大米直链淀粉含量的近红外光谱分析

大米的直链淀粉含量是影响大米蒸煮和加工特性的最重要因素之一,常被用作蒸煮米质构特性评价指标。该文对不同粒度、不同类型大米样品进行了近红外光谱分析,建立了大米直链淀粉含量的预测模型,（精米样品）预测值与化学分析值的相关系数达0.95。预测标准差、平均相对误差分别为0.56和3.1%。     

近红外反射技术建立合肥地区精米直链淀粉含量测定模型

以合肥地区种植的203份水稻材料为检测对象,用近红外反射技术采集光谱,常规化学方法测定精米直链淀粉含量。结果表明,定标样品的直链淀粉含量分布范围为3.439%～28.046%,代表性和连续性良好。采用多种计量数学处理方法和偏最小二乘法(PLS),优化建立了精米直链淀粉含量的定量分析预测模型。定标集(C-Set)样品数132个,相关系数(Rc)0.9278,定标标准差(SEC)1.6582;验证集(V-Set)样品数67个,相关系数(Rv)0.8736,预测标准差(SEP)1.9083,并证实所建立的模型在测定精米直链淀粉含量上具有很好的准确性和实用性,对合肥地区水稻品质育种及种质资源相关研究具有实用价值。     

高直链淀粉含量早籼组合优I315的选育与应用

优I315是用高异交率优质不育系优IA为母本，与自选恢复系测315配组而成的杂交水稻早籼组合。该组合具有产量高、直链淀粉含量高（26．8%）、制种产量高等特点，可作为米粉加工型专用稻利用。该组合于2003年2月通过广西壮族自治区农作物品种审定委员会审定。文章介绍了其选育经过、特征特性及其应用技术。     

基于无人机多光谱影像的寒地水稻品质估测

【目的】在稻谷收获前准确估测稻米品质,为改善水稻养分管理、实现优质优价提供参考。【方法】试验在黑龙江省佳木斯市大兴农场和青龙山农场进行,两个地点土壤肥力具有较大差异。每个农场选择一块稻田,以20 m×20 m间隔采集土壤样品分析碱解氮含量,通过变量施氮形成产量水平、长势差异明显的水稻群体。利用大疆精灵4四旋翼多光谱无人机获取水稻分蘖期、拔节期、抽穗期和成熟期冠层多光谱数据。成熟期采集长势具有明显差异的水稻样品和对应的土壤样品,测定土壤有机质和速效氮、磷、钾含量,水稻籽粒蛋白质和直链淀粉含量,产量和食味值,随机选择其中67%的数据通过逐步多元线性回归构建不同生育时期的品质估算模型,其余33%的数据用于模型的验证。【结果】大兴农场水稻成熟期土壤有机质、碱解氮、有效磷和速效钾含量的变异系数分别为11.65%、14.44%、37.66%和11.60%,青龙山农场分别为14.45%、14.32%、36.37%和28.51%。成熟期两个地点水稻产量和食味值的变异系数均大于10%,青龙山农场水稻蛋白质含量变异系数也超过10%,而两地稻米直链淀粉含量的变异系数仅为1.11%～1.83%,因此,水稻直链...     

利用RNAi技术提高玉米直链淀粉含量

为了提高玉米直链淀粉含量,用基因枪将前期工作中构建的sbeⅡb RNAi表达载体pBAC413导入玉米自交系幼胚愈伤组织,经过筛选获得了12 株转化再生植株,其中6 个植株获得了结实种子。DNA点杂交、PCR扩增和PCR－Southern均证明目的基因已整合到T0代再生植株玉米基因组中。对T1代转基因玉米籽粒淀粉含量进行测定,结果表明总淀粉含量比对照没有显著变化,其中1个转基因玉米株系的直链淀粉含量比对照提高了15.6%。     

一种稻米直链淀粉含量的简易测定方法

为便于育种利用,对农业部标准中的米质测定方法(NY147-88)作了简化,其测定结果与标准法高度正相关(r=0.9996),两种方法间的测定结果绝对误差小于1.2%。与标准法相比较,简易法具有简单、易操作、样品量少等优点,可用于小样品或育种大群体的筛选测定。     

