华南晚籼杂交稻叶片SPAD值及其一般配合力和遗传效应的动态变化

本研究旨在揭示华南晚籼杂交稻叶片SPAD值一般配合力及遗传参数的动态变化规律,为华南杂交水稻的高产高效新品种培育提供相关的科学依据。以华南地区生产上广泛应用的3个籼稻不育系和6个籼稻恢复系配置了18个不完全双列杂交组合,分析不同发育阶段叶片SPAD值及其一般配合力及遗传效应的动态变化规律。结果表明:杂种及其亲本叶片SPAD值移栽后呈逐渐下降趋势,于幼穗分化期(栽后43或50 d)达到最低点,始穗期(60 DAT)后快速下降。不同组合以及同一组合在不同发育时期叶片SPAD值存在较大差异。灌浆结实期至蜡熟期,‘荣丰A’、‘五丰A’、‘华占’和‘广恢308’及其相应组合叶片SPAD值下降较快,而‘明恢63’和‘桂99’及其相应杂交组合依然保持相对较高的SPAD值,并与亲本SPAD值一般配合力的动态变化相一致。除分蘖始期叶片SPAD值以特殊配合力为主外,达70.76%,其余发育阶段叶片SPAD值均以一般配合力起主导作用。杂种叶片SPAD值在生殖生长阶段的遗传力(21.90%~63.89%),显著高于其营养生长阶段的遗传力(8.02%~14.79%);其遗传效应以加性效应为主,同时存在显性或/和上位性效应,始穗期至抽穗扬花期的显性或/和上位性效应增大,达18.37%和22.02%。发育前期和中期,叶片SPAD值受环境条件影响较小,后期则较大地受到环境条件影响。

不同施肥处理对桃容器苗生长及SPAD的影响

[目的]研究不同肥料种类及施肥量对桃容器苗生长及叶绿素相对含量(SPAD)的影响,为快速培育出优质桃苗木而筛选出最适合的施肥方法。[方法]采用13种不同施肥处理,研究不同时期不同处理下桃容器苗株高、地径、冠幅、分枝数量、一年生枝条长度等生长指标及SPAD的变化。[结果]在植物生长季施用平衡型复合肥料比磷钾型腐殖酸肥料更适合植株生长;平衡型复合肥与低浓度EM菌剂组合施用比复合肥单独施用,更有利于桃容器苗的生长。[结论]生长季施用浓度1∶1000~1∶500的氮、磷、钾平衡型(20∶20∶20)复合肥+浓度1∶200的EM菌剂最有利于桃容器苗的生长及快速成苗。

基于无人机多光谱影像的春小麦SPAD值估测研究

【目的】探究无人机遥感技术对春小麦SPAD值的无损估测,建立小田块尺度上的春小麦SPAD值估测模型。【方法】利用多光谱无人机获取2022年内蒙古河套地区春小麦冠层多光谱数据,并提取5种植被指数,通过分析植被指数与植株SPAD值的相关性,结合支持向量机回归(SVR)、偏最小二乘回归(PLSR)和随机森林回归(RFR)构建春小麦关键生育时期SPAD值估测模型,并筛选各时期SPAD值最优估测模型。【结果】通过与5种植被指数配对来确定最佳模型,在春小麦的拔节期、抽穗期、开花期和灌浆期,这15种组合方法均可对SPAD值进行估测。对3种建模方法的最优模型进行比较发现,NDVI+RFR模型在估测春小麦SPAD值方面具有最高的准确性和良好的鲁棒性,其R^(2)=0.96,RMSE=0.19。【结论】利用无人机估测春小麦的SPAD值是可行的,最优模型为NDVI+RFR模型。

基于无人机多光谱遥感的苹果树冠层SPAD反演

为探讨利用无人机多光谱遥感影像监测苹果树冠层叶绿素含量的可行性,以南疆矮砧密植苹果树为研究对象,利用无人机获取试验区多光谱影像,选取10个植被指数,分析所选植被指数与实测SPAD值的相关性,将与SPAD相关性较好的7个植被指数作为模型的输入变量,利用机器学习构建一元线性回归、偏最小二乘回归、支持向量机回归、随机森林回归和岭回归的苹果树冠层SPAD反演模型,通过精度检验确定最优模型.结果表明,7个植被指数NDVI,EVI,SAVI,OSAVI,GNDVI,RVI,GRVI与SPAD具有较好的相关性,相关系数为0.4~0.7,均在P小于0.01水平上极显著相关.采用随机森林回归建立的模型表现最优,其建模集R 2为0.728,RMSE为2.292,RPD为1.920;验证集R 2为0.702,RMSE为2.527,RPD为1.832.因此,基于无人机多光谱遥感的RF模型可以实现苹果树冠层SPAD的快速准确估算.

