利用叶片高光谱指数预测水稻群体叶层全氮含量

通过测定叶片高光谱来快速估测整个水稻叶层全氮含量对于水稻氮素诊断有重要意义。本文通过连续3年不同施氮水平和不同品种类型的4个大田试验,分生育期同步测定了不同叶位叶片的高光谱反射率及叶层全氮含量,并系统分析了叶片水平多种高光谱指数与水稻叶层全氮含量的定量关系。结果表明,不同叶位叶片的光谱反射率与叶层全氮含量的相关程度不同,顶二叶(L2)表现最好、顶三叶(L3)次之,而L2和L3的平均光谱(L23)有助于进一步提高光谱指数的敏感性,是估测叶层氮含量的适宜叶位组合。绿光560nm和红边705nm波段附近光谱反射率与叶层全氮含量呈极显著负相关关系,两者分别与近红外波段组合而成的光谱比值指数可较好地监测水稻叶层全氮含量,其中绿光、红边窄波段比值指数SR(R780,R580)和SR(R780,R704)表现较好,与叶层全氮含量的决定系数分别为0.887和0.884;独立试验数据检验的RMSE分别为0.216和0.235。将上述2个窄波段比值指数中的近红外、绿光波段和红边波段宽度分别扩展至100、20和10nm,从而构建的宽波段比值指数SR[AR(750-850),AR(568-588)]和SR[AR(750-850),AR(699-709)]与叶层全氮含量相关性仍具有较高水平,线性回归模型的拟合精度(R2)为0.886和0.883,检验RMSE值分别为0.218和0.237。从而在叶片水平,确立了适于叶层全氮含量估测的基于绿光、红边与近红外波段的比值组合和波段适宜宽度。     

小麦叶片氮含量与荧光动力学参数的关系

通过分析不同氮素水平下不同品种小麦上部叶片氮含量和荧光参数随生育进程的变化模式及小麦叶片氮含量与荧光参数的相关关系,提出小麦叶片氮含量的预测方程。结果表明,小麦不同叶位叶片氮含量和荧光参数Fv/Fm、Fv/Fo均随施氮量的增加呈上升趋势。从孕穗到成熟,F_v/F_m和F_v/F_o表现为先上升后下降的趋势。小麦各叶位叶片氮含量与荧光参数F_m、F_v、F_v/F_m、F_v/F_o、F_s和Fo’都呈极显著正相关,且顶部2张叶片的相关性最好。不同小麦品种顶2叶氮含量分别与F_v/F_o和F_v/F_m呈良好的幂函数关系,平均决定系数分别达0.66和0.61。对于低、中、高蛋白质含量的小麦品种类型,可以利用统一的回归方程来描述顶部2张叶片氮含量随F_v/F_o的变化模式。     

基于图像处理的冬小麦氮素监测模型

为探索基于数字图像处理技术的冬小麦氮素无损诊断图像评价指标及构建方法,设计拍摄2012-2014年度不同种植方案下冬小麦冠层图像,基于归一化的H分量K均值聚类分割算法提取基础颜色特征值,与同期叶片氮含量(leaf nitrogen content,LNC)进行线性拟合,调优并确定三原色分量最佳拟合系数,提出RGB空间下的颜色组合标准化指数(normalized color mix index,NCMI)。对比深绿色指数(dark green color index,DGCI)、红光标准化值(normalized redness intensity,NRI)和绿光与红光比值G/R发现,3个采样期NCMI与LNC的决定系数R~2均高于3个对比指标,分别为0.77、0.79、0.94,均方根误差(root mean square error,RMSE)相较同期最低的指标,分别降低了0.18%、0.37%和1.67%;生选6号和扬麦18号NCMI与LNC的相关性,在一定冠层覆盖度下均优于其他3个指标;D2密度(3×106株/hm~2)N1(纯氮150 kg/hm~2)处理下NCMI效果明显优于其他3个指标,R~2和RMSE较NRI分别改善了7.69%和4.11%,该研究可为一定冠层覆盖度下的冬小麦氮素营养诊断图像评价指标提供参考。     

小麦群体养分指标动态的知识模型

为了给不同环境条件下小麦栽培管理过程中的苗情诊断提供定量化的适宜养分指标动态体系,在分析小麦养分积累与养分管理研究资料的基础上,以小麦产量和品质为目标,通过定量描述小麦群唪地上部养分积累和养分浓度与品种类型、生态环境及生产技术水平之间的动态关系,以基于生理发育时间的动态生长度日为主线,建立了系统化和广适性的小麦群体适宜养分(氮、磷、钾)指标动态的知识模型。利用南京和济南2个不同生态点的常年逐日气象资料以及不同品种类型、不同产量目标资料对所建知识模型进行了实例分析和检验,结果表明,模型设计的群体氮积累量与实际观测值之间的平均RMSE为8．13kg／hm^2,模型设计的群体养分含量与实际观测值之间的平均RMSE为0．20％．故模型对不同条件下的小麦群体养分积累及群体养分含量指标适宜动态具有较好的预测性和指导性。     

