红边参数LRPSA评价水稻氮素营养的可行性研究

本文提出上下叶位叶片红边一阶微分光谱反射峰变化趋势的描述参数LRPSA(leaf red edge peak slope angle)。利用小区试验测量的数据分析LRPSA与叶片光谱、叶绿素含量、SPAD值、叶片光谱红边斜率以及叶片含氮量之间的相关性，在此基础上分别建立估算氮素含量的回归模型。为了验证LRPSA估算叶片氮素含量效果，利用未知区域测量数据进行模型估算R^2和拟和R^2比较研究。研究结果表明LRPSA估算氮素含量的效果上位叶好于下位叶，并且在孕穗期、抽穗期、灌浆期内试验测得的数据估算氮素含量效果好于整个生育期的估算效果。另外如果以正常施肥田块水稻作为参照区，测量参照区参数LRPSA，再与未知区域进行对比分析，可以定性评价田间水稻施用氮肥的丰缺状况。     

不同氮素营养水平的水稻冠层光谱红边参数及其应用研究

通过对不同氮素营养水平水稻冠层光谱特性的田间试验研究，发现红边位移现象：在孕穗期之前，红边随施氮量增加向长波方向“红移”；孕穗期后“红移”现象基本消失，而发生“蓝移”。红边参数(红边、红边振幅、红边振幅与最小振幅的比值、红边峰值面积)与上层叶片的叶绿素含量、LAI、累积施氮量有着密切的关系，而与叶片中的叶绿素b、类胡萝卜素、蛋白氮和非蛋白氮之间的相关性不明显。一些红边参数可作为水稻叶绿素含量、LAI测定的简便方法。     

不同氮营养水平与夏玉米光谱特性关系初报

【目的】揭示关中地区夏玉米叶面光谱特性与施氮量间的相关性,探索不同施氮水平下夏玉米叶片含氮量与叶绿素等生化指标及其光谱反射率特征。【方法】在田间设置不同施氮水平(纯氮施用量分为0,120和240kg/hm2)的试验小区,分别于喇叭期、抽穗期、吐丝期和乳熟期,采用FieldSpec光谱仪于室内标准光源下测定夏玉米叶片的光谱反射率,采用H2SO4-H2O2消煮,连续流动注射分析仪测定叶片氮含量,采用叶绿素仪测定穗位叶片的叶绿素含量,并对所得数据进行相关性分析。【结果】夏玉米叶片含氮量与叶绿素含量之间呈显著相关性,作物施氮水平对叶片的叶绿素含量及含氮量有直接影响;不同施氮水平下夏玉米叶面的反射波谱曲线趋势大致相同,均明显在绿波段(550 nm左右)有1个反射峰,在近红外波段(760~1 070 nm)有1个较高的反射率平台,在近红外波段(760~1 070 nm)处的反射率随氮肥用量的增加而提高,在可见光波段(400~760 nm)处的反射率则正好相反;在可见光波段,不同生长期玉米的叶面光谱反射率表现为乳熟期>抽雄期>喇叭口期>吐丝期,而在近红外波段其光谱反射率表现为乳熟期>喇叭口期>抽雄期>吐丝期;在可见光(400~760 nm)波段处,夏玉米不同生育期叶片的反射率与叶片含氮量及叶绿素含量呈负相关,而在近红外(760~1070 nm)波段处,除抽雄期外,其余生育期叶片的反射率与叶片含氮量及叶绿素含量均呈正相关,且相关性较为显著;高光谱遥感监测显示,关中地区夏玉米氮素营养水平的敏感时期分别是喇叭口期、吐丝期及乳熟期,敏感波段为可见光波段的500~720 nm和近红外区的760~1 070 nm。【结论】夏玉米的氮营养水平与叶面光谱反射率存在显著的相关性,利用高光谱遥感数据监测关中地区夏玉米的营养状况是可行的。     

