不同施氮条件下小麦冠层的高光谱和多光谱反射特征

为了更好地利用冠层反射光谱特征监测小麦生长及氮素营养状况。以宁麦9号、淮麦20、徐麦26和扬麦10号四个小麦品种为材料,通过田间小区试验,研究了不同小麦品种在不同生育时期和不同氮素水平下冠层反射光谱的变化规律。结果表明,相同氮素水平下不同小麦品种冠层反射光谱的反射率有差异,且近红外部分差异较明显。小麦从拔节开始,随生育期的推进,冠层反射光谱在可见光波段的反射率先降低然后升高,以孕穗期反射率最低。随着叶片的逐渐变黄。反射率又增大,并且绿光波段的反射峰也逐渐消失。而近红外区反射率则表现出相反的趋势,以开花期为分界,先上升然后下降,直到成熟前降为最低。随着施氮水平的提高,冠层反射光谱在近红外反射平台（750-1300nm）的反射率呈上升趋势,而可见光部分反射率则下降,并且反射光谱的绿峰和红边位置也随着施氮水平的提高分别向蓝光方向（波长变短）和红光方向（波长变长）移动。     

基于临界氮浓度稀释曲线的小麦氮肥需求量估测研究

为探究基于临界氮浓度稀释曲线估测小麦氮素需求量的可行性,基于不同生态区开展的不同品种及氮肥水平的小麦试验,结合小麦临界氮浓度曲线(N_c=4.16W~(-0.41)),构建了拔节期、孕穗期、抽穗期和开花期四个关键生育时期下,小麦氮营养指数(NNI)、氮素需求量(NR)及相对产量(RY)三者间的关系模型,并进行了验证。结果表明,在江苏地区,当总施氮量在120～180kg·hm~(-2)时,小麦的氮素需求量最接近于0,氮营养指数最接近于1,为最优的氮素施用量。氮营养指数与氮素需求量(NNI-NR)在小麦生长的各关键阶段存在极强的线性关系(R~2=0.93～0.97);相对产量与氮营养指数(RY-NNI)在各生育时期呈现线性加平台关系,在开花期表现最好,R~2=0.86;相对产量与氮素需求量(RY-NR)的拟合关系在抽穗期表现最好,R~2值为0.72。NNI-NR验证结果与建模结果一致,即在各时期均表现良好,其中拔节期相关关系最强;但RY-NNI和RY-NR验证结果显示两模型分别在开花期和抽穗期预测效果表现最佳。综上,所构建的NNI-NR、RY-NNI和RY-NR三种模型均具有良好的拟合优度和稳定性,运用基于临界氮浓度曲线的小麦氮营养指数和确立的相对产量水平,可以较好地估测当季的小麦氮素需求量,并进行小麦田间氮素精确管理。     

农田精确施肥决策支持系统的设计和实现

 采用GIS组件Mapobjects,以作物管理知识模型为智能决策支撑,将GIS、GPS和模型进行耦合与集成,建立基于田区作物产量、土壤养分和苗情监测的农田精确施肥决策支持系统。本系统可接受GPS信号、录入与修改属性数据,查询和分析农田信息的时空差异,生成基于田区差异的肥料运筹和播种密度处方。系统在南京六合水稻示范区进行了模拟应用。结果表明,该区在产量提高的同时,施氮量由采用农户常规管理220 kg·ha-1减少为183.4kg·ha-1,在空间尺度上,既有效补充了严重缺氮的地块,也避免了在不需再投或只需少投     

油菜产量目标设计与品种选择的知识模型

运用知识工程和系统建模方法，在综合考虑决策点光温生产潜力、历史平均产量水平、土壤肥力、肥水管理水平和生产技术水平等诸多因子对增产系数影响的基础上，通过动态量化增产系数，建立了具有时空适应性的油菜产量目标设计知识模型；通过定量计算油菜品种特征值与环境因子和生产需求之间的符合度，建立了适宜品种选择的量化知识模型。利用南京、郑州和保定3个不同生态点的常年逐日气象资料以及不同品种类型资料对产量目标设计模型进行了实例分析；利用南京、仪征、如皋、郑州和保定5个不同生态点常年逐日气象资料以及13个不同品种资料对品种选择知识模型进行了实例分析。结果表明，所建知识模型具有较好的决策性和广适性。     

基于数字化植物表型平台（D3P）的田间小麦冠层光截获算法开发

冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台（D3P）模拟生成了100种冠层结构不同的小麦品种在5个生育期的三维冠层场景,记录了从原始冠层结构中提取的绿色叶面积指数（GAI）、平均倾角（AIA）和散射光截获率（FIPAR_dif）信息作为真实值,进一步利用上述三维小麦场景开展了虚拟的激光雷达（LiDAR）模拟实验,生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征（H）和绿色分数特征（GF）。最后,利用人工神经网络（ANN）算法分别构建了从不同LiDAR点云特征（H、GF和H+GF）输入到FIPAR_dif、GAI和AIA的反演模型。结果表明,对于GAI、AIA和FIPAR_dif,预测精度从高到低对应的点云特征输入为GF+H > H > GF。由此可见,H特征对提高目标表型特性的估算精度起到了重要作用。输入GF + H特征,在中等测量噪音（10%）情况下,FIPAR_dif和GAI的估算均获得了满意精度,R²分别为0.95和0.98,而AIA的估算精度（R²=0.20）还有待进一步提升。本研究基于D3P模拟数据开展,算法的实际表现还有待通过田间数据进一步验证。尽管如此,本研究验证了D3P协助表型算法开发的能力,展示了高通量LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。     

