稻鸭稻鱼共作生态系统N素平衡的研究

通过田间采样与室内分析相结合的方法,对华中地区稻鸭、稻鱼共作生态系统N素动态及平衡进行了系统研究.结果表明,对于各处理,主要的N输入来自施肥、降雨和灌溉水,其中降雨的N输入量为42.83 kg N·hm-2,灌溉水N的输入量分别为34.36(CK)、32.72(RD)和41.72 kgN·hm-2(RF).主要的N损失包括N2O释放、NH3挥发、N淋失、鸭和鱼的收获及水稻吸N.CKN2O释放损失量为4.04 kg N·hm-2,显著低于RD的4.31 kg N·hm-2和高于RF的3.76 kg N·hm-2,表明稻田养鸭能增加N2O释放损失而养鱼则降低N2O释放损失.RD和RFNH3挥发损失分别为43.09和44.89 kg N·hm-2低于CK,这与鸭和鱼的存在降低了田面水pH有关.CK、RD和RFN淋失量分别为6.73、6.11和5.81 kgN·hm-2.因鸭和鱼收获而损失的N量分别为0.60和0.18 kgN·hm-2.水稻N的吸收是稻田最主要的N损失,CK、RD和RFN吸收量分别为(219.95±20.61)、(273.65±53.49)和(279.22±17.47)kgN·hm-2.N平衡分析显示,施肥和水稻吸N是影响N平衡最主要的影响因素,而NH3挥发损失、降雨和灌溉水N的输入也是影响N平衡的重要因素;与CK相反,由于鸭和鱼的存在,RD和RF为N平衡为正,表明鸭和鱼的存在加速了土壤有机N营养的周转,从而显著提高了水稻N输出.     

基于数字图像技术的烟草氮素营养诊断研究

研究烟草低氮胁迫下的叶片颜色信息变化,为田间快速诊断缺氮状况,做到按需施肥提供理论依据。以营养液培养方式,对74个烟草品种的苗期进行低氮(0.5 mmol/L)和正常氮(5.0 mmol/L)处理,通过采取烟草中上部叶片图像信息与烟草植株氮素营养性状进行分析,以探讨数字图像技术对烟草氮素营养诊断的可行性。结果表明:R、G、H、S、I、r、g颜色特征值的变异系数均小于15%,可以作为较稳定的性状指标;HSI颜色模型相对于其它颜色模型,对氮素的变化更加敏感。叶片颜色R、G、B、H、I、r、g均值在低氮和正常氮水平上均有显著性差异,S、b均值差异不显著;且低氮胁迫下叶片颜色R、G、B、I、r、b均值均大于正常氮水平,低氮胁迫下H、g均值均小于正常氮水平。R、G特征值比B特征值更能灵敏地预测作物氮素营养状况,并且与氮素营养指标之间的相关性较好,而S、b特征值与氮素营养指标之间的相关性较差。数字图像技术能够准确评价烟草的氮素营养状况,且在不同品种的烤烟间依然能适用。     

氮肥运筹对稻田田面水氮素动态变化及氮素吸收利用效率影响

通过大田试验,设计3个不同氮肥水平(0、150、240 kg N·hm-2)和两种不同施肥比例(基肥:分蘖肥:穗粒=40%:30%:30%、基肥:分蘖肥:穗粒肥=30%:20%:50%),研究了氮肥运筹对稻田田面水氮素动态变化特征和氮素吸收利用效率的影响.结果表明,稻田田面水NH+4-N和总N浓度在施肥后第1d达到最大值,随后降低,在施肥后的第7d,分别降为峰值的7.88%～17.84%和29.71%～45.55%.施氮水平介于0～240N kg·hm-2时,水稻产量随着氮素水平的提高而显著增加,氮素的吸收利用率和偏生产力却随之降低.在高氮水平(240 kg N·hm-2)下,与氮肥前移相比(基肥:分蘖肥:穗粒肥=40%:30%:30%),采用氮肥后移(基肥:分蘖肥:穗粒肥=30%:20%:50%)的施肥比例,水稻产量增加了6.2%、氮素吸收利用率和农学利用率分别提高了30.49%和23.72%,而氮素生理利用率和偏生产力差异不显著,说明适宜的氮肥运筹可以增加水稻的产量,提高氮素的吸收利用率和农学利用率,减少氮素损失.     