基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究

【目的】基于无人机高空间分辨率影像,探讨剔除土壤背景信息及增加纹理信息对棉花植株氮浓度反演的影响,为棉花氮素营养精准探测提供新技术手段。【方法】开展棉花水、氮耦合试验,分别在棉花的不同生育期获取无人机多光谱影像和植株氮浓度信息。基于以上数据,首先探讨了土壤背景对棉花冠层光谱的影响;其次,分析了影像纹理特征与植株氮浓度间的相关性;最后,将获得的数据分为建模样本和检验样本,设置剔除土壤背景前、剔除土壤背景后、增加纹理特征等不同情景,采用光谱指数与主成分分析耦合建模的方法,来建立各种情景下植株氮浓度的反演模型,并对模型反演效果进行比较。【结果】土壤背景对棉花冠层光谱有影响,且不同生育期趋势不同;影像纹理特征参数与植株氮浓度间有显著相关关系;剔除土壤背景前植株氮浓度反演模型的建模决定系数为0.33,标准误差为0.21%,验证决定系数为0.19,标准误差为0.23%;剔除土壤背景后模型的建模决定系数为0.38,标准误差为0.20%,验证决定系数为0.30,标准误差为0.21%;增加纹理信息后模型的建模决定系数为0.57,标准误差为0.17%,验证决定系数为0.42,标准误差为0.19%。【结论】基于低空无人机高空间分辨率影像,剔除土壤背景和增加纹理特征均可提高棉花植株氮浓度的反演精度;影像纹理可以作为一种重要信息来支撑无人机遥感技术反演作物氮素营养状况。     

水稻再生两熟的氮素营养特性研究

对协优64水稻进行的再生两熟盆栽试验表明,头季稻吸氮高峰出现在栽秧至分蘖及再生芽萌生阶段,其平均吸氮速率与再生稻相似。水稻再生两熟栽培,头季稻所吸收的氮量达两季稻吸氮总量的70%以上,而再生稻对头季稻茬中氮素的再利用率达31.0—41.5%。再生稻的稻谷重约为头季稻的70%,且经济系数大大高于头季稻,因此,水稻再生两熟是有利于物质和能量转化的栽培方式。     

水稻氮素营养诊断方法研究进展

分析比较3种水稻氮素营养诊断方法:形态诊断法、化学诊断法和无损氮素营养诊断法,并提出了它们今后的发展方向。     

基于无人机多光谱遥感的水稻冠层光谱特征和氮素营养关系研究

【目的】明确华南地区籼稻主栽品种冠层光谱特征与氮素营养关系,为专家决策系统和精准施肥 提供理论基础。【方法】以美香占 2 号（MXZ2H）和吉丰优 1002（JFY1002）为试材,设置施氮 0 kg/hm2 （N0）、 150 kg/hm2 （N150）、210 kg/hm2 （N210）等 3 个处理,采用习惯施肥法,在 JFY1002 中增设施氮 180 kg/hm2 （N180+） 的水稻“三控”施肥法,研究不同施肥方式下水稻叶片光谱特征与氮素营养的关系。【结果】与 N0 相比,N150 处理下 MXZ2H 和 JFY1002 叶片氮含量分别增加 16.05% 和 13.76%,N210 处理分别增加 24.29% 和 25.00%。 N180+ 处 理 下 JFY1002 叶 片 氮 含 量 与 N210 处 理 相 比 增 加 18.03%。 随 着 叶 片 氮 含 量 的 增 加, 蓝 光 到 红 光 （450~650 nm）波段的叶片反射率逐渐下降,红边到近红外（730~840 nm）波段的叶片反射率逐渐增加,红光 650 nm、近红外 840 nm 处的 MXZ2H 和 JFY1002 叶片反射率差异达显著水平。相关性分析结果表明,MXZ2H 叶 片氮含量与归一化植被指数（NDVI）、绿波段归一化植被指数（GNDVI）、比值植被指数（RVI）、差值植被 指数（DVI）和增强型植被指数（EVI）呈正相关;JFY1002 叶片氮含量与 RVI、EVI、改进非线性植被指数（MNLI）、 DVI 和 NDVI 呈正相关。采用多元线性回归建立了 MXZ2H 和 JFY1002 叶片氮含量反演模型,R2 分别为 0.817 和 0.973,RE 分别为 8.35% 和 3.48%。【结论】建立了华南籼稻品种叶片氮含量反演模型,可为精准施肥作业提供 理论依据和技术指导。     