机器学习结合高光谱植被指数与SPAD值估算冬小麦氮含量

冬小麦叶片氮含量与叶片光合作用和营养状况密切相关,直接影响植株生长发育,而茎秆中的氮含量与茎秆中纤维素、半纤维素和木质素的比例和含量密切相关,直接影响茎秆质量及植株的抗倒伏能力。然而,有关对冬小麦茎秆氮含量估算研究较为有限,限制了从氮含量角度判断茎秆质量及对倒伏的预测能力。为精准估算冬小麦不同器官(叶片、茎秆)氮含量,该研究通过2年田间试验,获取冬小麦4个关键生育期(拔节期、抽穗期、开花期、灌浆期)和3种施氮水平条件下(N1、N2和N3)的冠层光谱反射率、叶片、茎秆氮含量及叶片SPAD(soil and plant analyzer development,SPAD)值。分析了不同生育期和施氮水平条件下高光谱植被指数对叶片和茎秆氮含量的敏感性,并结合5种常用的机器学习算法:随机森林回归(random forest regression,RFR)、支持向量回归(support vector regression,SVR)、偏最小二乘回归(partial least squares regression,PLSR)、高斯过程回归(gaussian process regression,GPR)、深度神经网络回归(deep neural networks,DNN)构建冬小麦叶片和茎秆氮含量估算模型。结果表明:高光谱植被指数对叶片和茎秆氮含量的敏感性受到生育期和施氮水平的影响。在灌浆期,最佳植被指数双峰冠层植被指数DCNI(double-peak canopy nitrogen index)对叶片氮含量的敏感性最高,R^(2)为0.866。对茎秆氮含量,在抽穗期的敏感性最高,最佳植被指数归一化叶绿素比值指数NPQI(normalized phaeophytinization index)与氮含量决定系数R^(2)=0.677。施氮水平的提升增加了光谱植被指数对茎秆氮含量的敏感性。结合SPAD值的机器学习算法提升了氮含量的估算精度,对叶片氮含量,在不同生育期和施氮水平条件下估算精度提升了1%~7%,其中在全生育期的归一化均方根误差NRMSE从0.254降低到0.214,抽穗期的NRMSE提升最大,从0.201降低到0.128。对茎秆氮含量,全生育期的NRMSE从0.443降低到0.400,抽穗期的NRMSE变化最大,从0.323降低到0.268。在全生育期,结合SPAD值的DNN模型对叶片(R^(2)=0.782、NRMSE=0.214)和茎秆(R^(2)=0.802、NRMSE=0.400)氮含量的估算精度最佳。研究说明,SPAD值与光谱植被指数结合有利于提升冬小麦不同生育期和施氮水平条件下叶片和茎秆氮含量的估算精度。

基于分数阶微分的葡萄叶片SPAD值高光谱遥感反演研究

【目的】探明高光谱遥感技术反演葡萄叶片叶绿素含量的可能性,构建葡萄叶片叶绿素含量反演模型,为快速且无损估测葡萄长势提供技术参考。【方法】以西南山区成熟期葡萄叶片为研究对象,同步获取冠层叶片高光谱数据和SPAD值,研究不同分数阶(0.0~1.4阶,步长0.2阶)微分光谱反演葡萄叶片SPAD值的能力,构建多个基于特征波段和光谱指数的单因素模型及基于连续投影算法的多因素模型。【结果】不同SPAD值葡萄叶片原始光谱曲线整体一致,在可见光区域反射率较低而在近红外区域反射率高;可见光、近红外区域反射率与SPAD值分别呈反比和正比;随着分数阶上升,特征波段由近红外向红边靠近,光谱指数由近红外与蓝光组合变更为近红外与绿光组合,单因素模型建模变量相关性呈先升后降趋势,在0.6阶达峰值;除0.6与0.8阶外,其余分数阶微分光谱单因素模型建模变量均为DSI;多因素模型优于单因素模型,机器学习算法可提升传统回归模型精度,所有模型以0.6阶下SPA⁃GA⁃XGBoost回归模型精度最优,其建模与验证R^(2)分别为0.79和0.75,相应均方根误差(nRMSE)分别为15.54%和14.45%。【结论】分数阶微分变换在葡萄叶片SPAD值反演方面具有较大潜力,特定分数阶下,光谱指数优于特征波段,GA⁃XGBoost算法能产生较好的建模效果。