高直链淀粉含量早籼组合优Ⅰ315的选育与应用

优Ⅰ315是用高异交率优质不育系优ⅠA为母本,与自选恢复系测315配组而成的杂交水稻早籼组合。该组合具有产量高、直链淀粉含量高(26.8%)、制种产量高等特点,可作为米粉加工型专用稻利用。该组合于2003年2月通过广西壮族自治区农作物品种审定委员会审定。文章介绍了其选育经过、特征特性及其应用技术。     

酶标仪在稻米表观直链淀粉含量测定及突变体筛选中的应用

探索了 96孔全自动酶标仪 (SpectraMax 1 90 ,Sunnyvale,USA)在稻米表观直链淀粉含量(AAC)测定中的应用效果。实验以IR2 4、Iri371、Z41 3、KMD1、秀水 1 1共 5个品种为材料 ,以农业部部颁标准为参照 ,样本处理后不作定容稀释而直接在 96孔酶标板上进行显色 ,测定OD值 ,根据标样获得的回归等式计算待测样本的AAC。结果表明 ,酶标法与国标法测得的精度无显著差异。利用这一体系 ,对 1 5 0 0余份协青早B的M3 (收自M2 单株 )种子进行了AAC突变体筛选及后代跟踪研究 ,获得了 1份中等AAC( 1 6%左右 )突变体ZXY1 6。该方法操作简便易行 ,据此可建立高通量稻米AAC测定体系     

基于光谱遥感的冬小麦籽粒淀粉积累量的监测

为了建立基于叶绿素密度淀粉积累量的最佳种植密度光谱监测模型,利用遥感技术准确测量小麦淀粉积累量,本试验通过大田试验,根据品种特性和晋中地区推广种植密度分别设置5个种植密度(300万苗.hm 2、450万苗.hm 2、600万苗.hm 2、750万苗.hm 2、900万苗.hm 2),对其冠层光谱、叶绿素密度和淀粉积累量进行了测定,并利用统计学方法对5个种植密度的数据进行分析,对混合密度进行模拟。结果表明,在5个密度梯度和模拟混合密度下所建立的淀粉积累量光谱监测模型中,以密度750万苗.hm 2条件下的NDVI(1 200 nm,670 nm)所建立的光谱模型最好,其精确度可达0.920 6。用2009—2010年的试验数据对模型进行检验,其预测值和实测值的R2也可达0.954 2,表明750万苗.hm 2的种植密度是对冬小麦淀粉积累量进行预测的最佳密度,依此所建立的冬小麦淀粉积累动态监测光谱模型是可行的。同时,所建立模拟混合密度模型的精确度可达0.883 1,验证R2也可达0.905 4,说明该模拟混合密度模型能够较准确地预测不同种植密度条件下的淀粉积累量。因此,模拟混合密度模型在现实应用中具有较好的适用性和普适度。     

不同生育期水稻叶面积指数的高光谱遥感估算模型

2011年和2012年通过大田试验,利用便携式野外光谱仪实测水稻冠层不同生育时期的高光谱数据,同时使用SUNSCAN冠层分析系统采集水稻冠层叶面积指数（LAI）;采用光谱微分技术和统计分析技术,分别分析高光谱反射率及其植被指数与LAI之间的关系,建立LAI估算模型并进行模拟结果对比。结果表明：水稻抽穗-成熟期,利用光谱值的对数形式对LAI值的模拟效果较好,分蘖-抽穗期利用光谱反射率模拟LAI变化过程的效果不理想。 在利用各种植被指数估算LAI方法中,水稻分蘖-抽穗期以修改型土壤调整植被指数MSAVI[758,805]对LAI的估算效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.7754）,估算精度较高。在抽穗-成熟期,也以修改型土壤调整植被指数MSAVI[758,817]对LAI的模拟效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.6488）,估算精度较高。说明修改型土壤调整植被指数（MSAVI）能更好地模拟水稻不同生育期的叶面积指数,按照分蘖-抽穗期、抽穗-成熟期两个生育阶段分别建立水稻冠层LAI的高光谱估算模型能够提高LAI估算的准确度,研究结果也证实了分生育阶段建模的必要性。     

