版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、氮肥對于水稻的高產(chǎn)、穩(wěn)產(chǎn)有重要作用。如何實(shí)時、快速、無損獲取和診斷水稻生長狀況,進(jìn)而精確運(yùn)籌氮肥是精確農(nóng)業(yè)研究的熱點(diǎn)。本文綜合運(yùn)用現(xiàn)代光譜遙感技術(shù)和作物生理生態(tài)技術(shù),較系統(tǒng)地研究了水稻生長前期光譜特征與植株生長參數(shù)的關(guān)系,構(gòu)建了水稻植株氮含量(Plant nitrogen content,PNC)、植株積累量(Plant nitrogenacumulation,PNA)、葉面積指數(shù)(Leaf area index,LAI)的定量估測模型
2、;明確了不同產(chǎn)量水平下主要生育期水稻歸一化植被指數(shù)(Normalized difference vegetation index,NDVI)、比值植被指數(shù)(Ratio vegetation index,RVI)、LAI、PNC以及PNA的適宜值,并構(gòu)建了基于生長度日(Growing degree days,GDD)的適宜NDVI、RVI、LAI、PNC和PNA的估測模型;建立了基于光譜實(shí)時監(jiān)測的水稻氮肥調(diào)控模型(氮素光譜指數(shù)法,Nitr
3、ogen spectrum index approach, NSI)。研究結(jié)果為水稻生長快速診斷和精確調(diào)控提供關(guān)鍵技術(shù)支撐。
通過設(shè)置不同氮肥水平、不同水稻品種的田間試驗(yàn),研究了水稻穗肥施用前地上部LNC、PNA和LAI與冠層光譜參數(shù)的定量關(guān)系。結(jié)果顯示,基于ASD高光譜儀的RVI(940,750)、基于Cropscan多光譜儀的RVI(1100,710)和基于主動光譜儀的NDVI(760,660)均可較好的監(jiān)測PNC,建
4、模R2和模型檢驗(yàn)RMSE分別為0.72和0.29%,0.70和0.84%,0.78和0.07%。而基于Cropscan多光譜儀的DVI(760,710)和基于主動光譜儀的NDVI(760,660)能較好的估測PNA,擬合模型R2和模型檢驗(yàn)RMSE分別為0.94和0.76 g·m-2,0.97和0.62 g·m-2。另外,基于ASD高光譜儀的DVI(1100,710)、基于Cropscan多光譜儀的RVI(1100,560)和基于主動光譜
5、儀的RVI(770,660)能較好的估測LAI,建模R2和檢驗(yàn)RMSE分別為0.67和0.79,0.92和0.18,0.98和0.19。
以不同水稻品種為試驗(yàn)材料,設(shè)置不同氮肥水平,于移栽后定期定點(diǎn)測定各小區(qū)NDVI、RVI、LAI、PNC及PNA值,進(jìn)而明確了各指標(biāo)與產(chǎn)量間的相互關(guān)系,確立了關(guān)鍵生育期各生長指標(biāo)閾值,并建立了基于GDD的適宜生長指標(biāo)模型。結(jié)果表明,各生長指標(biāo)與產(chǎn)量呈二次曲線關(guān)系,水稻生長期適宜NDVI、R
6、VI和LAI動態(tài)可基于生長度日(GDD)的Gaussian模型來模擬,PNC及PNA可基于GDD的Richards模型來模擬。利用獨(dú)立試驗(yàn)資料對模型進(jìn)行檢驗(yàn),結(jié)果顯示模型具有較高的預(yù)測性,預(yù)測精度R2均達(dá)到0.9以上,相對均方根差RRMSE和相對誤差RE均小于15%。表明所構(gòu)建的模型具有較強(qiáng)的可靠性和適用性。
基于不同基施氮量處理,利用水稻拔節(jié)期的光譜植被指數(shù)實(shí)時估測植株氮積累量,研究構(gòu)建了基于光譜的追氮調(diào)控模型(NSI)