基于杂交水稻叶片SPAD值的氮素营养诊断模型的初步构建

为探明水稻叶片SPAD值的最佳测定叶位和最佳的SPAD值次级指标,并构建基于水稻叶片SPAD值的氮素营养诊断模型,开展以品种为主区,氮肥施用量为副区的双因素裂区设计试验。参试品种为Q优6号和宜香优2115,氮肥施用量设5个水平(纯N 0、75、150、225、300 kg/hm^(2)),分析叶片的敏感性、代表性和稳定性,并探讨SPAD值次级指标与施氮量和叶片含氮量之间,及叶片氮积累量与叶片含氮量和产量之间的关系。结果表明,叶片敏感性、代表性和稳定性大小顺序分别为L4(顶4叶)>L3(顶3叶)>L1(顶1叶)>L2(顶2叶)和L3>L4>L2>L1、L2>L3>L4>L1,可见,L3、L4可作为氮素营养诊断的共同理想指示叶。选择L3、L4的SPAD值几何平均数(GMSI34)作为最佳的SPAD值次级指标。由叶片氮积累量与产量和叶片含氮量的抛物线方程、一元线性回归方程,GMSI34与叶片含氮量的指数方程,求得拔节期、孕穗期、抽穗期的SPAD值次级指标的临界值(GMSI34_(临))分别为48.5、44.3和42.9,与实际获取的GMSI34实相比较,若GMSI34_(实)-GMSI34_(临)<0时,则表明水稻缺氮,需要追氮,若GMSI34_(实)-GMSI34_(临)≥0,则表明水稻氮营养充足,无需追氮。综上,基于杂交水稻叶片SPAD值的氮素营养诊断模型,可为杂交水稻高效氮肥管理提供技术支持。

基于SPAD值的不同海拔烤烟采收成熟度研究

为探索不同海拔下烟叶成熟度采收标准及采收时间,以张家界市主栽品种K326为研究对象,使用SPAD-502叶绿素仪测定了400和600 m海拔区域下上、中、下各部位不同成熟度鲜烟叶的SPAD值,分析不同成熟度下烟叶外观质量、感官质量及经济性状,找出不同海拔下各部位烟叶适宜采收的SPAD值。结果表明:400 m海拔下部烟叶适宜采收的SPAD值为26.57~29.99,中部鲜烟叶SPAD值为15.48~23.08,上部鲜烟叶SPAD值为17.19~20.81;600 m海拔下部烟叶适宜采收的SPAD值为21.60~24.06,中部鲜烟叶SPAD值为19.82~24.40,上部鲜烟叶SPAD值为13.49~16.65,烤后烟叶外观质量表现较优,感官质量属于较高档次。

基于叶片SPAD值的微型盆栽月季氮素营养诊断研究

氮素是微型盆栽月季生长发育的必需元素,实时监测植株生长过程中氮素的变化,精准估测氮素含量尤为重要。设置4个施氮水平(包含高氮处理),分析施氮量对微型盆栽月季生长发育的影响,测定不同施氮水平下4种微型盆栽月季在不同生长时期、不同叶片层位的SPAD值,利用线性及非线性回归分析等方法,构建基于叶片SPAD值的单一品种和混合品种叶片氮含量估测模型,并对此模型进行检验和通用性评价,利用SPAD氮饱和指数评估临界氮含量。结果显示,4个不同微型月季品种在整个生长发育时期的营养生长趋势相似,且在不同施氮水平下性状指标具有差异。随着施氮量的增加,叶片氮含量和叶片SPAD值均呈先上升后平稳的趋势。叶片SPAD值与叶片氮含量之间存在显著相关性,且不同层位的叶片SPAD值与叶片氮含量的相关性存在差异。多品种混合构建的综合模型在通用性上优于单一品种模型,S1和S2时期的下层叶片、S3和S4时期的上层叶片SPAD值与叶片氮含量回归决定系数较高,构建的模型分别为y=0.0009x^(2)+0.6115x+0.8047、y=0.002x2+0.7118x+2.3382、y=0.1279x^(1.4938)、y=-0.0015x^(2)+0.5204x+3.7738。氮饱和指数利用多项式模型估测较为可靠。综上所述,施氮水平、生育期、叶片层位均会影响SPAD值与叶片氮含量的相关性,可利用混合品种建立的叶片氮含量估测综合模型作为通用模型,利用氮饱和指数多项式方程进行氮素诊断较为准确,为微型盆栽月季氮素营养实时诊断提供理论数据。

