小麦氮素高效育种研究进展

氮素是植物生长的必需元素,也是粮食作物产量的一个重要限制因素。培育氮素高效利用的农作物新品种不仅可以降低农业生产成本,还可以从根本上解决氮素施用不当造成的各种问题,是新一代绿色高效农业的发展方向。本文综述了当前小麦氮素高效利用育种研究进展,包括小麦氮素利用效率的评价、小麦氮素响应的基因型差异、影响小麦氮素利用率的形态及理化性状、小麦氮素利用相关基因的挖掘及分子育种与传统育种相结合提高氮素利用率等。     

缺素对小麦冠层反射光谱的影响

为给小麦缺素症早期诊断提供依据,以太湖地区典型稻麦轮作区的长期定位施肥实验为研究对象,分析了氮磷钾单一营养元素缺乏和两种或两种以上元素同时缺乏时的小麦叶绿素含量（SPAD值）及冠层反射光谱特性的变化规律。结果表明,缺素造成了叶片叶绿素含量的下降。缺氮使小麦冠层光谱反射率在可见光波段（460～710nm）和1480～1650nm波段增加,在近红外波段（760～1220nm）下降,红光波段对胁迫表现最为敏感．其次为黄光波段和1480nm左右的水分吸收波段;缺磷降低了近红外波段反射率,对可见光波段反射率的影响则受生育阶段和其他肥料互作的影响;缺钾处理对冠层反射光谱的影响较小,差异不显著。氮胁迫对可见光波段的影响程度显著高于磷胁迫,近红外波段两者持平。光谱对养分胁迫的响应程度随生育进程的推进而逐渐减小。缺素均使冠层光谱的红边位置向短波方向移动即发生蓝移,位移大小依元素缺乏种类及数量而定,最大位移可达10nm左右。     

作物冠层中叶片氮素垂直分布研究进展

作物冠层中叶片氮素含量沿冠层从上向下逐渐减少,形成了氮素的垂直分布梯度。冠层中叶片氮素垂直分布是由于氮素向生长中心转运和叶片适应光在冠层中分布特征的结果,这种分布有利于提高冠层和植株的光合速率。在综合评述前人研究的基础上,对影响冠层叶片氮素垂直分布的主要因素进行了分析,指出现有研究中存在的不足,提出了下一步应重点解决的问题并对研究前景进行了展望。     

基于光谱指数的冬小麦冠层叶绿素含量估算模型研究

为探索对冬小麦冠层叶绿素含量反应敏感的高光谱波段组合,同时比较不同光谱指数对小麦冠层叶绿素含量的估测效果,通过分析350~2 500nm波段范围内原始光谱反射率及其一阶导数光谱的任意两两波段交叉组合而成的主要高光谱指数与冬小麦冠层叶片叶绿素含量的定量关系,建立冬小麦冠层叶绿素含量估算模型。结果表明,选用归一化光谱指数(NDSI)、比值光谱指数(RSI)、差值光谱指数(DSI)和土壤调节光谱指数(SASI)建立的冬小麦冠层叶绿素含量监测模型决定系数均大于0.71,标准误差均小于1.842。利用独立试验资料进行检验,表现最好的是RSI(FD_(689),FD_(609))和SASI(R_(491),R_(666))L=0.01,预测精度高达98.2%,模型精确度和可靠性较高。     

不同施氮条件下小麦冠层的高光谱和多光谱反射特征

为了更好地利用冠层反射光谱特征监测小麦生长及氮素营养状况。以宁麦9号、淮麦20、徐麦26和扬麦10号四个小麦品种为材料,通过田间小区试验,研究了不同小麦品种在不同生育时期和不同氮素水平下冠层反射光谱的变化规律。结果表明,相同氮素水平下不同小麦品种冠层反射光谱的反射率有差异,且近红外部分差异较明显。小麦从拔节开始,随生育期的推进,冠层反射光谱在可见光波段的反射率先降低然后升高,以孕穗期反射率最低。随着叶片的逐渐变黄。反射率又增大,并且绿光波段的反射峰也逐渐消失。而近红外区反射率则表现出相反的趋势,以开花期为分界,先上升然后下降,直到成熟前降为最低。随着施氮水平的提高,冠层反射光谱在近红外反射平台（750-1300nm）的反射率呈上升趋势,而可见光部分反射率则下降,并且反射光谱的绿峰和红边位置也随着施氮水平的提高分别向蓝光方向（波长变短）和红光方向（波长变长）移动。     

