基于冠层高光谱参数的水稻叶片碳氮比监测

叶片碳氮比反映了植物碳氮代谢的相对强弱,对诊断和调节植物生长与产量形成具有重要作用。该文基于不同水稻品种和不同施氮水平下2 a的田间试验,系统分析了不同生育时期水稻叶片碳氮比与对应冠层高光谱反射特征的定量关系。结果表明,叶片碳氮比与拔节后不同生育时期冠层原始反射率的相关性趋势一致,与可见光波段（350～742 nm）极显著正相关,与近红外波段（750～1143 nm）极显著负相关。8个参数与2个品种不同生育时期的叶片碳氮比均有较好的相关性。通过比较模型的拟合决定系数（R2）和预测标准误（SE）,确定672 nm的归一化吸收深度（ND672）与冠层叶片碳氮比（LCNR）的线性回归方程为水稻冠层叶片碳氮比的最佳监测模型。模型经过不同生育时期数据的交叉测试和独立试验资料的检验,得出对冠层叶片碳氮比的预测精确度范围为0.687～0.986,准确度为0.907～1.126,相对跟均方差为7.07～18.25,表明水稻冠层高光谱特征可以用来定量估测不同栽培条件下叶片碳氮比的变化状况。     

作物生长模型（CropGrow）研究进展

农业信息技术是基于信息技术与农业科学的交叉融合而形成的新兴技术,催生了数字农业和智慧农业的快速发展。作物生长模型作为其核心内容之一,可以动态模拟作物生长发育过程及其与气候因子、土壤特性和管理技术之间的关系,从而有效克服传统农业生产管理研究中较强的时空局限性,为不同条件下的作物生产力预测预警与效应评估等提供量化工具。本文重点介绍笔者团队在作物生长模型的构建与应用方面形成的总体技术方法、最新研究进展及未来发展思考。通过20多年系统深入的探索和实践,本团队以小麦、水稻等作物为主要对象,以"生理机制解析-模型算法构建-生产力动态预测-效应定量评估-模拟平台研发"为主线,综合运用系统分析、动态建模、虚拟现实、情景模拟及决策支持等方法,开展了作物生长模型CropGrow的构建与应用研究。首先,利用系统分析方法与动态建模技术,构建了机理性与预测性兼备的综合性作物生长模型(CropGrow),包括阶段发育与物候期、器官发生与建成、光合生产与物质积累、同化物分配与产量品质形成、养分动态、水分平衡以及作物三维形态建成与虚拟显示等子模型,可数字化、可视化表征不同条件下作物生长发育与生产力形成过程;然后,结合...     

利用日光诱导叶绿素荧光监测水稻叶片叶绿素含量

快速准确地监测作物叶片叶绿素含量对于研究作物光合作用、氮素营养以及胁迫状况至关重要.该研究基于不同品种、不同密度、不同氮素水平的水稻田间小区试验,分别获取冠层和单叶的辐亮度光谱、反射率光谱及生理生态指标等,计算日光诱导叶绿素荧光(Sun-Induced Chlorophyll Fluorescence,SIF)指数和植...     

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。     

水氮互作对水稻氮吸收与利用的影响

 以迟熟中粳稻武香粳9号为材料,研究了不同水分管理方式和施氮量对水稻氮素吸收与利用的影响。结果表明,随施氮量增加,水稻吸氮量增多,稻草中氮滞留增加,营养器官氮转运率降低,氮素利用率和产谷效率下降;水分胁迫过强,则水稻吸氮量减少,氮素产谷效率下降;水分胁迫适度,则水稻氮素吸收保持不变,且可更多地调动和利用营养器官中的储存氮,提高氮素利用率和产谷效率;水与氮存在明显互作作用,水分胁迫增强,则减弱了氮肥促进水稻吸氮的作用,增强了氮肥降低水稻氮素利用率的效应。结合产量表现,提出采用适度的水分胁迫,提高水稻氮素利用率,     

基于遥感影像的作物生长监测系统的设计与实现

利用遥感监测技术实时快速地获取作物长势参数和氮素营养状况,可以为作物的精确管理提供决策支持。在已有作物（小麦和水稻）生长监测模型的基础上,采用GDAL和GDI+信息处理方法,使用EM算法对反演的作物长势参数进行聚类分析,在Microsoft .NET平台上构建基于聚类分析和遥感影像的网络化作物生长监测系统。系统具有常见格式遥感影像读取、遥感信息提取、作物长势参数反演、聚类分析、专题图制作以及信息发布等功能,并以江苏省方强农场为案例区,对系统的部分功能进行了测试与检验。结果表明,该系统能够准确的读取遥感影像信息,反演作物生长参数,并可根据聚类分析结果自动制作专题图,通过互联网予以发布,从而初步突破了用户无法直接参与遥感影像分析过程的瓶颈,为区域尺度的作物生长监测和精确管理调控提供了决策支持。     

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。     

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。     

作物精确栽培；栽培方案设计；生长指标诊断；生产力预测Development and Implementation of Crop Precision Cultivation Technology

 随着现代作物栽培学与新兴学科领域的交叉与融合,作物栽培管理正从传统的模式化和规范化,向着定量化和智能化的方向迈进。作物精确栽培技术即是将系统科学和信息技术应用于作物栽培学,并对作物栽培学所涉及的对象和过程进行数字化设计、信息化感知、动态化模拟,从而实现作物栽培管理的定量化与精确化。通过多年的探索和实践,基本构建了具有中国特色的作物精确栽培技术体系,重点在作物栽培方案的定量设计、作物生长指标的光谱监测、作物生产力的模拟预测三个方面取得了显著的研究进展,并在试验示范中实现了基于生产因子的作物栽培管理方案优化设计、基于光谱信息的作物生长指标监测诊断、基于生长过程的作物产量品质预测预报。作物精确栽培技术的未来发展将需要深入推进作物栽培学与模拟技术、传感技术、决策技术等的交叉融合,完善适用于单点到区域不同尺度的作物栽培方案精确设计、作物生长状况精确诊断、作物生产力精确预测等关键技术,加强作物精确栽培技术软件系统和硬件产品的开发应用与示范推广,从而促进现代作物栽培管理不断向着智慧化方向迈进。作物精确栽培技术的进一步完善将有助于提升农业生产的管理水平和综合效益,加快农业信息化与现代化的发展进程。