冬小麦叶色动态的量化研究

 【目的】模拟小麦叶色变化的动态过程,为实现小麦生长的可视化表达奠定基础。【方法】以不同施氮水平下不同类型小麦品种的两个生长季田间试验为基础,通过连续测量不同处理条件下小麦主茎和分蘖不同叶位叶片的SPAD值,综合分析小麦叶片SPAD值随生育进程的变化规律及其与RGB值的关系,进而构建基于SPAD的冬小麦叶色变化动态的模拟模型。【结果】模型采用分段函数描述叶片SPAD值随生育进程的动态变化过程：第1阶段为基于二次曲线的叶色增强过程;第2阶段为相对稳定的功能期叶色维持过程;第3阶段为基于二次曲线的叶色减弱过程;并基于叶片氮含量表达了氮素供应水平对叶片SPAD值变化规律的影响,同时用线性方程描述了叶片SPAD值与RGB值之间的定量关系。利用独立的小麦田间试验资料对所建模型进行了测试和检验,显示不同时刻主茎和分蘖叶片SPAD预测值的平均RMSE分别为11.60%和9.03%。【结论】本模型具有较强的动态预测性和可靠性,为进一步建立虚拟小麦生长系统奠定了基础。     

作物生长信息获取多光谱传感器设计与试验

为了实时、快捷、无损获取农作物生长信息,根据作物生长指标的光谱监测机理,研制了一种四波长作物生长信息获取多光谱传感器.采用光学滤波技术提高了光辐射信息输入信噪比,依据作物冠层特征及田间作业环境实际要求,设计了适宜的探测镜头结构参数,确保了多光谱传感器灵敏度与分辨效果,应用T型电阻积分网络搭建了微弱光谱信息放大电路.通过标定,获得了多光谱传感器与FieldSpec Pro FR2500型光谱仪的关系模型,决定系数分别为0.8028、0.8068、0.8185、0.8900.对小麦的试验结果表明,该传感器的平均测量误差分别为5.6％、4.6％、1.4％、4.5％.该传感器能够较好地实现作物冠层反射光谱的实时在线检测,为作物生长监测设备的研发提供了有力支持.     

基于知识模型的网络化作物管理决策支持系统

以气象因子、土壤特性、品种参数、生产条件等数据为农作信息依托,以具有时空适应性的作物栽培管理动态知识模型为管理决策支撑,以网络通讯为系统信息发布与流通平台,运用软构件技术与Web应用技术,设计和实现了基于浏览器/服务器(B/S)模式的具有4层分布结构的网络化作物管理决策支持系统(knowledge model and web-based decision support system for crop management,KMWDSSCM).以江苏省为案例区,对系统进行了示范应用,结果表明,系统能在Internet环境下有效地进行作物生产管理决策,在江苏部分地区稻麦生产实践中具有较好的适用性和指导性.     

产业扶贫的“济源模式”

济源市位于河南省西北部,历史悠久,因济水发源地而得名,是愚公移山精神的发祥地,上古时代这里就是夏朝故都。辖2个产业集聚区、11个镇、5个街道,全市总人口73万,面积1931平方公里。1988年撤县建市,1997年成为河南省省辖市,2003年被列入“中原城市群”,2005年被列为河南省城乡一体化试点城市,2014年以来被确定为国家产城融合示范区、全国中小城市综合改革试点市、河南省新型城镇化综合改革试点市和全省惟一的全域城乡一体化示范区。     

创新帮扶模式 实现长远脱贫

产业扶贫是新阶段扶贫开发的重点,是实现精准扶贫的重要举措,近年来,河南省济源市充分认识产业扶贫的重要地位,进一步强化紧迫感、责任感。充分认清产业扶贫的地位作用,强化“务必作为”的责任意识,使产业成为强市之本、致富之源、脱贫之基。     

瑞星农牧:立足养殖产业 提高致富能力

河南瑞星农牧科技有限公司(以下简称瑞星农牧)成立于2007年,于2015年成功挂牌中原股权交易中心,是一家以种猪繁育、商品猪生产为主导、兼营食品加工、饲料生产、贸易及农业综合开发的多元化、跨行业发展的现代中型农牧企业,是国家畜禽标准化示范场、河南省农业产业化重点龙头企业、河南省食品安全放心工程示范单位。近年来,瑞星农牧充分发挥龙头企业带动作用,不断创新扶贫模式,取得了显著成效。