不同生育时期冬小麦叶面积指数高光谱遥感监测模型

高光谱遥感能快速无损获取植被冠层信息,是实现作物长势实时监测的重要技术。为研究不同氮磷水平下冬小麦不同生育时期叶面积指数高光谱遥感监测模型,提高叶面积指数高光谱监测精度,该研究连续5 a定位测定黄土高原旱地不同氮磷水平和不同冬小麦品种各生育时期冠层光谱反射率与叶面积指数,通过相关分析、回归分析等统计方法,构建不同生育时期冬小麦叶面积指数监测模型。结果表明:不同氮磷水平下,冬小麦叶面积指数随施肥量增加呈递增趋势,随生育时期改变呈抛物线趋势变化;随着氮磷供应量的增加,冠层光谱反射率在可见光波段显著降低2%~5%(P0.05),在近红外波段显著增加4%~10%(P0.05);不同生育时期叶面积指数与优化土壤调整植被指数、增强型植被指数Ⅱ、新型植被指数、修正归一化差异植被指数、修正简单比值植被指数均达极显著相关(P0.01);拔节期、孕穗期、抽穗期、灌浆期和成熟期叶面积指数分别与优化土壤调整植被指数、增强型植被指数Ⅱ、增强型植被指数Ⅱ、修正归一化差异植被指数和修正简单比值植被指数拟合效果较好,决定系数分别为0.952、0.979、0.989、0.960和0.993;以不同年份独立数据验证模型表明,所建预测模型均有较好的验证结果,相对误差分别为13.0%、13.5%、12.8%、12.6%和14.0%,均方根误差分别为:0.313、0.336、0.316、0.316、0.324。因此,优化土壤调整植被指数、增强型植被指数Ⅱ、增强型植被指数Ⅱ、修正归一化差异植被指数和修正简单比值植被指数能有效评价拔节期、孕穗期、抽穗期、灌浆期和成熟期冬小麦叶面积指数。同时,叶面积指数分段监测模型较统一监测模型精度有所改善。该结果为实现不同肥力水平下冬小麦不同生育时期长势精确监测提供理论依据和技术支撑。     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

不同氮、钾配比对杂交水稻灌浆期直链淀粉积累的影响

选用4个不同系列的杂交水稻组合,通过施用不同量氮、钾底肥处理,对水稻开花后子粒淀粉积累、淀粉合成关键酶活性及其之间的关系进行了研究。分析不同氮、钾处理及基因型因素对直链淀粉含量的影响以及淀粉合成酶（GBSS）与直链淀粉积累的关系。结果显示:品种基因型和氮肥施用量是决定直链淀粉含量的主要因素,其他因素对子粒直链淀粉的含量影响也达到显著水平;不同因素对GBSS的影响与直链淀粉相似;GBSS活性与直链淀粉含量在灌浆期间显著正相关。不同品种最高直链淀粉含量的氮钾处理也不同,在本试验条件下各水稻品种直链淀粉含量的最佳氮钾组合为:B优827为N180K135;红优2009为N180K135; C优2009为N180K180;冈优725为N90K180。各品种中B优827直链淀粉含量最高。     

基于多种光谱仪的水稻前期植株氮积累量监测

为了明确水稻穗肥施用前地上部植株氮积累量与各光谱仪冠层光谱参数的定量关系,进而为水稻精确追氮提供决策依据。基于不同品种和不同施氮水平的7个水稻田间试验,于分蘖期和拔节期利用ASD Fieldspec FR2500高光谱仪、Cropscan MSR-16多光谱仪和Greenseeker RT100主动光谱仪同时采集冠层光谱反射率,并同步取样测定地上部植株氮积累量,研究基于不同光谱仪构建的植被指数与植株氮积累量之间的关系。结果表明,部分植被指数与水稻地上部植株氮积累量关系密切,基于3种光谱仪构建的水稻地上部植株氮积累量监测模型的稳定性和适用性有较大差异。对于ASD高光谱仪,虽然基于差值植被指数（760,740）能较好估测植株氮积累量,拟合模型决定系数R2为0.79,但模型检验效果较差,其R2和均方根误差分别为0.15和2.11 g/m2;对于Cropscan多光谱仪,差值植被指数（760,710）能较好反演植株氮积累量,拟合模型的R2为0.94,模型检验的R2和均方根误差分别为0.94和0.76 g/m2;Greenseeker主动光谱仪的归一化植被指数（770,660）对地上部植株氮积累量的反演效果最好,拟合模型的R2为0.97,模型检验的R2和均方根误差分别为0.97和0.62 g/m2。研究结果可为水稻前期植株氮积累量监测过程中的光谱仪选择提供参考,为水稻精确追氮管理提供技术支撑。     

