利用红边特征参数监测小麦叶片氮素积累状况

以不同类型小麦品种在氮素差异梯度下连续3 a田间试验为基础,在关键生育时期同步测定冠层光谱反射率、叶片干物质量及氮含量,探索建立小麦叶片氮素状况估算的新型红边参数及监测模型。结果表明,冠层微分光谱在红边区域内随氮素水平提高呈明显规律性变化,而原始光谱反射率的变化却较为复杂。与叶片氮积累量关系密切的常见红边参数间存在差异,其中,以GM2、SR705和FD742表现最突出,线性回归模型拟合精度（R2）分别为0.854、0.848和0.873,估计标准误差（SE）分别为1.136、1.160和1.059。基于红边双峰特征分析,构建新型红边双峰特征参数,其中,红边左偏峰面积LSDr_REPLE对叶片氮积累量方程拟合取得很好效果,决定系数和估计标准误差分别为0.869和1.080。经不同年际独立数据的检验表明,以GM2、SR705和FD742为变量,模型预测平均相对误差（RE）分别为17.6%、17.0%和14.9%,而红边左偏峰面积LSDr_REPLE模型预测误差控制得更好,平均相对误差RE为14.5%。以上表明,红边参数GM2、SR705和FD742可以对小麦叶片氮素状况进行有效监测,而红边左偏峰面积LSDr_REPLE模型预测更为准确可靠。     

四川小麦新品系区域试验产量稳定性分析

运用混合线性模型和AMMI模型,对四川小麦新品系两年区域试验的产量进行稳定性分析。结果表明,在混合线性模型中,影响产量的随机效应方差分量以品系与年份互作最大,年份和地点互作也较高。多重比较表明,46548-3、川麦107、98-18、R25和R88的产量显著高于对照川麦28。回归参数和置信区间分析表明,多数品系稳定性表现相似,但以99-1572最好。AMMI模型分别解释了2002和2003年的92.6%和76.9%的互作平方和;其双标图显示,环境改变较品系变异对小麦产量的影响更大。同时,通过AMMI2双标图得到各参试品系与环境间的互作情况。此外,通过稳定性参数Di值和AMMI1的品种排序分析揭示出各参试品系的稳定性表现,其中Y1496-15在两年区试中均表现稳定,而R88和46548-3则呈现出特殊的环境适应性。     

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

小麦叶片叶绿素荧光参数与反射光谱特征的关系

以宁麦9号(低蛋白质含量)、淮麦20(中蛋白质含量)和豫麦34(高蛋白质含量)为试材,设0~300 kg hm^-2不同施氮水平,经2003—2004年和2004—2005年田间试验,对小麦顶部4张叶片叶绿素荧光参数和反射光谱特征的变化规律及其相互关系进行了分析。结果表明,小麦叶片叶绿素荧光参数F_v/F_m和F_v/F_o随施氮水平提高呈上升趋势,同时叶片光谱反射率在不同施氮水平、叶位和生育期均有明显差异。小麦植株顶1叶和顶2叶反射光谱在可见光区（520~680 nm）和近红外区（750~850 nm）与叶绿素荧光参数稳定相关。顶端2张叶片的植被指数DVI(750, 550)、DVI(735, 690)和TVI(750, 670, 550)与荧光参数F_o、F_m、F_v、F_v/F_m、F_v/F_o、F_s、F_m’、F_o’、F_v’、F_v’/F_m’的相关性均较好,其中DVI(750, 550)的相关性最好,且回归系数在不同品种和不同生育期之间没有显著差异。表明利用小麦叶片反射光谱监测其叶绿素荧光参数是可行的。     

小麦叠加叶片的叶绿素含量光谱反演研究

为了给田间冠层水平叶绿素含量高光谱反演研究提供参考,研究了小麦单层及叠加叶片不同波长光谱反射率及几种常用植被指数对叶绿素含量的响应特征。结果表明,可见光波段的绿光到红光波段范围内叶片光谱反射率与叶绿素含量存在良好的相关关系,其中在绿光反射峰550 nm附近和红边区域的705 nm附近反射率都可以用来预测叶绿素含量。红谷吸收表现为随叶绿素含量提高而蓝移的特征。常用植被指数NDVI在本研究中对小麦叶片的叶绿素含量的监测效果并不理想。SR705虽然与单层叶片叶绿素含量相关性较好,但是对叠加多层叶片的叶绿素含量反演效果不好。光谱参数中TCARI对单层叶片和不同叠加层数的叶片均有最好的预测能力,因此可以利用TCARI监测小麦叶绿素含量,进而用于评价其光合特性。     