基于冠层高光谱的南方丘陵地区晚稻氮素营养诊断

为研究水稻氮素营养诊断的快速方法、初步构建基于高光谱的水稻氮素营养诊断模型,以南方丘陵区晚稻氮肥试验为例,利用分别测定不同施氮水平及水稻不同生育期水稻冠层叶片的高光谱反射特征,应用一阶微分光谱以及植被指数分别构建基于高光谱的晚稻氮素营养诊断模型。结果表明:不同氮素水平下冠层叶片光谱反射率的差异主要集中在400~650 nm可见光处和730~1350 nm近红外处,随着冠层氮素含量增加可见光处光谱反射率降低,而在近红外范围内反射率增加。随着水稻生长发育,冠层叶片光谱反射率降低,而且反射峰值由519 nm向554 nm移动。应用738 nm处的光谱反射率与叶片氮素含量建模,用一阶微分反射率得到的最优模型为指数模型Y=1.591 4e~(88.794X)(R~2=0.736 2),用比值植被指数(RVI)和归一化植被指数(NDVI)得到的最优模型分别为指数模型Y=18.658e~(-1.040 9X)(R~2=0.630 4)和二次多项式Y=-17.454X~2+0.733 1X+4.130 2(R~2=0.652 3),所有模型中以一阶微分反射率得到的模型最佳,最适合于在供试条件下的水稻氮素营养诊断。     

氮肥用量对暗棕壤烤烟氮素积累及分配的影响

试验以烟草为试材,设置3个氮素水平,研究氮素用量对暗棕壤烤烟氮素积累与分配的影响。结果表明,不施氮肥处理,烤烟氮积累总量为96.99 kg·hm-2;N1和N2处理氮积累总量分别为143.35 kg·hm-2和155.73 kg·hm-2。施氮处理增加了烤烟不同部位叶片中氮素和烟碱含量,降低了总糖和还原糖含量,N2(60.0 kg·hm-2)处理烤烟各部位叶片中烟碱含量大于国际优质烟叶规定的烟碱含量(3.5%)。综合考虑,暗棕壤上种植烟草,施氮量应控制在45~60 kg·hm-2之间,有利于生产优质烤烟。     

高效硅肥在水稻上的应用效果研究

为了探索水稻专用肥配方,以水稻为供试作物,在建三江研究所试验地进行黑龙江省农业科学院土壤肥料与环境资源研究所研制的高效硅肥应用效果试验。结果表明:施用硅肥不仅促进了水稻植株的提前成熟,增加了抗倒伏能力,而且提高了叶绿素含量。更有利于光合产物的积累和籽粒的充实,降低了空秕率,从而提高了水稻的产量。其中硅肥Ⅰ(基肥施用高效硅肥225kg·hm-2,追返青肥30kgN·hm-2,追穗肥30kgN·hm-2+30kg K2O·hm-2)和硅肥Ⅱ(基肥施用高效硅肥375kg·hm-2,追返青肥16kgN·hm-2,追穗肥24kgN·hm-2+24kg K2O·hm-2)两个处理比常规施肥分别增产14.5%和10.1%。     

不同施氮量对大豆蛋白质和脂肪含量的影响

在不同施氮水平下对大豆合交98-1667进行叶片氮素、籽粒蛋白质及脂肪含量的影响研究。结果表明:N2(90 kg.hm-2,纯氮)处理中大豆叶片氮素和籽粒蛋白质含量最高,其次是N1(45 kg.hm-2,纯氮)处理,N0和N3处理在叶片氮素含量和籽粒蛋白质含量中的差异不显著,说明不施氮或高施氮对大豆生长均不利,尤其对大豆氮素和蛋白质含量的抑制影响较大。但对大豆脂肪含量的影响不显著。     