田间即时鲜烟叶SPAD值预测和成熟度识别方法

成熟程度判定作为烟叶采收时的重要工作,需要满足即时性、科学性和准确性要求。目前烟叶成熟度识别实施存在测量仪器价格昂贵且操作繁琐,无法在田间推广使用;手机摄像头的内嵌图像处理算法干扰图像有效特征,田间复杂天气环境影响图像采集一致性;现存识别算法忽略植物学领域信息,影响模型准确性和普适性等问题。据此提出一种低成本且有效的田间即时鲜烟叶SPAD值预测和成熟度识别方法,通过提高识别准确率保障烟叶后续调制质量。研发便携式拍摄装置,实现田间高质量图片采集;并以CX-26烟叶品种为研究对象,提出一种适配于田间烟叶图像的分割方法,通过提取图像目标区域特征数据,利用XGBoost算法依次搭建鲜烟叶SPAD值预测模型和成熟度识别模型。提出两个模型的集成思路,集成模型能够利用SPAD值和成熟度的强相关关系,通过预测SPAD值提高成熟度识别准确性。该方法在各项评价指标中均表现优秀,其中SPAD值预测平均误差为0.4703,成熟度识别宏F1-Score为95.27%。研发手机APP完成拍摄装置和云端模型之间烟叶图像和预测结果的传输,实现在田间对烟叶成熟程度快速、客观、准确的即时预测。该成果可为田间农作物精准采收提供有效技术支持。

基于叶片SPAD值的不同施氮水平下水稻直链淀粉含量预测

为揭示寒地水稻叶片SPAD值及其衍生值与稻米直链淀粉含量的关系,于2021、2022年在不同施氮水平影响下夹取水稻孕穗期(T1)、齐穗期(T2)、结实期(T3)顶部3张叶片测定SPAD值,2年试验均为二因素完全随机试验且施肥量相同,A因素为前中期(基肥、分蘖肥、调节肥)施氮量共8水平,B因素为后期(穗肥)施氮量共3水平。根据2021年盆栽试验的数据资料建立SPAD值衍生指标与稻米直链淀粉含量之间的关系模型,利用2022年盆栽试验数据资料对建立的模型进行验证。结果表明,在2021年氮肥试验中,A2~A8水平直链淀粉含量较A1水平分别极显著增加2.04%、4.21%、5.72%、7.17%、8.03%、5.92%、5.66%,而A2~A8水平食味值均较A1水平极显著下降,2022年两者趋势与2021年相同。2年稻米直链淀粉含量和食味值评分表现均为线性负相关,拟合优度(r^(2))分别为0.54^(**)、0.44^(**)。施氮量对不同生育时期顶部3张叶片SPAD值均呈线性关系,随着不同生育时期推进水稻冠层出现“黑黄”交替现象,其中单张叶片的SPAD值受不同时期差异的影响,借助指标SPAD_((L_(1)+L_(2))/2)、SPAD_(L_(1)×L_(2)/mean)可有效降低年份及氮肥水平差异对直链淀粉含量预测结果的影响,指标SPAD_((L_(1)+L_(2))/2)与直链淀粉含量在T1~T3时期的拟合方程分别为:y=0.135x+0.47,r^(2)=0.52**;y=0.126x+11.68,r^(2)=0.53^(**)、y=0.154x+15.65,r^(2)=0.51^(**)。SPAD L_(1)×L_(2)/mean拟合方程分别为:y=0.136x+11.46,r^(2)=0.52^(**);y=0.126x+11.68,r 2=0.53^(**);y=0.160x+12.59,r^(2)=0.51^(**),x为SPAD值衍生值,y为直链淀粉含量,拟合方程均到达极显著水平。但指标SPAD L_(1)×L_(2)/mean在不同时期误差均小于SPAD_((L_(1)+L_(2))/2),所以T3时期指标SPAD_(L_(1)×L_(2)/mean)可以实现快捷、无损和实时预测稻米直链淀粉含量,在一定程度上判定出稻米蒸煮食味品质,达到按质收获以及对品质实时监测的要求,促进优质寒地水稻的可持续发展。