7、。結(jié)果顯示,不同基施氮水平下的水稻植株氮素積累狀況在穗肥施周期有較大差異?;贜SI,高施基氮量處理的追氮量需較對照調(diào)低(高氮低調(diào)),中施基氮量處理的追氮量較對照微高(中氮微調(diào)),而低施基氮量處理的追氮量需較對照顯著調(diào)高(低氮高調(diào))。追施氮肥后,各調(diào)控處理間的植株氮含量(PNC)和差值植被指數(shù)(DVI)逐漸趨于一致。而調(diào)控處理的葉片凈光合速率(Pn)和氮肥農(nóng)學(xué)利用率較各自對照明顯提高,并獲得了更高的經(jīng)濟(jì)效益。與常規(guī)高產(chǎn)施氮處理相比,低氮
8、高調(diào)、高氮低調(diào)處理的Pn、干物質(zhì)積累量、氮積累量、產(chǎn)量以及氮肥農(nóng)學(xué)利用率等均有所提高。表明基于NSI的水稻追氮調(diào)控技術(shù)能根據(jù)植株實(shí)時氮積累量和土壤供氮量信息精確量化氮肥追施量,是一種良好的追肥調(diào)控技術(shù)。
進(jìn)一步比較研究了利用NSI及4種已有追氮調(diào)控方法[葉面積指數(shù)法(LAI)、實(shí)地氮肥管理法(SSNM)、氮素營養(yǎng)指數(shù)法(NNI)、氮肥優(yōu)化算法(NFOA)]指導(dǎo)水稻穗肥施用的優(yōu)劣。結(jié)果顯示,不同方法間產(chǎn)量及齊穗到成熟期干物質(zhì)
9、積累量差異不顯著,但總施氮量及氮肥利用效率差異顯著。低基蘗肥條件下,5種方法的施氮量及氮素轉(zhuǎn)運(yùn)率順序?yàn)?NNI>LAI>NFOA>S SNM>NSI,氮肥回收率、經(jīng)濟(jì)效益、產(chǎn)投比及齊穗到成熟氮積累量大小順序則相反。正?;Y肥條件下,施氮量及氮素轉(zhuǎn)運(yùn)率順序?yàn)?NFOA>LAI>S SNM>NNI>NSI,氮肥回收率及齊穗到成熟氮積累量大小順序則相反;經(jīng)濟(jì)效益和產(chǎn)投比大小順序?yàn)?NSI>NNI>LAI>S SNM>NFOA。與常規(guī)高產(chǎn)栽培相
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于光譜的小麥氮素營養(yǎng)監(jiān)測與追肥調(diào)控研究.pdf
- 基于近紅外光譜的水稻葉片氮素營養(yǎng)監(jiān)測研究.pdf
- 基于冠層反射光譜的水稻氮素營養(yǎng)與籽粒品質(zhì)監(jiān)測.pdf
- 基于成像高光譜的小麥氮素營養(yǎng)監(jiān)測研究.pdf
- 基于高光譜的稻麥氮素營養(yǎng)監(jiān)測研究.pdf
- 基于反射光譜的棉花氮素營養(yǎng)與生長監(jiān)測研究.pdf
- 基于高光譜玉米氮素營養(yǎng)與生長指標(biāo)的監(jiān)測.pdf
- 基于高光譜的寒地水稻葉片氮素營養(yǎng)診斷研究.pdf
- 不同覆蓋度條件下水稻葉層氮素營養(yǎng)的高光譜監(jiān)測研究.pdf
- 基于高光譜遙感的冬小麥氮素營養(yǎng)指標(biāo)監(jiān)測研究.pdf
- 基于冠層反射光譜的夏玉米氮素營養(yǎng)與生長監(jiān)測研究.pdf
- 小麥植株氮素營養(yǎng)無損監(jiān)測與精確調(diào)控研究.pdf
- 基于高光譜成像的玉米苗期氮素營養(yǎng)監(jiān)測的研究.pdf
- 基于葉片高光譜指數(shù)的水稻氮素及色素含量監(jiān)測研究.pdf
- 基于高光譜遙感的小麥氮素營養(yǎng)及生長指標(biāo)監(jiān)測研究.pdf
- 基于高光譜成像的氮素脅迫下寒地水稻營養(yǎng)診斷的研究.pdf
- 氮素營養(yǎng)調(diào)控與蔬菜品質(zhì)研究.pdf
- 基于光譜角算法的小麥氮素營養(yǎng)診斷研究.pdf
- 基于無人機(jī)遙感的水稻氮素營養(yǎng)診斷研究.pdf
- 氮素營養(yǎng)對水稻分蘗的產(chǎn)量異質(zhì)性影響及調(diào)控.pdf
評論
0/150
提交評論