宁夏引黄灌区水稻冠层高光谱特征研究

以不同施氮量试验小区为依托,对各生育期水稻(Oryza sativa L.)冠层光谱反射率及一阶微分光谱进行分析。结果表明,水稻冠层光谱随生育期的变化规律与其生长发育变化特征相对应;不同施氮条件下水稻冠层光谱反射率随施氮量增加在可见光波段降低、近红外波段升高,其中550~600 nm和800~900nm处差异明显,是诊断氮素的特征波段;红边位置(λr)和红边斜率(Dr)在孕穗期前均随着氮素水平的提高而增加,齐穗期后λr出现蓝移现象,Dr减小;将特征波长的比值指数、λr和Dr与叶片氮积累量进行相关性分析,结果显示,800 nm和550 nm的反射率之比(R800 nm/R550 nm)与叶片氮积累量的相关性较好,其相关系数为0.864,λr和Dr与叶片氮积累量的相关系数分别为0.814、0.908。说明合适的光谱变量可以诊断水稻氮素状况,进而为合理施肥提供参考。     

生物炭对灌淤土氮素流失及水稻产量的影响

针对宁夏引黄灌区氮素流失严重的现状,通过大田试验研究生物炭施于灌淤土对水稻产量、水稻生育期内氮素运移特征及氮素流失量的影响。在常规施肥条件下设置高量炭(C3N300:9000 kg·hm-2);中量炭(C2N300:6750 kg·hm-2);低量炭(C1N300:4500 kg·hm-2)和不施炭(C0N300:0 kg·hm-2)4个处理。研究结果表明,生物炭和氮肥配合施用,对稻田田面水和渗漏水中氮素动态有一定影响,表现为总氮(TN)和硝态氮(NO-3-N)浓度随生物炭用量增加而降低,铵态氮(NH+4-N)浓度升高;在对各层土壤氮素动态的影响上,表现为20 cm处渗漏水中氮素浓度受生物炭用量影响明显,但100 cm处氮素浓度受影响较小。对水稻生育期内氮素径流损失的影响表现为随生物炭施用量增加,田面水TN和NO-3-N径流流失风险下降,但NH+4-N径流流失风险增加;本研究条件下添加生物炭对NO-3-N和NH+4-N淋失没有表现出影响,TN淋失表现为随生物炭用量增加而降低,其中TN淋失量最小的是C3N300处理,整个生育期内淋失量为26.28 kg·hm-2,与常规施肥处理C0N300相比,减少9.45%。另外,添加生物炭增加水稻穗粒数和穗数,使水稻理论产量显著增加15.3%~44.9%,其中C3N300产量显著高于其他处理(P0.05)。生物炭用于灌淤土对水稻产量有促进作用,对降低稻田氮素淋失也表现出积极效果。     

施氮水平对冬小麦冠层氨挥发的影响

为探索冬小麦全生育期冠层氨挥发规律、主要影响因素及其对麦田氨挥发的贡献率,设置0、90、180 kg N·hm~(-2)三种氮素水平,利用改进型通气式氨气捕获装置,原位分析冬小麦冠层氨挥发速率及其与叶片氮素生理指标的关系。结果表明:麦田氨挥发主要发生在施肥后2~3周,全生育期累积挥发量为3.773~8.704 kg N·hm~(-2),施氮显著提高了麦田氨挥发累积量(P0.05),土壤与冠层氨挥发累积量分别为3.289~7.773 kg N·hm~(-2)和0.750~1.461 kg N·hm~(-2),对麦田氨挥发的贡献率分别为87.2%~89.3%和15.4%~19.9%。不施氮条件下,冠层无氨气吸收;低施氮(90 kg N·hm~(-2))下,冠层氨气吸收主要发生在苗期;高施氮(180 kg N·hm~(-2))下,苗期、返青期和灌浆前期冠层均有氨气吸收发生。冠层氨挥发主要发生在开花期、灌浆末期至枯死期,分别占冠层氨挥发的4.5%~9.3%和79.1%~99.0%;冠层氨挥发速率与叶片氨气补偿点、质外体NH+4浓度显著正相关(P0.05),与谷氨酰胺合成酶(GS)活性、质外体溶液pH相关关系不显著(P0.05)。总之,开花前,不施肥条件下冬小麦冠层向大气中释放氨,施肥后,冠层从大气中吸收氨。冬小麦开花后,不论施肥与否,冠层都向大气层释放氨。     

