种植技术和种植密度对吉花2号主要农艺性状和产量的影响

研究不同种植技术和种植密度对吉林省多粒型花生吉花2号主要农艺性状和产量的影响,筛选适宜吉林省生态环境的种植技术和最佳种植密度,完善吉花2号配套高效栽培技术。采用2种种植技术及5个种植密度(1.79×10^(5)、2.02×10^(5)、2.30×10^(5)、2.69×10^(5)、3.23×10^(5)株/hm^(2)),研究特定时期花生光合指标及产量变化。结果显示,吉花2号采用小垄双行种植技术、种植密度为2.02×10^(5)株/hm^(2)时生育期最短,较双粒穴播种植技术生育期提前1~2 d;植株的株高最小,有利于地下部干物质积累;叶面积系数最大,总光合势最大;产量最高(3651.15 kg/hm^(2)),较双粒穴播种植技术增产10.17%。小垄双行种植技术在不同密度下,吉花2号产量都高于双粒穴播种植技术。因此,小垄双行种植技术在生产上应大力推广。

长白山区4种针叶林有效叶面积指数遥感精细反演及空间分布规律

[目的]研究快速、准确、宏观获取不同森林类型有效叶面积指数(LAI_(e))的方法,探讨其空间分布规律,为中小尺度森林LAI_(e)遥感产品的开发提供新思路,为林业精细化监测和森林生态系统碳水循环模拟提供科学可靠的技术手段。[方法]以长白山为研究区,基于Sentinel-2A多光谱影像,运用三维卷积神经网络提取研究区4种针叶林型(长白落叶松、樟子松、红松和红皮云杉)的空间分布;采用区分林型和全样本2种方案,分析样地实测LAI_(e)与7种植被指数(增强植被指数、反红边叶绿素指数、改进简单植被指数、归一化水体指数、归一化植被指数、土壤调节植被指数、简单植被指数)的相关关系;利用各林型对应的最优植被指数,构建区分林型和全样本LAI_(e)与植被指数的回归模型,并基于验证样本数据对比区分林型模型、全样本模型和PROSAIL模型在LAI_(e)反演中的精度表现;结合地理因子分析4种针叶林型LAI_(e)空间格局及变化规律。[结果]所有样本组中7种植被指数与相对的LAI_(e)均存在极显著相关关系(P<0.01),除增强植被指数(EVI)与红松LAI_(e)、简单植被指数(SR)与红皮云杉LAI_(e)外,相关系数均大于0.6,但组间LAI_(e)与不同植被指数相关性具有较大差异;红松、长白落叶松和樟子松LAI_(e)与反红边叶绿素指数(IRECI)相关性最高,红皮云杉、红松LAI_(e)分别与EVI、改进简单植被指数(MSR)相关性最高;4种不同林型模型比全样本模型的R2提高12.7%以上,RMSE降低34.5%;研究区内4种林型LAI_(e)范围在0.37~5.86之间,平均LAI_(e)由高至低依次为红松、长白落叶松、樟子松、红皮云杉。红松对海拔、坡度、坡向的变化最为敏感,红皮云杉、樟子松次之,长白落叶松最小。[结论]不同林型LAI_(e)与遥感植被指数的相关程度存在明显差异,区分林型构建回归模型能够提高LAI_(e)反演精度;区分林型后拟合的线性模型精度整体较PROSAIL模型和全样本模型更高,但LAI_(e)高值区域没有PROSAIL模型表现稳定;4种针叶林型LAI_(e)对地理因子变化的反应差异较大。本研究可为精细区分森林类型的中小尺度针叶林LAI_(e)遥感反演研究提供参考。