基于优化光谱指数的新疆春小麦冠层叶绿素含量估算

为筛选可用于干旱半干旱区春小麦冠层叶绿素含量估算的高光谱植被指数,2017年通过测定春小麦关键生育时期冠层的田间高光谱与叶绿素含量,利用光谱指数波段优化算法分别计算400～1 300 nm光谱波段中不同波段两两组合的比值光谱指数(ration spectral index,RSI)、归一化光谱指数(normalized difference spectral index,NDSI)、叶绿素指数(chlorophyll index,CI)、简化光谱指数(CI/NDSI,NPDI),并将这些参数及其他17个不同高光谱植被指数分别与实测冠层叶绿素含量进行Pearson相关分析,通过变量重要性准则筛选最优光谱参数,使用偏最小二乘回归法建立冠层叶绿素含量的预测模型。结果表明:(1)RSIs、NDSIs、CIs和NPDIs与冠层叶绿素含量的相关性都优于前人研究中定义的17种高光谱植被指数,并且冠层叶绿素含量与NDSI(R_(849),R_(850))、RSI(R_(849),R_(850)),CI(R_(849),R_(850))和NPDI(R_(849),R_(850))表现出强相关性。(2)用此4个优化光谱指数分别建模时,以CI(R_(849),R_(850))、 CI(R_(539),R_(553))、 CI(R_(540),R_(553))、 CI(R_(536),R_(553))为自变量的X-3模型预测精度最高(r~2=0.74,RMSE=0.272 mg·g~(-1))。(3)结合4个优化光谱指数构建的组合模型预测精度,其r~2=0.83,RMSE=0.187 mg·g~(-1)。     

基于冠层透射微分光谱的小麦植株含水量监测研究

为实现基于可见光透射微分光谱的小麦植株含水量监测,通过三年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r| 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。     

关中冬小麦叶片氮素含量高光谱遥感监测模型

为给黄土高原大范围的冬小麦氮素营养遥感监测提供理论依据,通过田间试验,研究了冬小麦叶片氮素含量遥感监测的最佳生育时期、最敏感波段及其他最优光谱参量。结果表明,灌浆期是利用高光谱遥感监测冬小麦叶片氮素营养状况的最佳生育时期;在拔节、抽穗和灌浆期680nm波段光谱反射率R680均能较好地反映冬小麦叶片氮素含量,基于光谱位置以及叶面积指数的光谱参量也能较好地反映冬小麦叶片氮素含量。拔节期、抽穗期和灌浆期分别以680nm波段光谱反射率R680、绿峰反射率Rg和植被指数(SDr-SDb)/(SDr+SDb)对小麦叶片氮素含量的拟合效果最佳,其回归方程分别为Y=27.54-280.247 X+1456.245 X2、Y=8.632 X-0.24和Y=25.83 X1.012。     

基于光谱参数估算滴灌小麦干物质氮肥偏生产力和农学效率

为了解应用遥感技术估测滴灌小麦氮肥利用效率的可行性,以新春17号、新春6号和新春22号为材料,通过大田试验,分析了不同施氮处理下小麦干物质氮肥偏生产力(RDN)和干物质氮肥农学效率(DMA En)与光谱参数的相关关系,并建立小麦RDN和DMAEn的光谱参数估算模型.结果表明,在分蘖、抽穗和开花期RDN与绿度植被指数和比值植被指数呈极显著正相关,在拔节和抽穗期DMAEn与土壤调整比值植被指数和归一化差值植被指数呈显著正相关.光谱参数估算模型的均方根误差为7.64～33.31,说明利用光谱参数可以有效地估算小麦氮肥利用效率.     

