共查询到20条相似文献,搜索用时 0 毫秒
1.
应用数字图像技术进行水稻氮素营养诊断 总被引:11,自引:1,他引:11
【目的】研究田间试验条件下水稻不同生育期冠层图像色彩参数(G、NRI、NGI、NBI、G/R和G/B)及植株氮素营养指标(叶片含氮量、植株全氮含量、生物量、氮素累积量和冠层NDVI值)的时空变化特征,并分析两者间的相关性,确立水稻氮素营养诊断的最佳色彩参数和方程模型,为探明数码相机在水稻上的适宜性及精确诊断水稻氮素营养状况提供理论基础。【方法】于2013年5月9月在湖北省武汉市华中农业大学试验基地(30°28'08'N,114°21'36'E)采用不同施氮处理的田间试验,以籼型两系杂交稻"两优6326"为供试作物,设置4个施氮水平:0、75、150和225 kg/hm2(分别以N0、N75、150和N225表示),3次重复,随机区组排列。分别在水稻分蘖期、拔节期、孕穗期和灌浆期采用数码相机(Nikon-D700,1200万像素)获取水稻冠层图像,应用Adobe photoshop7.0软件直方图程序提取图像的红光值R、绿光值G和蓝光值B,研究数码相机进行水稻氮素营养诊断色彩参数,确定植株氮素营养指标诊断模型。【结果】较对照(N0)相比,分蘖期、拔节期、孕穗期和灌浆期3个施氮处理水稻地上部生物量、叶片含氮量、植株全氮含量、氮素累积量、冠层NDVI值和成熟期产量增幅分别平均为40.7%98.0%、42.4%72.4%、36.2%85.3%、125.5%209.1%、51.3%60.6%和60.1%117.0%,差异显著。水稻不同生育期各冠层数字化指标G、NRI、NGI、NBI、G/R和G/B与上述氮素营养参数相关性差异较大,且以数字图像红光标准化值NRI表现最佳,建议作为应用数码相机进行水稻氮素营养诊断的最佳冠层图像色彩参数指标。进一步分析表明,可以用统一的线性回归方程来描述不同生育期、不同氮素水平下水稻植株氮素营养指标随冠层色彩参数NRI的变化模式。【结论】数码相机进行水稻氮素营养诊断测试结果稳定,具有快速、便捷、非破坏性等优点,冠层色彩参数NRI与水稻氮素营养指标和产量之间均表现出较好的相关性,满足氮素营养无损诊断的需求,对实时、快速监测水稻长势状况及氮素营养丰缺水平具有较高的可行性,有望发展成为新时期作物氮素营养无损诊断技术的潜力。 相似文献
2.
治理和安全利用重金属污染水稻土过程中,氮素营养的快速诊断是制定合理施肥措施的基础。叶绿素测定仪SPAD已广泛应用于非污染耕地土壤中玉米、小麦和棉花等作物的氮素营养诊断,然而针对镉污染条件下的不同类型水稻土,SPAD在诊断水稻氮素营养的适应性方面仍然缺乏系统研究。本研究采集了我国水稻主产区的21种典型水稻土,以德农2000为供试水稻品种,设置无镉污染、轻度镉污染、重度镉污染处理的水稻盆栽试验,研究水稻叶片SPAD值对镉污染水稻土氮素供应诊断和水稻产量预测的能力。结果表明:水稻土类型影响了水稻叶片SPAD值对不同水平镉污染的响应,土壤p H是主控因子,其相对影响的平均值为20%。水稻叶片SPAD值与不同生育期水稻籽粒氮素含量显著正相关,其中拔节期的相关系数最大;同时水稻叶片SPAD值与水稻营养生长期(苗期至拔节期)土壤溶液总氮和铵态氮含量呈显著正相关,且不受镉污染程度和土壤类型的影响。总体上,不同生育期(尤其是拔节期)水稻叶片的SPAD值可以表征镉污染条件下不同类型水稻土氮素养分供应对水稻氮素营养的影响。 相似文献
3.