基于图像处理的水培生菜冠层图像叶面积估测研究

为实现精准、高效、无损地获取植物工厂环境下水培生菜相关长势参数叶面积(Leaf area,LA),基于数字图像处理和机器学习回归方法建立单株水培生菜冠层图像LA估测模型。首先,通过智能手机获取2个生菜品种不同生长期的冠层可见光图像,利用Photoshop图像处理软件将原始图像统一剪裁为900像素×900像素大小,采用中值滤波(MedianBlur)法对剪裁后的图像进行去噪运算,将RGB图像转化为HSV颜色空间,再采用mask掩膜法分割彩色图像;然后,利用图像法获取单株生菜LA实测值,构建以LA实测值为因变量,以生菜冠层投影面积(Projected leaf area,PLA)为自变量的线性回归(Linear regression,LR)模型和以全局图像特征(颜色、形状、纹理等)为自变量的支持向量回归(Support vector regression,SVR)、多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)等LA估测模型进行对比分析;最后,采用决定系数(Coefficient of determination,R^(2))和均方根误差(Root mean square error,RMSE)评估模型的准确性。结果表明:RF模型估测效果最好,对于生菜品种‘绿萝’单株LA估测结果的R^(2)为0.9714、RMSE为8.89 cm2,对于品种‘碧霄’估测结果的R^(2)为0.9201、RMSE为23.34 cm2。本研究验证了RF回归模型能够较准确地估测生菜单株叶面积,可为植物工厂水培生菜LA无损估测提供新的解决方案和研究基础。

基于超分辨率重建与机器学习的油菜苗情监测方法

为优化养分管理和确保植株正常生长,以无人机遥感技术高效且非破坏采集田间作物苗情信息,监测油菜苗期的叶面积指数(LAI)与叶绿素相对含量(SPAD)。针对无人机因飞行高度与图像分辨率相互制约,监测效率与监测精度难以兼顾的问题,采用超分辨率重建方法,融合较低飞行高度拍摄高分辨率影像,重建较高飞行高度拍摄影像,建模完成后可通过拍摄飞行影像监测LAI和SPAD。试验设置3个氮肥梯度、3个播期、3个种植密度处理,在苗期利用无人机分别采集20m及40m 2个飞行高度的油菜苗影像,采用SRRestnet方法,对40m影像进行超分辨率重建。基于20m、40m及40m重建影像中提取的3种特征组合,利用偏最小二乘回归(PLSR)、随机森林(RF)、支持向量回归(SVR)3种机器学习方法对LAI和SPAD进行监测。结果表明,超分辨率重建后的图像在表型苗情监测中表现出良好效果,PLSR监测LAI、RF监测SPAD的监测精度最高,且40m重建图像的作业效率相比于20m图像提高48.6%。

基于便携式作物生长监测诊断仪的红壤花生叶片氮积累量和叶面积指数监测

通过分析红壤花生不同生育期的生长指标动态变化特征及其与冠层光谱植被指数间的定量关系,以赣花5号和航花2号这2个花生品种为试验对象,设置4个施氮水平,在花生关键生育期(苗期、花针期、结荚期和饱果期)利用便携式作物生长监测诊断仪(CGMD-402)采集冠层光谱植被指数,并同步取样测定各处理的地上部生物量、叶片氮积累量(LNA)和叶面积指数(LAI),构建基于CGMD-402的红壤花生LNA和LAI监测模型。结果表明:施氮水平会对红壤花生植株的生长产生影响,地上部植株的生物量会随着施氮量的增加而增大;叶片氮积累量和叶面积指数均随生育进程的推进整体上表现为先升后降的动态变化特征;花针期与结荚期的花生冠层归一化植被指数(NDVI)与LAI和LNA均具有较好的相关性。因此,可利用便携式作物生长监测诊断仪CGMD-402监测红壤花生的LAI和LNA,为江西省红壤花生的精确施氮管理提供技术支撑。