不同水氮环境条件下小麦氮素含量和氮素利用效率的遗传模型研究

为了研究不同水氮环境条件下小麦氮素含量和氮素利用效率（NUE）的遗传模型,随机选用8个亲本组配成28个双列杂交组合,在正常和水氮亏缺胁迫两种环境下进行随机区组试验,采用Hayman的分析方法研究了各性状的遗传模型。结果表明,在正常环境下籽粒和茎秆的氮素含量为加性-显性-上住性模型遗传,叶片氮素含量和氮素利用效率为加性-上住性模型遗传。在水氮亏缺胁迫环境条件下,籽粒和叶片氮素含量为加性-显性模型遗传。茎秆氮素含量和氮素利用效率为加性-显性-上位性模型遗传。可见,小麦氮素含量和氮素利用效率的遗传模型在不同的水氮环境中不完全一样。     

基于无人机可见光遥感的冬小麦株高估算

株高是作物生长过程中重要的生长指标。为探索快速准确获取作物株高的方法,利用无人机可见光图像采集系统,获取冬小麦拔节期至成熟期的高清数码图像,建立冬小麦拔节期、抽穗期、灌浆期及成熟期的作物数字表面模型(digital surface models,DSM)及作物高度模型(crop height model,CHM),并对模型进行验证。结果表明,冬小麦株高各生育时期CHM提取值与地面实测值极显著相关(P<0.01),误差为-0.10~0.09m,相对误差为17.64%~19.60%。株高预测值与实测值拟合性较高(R^2=0.82,RMSE=4.31cm)。这说明用无人机拍摄的高清数码影像可快速估算冬小麦的株高。     

基于冠层高光谱的冬小麦植株含水率估算

为确定适用于冬小麦植株水分诊断的最佳高光谱指数及其在植株水分处于适宜状态时的阈值,设置4个水分处理（灌溉定额分别为0、60、120和180 mm）,获取了小麦关键生育时期（返青期、拔节期和灌浆期）的冠层高光谱反射率、植株含水率、土壤含水率和产量等数据。依据高光谱指数与冬小麦植株含水率之间的相关性对高光谱指数进行筛选,以筛选的高光谱指数为输入变量,分别构建一元回归、偏最小二乘回归、随机森林回归和支持向量回归的冬小麦植株含水率估测模型。考虑到土壤含水率对冬小麦植株含水率的影响,进一步量化了当日植株含水率与不同时间土壤含水率的关系,通过产量比较法分别确定了冬小麦植株水分、土壤水分的阈值。结果表明：（1）在返青期、拔节期和灌浆期,一元回归模型的精度（r²=0.673,RMSE=3.144%,RE=5.489%）较好,能确定高光谱指数阈值,可以较精准、快捷地实现冬小麦水分诊断。机器学习算法中随机森林回归的模型精度（r²=0.904,RMSE=1.701%,RE=3.606%）最高,但模型参数较多,无法给出高光谱指数阈值。（2）当日植株含水率与其前一天0~50 cm土层的含水率之间具有较强的正相关关系（r²为0.708,RMSE为2.436%,RE为7.755%）。（3）返青期、拔节期和灌浆期估测冬小麦植株水分最佳高光谱指数分别为 MCARI/0SAVI、PRI3和VEG,其相应的阈值分别为0.765 1~1.130 1、0.155 2~0.225 7、1.633 9~1.668 5。因此,可根据植株含水率与土壤含水率之间的关系确定冬小麦在关键生育期内所处水分状态,从而采取相应对策。     