支持向量机和最大类间方差法结合的水稻冠层图像分割方法

针对田间多变光照强度给水稻冠层图像分割带来的难题,探讨了一种基于支持向量机(SVM)和最大类间方差法(OTSU法)相结合的水稻冠层图像分割算法。首先,从不同光强条件下的水稻冠层图像中采集代表性水稻和背景像元构建训练图像S1和S2,通过分析水稻S1和背景S2两类图像在RGB色彩空间中R、G、B色彩特征值的分布频率,rgb(标准化RGB)色彩空间中r、g、b色彩特征值的分布频率,CIE L*a*b*色彩空间中L*、a*、b*色彩特征值的分布频率,以及HSV色彩空间中H、S、V色彩特征值的分布频率,筛选出具有明显双峰特征的g、a*、b*和S作为关键色彩特征;然后,在由g、a*、b*和S色彩特征构成的多维色彩空间中采用支持向量机学习算法获得分隔水稻和背景像元的优化超平面Z(Z=0.421g+0.753 a*+0.152 b*+0.051S+0.085);最后,计算水稻冠层图像中每一像元的Z值,并用最大类间方差法计算分割阈值Z_t,从而实现水稻冠层图像分割。为了评价该分割方法,以90幅不同光强(阴天、多云和晴天)条件下采集到的田间水稻冠层图像作为测试图像,并以常用的ExGOTSU分割方法作为对比,分析该分割方法的分割精度和光强稳健性。结果表明,Ex GOTSU方法的精确度显著受光强条件影响,随着光强强度的提高而显著降低,光强稳健性差;该研究所提分割方法对阴天、多云和晴天条件下水稻冠层图像的分割误差为7.30%、8.72%和8.98%,分割精确度较高,且具有良好的光强稳健性。因此,该基于支持向量机和最大类间方差法相结合的水稻冠层图像分割方法具有较高的分割精度和光强稳健性,可为田间多变光照条件下水稻冠层图像精准分割提供技术参考。     

基于RGB颜色空间的早稻氮素营养监测研究

针对双季稻区水稻过量施肥带来环境污染和成本提高问题,设计不同品种氮肥梯度大田试验,应用数码相机获取早稻冠层数字图像,研究不同色彩参数及早稻氮素营养指标的时空变化特征,以期确立双季早稻氮素营养预测模型。结果表明:不同品种同一氮肥处理下图像色彩参数差异不大;拔节期数字图像参数对氮素营养指标敏感;模型构建结果显示,图像参数INT与水稻氮素营养指标构建的模型决定系数(R2)最大,模型预测效果最佳,R2分别为0.895 7和0.924 7;进一步采用多元回归分析和BP神经网络分析法进行预测,预测效果均较好。对预测结果进行检验,发现品种对于模型的构建影响不大,以BP神经网络分析法构建的叶片氮浓度(LNC)模型和以INT为敏感色彩参数构建的叶片氮积累量(LNA)回归模型效果最优,而多元回归分析方法则效果不佳。早稻冠层RGB颜色空间敏感参数与氮素营养指标间相关性较好,可以实现氮素营养的无损监测诊断。     

基于颜色特征的加工番茄叶片氮素评价初步研究

利用数码相机获取加工番茄地上部分彩色图像,通过图像处理软件提取RGB及其组合的颜色特征值,同时与氮素指标叶片叶绿素含量、SPAD值、叶片含氮量及单株吸氮量作回归分析,根据统计性检验,有相当数量的颜色特征与4个氮素指标呈较高的相关性,相关系数达到r=0.7以上.综合筛选出的颜色特征指标,结合地面覆盖度与氮素营养指标建立以叶片含氮量为应变量的估算模型.经模型校验,其预测值与实测值在n=15,P＜0.01水平上达r=0.8以上的极显著相关.因此,可依据颜色特征参数通过建立相应的统计模型进行加工番茄叶片氮素含量的评价,进而为加工番茄氮素营养诊断提供依据.     