基于无人机影像的冬小麦株高提取与LAI估测模型构建

株高和叶面积指数(Leaf Area Index,LAI)反映着作物的生长发育状况。为了探究基于无人机可见光遥感提取冬小麦株高的可靠性,以及利用株高和可见光植被指数估算LAI的精度,本文获取了拔节期、抽穗期、灌浆期的无人机影像,提取了冬小麦株高与可见光植被指数,使用逐步回归、偏最小二乘、随机森林、人工神经网络四种方法建立LAI估测模型,并对株高提取及LAI估测情况进行精度评价。结果显示:(1)株高提取值Hc与实测值Hd高度拟合(R^(2)=0.894,RMSE=6.695,NRMSE=9.63%),株高提取效果好;(2)与仅用可见光植被指数相比,基于株高与可见光植被指数构建的LAI估测模型精度更高,且随机森林为最优建模方法,当其决策树个数为50时模型估测效果最好(R^(2)=0.809,RMSE=0.497,NRMSE=13.85%,RPD=2.336)。利用无人机可见光遥感方法,高效、准确、无损地实现冬小麦株高及LAI提取估测可行性较高,该研究结果可为农情遥感监测提供参考。

基于神经辐射场的苗期作物三维建模和表型参数获取

苗期作物三维结构的精准高效重建是获取表型信息的重要基础。传统的三维重建大多基于运动恢复结构-多视图立体视觉(Structure from motion and multi-view stereo,SFM-MVS)算法,计算成本高,难以满足快速获取表型参数的需求。本研究提出一种基于神经辐射场(Neural radiance fields,NeRF)的苗期作物三维建模和表型参数获取系统,利用手机获取不同视角下的RGB影像,通过NeRF算法完成三维模型的构建。在此基础上,利用点云库(Point cloud library,PCL)中的直线拟合和区域生长等算法自动分割植株,并采用距离最值遍历、圆拟合和三角面片化等算法实现了精准测量植株的株高、茎粗和叶面积等表型参数。为评估该方法的重建效率和表型参数测量精度,本研究分别选取辣椒、番茄、草莓和绿萝的苗期植株作为试验对象,对比NeRF算法与SFM-MVS算法的重建结果。结果表明,以SFM-MVS方法重建点云为基准,NeRF方法重建的各植株点云点对距离均方根误差仅为0.128~0.395 cm,两者重建质量较接近,但在重建速度方面,本文研究方法相比于SFM-MVS方法平均重建速度提高700%。此外,该方法提取辣椒苗株高、茎粗决定系数(R^(2))分别为0.971和0.907,均方根误差(RMSE)分别为0.86 cm和0.017 cm,对各苗期植株叶面积提取的R^(2)为0.909~0.935,RMSE为0.75~3.22 cm^(2),具有较高的测量精度。本研究提出的方法可以显著提高三维重建和表型参数获取效率,从而为作物育种选苗提供更为高效的技术手段。

建筑立体绿化对微气候改善作用实测研究

为研究立体绿化改善微气候的作用,选取重庆地区具有代表性的4个立体绿化建筑物进行微气候实测分析,比较了绿化朝向、距外墙距离、叶面积指数等因素对绿墙降温增湿能力的影响。实测结果表明面宽小于30 m的立体绿化可以降低空气温度约0.7℃,增加空气相对湿度约15%。面宽大于30 m的立体绿化可以实现1.5~3℃的降温效应。东西朝向的立体绿化要比南北向的多降温约0.9℃,增加约1.5%空气湿度。叶面积指数对立体绿化的降温增湿效应影响较大,叶面积指数增大0.40,空气温度降低约0.6℃,增加空气湿度约3%。立体绿化对微气候的影响范围较广,研究结果证实,在街区尺度实施立体绿化可以调节城市微气候,改善城市热环境。

橡胶树无性系叶面积的回归测算

为研究橡胶树无性系植株生长发育进程中叶面积变化及规模化种质资源鉴定中叶面积测定的简易方法,以20个橡胶树无性系为材料,测定各无性系叶片参数,找出合适系数回归法测算橡胶树无性系叶面积的最佳叶片参数。结果表明:干重法和叶面积仪法测定不同无性系叶面积的差异较大,两种方法相对差值较小的无性系仅9个;直尺法和叶面积仪法测定的叶长差异较大,两种方法测得的叶宽高度一致。各叶片参数相关性分析得出,直尺法测算出的叶长宽积X_(1)与其它所有叶片参数均达到了极显著正相关(P≤0.01),且与叶面积仪测定的叶面积S_(1)相关系数最大(r=0.986);其次,干重法测算的叶面积S_(2)与S_(1)相关系数在所有叶片参数中也最大(r=0.899)。选择X_(1)和S_(2)分别与S_(1)进行回归分析,得出大部分无性系X_(1)的回归决定系数都比S_(2)的更高,故在叶片规整的情况下,特别是研究植株叶片生长发育规律时,推荐使用直尺法测定的叶长宽积与叶面积仪测定的叶面积进行回归拟合。