基于临界氮浓度稀释曲线的小麦氮肥需求量估测研究

为探究基于临界氮浓度稀释曲线估测小麦氮素需求量的可行性,基于不同生态区开展的不同品种及氮肥水平的小麦试验,结合小麦临界氮浓度曲线(N_c=4.16W~(-0.41)),构建了拔节期、孕穗期、抽穗期和开花期四个关键生育时期下,小麦氮营养指数(NNI)、氮素需求量(NR)及相对产量(RY)三者间的关系模型,并进行了验证。结果表明,在江苏地区,当总施氮量在120～180kg·hm~(-2)时,小麦的氮素需求量最接近于0,氮营养指数最接近于1,为最优的氮素施用量。氮营养指数与氮素需求量(NNI-NR)在小麦生长的各关键阶段存在极强的线性关系(R~2=0.93～0.97);相对产量与氮营养指数(RY-NNI)在各生育时期呈现线性加平台关系,在开花期表现最好,R~2=0.86;相对产量与氮素需求量(RY-NR)的拟合关系在抽穗期表现最好,R~2值为0.72。NNI-NR验证结果与建模结果一致,即在各时期均表现良好,其中拔节期相关关系最强;但RY-NNI和RY-NR验证结果显示两模型分别在开花期和抽穗期预测效果表现最佳。综上,所构建的NNI-NR、RY-NNI和RY-NR三种模型均具有良好的拟合优度和稳定性,运用基于临界氮浓度曲线的小麦氮营养指数和确立的相对产量水平,可以较好地估测当季的小麦氮素需求量,并进行小麦田间氮素精确管理。     

基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

多遥感光谱指标结合进行大田冬小麦叶片叶绿素含量估测研究

为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题,在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BR_red)和近红外波段反射率(BR_nir)的基础上,计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析,选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BR_red和RVI)作为输入变量,建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCC_BP),并对估测模型进行精度验证。结果表明,WWLCC_BP估测模型在拔节期估测的决定系数(r²)为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCC_BP和高分六号影像...     

基于高光谱特征参数的冬小麦氮营养指数估算

为了实现快速高精度获取冬小麦氮营养指数的高光谱监测技术,利用美国SVC HR-1024I型野外光谱辐射仪对2017-2019年关中地区的冬小麦进行遥感监测,获取“三边”参数、任意两波段光谱指数和植被指数,通过相关性分析和逐步回归分析方法筛选冬小麦氮营养指数的敏感光谱参数,结合偏最小二乘回归(PLSR)、随机森林算法(RFR)、支持向量机回归(SVR)和梯度增强回归(GBDT)建立冬小麦氮营养指数模型,并对模型估算精度进行验证。结果表明,从拔节期到灌浆期,各时期的氮营养指数与任意两波段光谱指数均呈极显著相关,其中拔节期氮营养指数与任意两波段光谱指数相关性均高于其他时期,且基于一阶导数光谱的归一化光谱指数和比值光谱指数与氮营养指数的相关系数最大,为0.66。拔节期基于梯度增强回归的冬小麦氮营养指数预测模型的决定系数(r²)和均方根误差(RMSE)分别为0.96和0.05,模型验证的r²、RMSE和相对预测偏差(RPD)分别为0.95、0.12和2.12,模型预测精度最高。因此,拔节期基于梯度增强回归的冬小麦氮营养指数估算模型可用于冬小麦氮营养监测...     

冬小麦冠层氮素及硝酸还原酶活性的垂直分布

为了探讨冬小麦冠层不同层次氮素及NRA分布规律，解释冠层氮素垂直分布差异的内在原因，对两个籽粒蛋白质含量不同的冬小麦品种进行了研究。结果表明，冬小麦叶片含氮量沿冠层垂直分布呈明显的梯度，自冠层顶部向下逯层降低。不同品种间存在差异，籽粒蛋白含量高的中优9507上部层次梯度大于籽粒蛋白含量低的京冬8号，下部层次则反之，后期中优9507与京冬8号下部层次的差异更为明显。硝酸还原酶活性(NRA)也自冠层顶部逐层降低，但其梯度变化趋势与含氮量变化趋势并不完全一致。中优9507NRA高于京冬8号，其垂直梯度值也高于京冬8号相应梯度。京冬8号上部叶片NRA与叶片含氮量具有较高的相关性，能较好地反映植株的氮素状况，而中优9507上、中部叶片NRA均可以反映其植株氮素状况。二者下层叶片NRA都表现出与叶片氮素消长的不同步性。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。