基于自然光照反射光谱的温室黄瓜叶片含氮量预测

利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。反射率光谱以及一次微分光谱与叶片含氮量的相关分析表明,温室内光谱特性与叶片含氮量相关性最大的敏感波段分别是505～664 nm和685～722 nm。当利用原始光谱进行分析时,通过变量筛选得到了4个敏感波长,分别是568、596、640和664 nm。偏最小二乘回归分析(PLSR)以及归一化颜色指数(NDCI)分析都表明,建模时的相关系数R_C>0.800,模型验证时的相关系数R_V>0.700。对微分光谱进行的相关分析结果表明,利用单一敏感波长520 nm就可获得理想模型,建模时的相关系数为0.880,模型验证时的相关系数为0.787。对比原始光谱的PLSR模型与一阶微分光谱的一元线性回归模型可以得知,原始光谱以及一阶微分光谱都可用于温室内叶片含氮量的预测,而且一阶微分光谱在一些特殊的波长处具有更高的预测能力,这些模型将成为开发便携式作物长势诊断仪器的技术基础。     

基于HJ-1A/1B CCD时间序列影像的水稻生育期监测

为了准确获得作物大面积生育期信息,指导农业生产管理和决策,基于2009、2010年湖南双季稻生育期间42景晴空HJ-1A/1B CCD影像,提出了一种基于小波分析的生育期估计方法：首先通过线性插值构建像元尺度上逐日的增强植被指数时间序列集,随后采用小波分析对其进行去噪重建,得到反映水稻生长过程的日时间序列曲线,最后通过曲线特征估计水稻的关键生育期。以抽穗期为例,利用湖南沅江市20个田块实地调查数据对估计结果进行了验证,并与基于非对称高斯函数及基于Savitzky-Golay滤波的方法进行了对比,结果表明基于小波分析的方法平均误差为3 d左右,整体上不高于后2种方法误差,能较精确地估计双季稻抽穗期,提供了一种新的有效监测水稻生育期信息的方法。     

增硝营养对水稻不同生育时期生长及氮素吸收同化的影响

The effect of nitrate （NO3^-） on rice （Oryza sativa L.） growth as well as N absorption and assimilation during different growth stages was examined using three typical rice cultivars. Dry weight, yield, N uptake, nitrate reductase activity （NRA） in leaves, and glutamine synthetase activity （GSA） in roots and leaves during their entire growth periods, as well as the kinetic parameters of ammonium （NH4^＋） uptake at the seedling stage, were measured with solution culture experiments. Results indicated that addition of NH4^＋-N and NO3^-N at a ratio of 75：25 （NH4^＋＋NO3^- treatment） when compared with that of NH4^＋-N alone （NH4^＋ treatment） increased the dry weight of ‘Nanguang＇ cultivar by 30% and ‘Yunjing 38＇ cultivar by 31%, and also increased their grain yield by 21% and 17%, respectively. For the four growth stages, the total N accumulation in plants increased by an average of 36% for ‘Nanguang＇ and 31% for ‘Yunjing 38＇, whereas the increasing effect of NO3^- in the ‘4007＇ cultivar was only found at the seedling stage, in the NH4^＋＋NO3^- treatment compared to the NH4^＋ treatment, NRA in the leaves increased by 2.09 folds, and GSA increased by 92% in the roots and 52% in the leaves of the three cultivars. NO3^- supply increased the maximum uptake rate （Vmax） in the ‘Nanguang＇ and ‘Yunjing 38＇ cultivars, reflecting that the NO3^- itself, not the increasing N concentration, increased the uptake rate of NH4^＋ by rice. There was no effect on the apparent Michaelis-Menten constant （Kin） of the three cultivars. Thus, some replacement of NH4^＋ with NO3^-could greatly improve the growth of rice plants, mainly on account of the increased uptake of NH4^＋ promoted by NO3^-, and future studies should focus on the molecular mechanism of the increased uptake of NH4^＋ by NO3^-.     