盐胁迫对春茄6号茄子幼苗叶面积及生理生化指标的影响

茄子是世界四大蔬菜作物之一,其周年供应主要依靠设施化栽培技术。然而,设施栽培因常年大量施用化肥和不合理灌溉等因素导致土壤次生盐碱化,这将严重影响蔬菜的生长发育和设施农业的可持续发展。因此,本试验以春茄6号幼苗为试验材料,研究0、50、100、150 mmol/L这4个浓度NaCl盐胁迫对春茄6号叶面积和抗氧化酶含量的影响,并分别在第0天、第3天、第6天和第9天记录叶面积,同时测定了丙二醛(MDA)、超氧化物歧化酶(SOD)、过氧化氢酶(CAT)和过氧化物酶(POD)的含量。结果表明:随着盐胁迫浓度逐渐上升,春茄6号幼苗叶面积增长逐渐缓慢,在150 mol/L浓度NaCl处理下春茄6号幼苗叶面积生长量最低;NaCl盐胁迫对春茄6号幼苗叶片的叶面积及MDA、SOD、POD和CAT含量均会产生抑制。不同NaCl浓度对春茄6号幼苗的抑制效果表现为150 mmol/L>100 mmol/L>50 mmol/L>0 mmol/L。

亚热带树种在未成林造林地的凋落物量和周转与叶片性状的关系

【目的】测定亚热带树种的叶片功能性状、凋落叶质量、凋落物量和周转期,揭示叶片性状对凋落物量和周转的影响,为杉木采伐后如何选择造林树种以改善土壤肥力提供科学依据。【方法】选取在二代杉木林采伐迹地营造的17种亚热带树种,测定其在3年生未成林造林地的凋落物量和周转期,同时测定各树种的叶片功能性状(比叶面积、干物质含量、氮含量等)和凋落叶质量(碳氮比、单宁含量、可溶性糖含量等),建立叶片性状与凋落物量和周转期的回归关系。【结果】17种树种中,米老排凋落物量最高(6.67 t·hm^(-2)a^(-1)),杉木凋落物量最低(0 t·hm^(-2)a^(-1));江南桤木凋落叶周转期最短(0.09年);深山含笑凋落叶周转期最长(1.09年)。凋落物量随比叶面积增加而增加,随叶氮含量增加而降低;凋落叶周转期随凋落叶碳氮比和单宁含量增加而增加,随凋落叶最大持水率增加而降低。【结论】在亚热带未成林造林地中,凋落物量受比叶面积和叶氮含量的影响,凋落叶周转期受凋落叶碳氮比、单宁含量和最大持水率的影响;杉木在未成林造林地阶段的凋落物归还量极少。经营亚热带人工林时,要考虑种植比叶面积和凋落叶最大持水能力较高、凋落叶单宁含量和碳氮比较低的树种,以提高林地凋落物归还量和周转速率,改善退化人工林的土壤肥力。