【目的】为实现水稻氮素营养状况的快速、准确诊断,提出了基于集成卷积神经网络的水稻氮素营养诊断模型,为建立高性能的氮素营养诊断模型提供思路和方法。【方法】水稻田间试验以超级杂交水稻‘两优培九’为材料,设置4个施氮水平(0、210、300、390 kg/hm2)。扫描获取水稻幼穗分化期顶部3片完全展开叶的叶片图像,将图像裁剪至只包含叶尖片段的图像,进行水稻叶片图像数据采集。分别以单一卷积神经网络模型DenseNet121、ResNet50、InceptionResNet V2为基学习器,多层感知机(MLP)为元学习器,集成卷积神经网络模型,比较了集成模型与单一卷积神经网络模型以及不同基学习器组成的集成模型的氮素营养诊断结果。【结果】4个单一模型中,DenseNet121的氮素诊断准确率最高,为96.41%。二元集成模型和三元集成模型的准确率均高于任意一个单一模型的准确率,由3个基学习器组成的集成模型的准确率最高,达到98.10%,相比准确率最高的单一模型准确率提高了1.69个百分点。【结论】采用DenseNet、ResNet50、InceptionResNet V2集... 相似文献
4.
银杏氮素营养诊断技术研究 总被引:2,自引:0,他引:2
应用果园调查、土壤植株化验分析与大田氮肥施用量试验相结合的方法 ,对银杏氮素营养诊断技术进行了研究。结果表明 ,土壤氮素的最佳诊断形态为土壤有效氮 ,其诊断指标 (mg/kg)为 :高 115.2 ,中 78.8~ 115.2 ;低78.8。银杏植株氮素营养诊断最佳诊断时期为 7月 ,最佳诊断部位为长枝条 8位叶 ,诊断形态为全氮 ,其诊断指标 (N % )为 :高 2.04、中 1.80~ 2.04、低 1.80。 相似文献
5.
基于BP神经网络和概率神经网络的水稻图像氮素营养诊断 总被引:3,自引:1,他引:2
【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm^2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。 相似文献
6.
采用盆栽试验研究了非包膜缓释复合肥(SRCF)、包膜缓释复合肥(Multicote)和普通复合肥(CCF)对水稻植株生长和氮素营养的影响。结果表明,盆栽试验施用SRCF的水稻茎叶重、根冠比、含氮量、对肥料氮的吸收量和利用率与Multicote处理的相应指标较为相近,明显优于普通无机复合肥,这表明SRCF的氮素养分具有缓慢释放性能,并能满足水稻不同生长期的氮素需要。 相似文献
7.
氮素营养水平对水稻幼苗氮代谢的影响 总被引:2,自引:0,他引:2
以超级稻“两优培九”为试验材料,研究了不同氮素营养水平对其氮代谢关键酶活性的影响。结果表明,叶片硝酸还原酶(NR)活性和氮素水平具有较复杂的相关关系。叶片谷氨酰胺合成酶(GS)活性随氮素营养的增加而提高,根系GS活性在氮素水平过高时反而下降。氮素营养在2N以下时,叶片谷-丙转氨酶(GPT)和谷-草转氨酶(GOT)活性随氮素营养的增加而提高,当氮素水平继续升高时活性则下降;当氮素水平在N处理以下时,根系GPT和GOT活性随氮素营养的增加而提高;当氮素水平高于N处理时,则随氮素营养的增加下降。叶片和根系中上述酶的活性不同,而且活性高峰值出现时期不同,反映了叶片和根系氮代谢的差异。叶片和根系的蛋白质和游离氨基酸含量及叶片叶绿素含量随氮素营养水平的提高而增加,各处理叶片和根系蛋白质含量呈显著正相关,叶片蛋白质和游离氨基酸含量高于根系。 相似文献
9.