机器视觉技术在金莲花灌溉中的应用研究

应用机器视觉技术研究了判断作物缺水状态的方法。在日光条件下采集了金莲花叶片图像,然后分别提取了红绿蓝（RGB）三色分量和它们的相对系数rgb及色度H。在RGB和HSI颜色模型下分析了各分量与作物缺水时间之间的相关特性．分析结果表明红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量都与缺水时间之间有相当高的相关性,可以用作利用机器视觉快速判断金莲花缺水状况的指标,而其他分量与缺水时间之间没有明显的相关性。     

基于PROSPECT和4-scale模型的光化学植被指数尺度转换

  目的  光化学植被指数（PRI）对于准确估计植被光能利用率（LUE）有着重要的作用。但在不同的尺度（叶片、冠层、景观尺度）上,PRI与LUE二者之间的关系及其影响因素不同。传感器获得的光谱为像元及冠层光谱,叶片尺度的PRI-LUE关系模型无法直接用于冠层尺度的数据,因此需要对冠层尺度的PRI指数进行尺度转换。  方法  首先通过叶片尺度的PROSPECT模型,模拟不同生化参数下叶片的反射率与透射率,进而计算叶片尺度PRI指数与简单比值PRI指数（记为SR-PRI）。其次,将获得的叶片尺度反射率、透射率作为参数输入到4-scale模型中,获取不同叶面积指数（ LAI）下冠层尺度的反射率,计算得出冠层尺度的PRI、SR-PRI。建立不同LAI下PRI、SR-PRI的冠层?叶片尺度转换函数,并对不同尺度上影响PRI、SR-PRI的因子进行敏感性分析。  结果  PRI、SR-PRI在进行冠层与叶片尺度转化过程中,都表现出很明显的线性关系,并且拟合效果（R2）呈现出随LAI的增大而增大的趋势。对比相同LAI水平下的PRI、SR-PRI的拟合结果发现,SR-PRI的拟合效果普遍要优于PRI。  结论  4-scale模型用来进行PRI与SR-PRI在冠层、叶片间的尺度转换是可行的,通过建立不同LAI下的尺度转换函数,可以实现将冠层尺度的PRI、SR-PRI转化到叶片尺度。      

Application of day and night digital photographs for estimating maize biophysical characteristics

In this study, an inexpensive camera-observation system called the Crop Phenology Recording System (CPRS), which consists of a standard digital color camera (RGB cam) and a modified near-infrared (NIR) digital camera (NIR cam), was applied to estimate green leaf area index (LAI), total LAI, green leaf biomass and total dry biomass of stalks and leaves of maize. The CPRS was installed for the 2009 growing season over a rainfed maize field at the University of Nebraska-Lincoln Agricultural Research and Development Center near Mead, NE, USA. The vegetation indices called Visible Atmospherically Resistant Index (VARI) and two green–red–blue (2g–r–b) were calculated from day-time RGB images taken by the standard commercially-available camera. The other vegetation index called Night-time Relative Brightness Index in NIR (NRBI_NIR) was calculated from night-time flash NIR images taken by the modified digital camera on which a NIR band-pass filter was attached. Sampling inspections were conducted to measure bio-physical parameters of maize in the same experimental field. The vegetation indices were compared with the biophysical parameters for a whole growing season. The VARI was found to accurately estimate green LAI (R² = 0.99) and green leaf biomass (R² = 0.98), as well as track seasonal changes in maize green vegetation fraction. The 2g–r–b was able to accurately estimate total LAI (R² = 0.97). The NRBI_NIR showed the highest accuracy in estimation of the total dry biomass weight of the stalks and leaves (R² = 0.99). The results show that the camera-observation system has potential for the remote assessment of maize biophysical parameters at low cost.     