基于无人机多光谱的棉花多生育期叶面积指数反演

【目的】叶面积指数(leaf area index,LAI)是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型,明确不同生育期间棉花LAI估测模型变化规律,为实时掌握棉花长势并因地制宜进行田间科学管理提供依据。【方法】利用大疆精灵4多光谱无人机获取棉花现蕾期、初花期、结铃期、吐絮期多光谱图像和RGB图像。选用归一化差植被指数(NDVI)、绿度归一化差植被指数(GNDVI)、归一化差红边指数(NDRE)、叶片叶绿素指数(LCI)、优化的土壤调节植被指数(OSAVI)5种多光谱指数和修正红绿植被指数(MGRVI)、红绿植被指数(GRVI)、绿叶指数(GLA)、超红指数(EXR)、大气阻抗植被指数(VARI)5种颜色指数分别建立棉花各生育期及棉花生长多生育期数据集合,结合打孔法获取地面LAI实测数据,使用机器学习算法中偏最小二乘(PLSR)、岭回归(RR)、随机森林(RF)、支持向量机(SVM)、神经网络(BP)构建棉花LAI预测模型。【结果】覆膜棉花LAI随着生育期的变化呈现先增长后下降的趋势,现蕾期、初花期、结铃期内侧棉花叶面积指数均值均显著大于外侧(P<0.05);选择的指数在各时期彼此间均呈显著相关(P<0.05),总体而言,多光谱指数与颜色指数间的相关性随着生育期的进行而呈现下降趋势,选择的指数在各时期均与棉花LAI相关性显著(P<0.05),多光谱指数相关系数介于0.35—0.85,颜色指数相关系数介于0.49—0.71,相关系数绝对值较大的指数多为多光谱指数,颜色指数与棉花LAI的相关系数绝对值较小;估测模型性能结果显示棉花各生育期模型中多光谱指数优于颜色指数,且各指数模型预测性能随着生育期的变化呈现一定规律性,NDVI是预测棉花LAI的最优指数。从模型结果上看,RF模型和BP模型在各生育期下获得了较高的估计精度。初花期LAI反演模型精度最高,最优模型验证集R2为0.809,MAE为0.288,NRMSE为0.120。多生育期最优模型验证集R2为0.386,MAE为0.700,NRMSE为0.198。【结论】棉花内外侧LAI在现蕾期、初花期、结铃期存在显著差异。在各生育期中,RF和BP模型是预测棉花LAI较优模型。NDVI在各指数中表现最好,是预测棉花LAI的最优指数。多生育期模型效果较单生育期明显下降,最优指数为GNDVI,最优模型为BP。本研究中预测棉花LAI的最优窗口期是初花期。研究结果可为无人机遥感监测棉花LAI提供理论依据和技术支持。

应用地基雷达和机载激光雷达数据反演落叶松冠层叶面积密度

为了实现落叶松冠层叶面积密度盲区互补的协同反演,以塞罕坝机械林场为研究区,根据地基雷达和机载激光雷达数据对落叶松林冠层点云信息进行提取;利用点云分割算法对点云信息进行枝叶分离,并对冠层点云进行体素建模,分析落叶松林最优体素和接触频率的相关性;采用体素模型冠层分析法(VCP)分别对机载雷达和地基雷达数据绘制冠层叶面积密度曲线,实现对区域林木叶面积密度的反演。结果表明:运用冠层分析法适用于估算落叶松的叶面积密度,机载雷达点云数据和地基雷达点云数据协同估算的相对误差最小(平均相对误差1.95%),机载雷达数据估算次之(平均相对误差5.09%),地基雷达数据估算误差最大(平均相对误差9.37%)。因此,机载和地基雷达数据协同反演可以提升落叶松林叶面积密度的估算精度。

重庆石漠化和非石漠化区植被绿度时空变化特征

[目的]为研究重庆岩溶石漠化和非石漠化地区植被绿度时空变化特征及其对土地利用类型的响应,有利于指导岩溶地区植被生态恢复的影响。[方法]基于植被叶面积指数(LAI)及土地利用类型数据,采用趋势分析和Hurst指数分析石漠化和非石漠化地区植被绿度的时空演变特征,利用土地利用转移矩阵定量分析土地利用变化对植被绿度的影响。[结果](1)石漠化和非石漠化地区的植被绿度整体呈增加趋势,分别在2007年和2012年达到最大绿度,绿度值为1.36和1.69,年平均增速为0.014和0.012。(2)石漠化和非石漠化地区植被绿度动态变化趋向良好,改善趋势面积占比分别为86.84%,87.04%,反持续改善趋势面积占比分别为52.82%,80.29%,是未来植被绿度主要变化趋势。(3)石漠化和非石漠化地区主要的土地利用类型是林地和耕地,且林地转化的耕地是植被绿度退化的主要发生区,耕地、灌木和草地转化的林地是植被绿度改善的主要发生区。(4)高LAI的土地利用类型转化为较低LAI土地利用类型导致LAI减小,降低植被绿度,较低LAI土地利用类型转化为高LAI土地利用类型,导致LAI增加。石漠化和非石漠化地区林地LAI转出总量减少最多,分别为11902.01和4442.18,转入总量增加最多分别为14983.78和17109.46;建设用地、水域和裸地面积较小,对LAI总量的影响不明显。[结论]研究结果有助于揭示生态脆弱区植被绿度的变化特征及对土地利用变化的响应机制,为重庆市岩溶地区石漠化治理、生态安全和经济可持续发展提供科学依据。