基于无人机多光谱多时相小白菜SPAD监测研究

蔬菜是重要的经济作物,保障蔬菜长期高产共计对人民生活具有重要意义。为探究小白菜全生育期生长状况遥感监测模型,研究以不同水氮处理下小白菜为研究对象,利用无人机多光谱遥感技术,通过聚类—因子分析优化光谱数据(波段反射率、植被指数)作为输入变量,以地面准同步观测的土壤含水率、叶绿素相对含量(SPAD)为输出变量,采用极限学习机(Extreme Learning Machine,ELM)、多元线性回归(Multiple linear regression,MLR)、粒子群优化—极限学习机(PSO-ELM)3种方法构建小白菜叶片SPAD及土壤含水率监测模型,利用反演影像分析了试验区土壤水分及SPAD时空分布特征主要研究结论如下:(1)不同水氮处理对小白菜SPAD具有极显著影响,水分处理不显著。(2)聚类—因子分析可显著消除输入变量之间多重共线性问题,处理后变量之间VIF均为1。(3)ELM、MLR、PSO-ELM 3种模型构建的土壤含水率预测模型验证集决定系数R^(2)分别为0.54、0.53、0.66,均方根误差RMSE分别为0.01、0.03、0.03,性能偏差率RPD分别为1.42、1.46、1.72;构建的叶片SPAD预测模型R2分别为0.65、0.75、0.74,RMSE分别为2.39、2.43、2.46,RPD分别为1.66、2、1.96。经过综合比较,PSO-ELM对两种指标的模拟精度最高。研究成果对小白菜生育过程处方决策研究提供有效参考价值。

基于无人机可见光影像的坐果期枣树冠层SPAD值估算

以坐果期枣树为研究对象,利用无人机可见光影像,对田间尺度的枣树冠层SPAD值进行监测,基于14种植被指数与枣树冠层实测SPAD值的相关性,优选植被指数构建单变量回归、多元逐步回归和随机森林回归的枣树冠层SPAD值估算模型,以期探讨无人机可见光遥感影像估算枣树冠层SPAD值的可行性。通过相关性分析发现,红绿比值指数(RGRI)、超绿指数(EXG)、改进型绿红植被指数(MGRVI)、可见光波段差异植被指数(VDVI)、可见光大气阻抗植被指数(ARVI)与枣树冠层SPAD值的相关性极显著,其中EXG与枣树冠层SPAD值的相关系数达到-0.578。基于枣树冠层SPAD值的相关性极显著的5种植被指数构建的单变量反演模型的r^(2)在0.111~0.604之间,RMSE在1.936~3.085之间。其中,以EXG构建的线性模型为单变量反演模型中效果最优的模型,r^(2)达到0.604,RMSE为1.936。基于RGRI、MGRVI、EXG协同构建的多元逐步回归模型效果优于任何单一植被指数构建的单变量反演模型,R 2达到0.635。与使用单变量构建的线性或非线性模型相比,基于随机森林算法构建的枣树冠层SPAD值反演模型效果最佳,其r^(2)达到0.804,RMSE为1.317。基于随机森林算法的枣树冠层SPAD值反演模型表现出了对实测值较高的拟合能力和较优的模型预测能力,表现出了对枣树特殊种植结构比较健壮的反演能力,以及对土壤等背景因素的抗干扰能力。研究结果为低空遥感监测林果长势和健康评估提供了技术支撑。