不同早稻品种的光谱特性及其与农学参数的相关性

田间试验结果表明:①不同早稻品种的光谱特性,在抽穗前主要受水稻株型(叶片倾斜和披叶程度)的影响;在抽穗期和灌浆期,主要受稻穗(数量及成熟度)的影响。②不同早稻品种的光谱变量与农学参数之间,在抽穗前相关密切,相关系数高,用光谱变量可以估测农学参数;在抽穗后,由于受穗的光谱和天气的影响,它们之间相关较差,如何建立理想的相关模式尚需进一步深入研究。     

Effects of nitrogen nutrition on the spectral reflectance characteristics of rice leaf and canopy

遥感技术使大面积监测植物长势及估测化学组成有了可能,高分辩力地物光谱仪应用于简单、快速、非破坏性地估测植物冠层化学组成的前景正引起越来越多的关注．本文通过田间试验及室内分析研究了氮肥水平对水稻叶片及冠层反射光谱特性的影响,氮素营养对从可见光至近红外较大范围水稻反射光谱特性有较大影响,随着氮素营养水平的提高,叶片及冠层可见光波段的光谱反射率下降,而近红外波段则增加,经两样本ｔ检验统计分析,在５４０,６８０ｎｍ和７４０～１０７０ｎｍ波段处对氮素营养水平最为敏感,而且各氮营养水平之间的反射率呈显著或极显著的差异．水稻叶片氮含量与冠层和叶片光谱变量呈极显著或显著的相关性,这表明利用光谱测试简单、快速、非破坏性地估测水稻氮素营养水平是可行的．     

基于无人机和地面数字影像的水稻氮素营养诊断研究

选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断。结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,得到可用于诊断水稻氮素营养水平的叶片颜色特征参量B、b、b/(r+g)、b/r、b/g。通过叶片的颜色、形状综合特征信息与YIQ电视信号彩色坐标系统的参量建立氮素营养的识别模型,4个不同氮素水平的正确识别率分别为:N0(0 kg N.hm-2)74.9%,N1(60 kgN.hm-2)52%,N2(90 kg N.hm-2)84.7%,N3(120 kg N.hm-2)75%;2)无人机获取的田间冠层图像识别水稻氮素营养水平的综合特征参量是G、B、b、g、b/(r+g)、b/r、b/g、H、S、DGCI,选择相同的CB参量建立冠层氮素营养的识别模型,4个不同氮素水平的正确识别率为:N0(0 kg N.hm-2)91.6%,N1(60 kgN.hm-2)70.83%,N2(90 kg N.hm-2)86.7%,N3(120 kg N.hm-2)95%。初步研究表明基于综合特征的氮素诊断模型区分效果比较好,利用叶片扫描图像和无人机识别与诊断田间水稻氮素是可行的。     

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。     

杂交稻与常规稻的光谱特性差异初步分析

通过杂交晚稻和常规晚稻的反射光谱试验,发现杂交稻由于其生长发育特性及株型的差异,在整个生长期内其反射光谱特性与常规晚稻有着明显的差异。     

厅项目（12zs2107）水稻籼型恢复系花药培养初步研究

\光合参数尧叶绿素荧光参数的变化遥结果表明: 随着籽粒的不断充实袁剑叶净光合速率渊Pn冤尧蒸腾速率"Tr"\胞间CO2 浓度Ci\气孔导度Gs\Fv/Fm\ETR 和Yield 均呈波动下降的趋势,不同组合间各指标的变化存在显著差异.灌浆初期袁菲优188 和B2 优768 的净光合速率显著 高于对照品种冈优725曰灌浆中期袁菲优188 和B2 优768 的Tr\Gs\Ci 和Fv/Fm 值逐渐下降,而冈优725 的这些指标 波动性较大.菲优188 和B2 优768 的有效穗数\千粒重和籽粒产量显著高于冈优725,显示出菲优188 和B2 优768 良好的植株特性.     