增加光照对林下樟树苗木的影响及作用机理

【目的】揭示增加光照对林下樟树苗木生长的影响,促进退化天然次生林的更新,【方法】选择中上层植物种为常绿阔叶树和苦竹的退化天然次生林,采用伐除苦竹后补植樟树苗木的方法研究增加光照对樟树苗木存活和生长的影响,并通过遮阴试验研究樟树幼苗对光照强度的生理适应机制。【结果】伐除苦竹对林下樟树苗木存活和生长有明显影响,林冠开度由2.36%±0.46%(对照林分)提高到11.37%±0.87%(伐除苦竹林分)时,樟树苗木存活率由16.67%提高到63.89%,地径生长量由0.5 cm提高到0.9 cm,树高生长量由0.16 m提高到0.63 m。在30%~50%遮阴条件下,樟树幼苗高生长显著高于对照(未遮阴)和其他处理的植株,遮阴70%~90%时与对照之间的差异不显著;30%~70%遮阴处理下的叶片数量显著高于对照和90%遮阴处理;叶面积和叶片厚度随着遮阴程度增加而下降,而比叶面积的变化趋势则相反;随着遮阴程度的增加,叶片含水量增加并呈台阶式变化,70%~90%遮阴下的叶片含水量显著高于光照更强的处理。遮阴使樟树幼苗叶片叶绿素a和b含量上升,但遮阴强度达到90%时叶片叶绿素a和b含量出现下降;遮阴强度达到70%及以上时,叶绿素a/b比值低于其他处理。随着遮阴程度上升,樟树幼苗最大净光合速率和表观量子效率均逐渐下降,光补偿点和暗呼吸速率整体呈下降趋势,但有例外(遮阴70%),光饱和点范围为800~1 200 μmol·m^(-2)·s^(-1),且没有明显变化规律。【结论】在苦竹扩张严重的退化天然次生常绿阔叶林中,伐除苦竹增加林地光照可提高樟树苗木的存活率和生长,有利于林分的更新和提质增效。轻度和中度遮阴条件下,樟树幼苗可通过减少对叶片的投入、降低最大净光合能力及提高叶绿素含量等策略来适应光照限制的生境;强度遮阴将严重抑制樟树幼苗的生长,从控制试验结果看,70%遮阴率是限制樟树幼苗生长的光照强度阈值。