太原市5种常绿植物入冬期间叶片SPAD值的变化特征

SPAD值能够反映植物叶片叶绿素含量,是表征植物生长状况的重要指标.以太原市5种常绿植物为研究对象,分别测定其在入冬期间的SPAD值,结合气象数据,运用方差分析、主成分分析和相关性分析,总结其在入冬期间SPAD值的变化特征.结果表明:入冬期间,刚竹和胶东卫矛的SPAD值整体表现为随时间推移而逐渐降低的趋势;巴山箬竹的SPAD值随时间推移变化幅度较小;刚竹、胶东卫矛的SPAD值与气温之间呈显著正相关(P<0.01),粗榧的SPAD值则与气温之间呈显著负相关(P<0.01),表明这三种植物的SPAD值受温度影响较大;小叶黄杨的SPAD值与相对湿度呈显著负相关(P<0.05);主成分分析将6个气象指标归纳成两个综合因子,分别为直接对叶片SPAD值影响的温度和间接对叶片SPAD值影响的相对湿度和日照时长.在园林应用方面,5种常绿植物在太原市入冬期均表现良好.本研究可为太原市园林植物选择、配置及养护管理提供参考依据.

基于机器学习和无人机高光谱遥感的马铃薯SPAD值估算

为实现大田马铃薯SPAD值的快速、无损检测,采用无人机高光谱成像技术建立马铃薯关键生长时期SPAD值的定量检测模型。在大田条件下获得了马铃薯块茎形成期和彭大期的无人机高光谱影像,并对高光谱数据采用数学变换方法处理;接着,通过竞争性自适应重加权采样(CARS)、无信息变量去除(UVE)和随机蛙跳(RF)算法筛选与SPAD值相关的特征波段;随后,使用偏最小二乘回归(PLSR)、支持向量回归(SVR)和反向传播(BP)3种机器学习算法建立马铃薯SPAD值估算模型。不同算法筛选的特征波段存在差异,CARS算法能有效识别敏感光谱特征,降低特征数量,提升估测精度。基于不同数学变换和特征波段筛选算法建立的马铃薯SPAD值估测模型中,1/R-CARS-SVR模型对马铃薯SPAD值具有较强的估测能力,模型建模集和验证集R~2分别为0.88和0.84,RMSE均为0.39。采用1/R-CARS-SVR模型逐点计算研究区马铃薯SPAD值,绘制了SPAD值反演图,发现块茎膨大期的SPAD值普遍高于块茎形成期。

基于无人机多光谱的全周期枣树叶片SPAD值检测

针对新疆阿拉尔垦区枣树叶片SPAD值的实地测量存在难度大、无法快速准确预测的问题,以不同生育期的枣树叶片为研究对象,利用无人机多光谱影像作为数据源,通过整合多种植被指数,构建了高维数据集并进行特征优选,以确定最优多变量组合。还定量评估了3种机器学习算法[K近邻模型(KNN)、随机森林模型(RF)和XGBoost模型]在单变量与多变量条件下对不同枣树生育期树叶SPAD值预测能力。结果显示:(1)枣树叶片的SPAD值在不同生育期间存在明显差异,整体上呈现出先增大后减小的趋势,其中坐果期为转折点;(2)SPAD值与光谱指数的相关性分析以及特征优选,确定各生育期的最佳光谱指数和最佳特征多变量;(3)XGBoost模型在所有生育阶段的预测效果均优于KNN和RF模型。在盛花期,结合了NDVI、GRNDVI、DVI和SAVI特征的XGBoost模型表现最佳,R~2=0.9495最大与RMSE=0.0864最小。研究结果表明,结合XGBoost模型和无人机多光谱数据的最优多变量组合,能够最准确地预测枣树叶片的SPAD值,特别是在盛花期模型的预测效果最为显著。利用本研究方法可以实现对新疆阿拉尔垦区枣树叶片SPAD值的精准监测,可为垦区枣树生长监测提供有效与及时的技术参考。

Effects of Functional Organic Materials on Fresh Weight,Quality,Single-melon Weight and SPAD Value of Watermelon