不同类型水稻种质氮素营养效率的变异分析 总被引:17,自引:2,他引:17
采用田间试验,在常规氮素管理下,以氮素吸收效率(NAE)、利用效率(NUE)和收获指数(NHI)为衡量指标,分析了国内外607份不同类型水稻种质氮素营养效率的变异状况。结果表明,水稻NAE、NUE和NHI存在显著的基因型差异,以NHI为最大和NAE为最小。不同类型水稻间的NAE、NUE和NHI未达显著差异,但籼型杂交稻NAE、NUE和NHI的变异小于常规籼稻和常规粳稻。相关分析表明,水稻NAE与NUE、NHI呈极显著负相关,NUE与NHI间无显著相关;水稻NUE和NHI与单株产量存在极显著的正相关,NAE与单株产量无显著相关。频数分析可知,常规籼稻NAE、NUE及NHI和籼型杂交稻NUE的种质频数分布呈典型正态曲线,低、高效种质较少,中效种质众多;常规粳稻NAE、NUE和NHI种质的频数分布呈近似正态分布,略偏向低效;籼型杂交稻NAE的种质频数分布离散程度较高和高效种质较多,NHI的种质频数分布呈近似正态分布和略偏低效。籼型杂交稻的NAE、NUE和NHI差异小而分布较集中,常规粳稻最分散,常规籼稻居中。不同类型水稻的氮素营养效率的极差很大,可分为若干组,各组间差异显著。 相似文献
10.
11.
12.
利用叶绿素计(SPAD-502)诊断水稻氮素营养和推荐追肥的研究进展 总被引:55,自引:8,他引:55
叶绿素计(SPAD-502)在监测水稻氮素营养水平和及时提供追肥所需的信息方面有快速、简便、无损的特点,但其精度常受多种因素的影响。本文分析了影响利用SPAD-502叶绿素计诊断水稻氮素营养和推荐追肥精度的水稻品种、生育时期、测定叶位、测定叶片的位点、生态环境等因素。并综述了通过量化SPAD读数与氮的关系,提高诊断水稻氮素营养精度;通过量化SPAD读数与追肥关系,提高SPAD-502叶绿素计诊断法推荐施肥精度的研究现状;提出进一步提高利用SPAD-502叶绿素计诊断水稻氮素营养状况与推荐追肥精度尚需解决的几个问题。 相似文献
13.
水分及铵、硝营养对水稻幼苗氮素吸收的影响 总被引:1,自引:0,他引:1
采用5% PEG模拟水分胁迫,研究武育粳3号水稻幼苗生长状况以及在水分胁迫下对不同NH4+-N / NO3--N质量比例(100/0、75/25、50/50、25/75、0/100)处理的响应。结果表明,模拟水分胁迫后水稻幼苗生长对不同的NH4+-N/NO3--N处理反应不同,水稻对NH4+-N和NO3--N的吸收发生显著改变,水稻幼苗更偏向于吸收NO3--N营养,与正常水分处理相比其对总氮和NO3--N的吸收量显著增加。 相似文献
14.
15.
为探究SPAD值在烤烟氮素养分诊断中的作用,以云烟100为试材,设置了6个不同氮肥水平的田间试验,分析了烤烟叶片SPAD值与氮素营养诊断指标、施氮量的关系以及施氮量对产量的影响。结果得出产量与施氮量呈二次函数关系,函数关系式为Y=-0.07X2+18.07X+2165.34,根据产量与施氮量的关系确定了最佳经济施肥量,为124.5 kg/hm2,对应的最佳经济产量为3330.4 kg/hm2;建立了基于叶片SPAD值的烤烟氮肥推荐施肥标准。其中最适SPAD值范围为37.11~46.06,可作为团棵期和旺长期氮素营养诊断的指标,并能推荐氮肥的施用。 相似文献
16.
17.