高光效小麦群体提高氮素吸收利用和产量的机理

[目的]研究通过调整小麦种植密度构建高光能利用效率群体,促进群体氮素积累、分配和转运的效果和机理,为充分利用光能提高小麦产量提供理论依据。[方法]试验于2018—2019年在安徽省濉溪县和蒙城县进行,以分蘖能力强(安1302)和弱(皖垦麦0622)的品种为材料,设置180×10^(4)株/hm^(2) (D1)、240×10^(4)株/hm^(2)(D2)、300×10^(4)株/hm^(2)(D3)、360×10^(4)株/hm^(2) (D4)4个种植密度,调查了群体籽粒产量、光合有效辐射截获率和截获量、光合有效辐射转化率,以此为基础,将小麦群体分为光效率高、中、低3个类型,比较了不同光效率类型群体的叶面积指数、花前氮素积累和转运量、花后(乳熟期)氮素积累量。[结果]品种、密度及其互作效应显著影响小麦群体的光能利用率和籽粒产量。高光效型群体的光能利用率和籽粒产量分别达1.4%和9.7 t/hm^(2),分别比中、低效型群体提高5%、14%和1%、5%。不同群体间开花期、乳熟期光合有效辐射截获率、开花期至乳熟期光合有效辐射截获量差异不显著,高光效型群体开花期至乳熟期光合有效辐射转化率高于中、低效型群体,达2.34 g/MJ。高光效型群体开花期、乳熟期叶面积指数及开花期茎秆叶鞘、叶片、单位叶面积氮素积累量均不同程度高于其他类型群体,分别达7.24、4.53及63.9 kg/hm^(2)、79.5 kg/hm^(2)和143.78μg/cm^(2)。此外,高光效型群体中群体和单茎花前氮素转运量分别为129 kg/hm^(2)和15 mg,均显著高于中、低效型群体,主要为茎秆+叶鞘和叶片氮素转运量较高,各营养器官间氮素转运率差异不显著,且高光效型群体成熟期个体营养器官仍保持较高的氮素积累量。[结论]高光效型群体开花期茎秆+叶鞘、叶片以及单位叶面积氮素积累量高,提高了开花期的叶面积指数,有利于光能的吸收和利用。虽然高光效型群体茎秆+叶鞘和叶片中的氮素转运量较高,其花后营养器官的氮素积累量依然较高,有助于维持花后较大叶面积指数,有效提升花后光合有效辐射转化率,获得更高的小麦籽粒产量。

红壤丘陵区马尾松林和湿地松林物候特征的时空变异及影响因素

【目的】探究马尾松林和湿地松林物候期的时空变异及影响因素,为红壤丘陵区森林碳汇时空格局精准评估与预测提供理论支撑。【方法】基于2017—2021年的数码相机时间序列数据,提取29块样地(马尾松林18块,湿地松林11块)的有效叶面积指数(LAIe)时空动态。采用有效叶面积指数的广义双重逻辑斯蒂模型确定物候期指标(生长季开始时间,SOS;生长季结束时间,EOS;生长季长度,LOS)。利用变异系数表征物候期时空变异幅度。通过皮尔逊相关分析和线性混合模型,解析气候(干旱指数、空气温度、降水量、饱和水汽压差、光合有效辐射)、土壤(土壤温湿度、土层厚度、石砾含量)和生物因子(林分密度、林下植被丰富度)对物候期的驱动作用。【结果】1)马尾松林和湿地松林物候特征均为单峰曲线(但马尾松林无明显峰值)。与马尾松林相比,湿地松林的SOS较晚,但LAIe的季节变化幅度更大且值更高。2)马尾松林的物候期在时空尺度上不如湿地松林稳定。马尾松林的SOS、EOS、LOS在空间上的变异系数和SOS在时间上的变异系数均大于湿地松林。3)在年际尺度上,马尾松林的SOS和EOS分别与早春和旱季0~120 cm土层的土壤含水量呈负相关和正相关;湿地松林的EOS与旱季0~60 cm土层的土壤含水量呈正相关。4)在空间尺度上,马尾松林物候期受林分密度、草本层物种丰富度和0~60 cm土壤石砾含量影响。【结论】马尾松林和湿地松林的物候特征在曲线峰值、SOS、LAIe变化幅度和数值大小等方面存在明显差异。湿地松林的物候期在时空尺度上更稳定。种内、种间竞争强度和土壤资源异质性共同驱动了红壤丘陵区马尾松林物候的时空变异格局。

