绿豆叶面积估算

叶面积是一个与产量和干物质生产生理过程有关的重要组成成分。为评价作物生长和发育,常常测量叶面积。各种各样的方法对测量叶面积都是有效的(Marshall,1968),但最常用的方法需破坏植物的样本,而植物样本往往由于小区或群体太小而难以满足。另一方面,使用叶片扫描的方法进行间接测定,费时费力。     

大花蕙兰苗期叶面积的估算方法

采用叶长叶宽常数的方法估算大花蕙兰苗期叶面积,其中常数K由最小极差平方和法求得。结果表明:叶片长分成10-20,20-30,30-40cm3个等级,其常数分别为0.840,0.783,0.797。若不分等级,其共同常数为0.797。通过K值方差同质性测验,对叶估算面积与实际面积之间的相关分析和协方差分析进行检验。统计分析结果证明:X(估算面积)=0.797×L(叶长)×W(叶宽)公式适用于叶长40cm以下苗期的叶面积估算,建立此方法测定叶片生长速率具有不破坏性,且迅速、准确等优点,可在大花蕙兰生产上应用。     

裸大麦叶长叶宽叶面积遗传变异分析

裸大麦的叶长叶宽与叶面积是裸大麦的重要性状,这些性状的遗传变异性如何,剑叶宽短组合的可能性如何,选择时需要考虑。为此,本文采用广义遗传力,遗传变异系数,遗传进度,遗传相关,相关遗传进度,通径系数等参数,对由十二个不同来源的裸大麦材料组成的群体进行了分析,研究这些性状,为育种上的选择供参考。     

基于无人机遥感的玉米叶面积指数与产量估算

以2018和2019年在河南省新乡县中国农业科学院农田灌溉研究所试验基地的玉米为研究对象,利用八旋翼无人机搭载的MicaSense RedEdge多光谱相机对试验区进行遥感监测,构建玉米叶面积无人机遥感监测模型和产量估算模型,并在示范区进行应用。结果表明,NDVI、EVI和GNDVI这3种植被指数在构建叶面积指数监测模型中具有较好的精度和稳定性。利用抽雄期植被指数构建的估产模型精度最高,吐丝期次之,拔节期最低。与单生育期估产模型相比,累积3个生育期植被指数构建的估产模型精度有一定提升,R²为0.87,RMSE为405.42 kg/hm²。构建的无人机遥感监测模型,可以快速有效评估玉米长势和产量。     

用第六叶面积估计高粱总叶面积

在许多作物生长研究中,已发现叶面积指数及叶面积持续时期与生物产量及经济产量均有关。但在大田试验中,用直接方法测定叶面积既费时间又费人力。采用间接方法测定叶面积时,Francis 等(1969)曾选用有代表性的第七叶来测定玉米叶面积。而 Liang 等(1973)     

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。     

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。     

大豆叶面积指数的高光谱估算模型研究

通过测试大豆4个生育阶段350～2500nm波段的冠层高光谱数据,用近红外波段760nm-850nm及红光波段650nm-670nm的2个范围内的波段反射率,组成了高光谱比值植被指数（RVI）和800nm和670nm2个波段反射率组成修改型二次土壤调节植被指数（MSAVI2）;基于RVI和MSAVI2植被指数,建立了大豆叶面积指数（LAI）的6种单变量线性与非线性函数模型,经检验均达到1％极显著水平。其中,以RVI所构建洲的幂函数、MSAVI2所构建LAI的指数函数、对数函数估测模型的相关系数相对较高;用MSAVI2所构建的LAI精度较高的对数函数模型反演大豆叶面积指数,实测LAI与估测LAI呈极显著线性相关（R=0．9098^＊＊,n=46）,模型方程的估算精度达84．9％,实测值与估算值的RMSE=0．2420,平均相对误差为0．1510。表明采用高光谱植被指数,能够实时、无损、动态、定量提取大豆叶面积指数,为设计理想的大豆群体和大豆遥感估产提供了科学的依据。     

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...     

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。     

用线性度量估测珍珠粟的叶面积

已经证明叶面积与线性度量诸如长度和宽度有关(Milthorpe,1956),叶片长度已成功地用于估测西红柿、棉花、蓖麻、高粱、马铃薯、牧豆树和珍珠粟(Pennisetum glaucum(L.)R.Br.)的叶面积(Lyon,1948等)。Stickler等(1961)和Ashley等(1963)用叶片长度×宽度的方法估测了棉花和高梁的叶     

新型植被指数及其在水稻叶面积指数估算上的应用

叶面积指数LAI不仅是陆表植被系统的一个重要属性,而且是全球水平衡、碳循环等模型中的重要输入参数。首先通过使用水稻小区试验冠层光谱数据模拟Landsat 5卫星蓝、绿、红光波段;其次分析了各个波段对LAI的敏感性;然后分析了由这个3个波段的所有组合分别代替常规NDVI中的红光波段构成的VNDVI对LAI变化的反应和对LAI的估算能力;最后使用不同条件下的水稻数据进行验证。结果表明,在不同的LAI范围,红绿蓝光3个波段对LAI有不同的敏感性。当LAI<3时,红蓝光波段敏感性较高。虽然这时绿光波段的敏感性不如红蓝光波段,然而绿光波段在更大的范围对LAI都有相当的敏感性。当采用红绿蓝光波段的各种组合构成植被指数时,如果要使这些植被指数不出现饱和现象,并使对LAI的敏感性有意义,其前提是要求这个波段或是波段组合的值要大于0.024,即VNDI(visible NDVI)公式中的VIS>0024,否则将可能产生饱和现象,而使LAI估算准确度降低。综合比较所有由红绿蓝光波段各种组合构成的植被指数对LAI的估算能力,认为GNDVI和GBNDVI与LAI有比较好的关系。使用其他条件下的水稻数据对各种NDVI的LAI估算能力进行了验证,仍然得到了同样的结论。可见,GNDVI和GBNDVI在估算LAI时确实比传统NDVI具有更好的效果。     