[Objectives]This study was conducted to explore a functional organic material formula suitable for watermelon cultivation with high quality,high yield and high efficiency.[Methods]Four treatments were set in the experiment,namely four functional organic materials,garlic straw treatment(T_(1)),onion straw treatment(T_(2)),garlic straw+sheep manure treatment(T_(3))and onion straw+chicken manure treatment(T_(4)),to investigate the effects of different functional organic materials on fresh weight,quality,single-melon weight and SPAD value of watermelon.[Results]The effects of different functional organic materials on fresh weight,quality,single-melon weight and SPAD value of watermelon were quite different.The fresh weight,quality,single-melon weight and SPAD value of watermelon were higher in treatment T_(3)applying garlic straw and sheep manure and treatment T_(4)applying onion straw and chicken manure than in treatment T_(1)applying garlic straw and treatment T_(2)applying onion straw.Specifically,the fresh weight of whole plant was the highest in treatment T_(3),followed by treatment T_(4),and the values of the two treatments increased by 12.83%and 5.94%respectively compared with treatment T_(1);the weight of single melon was the highest in treatment T_(3),followed by treatment T_(4),and the values of the two treatments increased by 42.45%and 31.77%respectively compared with treatment T_(2);and the SPAD values of treatments T_(3)and T_(4)were significantly higher than those of treatments T_(1)and T_(2),and the value of treatment T_(3)was the largest.[Conclusions]This study provides theoretical support for the popularization and application of fertilization techniques combining organic fertilizers and reduced chemical fertilizers for watermelon.

修剪、断根和基质改良对三角梅叶片SPAD值的影响

为给天桥绿化三角梅的更新复壮提供参考,以上桥绿化10 a的小叶紫花三角梅为材料,采用正交试验探究了修剪、断根和基质改良对三角梅叶片SPAD值的影响。结果表明:正交试验的三角梅叶片SPAD值为46.4~55.5,试验30、73和120 d后不同处理间均存在极显著差异;修剪强度对三角梅叶片SPAD值影响极显著,修剪73和120 d后,轻度修剪的SPAD值极显著高于中度和重度修剪;断根和基质改良均不能提高三角梅的叶片SPAD值。

佛手瓜叶片光谱特征与SPAD值估算模型研究

构建佛手瓜叶片叶绿素含量估算模型,为实现高光谱技术监测佛手瓜叶片叶绿素含量变化提供参考依据。利用SPAD-502 PLUS叶绿素仪同步测定佛手瓜叶片的SPAD值,以Field Spec 3地物光谱仪采集佛手瓜叶片光谱数据。对原始光谱去噪处理后经一阶微分变换、倒数对数变换和倒数对数的一阶微分变换提取其特征波段,然后利用红边及绿峰位置构建了SPAD值的预测模型,并采用决定系数(R^(2))、均方根误差(RMSE)和相对误差(RE)对模型进行精度评价。结果表明,在400~1000 nm波长范围内,佛手瓜叶片光谱特征在可见光区的绿峰波段反射率在22%左右,在近红外区形成高反射率,达到56%左右。通过对原始光谱曲线进行一阶微分变换、倒数对数变换和倒数对数的一阶微分数学变换后,提取出佛手瓜叶片的特征波长分别有520、550、640、650、670、680、700 nm。以单一红边位置与佛手瓜SPAD值建立的模型,r^(2)为0.8142,以此模型进行SPAD值预测,得到预测值与实测值的决定系数r^(2)为0.8337,RMSE为2.83,RE为4.36%;以红边与绿峰位置和佛手瓜SPAD值建立的模型,r^(2)为0.8247,同样以该模型进行SPAD值预测,得到的预测值与实测值的决定系数r^(2)为0.885,RMSE为2.16,RE为3.43%。构建的红边及绿峰位置的回归预测模型对预测佛手瓜叶片SPAD值是可行的,为佛手瓜生产精准调控、产量评估和科学管理提供必要技术支撑。

基于无人机多光谱影像的佛手瓜叶片SPAD值估算模型

以贵州省惠水县好花红镇弄苑村佛手瓜(Sechium edule)为研究对象,通过获取佛手瓜种植基地无人机多光谱影像,计算植被指数,分析不同植被指数与SPAD值的相关性,筛选出模型的输入变量,利用偏最小二乘法(PLS)和随机森林法(RF)构建SPAD估算模型,对佛手瓜绿色和黄色叶片进行SPAD值估算。结果表明,除CIre外,NDVI、GNDVI、RVI与SPAD值具有较强的相关性;在绿色叶片和黄色叶片PLS估算模型中,验证集R2分别为0.814、0.660,RMSE分别为1.12、1.16,绿色叶片SPAD值估算效果高于黄色叶片;在RF模型中,验证集和建模集R2均低于PLS模型。因此,基于多光谱影像,利用PLS建立的佛手瓜叶片SPAD估算模型效果优于RF模型,可以实现佛手瓜叶片SPAD值快速估算。