基于图像分析方法的水稻根系形态特征指标的定量分析

利用图像分析方法定量研究水稻根系形态特征指标的变化规律。通过实施不同水氮处理和不同品种的水稻桶栽试验,选用WinRhizo (WR)软件的不同模式(LM和T200)分析根系图像,分别提取根直径范围0~0.30 mm和0.25~1.80 mm的根系形态数据,并与基于Image-Pro Plus 6.0软件(IP)的根直径和不定根长的测量结果进行比较分析;确定了3种水稻品种不同类型根直径的范围;对不同生育时期水稻根长、根体积、根表面积、根系干重和不定根数量等水稻根系形态特征指标变化差异,以及分枝特征进行了分析。结果表明：(1)基于WR软件LM和T200模式下的根直径测量结果与基于IP软件的测量结果之间NRMSE分别为5.44%和10.95%。(2)界定细分枝根直径范围为0.03~0.10 mm,扬稻6号(V3)粗分枝根和不定根分别为0.10~0.30 mm和0.30~1.65 mm,而日本晴(V1)和武香粳14(V2)分别为0.10~0.25 mm和0.25~1.40 mm,不定根长与IP测量结果进行比较,其NRMSE为10.78%~12.01%。(3)各指标抽穗前增长迅速,之后增长减缓或衰老下降;不同氮肥处理间各指标分蘖至成熟均差异显著,增施氮肥可促进根系生长,明显提高不定根比例;适当控水可促进根系生长,明显提高分枝根比例;品种V3自分蘖期到成熟期各指标均显著高于V1和V2,V1与V2间差异不显著。本研究表明,本方法具有较好的精度和可行性,为推进水稻或其他作物根系的定量研究提供了参考。     

不同类型土壤的光谱特征及其有机质含量预测

 【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。     

水稻叶片几何参数的模拟分析

【目的】在生长模型输出的基础上，构建预测水稻叶片几何参数的动态模型，以便更准确地实现水稻的虚拟生长。【方法】在试验观测的基础上，分析了不同品种类型水稻分蘖与主茎同伸叶片叶长之间以及叶长与叶宽之间的定量关系，进一步耦合水稻叶龄、叶面积和茎蘖数模拟模型，进行水稻叶片几何参数变化的动态模型构建。【结果】不同品种类型水稻分蘖与主茎同伸叶片的叶长比随分蘖叶序呈二次曲线变化，叶长与叶宽的关系可用幂指数函数描述。运用独立实测资料对模型进行的初步检验显示，本模型可较好地模拟不同生长条件下水稻不同叶位叶片的几何参数。【结论】本研究构建的水稻叶片几何参数分析模型较好地体现了器官几何参数受生态环境、品种类型和栽培措施影响的形态生理规律，为水稻虚拟生长提供了可靠和普适的叶片几何特征确定方法。     

小麦栽培管理动态知识模型的构建与检验

 将系统分析方法和数学建模技术应用于小麦管理知识表达体系，通过解析和提炼小麦生育及管理指标与环境因子及生产水平之间的基础性关系和定量化算法，创建了小麦管理动态知识模型WheatKnow；充分利用软构件的技术特点，在Visual C++和Visual Basic平台上研制了数字化和组件化小麦管理动态知识模型系统，实现了播前栽培方案的设计和产中适宜调控指标动态的预测2大功能。其中，播前栽培方案包括产量目标、适宜品种、播期、基本苗及播种量、肥料运筹和水分管理；产中调控指标包括适宜生育期、穗分化进程、生长指标、源库指标和营养指标动态。利用不同生态点、不同品种、不同土壤等资料及大田对比试验对所建知识模型进行实例分析和检验的结果表明，所提出的小麦管理动态知识模型总体上具有较好的广适性和决策性。本研究克服了传统作物栽培模式与专家系统地域性强和广适性弱的不足，从而为实现作物栽培管理的精确化和数字化奠定了基础。     

象拔蚌酶解制备抗氧化肽的工艺研究

[目的]探讨酶解象拔蚌蛤肉制备抗氧化肽的最佳工艺条件。[方法]采用复合蛋白酶对象拔蚌蛤肉进行酶解获得抗氧化肽,以羟自由基清除率及蛋白水解度为指标,通过单因素试验与响应面分析法对酶解工艺条件进行优化。[结果]象拔蚌蛤肉的最佳酶解工艺条件为料水比1∶11.11,加酶量3 000 U/g,酶解时间1.2 h,酶解温度55℃,pH 7.52;在该条件下,酶解液获得较高的蛋白水解度,同时对羟基自由基和DPPH自由基显示出很好的清除效果,其EC50值分别为11.26和37.75 mg/ml。[结论]该研究为象拔蚌保健食品的开发提供了依据。