基于高光谱遥感处方图的寒地分蘖期水稻无人机精准施肥

分蘖期根外追肥是水稻生产的重要田间管理环节,也是水稻生长中的第一个需肥高峰期,追肥效果直接影响分蘖数以及中后期长势。为了探究利用无人机遥感构建施肥量处方图指导农用无人机对分蘖期水稻精准追肥,在保障水稻产量的前提下降低化肥施用量,该研究在水稻分蘖期追肥窗口期,利用无人机遥感诊断与农用无人机精准作业相结合,采用无人机高光谱技术建立水稻分蘖期施肥量处方图,结合农用无人机作业参数对待施肥地块进行栅格划分,确定精准施肥量,并通过农用无人机进行精准施肥。结果表明:利用特征波段选择与特征提取的方式在450～950nm范围内共提取5个水稻高光谱特征变量用于水稻氮素含量的反演;利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)构建的水稻氮素含量反演模型效果要好于极限学习机(Extreme Learning Machine,ELM)反演效果,模型决定系数为0.838;结合待追肥区域反演氮素含量(N_r),标准田氮素含量(N_std)、氮肥浓度(p)、水稻地上生物量(B...     

基于高光谱与协同克里金的土壤耕作层含水率反演

为研究土壤耕作层(0~40 cm)含水率的空间分布情况,利用EO-1的Hyperion传感器高光谱数据,对研究区域(106°20′~109°19′E,40°19′~41°18′N)的表层(0~10 cm)含水率进行定量反演,并利用表层含水率反演结果作为协同克里金插值的协变量,同时利用103个采样点实测的耕作层含水率作为主变量,进行协同克里金插值。结果表明:通过特征指数法提取水分反演的敏感波段集中在1 295~2 224 nm波长区间,特征指数法模型校正的相关系数r0.5但模型验证的精度较低(r0.2);通过偏最小二乘法建模,模型校正的r0.8,模型验证的r0.5,效果较好;运用协同克里金插值时,将反演的表层含水率作为协变量,可以弥补主变量耕作层含水率样本点少,变异函数欠稳定的缺点,同时,所提取理论模型的块金值(C0)与基台值(C0+C)的比值均25%,随机因素比例小,模型稳健。此外,协同克里金插值方法与利用表层与耕作层含水率线性拟合进行预测相比,能够有效提高预测精度,决定系数r2和Nash效率系数(nash-sutcliffe modelling efficiency,NSE)分别提高72.6%和89.9%,因此,将高光谱反演与协同克里金方法相结合,可以综合两者优势,节约采样成本,提高预测效率。     

不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型

为研究不同氮磷水平下冬小麦籽粒蛋白质含量高光谱遥感监测模型,提高模型精度,本文通过连续5年定位试验研究不同氮磷耦合水平下,不同生育时期冬小麦冠层光谱反射率、植株氮含量以及成熟期籽粒蛋白质含量,以相关、回归等统计分析方法,建立基于不同生育时期植株氮含量的籽粒蛋白质含量监测模型;然后通过灰色关联度分析,筛选植株氮含量的最佳植被指数,以偏最小二乘回归法,建立基于植被指数的植株氮含量监测模型;最后以植株氮含量为链接点,按照"植被指数—植株氮含量—籽粒蛋白质含量"之间的联系,建立融合植被指数与植株氮含量的冬小麦成熟期籽粒蛋白质含量监测模型。结果表明:在拔节期、孕穗期、抽穗期、灌浆期、成熟期基于植株氮含量建立的成熟期籽粒蛋白质含量监测模型,具有较好的监测精度;拔节期、孕穗期、抽穗期、灌浆期、成熟期分别基于修正叶绿素吸收反射率指数(MCARI_1)、归一化差值叶绿素指数(NDCI)、修正归一化差异指数(mNDVI)、MCARI_1、NDCI植被指数建立植株氮含量监测模型,监测精度(R~2)分别为0.826、0.854、0.867、0.859和0.819;以植株氮含量为链接点,通过"植被指数—植株氮含量—籽粒蛋白质含量"的间接联系,建立基于拔节期、孕穗期、抽穗期、灌浆期、成熟期植被指数且融合植株氮含量的籽粒蛋白质含量监测模型,R~2分别为0.935、0.972、0.990、0.979和0.936;以独立数据对模型进行验证,模型预测值与实测值间相对误差(RE)分别为11.26%、10.74%、8.41%、10.25%和11.36%,均方根误差(RMSE)分别为2.221 g×kg~(-1)、1.825 g×kg~(-1)、1.214 g×kg~(-1)、1.767 g×kg~(-1)和2.137 g×kg~(-1)。说明基于不同生育时期植被指数链接植株氮含量可以对成熟期籽粒蛋白质含量进行有效监测,且模型具有较好的年度间重演性和品种间适应性。