基于颜色特征的叶片含水率与比叶重估算模型初探

通过不同氮素营养水平的水培试验,采用线性拟合和逐步回归分析,建立了黄瓜叶片干基含水率与比叶重的颜色特征估算模型。结果表明:颜色特征与叶片干基含水率、比叶重的线性拟合分析中,S、G/(R G B)、B/(R G B)、G/R、G/B、G-R和H/S构成的颜色特征变量的相关系数与叶片干基含水率相关密切;S、G/(R G B)、B/(R G B)、G/R、G/B、G-R、H/S和H/I构成的颜色特征变量的相关系数与叶片比叶重相关密切。运用逐步回归分析技术找出了G/(R G B)和G-R可以作为叶片干基含水量估算的主要颜色特征参数;G/(R G B)和H/I是叶片比叶重估算的主要颜色特征参数。     

一种基于图像分析提取作物冠层生物学参数的方法与验证

利用图像分析方法,通过准确识别冠层和背景像素进行棉花冠层生物学产量和叶面积系数估测。采用Olympus C740 Ultra Zoom数码相机拍摄棉花不同生育期冠层图像,在棉花冠层数码照片特征分析的基础上提出了棉花冠层图片计算机自动判读的方法,即混合采用图像色度(H)、绿光(G)、红光(R)灰度值构造提取条件,通过多重判断识别棉花冠层和背景,并编写了相应的计算机程序。利用该程序分析棉花不同施氮量下、不同生育期提取地面覆盖度参数与棉花生物学产量、叶面积系数间的关系,发现棉花冠层地面覆盖度指标可以有效预测棉花生物学产量和叶面积系数,二者间指数相关系数达到r=0.97以上,为极显著相关。     

2种刺柏属彩色树叶色参数与色素变化

  目的  研究刺柏属Juniperus彩色树叶色参数与色素变化规律。  方法  以欧洲刺柏‘金叶疏枝’Juniperus communis ‘Gold Cone’ (JC)和鹿角桧‘金叶’Juniperus×media ‘Pfitzeriana Aurea’ (JM) 2年生扦插苗为对象,测定不同季节叶色参数(L*、a*、b*)、光合色素(叶绿素a、叶绿素b、类胡萝卜素)质量分数和花色素苷相对含量,并进行相关分析,建立叶色参数和色素含量的回归方程。  结果  ①不同季节欧洲刺柏‘金叶疏枝’和鹿角桧‘金叶’的叶色参数变化趋势不同。‘金叶疏枝’的L*、b*值变化趋势相同,始终为正值,a*值秋冬季显著升高,由负变正;‘金叶’的L*值春夏显著上升,a*值波动幅度不明显,色相始终偏绿,b*值春夏显著上升,秋冬季无波动,色相始终偏黄;春夏秋季‘金叶疏枝’的L*、b*值显著高于‘金叶’。②‘金叶疏枝’的花色素苷相对含量与L*、b*值呈极显著负相关,与a*值呈极显著正相关;‘金叶’的光合色素与b*值呈极显著负相关。③逐步回归结果表明:a*值与b*值可以准确预估‘金叶疏枝’花色素苷相对含量的年变化和秋季变化,b*值和L*值可以准确预估‘金叶’光合色素质量分数的年变化和夏季色素变化。  结论  2种刺柏属彩色树的叶色参数与色素含量关系显著相关,不同树种不同时期存在差异;‘金叶疏枝’叶色观赏性整体好于‘金叶’。建立的叶色参数与色素含量回归方程,可以实现以叶色参数精确预估叶片色素含量。图2表4参32     

基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演

【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数（normalized shaded vegetation index,NSVI）和归一化冠层阴影指数（normalized difference canopy shadow index,NDCSI）去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘（partial least square,PLS）及支持向量机（support vector machine,SVM）方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R²和RPD分别为0.774、1.828;验证集R²和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。