旱地不同冬小麦品种氮素营养的叶绿素诊断 总被引:11,自引:0,他引:11
通过田间试验研究了叶绿素仪用于西北旱地主栽的10个冬小麦品种氮素营养诊断的效果。结果表明,冬小麦SPAD值与子粒产量、生物学产量有很好的相关性,尤其以拔节期和开花期相关性较高。不同施氮量下的SPAD值有明显的不同,施氮量为180kg/hm2时,SPAD值达到最大。在同一施氮水平下,开花期的SPAD值均最高。拔节期之前冬小麦不同品种间SPAD值的差异较小,拔节期以后差异较大,最大可达9.2个SPAD单位。小偃22在每个时期的SPAD值都最高,并且与陕253、陕229和小偃503之间的差异均达显著水平,而陕253、陕229和小偃503之间的差异不显著。可见,小偃22与其它3个品种对氮素反应分属于不同类型,应根据不同品种类型建立相应的诊断指标。 相似文献
18.
基于Greenseeker光谱法的棉花氮素营养诊断研究 总被引:3,自引:0,他引:3
利用主动遥感光谱仪(Greenseeker)对新疆2个主栽棉花品种4个施氮量条件下2年生育期间的冠层归一化植被指数(NDVI)值进行测试,研究不同施氮量对棉花冠层NDVI值、植株氮素积累速率和叶片全氮含量的影响以及田间条件下简便、快速、非接触性的作物氮素营养状况诊断方法。结果表明:在棉花生育期内,冠层NDVI值呈单峰曲线变化,峰值出现在出苗后90d左右,以后逐渐降低;NDVI值和棉株氮素积累速率呈正相关关系,决定系数R~2在盛花期达到最大,为0.844.7;NDVI值变化趋势与叶片全氮含量呈正相关,决定系数R~2在盛花期达到0.7980。棉花冠层NDVI值随着施氮量增加而提高,不同氮素处理间NDVI值在盛花期和花铃期达极显著差异;主动遥感光谱仪在棉花生长的盛花期和花铃期可以预测棉花氮素养分状况。 相似文献
19.
在滴灌条件下,应用紫外分光光度法测定了杂交棉不同生育期叶柄硝酸盐含量,对杂交棉氮素营养诊断及氮肥推荐进行了田间试验。结果表明:杂交棉在现蕾期、初花期、盛铃期和铃期的倒4叶叶柄硝酸盐含量与施氮量之间呈极显著线性相关,各生育期叶柄硝酸盐含量与产量之间也具有极显著相关性,由此确定了杂交棉现蕾期、初花期、盛铃期和铃期的硝酸盐临界值,分别为18596.3、2625.7、3431.3和2462.8 mg L-1;用一元二次模型模拟氮肥与产量之间的关系,得到在滴灌条件下,最佳产量为6413.7 kg hm-2,对应的最佳施氮量为348.1 kg hm-2;根据杂交棉各生育期叶柄硝酸盐浓度与施氮量和产量之间的关系,建立了各生育期氮肥推荐模型。 相似文献
20.
基于数码相机的水稻冠层图像分割及氮素营养诊断 总被引:11,自引:3,他引:8
利用数码相机对作物进行快速准确的营养诊断,需要对图像中作物冠层部分与非冠层部分进行有效的分割。该文依据绿色植被和土壤在可见光区域反射光谱的差异,提出了根据数字图像绿色通道和红色通道差值的大小设定阈值对图像进行分割的方法。阈值设定为10~20之间时对水稻冠层图像有较好的分割效果,拔节期和孕穗期获得最佳图像分割效果的阈值分别为10与20。分割后图像中提取的特征参数与SPAD值、叶片含氮量等指标间具有良好的相关关系,其中红光标准化值NRI与两者间的相关系数达到-0.87和-0.65。该方法能准确地分割水稻冠层图像,且简便易行,对绿色植被的图像分割具有普适性,有较高应用价值。 相似文献