于其他品种;在45℃高温条件下,由于存在显著的环境胁迫,即高温伤害,SC8和SC205对高温表现出了一定的适应性。     

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。     

巴西香蕉叶面积与叶片形态特征关系的定量分析

采用“3414”设计方案进行田间实验,在实验观测的基础上,建立了中肥不同生育期巴西香蕉叶面积与叶长、叶宽及长宽乘积之间的定量关系,结果表明：不同生育期,巴西香蕉叶面积与叶长、叶宽及长宽乘积最佳模型Y=ax+b,具体关系如下：在营养生长期中,叶面积与叶长、叶宽及长宽乘积间定量关系分别为：A=-2 162+54.957 L、A=-2 202.687+123.919 W、A=-76.014+0.767 P;孕蕾期及抽蕾期,叶面积与叶长、叶宽及长宽乘积间定量关系分别为：A=-6 969+90.584 L、A=-6