小麦粒数叶比、粒重叶比与产量的关系

为了给高产小麦新品种选育提供科学依据,连续2年用20个不同的小麦品种(系)为试验材料,对小麦粒数叶比、粒重叶比与籽粒产量的关系进行了研究。结果表明,粒数叶比与粒重叶比在不同基因型间存在着极显著的差异,通过杂交选择可有效地提高该二性状的数值。粒数叶比、粒重叶比与籽粒产量的表型相关和遗传相关均达到显著或极显著水平,对各产量构成因素均无明显不利影响,能在高水平上实现产量因素的协调增长,可作为高产育种的重要筛选指标。     

饲用型蚕豆云豆90-271不同行比不同密度栽培研究

通过饲用型蚕豆品种云豆90-271的高密度栽培研究,摸索了高密度的不同行比栽培条件下的植株生长动态,各经济性状的变化情况。基本弄清了在高密度下饲用型品种的最佳种植结构。不论是采用大行距还小行距,都以30.0万株/hm2的栽培密度最好,既有利于个体的生长,也有利于群体的发展,从节本增效的角度。种植行距以50 cm最利于个体稳健生长。     

芝麻单株叶蒴比与蒴果发育

本研究表明,芝麻终花期单株叶蒴比对蒴果干物质积累、水分含量、种子发育和脂肪、蛋白质累积均有较大影响。对蒴果形态发育影响较小。叶蒴比反应植株源库关系协调性,是高产栽培的重要生理指标。     

APSIM模型对甘蔗叶面积指数和蔗叶含氮量的模拟与验证

应用农业生产系统模型-甘蔗模块(APSIM-Sugarcane)模拟和检验了广西亚热带蔗地的新植甘蔗叶面积指数和蔗叶含氮量状况,并模拟分析了甘蔗生长过程需氮量状况。结果表明,模拟叶面积指数和蔗叶含氮量的状况都与甘蔗真实生长过程相吻合,叶面积指数和蔗叶含氮量的模拟值和实测值回归统计检验显示回归线都接近1∶1线,决定系数分别为0.94和0.79,表明模拟的准确性都达到了显著水平。甘蔗逐日需氮量的动态分析反映了应用APSIM-Sugarcane模型可为甘蔗产业的精准化管理提供科学依据。     

芒果品种资源叶片碳稳定性同位素和比叶面积的差异

研究64份芒果品种资源叶片碳稳定性同位素(δ13C)和比叶面积(SLA)的差异。结果表明,芒果品种间叶片δ13C、SLA差异均显著。叶片δ13C的变化范围为-29.31‰～-26.50‰,平均值为-27.90‰,最高品种为桂热82,最低品种为粤西1号;叶片SLA的变化范围为57.16～132.61 cm2/g,平均值为97.67 cm2/g。δ13C和SLA之间相关性不显著。     

用长乘宽法测定苎麻叶面积的换算系数

由于开展苎麻生理、生态研究的需要，笔者于1981年以湖北省栽培面积最大的细叶绿和大叶绿两个品种为试测材料，探索用长乘宽法测定苎麻叶面积的换算系数(以下简称换算系数)。两品种种在相邻的两块地上，都是三龄麻。在每季麻的生长期间，每隔4天取样茎5根(三麻为3—4根)，逐片叶测定其长乘宽之积，     

基于APSIM的油用亚麻叶面积指数模型构建

为准确模拟油用亚麻叶面积指数,构建油用亚麻生长模型,本文研究环境效应和作物遗传特性对叶面积指数的作用,分别利用2012-2013年定西试验区不同密度、2012-2013年榆中试验区不同施氮、磷量试验测量数据构建模型,采用潜在叶片数、叶片尺寸和种植密度构建潜在叶面积指数;研究同化作用、水分和氮素胁迫的限制构建实际叶面积指数;研究熟化、光竞争、水分胁迫等引起的衰老叶面积指数,从而构建基于APSIM(农业生产系统模型)的油用亚麻叶面积指数模型。利用2014年定西和榆中的实际测量数据对模型进行校正。模型检验结果表明,该模型能够较准确地模拟油用亚麻叶面积指数,RMSE最小值0.043,最大值0.672,决定系数R2取值范围0.56~0.98,模型拟合效果良好。同时,研究结果表明,定西试验站合理密植7.5×106粒·hm-2,可获最大叶面积指数(盛花期)3.92,榆中试验区最佳施氮量75kg·hm-2、施磷(P2O5)量75kg·hm-2在盛花期获得最大叶面积指数4.486。