导热油炉对木材加工厂的集中供热

简要叙述了导热油炉及系统对木材加工厂集中供热的设计和使用，对指导木材加工厂进行产品升级换代和节能降耗有现实意义。     

丰之源公司:坚持党建引领 带动农民增收

河南丰之源生物科技有限公司(以下简称丰之源公司),成立于2003年,是一家专业从事核桃露、功能饮料、苏打水产品研发、生产、销售的现代化民营企业。公司现有两个生产厂区,分别位于济源市梨林食品工业园和济源市承留工业区,总占地150亩。经过十多年的持续发展,丰之源公司2012年被认定为河南省农业产业化重点龙头企业。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系,分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加,不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区,而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系,根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径,以植株氮积累量为交接点将模型链接,建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加,确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明,利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化,预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778,相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况,其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

基于高光谱遥感的小麦叶片含氮量监测模型研究

为了在作物氮素管理中实现叶片氮含量的实时无损估测,以不同类型小麦品种在不同施氮水平下连续3年田间试验为基础,研究了小麦叶片氮含量与冠层高光谱参数的定量关系.结果表明,叶片氮含量随着施氮水平的增加而提高,冠层光谱反射率在不同叶片氮含量水平下存在明显差异.叶片氮含量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域最为显著.红边及面积类参数REPIE、SDr-SDb和FD729与叶片氮含量关系密切,方程拟合决定系数R2分别为0.829、0.806和0.856,估计标准误差SE分别为0.278、0.295和0.271;模拟宽光谱波段组合类参数方程拟合精度较低,标准误差较大,以AVHRR-GVI为变量模拟方程,R2 和SE分别为0.786和0.315;多波段组合类参数方程拟合效果较好,以mND705为变量建立方程,其R2 和SE分别为0.836和0.275.经不同年际独立数据检验,红边及面积类参数表现最好,以REPIE、SDr-SDb和FD729三个参数为变量,模型预测的RMSE分别为0.418、0.380和0.395,相对误差RE分别为14.4%、15.1%和15.2%;模拟宽光谱波段组合类参数与多波段组合类参数比较,模拟宽光谱波段组合模型预测效果更好,以AVHRR-GVI 和mND705为变量建立模型,RMSE分别为0.436和0.408,RE分别为17.3%和16.7%.以上结果表明,红边及面积类参数与叶片氮含量关系密切且表现稳定,利用REPIE、SDr-SDb和FD729三个参数可以对小麦叶片氮含量进行可靠的监测.     

数字农作技术研究的若干进展与发展方向

 着重介绍数字农作技术研究的若干最新进展与发展方向。数字农作即通过综合运用数字化技术，研究农作物生产系统中信息获取、处理、管理和利用的关键技术及应用系统，从而对农作系统过程的信息流实现全面的数字化表达和整合。近年来，作者围绕数字农作的关键技术及应用系统，开展了较为深入和系统的研究工作，重点在作物生长模拟模型、作物管理知识模型、作物生长无损监测、农作空间信息管理、数字农作决策系统等5个领域取得了显著的研究进展。数字农作的未来发展将需要综合运用信息管理、自动监测、动态模拟、虚拟现实、知识工程、精确控制、网络通讯等现代信息技术，以农作物生产要素与生产过程的信息化与数字化为主要研究目标，发展农业资源的信息化管理、农作状态的自动化监测、农作过程的数字化模拟、农作系统的可视化设计、农作知识的模型化表达、农作管理的精确化控制等关键技术，进一步研制综合性数字农作技术软硬件系统，实现农作系统监测、预测、设计、管理、控制的数字化、精确化、可视化、网络化。农作生长与生产系统的数字化将带动农业产业的信息化和现代化。