基于上部叶片SPAD值估算小麦氮营养指数

快速、准确的监测诊断小麦氮营养状态对于评价小麦长势、指导氮肥运筹并预测籽粒产量均具有重要的意义.基于2009-2011年的大田试验,系统分析了小麦上部4张单叶不同叶位的SPAD值和归一化SPAD指数(NDSPADij)与氮营养指数的定量关系,通过简单分组线性回归筛选出在不同年际和不同品种间表现稳定的氮营养指数(NNI)定量方程.结果表明,小麦上部不同叶位SPAD值和NNI随施氮量提高而提高,而NDSPADij随施氮量的提高而降低.小麦单叶SPAD值与NNI的关系呈显著正相关,但这种关系在品种或年份之间不稳定,对小麦氮素诊断存在风险;除NDSPAD12外,NDSPADij与NNI之间呈显著负相关,经简单分组线性分析发现NDSPAD14与NNI之间在年份和品种之间表现最稳定,能够较好的定量估算氮营养指数,从而快速诊断小麦氮素是否亏缺.     

水稻分蘖与主茎同伸叶片大小的定量关系及其对氮素的响应

为了建立基于同伸关系的水稻叶面积模拟模型,为虚拟植物的构建提供支撑,在盆栽条件下,以常规粳稻南粳44和杂交籼稻II优107为材料,设置不同施氮量处理并进行定株测量,分析了分蘖叶片叶长、叶宽与同伸主茎叶片叶长、叶宽的定量关系及其对氮素的响应。结果表明,同龄分蘖的同伸叶片具有相近的叶片大小,叶长宽比主要与叶片在分蘖上的叶位有关,而与分蘖的位置关系不密切;分蘖叶片与主茎同伸叶片的叶长宽比随叶片在分蘖上的叶位的提高而增大,约在叶位达到7时,叶长宽比达到1,这一关系可以用分段函数来描述,氮肥和品种对这一关系没有明显影响。     

基于高光谱的水稻叶片氮素营养诊断研究

为快速、准确地实现水稻氮素营养诊断,以中嘉早17水稻为试验对象,设置4种施氮水平的水稻栽培试验,利用便携式地物波谱仪获取240组水稻分蘖期顶三叶在350~2 500 nm的光谱数据。随机将样本划分为训练集(160个样本)和测试集(80个样本)。首先,通过多元散射校正(MSC)、变量标准化校正(SNV)、平滑算法(SG)3种方法分别对原始光谱进行预处理;然后,采用主成分分析(PCA)和连续投影算法(SPA)对预处理后的光谱进行特征降维,选取累积贡献率超过99.98%的前24个主成分作为模型的输入变量,对于经过MSC、SNV和SG处理后的光谱数据,还分别筛选出12、15、19个特征波长;最后,应用支持向量机(SVM)基于上述处理分别建立水稻氮素营养诊断模型。结果表明,采用MSC-PCA-SVM模型进行水稻氮素营养诊断的识别准确率最高,其在训练集和预测集上的准确率分别达99.38%和97.50%。     

氮素营养对水稻干物质和氮分配的影响及氮肥需求量

研究了氮素营养对杂交水稻 51 8的干物质和氮素分配的影响,结果表明:在营养生长期高氮肥用量显著增加了叶片干物质重。叶片干物质的分配量随着叶片氮含量的减少而减少。与干物质相比,在营养生长早期叶片氮素的分配量高,并且变化很小。但从幼穗分化开始叶片氮素的分配量可能因叶片、茎和颖穗发育的竞争而显著减少。采用Stanford模型估计和预测了水稻氮肥的需要量,发现Stanford模型可作为我国南方水稻生产施用氮肥的一个实用工具。