基于多光谱无人机的不同放牧策略对草地叶面积指数变化动态解析

针对海南岛耕地撂荒形成的草地无序放牧较为普遍的现象,以不同放牧方式(轮牧和连续放牧)、不同放牧强度(重度、中度和轻度)进行草地放牧试验,利用多光谱无人机和植被冠层分析仪,获取放牧期间日尺度草地叶面积指数(Leaf area index,LAI)信息,定量分析不同放牧策略对草地叶面积指数及牧牛行为变化的影响。研究结果表明:(1)中度放牧条件下的轮牧有利于草地LAI的提升。重度放牧时,轮牧和连续放牧草地的LAI上升的区域占草地总面积的比例分别为3.21%和12.65%;中度放牧时,轮牧和连续放牧草地的LAI上升的区域占草地总面积的比例分别为52.01%和25.83%;轻度放牧时,轮牧和连续放牧草地的LAI上升的区域占草地总面积的比例分别为61.02%和60.37%。(2)重度放牧条件下,牛的采食时间占比始终最高,随着采食时间占比的增加,草地LAI的减少量也随之增加,但当采食时间占比增加至70.88%~73.42%时,草地LAI的减少量逐渐降低。此时,草地叶面积指数下降到初始状态(第一天啃食前)的79.60%~79.90%,即牛的啃食量已经到达了草地LAI当日能够供给的极限,当超过这个极限时,草地可食用牧草大幅减少,牲畜个体采食竞争加剧,同时牛的啃食行为时间占比大大提高。研究结果有助于优选出牧场尺度下最佳的草畜管理措施,为热带草地畜牧系统的可持续发展从新的角度提供理论方法和决策支撑,助力国家生态文明试验区(海南)的建设。

北京山区黄栌叶片水分和光能利用效率季节变化及影响因子

未来气候变化将影响光合环境资源供给,尤其是水分和光能。为深入了解植物对气候变化的适应性,使用LI-6800便携式光合仪,于2021年5-10月份(完全展叶期)测定了北京山区广布灌木黄栌(Cotinus coggygria)叶片的光响应曲线,分析其水分利用效率(WUE=最大净光合速率[P_(nmax)]/气孔导度[g_(s)])和光能利用效率(LUE)的季节变化特征及影响因子。结果显示:黄栌叶片WUE在5-6月份呈下降趋势,7-10月份比较稳定;LUE在5-7月份呈上升趋势,8-10月份比较稳定。WUE和LUE的生长季平均值分别为98.25μmol/mol和0.06 mol/mol,变异系数分别为22%和17%,两者呈负相关(R^(2)=0.86;P<0.01)。环境因子中,WUE和LUE主要受土壤含水量(SWC)影响,WUE随SWC增加呈线性降低趋势,而LUE随SWC增加呈线性增加趋势。SWC每增加0.1 m^(3)/m^(3),P_(nmax)和g_(s)分别线性增加4.23μmol m^(-2)s^(-1)和0.07 mol m^(-2)s^(-1),即g_(s)对SWC变化的敏感性比P_(nmax)高。光合有效辐射(PAR)对WUE和LUE的影响不显著。生物因子中,比叶面积(SLA)是影响WUE和LUE的主要因子,WUE随SLA上升而上升,LUE随SLA上升而下降。叶氮含量(LNC)与WUE和LUE均不显著相关。SWC和SLA双因子线性回归模型均可以较好模拟WUE和LUE的季节变化,解释度分别为91%和71%,且其中SWC的标准回归系数较大,说明SWC是影响WUE和LUE变异的主导因子。结果表明SWC是限制黄栌叶片WUE和LUE的主要环境因子,SLA是调控WUE和LUE的关键生物因子,其中SWC起主要调控作用。研究结果利于深入了解北京山区灌木生态功能对未来气候变化的响应。

花生叶面积指数精准快速监测方法研究

为探索适用于花生叶面积指数快速精准测量方法,基于田间调查实测数据,分别采用网格法、比叶重法、系数法、AutoCAD法以及扫描法等5种方法计算了花生不同生育时期的叶面积指数,并以基于扫描法的估算结果为对照,评价了基于其他4种监测方法估算结果的精度,并优化了系数法和比叶重法调查花生叶面积的关键技术指标。结果表明,比叶重法精度较高、监测速度较快、可操作性强,利用比叶重法监测花生叶面积指数,苗期、花针期、结荚期和饱果期叶片取样数分别为24、30、24和30片,相对误差分别为4.13%、4.07%、0.02%和0.13%,标准均方根误差为7.494%,适宜的干重比系数分别为150.00、143.26、187.58和157.20 cm^(2)/g。比叶重法是适宜于花生叶面积快速精准测量的方法。