以乡村振兴战略为契机探究农业高校重点实验室的管理创新

“十三五”时期,是全面建成小康社会的决胜阶段,是深入推进农业供给侧结构性改革、转变我国农业发展方式、加快农业现代化建设的关键时期。农业高校重点实验室是我国农业科技创新的重要源头,是科学研究、人才培养、社会服务、文化传承与创新的重要基地。在乡村振兴战略中有所作为,也是时代赋予农业高校重点实验室的历史使命。为进一步充分发挥农业高校重点实验室的自身优势,助力乡村振兴战略,本文就农业高校重点实验室管理模式创新进行进一步探究。

稻麦复种模式下氮肥与稻秸互作对小麦产量和N_(2)O排放影响及推荐施肥研究

优化氮肥施用和秸秆还田技术为途径的农业管理措施被认为是提升农业可持续性的有效手段,然而当前关于氮肥和秸秆还田对小麦产量和N_(2)O排放影响的研究仍十分有限。为此,本研究基于2000—2022年发表的关于长江中下游流域氮肥和秸秆投入下小麦产量和N_(2)O排放变化的文献,运用随机森林建模,定量分析氮肥和秸秆还田对小麦产量和N_(2)O排放的影响,并结合情景设置进行了特定地点的小麦产量和N_(2)O排放模拟,同时评估了碳排放强度(CEE)和净生态系统经济效益(NEEB)。结果表明,建立的区域尺度小麦产量与N_(2)O排放对氮秸互作响应的随机森林模型,验证结果R^(2)分别为0.66和0.65,RMSE分别为0.70和1.11。结果表明施氮量和土壤有机质是影响小麦产量和N_(2)O排放的重要因素。综合来看,达到最大产量所需的氮肥量为208~212 kg hm^(-2),达到最小CEE所需的氮肥量为113~130 kg hm^(-2),达到最高的NEEB所需的氮肥量为202~205 kg hm^(-2),其中在6.75 t hm^(-2)的秸秆投入下施用202 kg hm^(-2)的氮肥可以获得最高的生态收益1.37万元。优化氮肥和秸秆投入具备减少作物碳排放强度并获得最大净生态环境效益的潜力。

秸秆还田与氮肥施用对稻田温室气体排放的影响

秸秆还田与氮肥施用是农田生态系统中碳氮元素的两大主要补给途径,其在调控稻田甲烷(CH_(4))和氧化亚氮(N_(2)O)排放以及水稻产量方面具有重要作用。以往的研究主要关注秸秆还田或氮肥施用单因素对稻田温室气体排放的影响,而双因素互作对甲烷和氧化亚氮排放的影响尚未明确。同时,在秸秆还田条件下如何进行合理的氮肥施用鲜有深入研究。本研究基于3个氮肥处理(0、180、360 kg N/hm^(2))和3个秸秆还田处理(0、2.25、3.75 t/hm^(2))进行多年水稻田间定位试验,研究结果表明:CH_(4)季节累积排放随秸秆还田量增加而增加,与施氮量无显著正相关关系;N_(2)O季节累积排放随施氮量增加而增加,与秸秆还田量无显著正相关关系;秸秆还田对于产量的影响具有不确定性,两年均在秸秆不还田+不施氮处理(S0N0)出现最低产量,2021与2022年最低产量分别为5740.64和4903.75 kg/hm^(2)。2021与2022年最高产量分别在秸秆不还田+高氮(S0N_(2))和高量秸秆还田+高氮(S2N_(2))出现,分别为10938.48和10384.83 kg/hm^(2)。同时,本研究发现在低量秸秆还田条件下,在碳足迹(CF, Carbon Footprint)方面,施氮量为251 kg N/hm^(2)时碳足迹达到最低点,为1.01 kg C/kg;而在生态经济净收益(NEEB, Net Ecosystem Economic Benefits)方面,施氮量为294 kg N/hm^(2)时生态经济净收益达到最高点,为11778.15元/hm^(2)。为协同生态经济净收益与碳排放,在低量秸秆还田(S1)下,配合251—294 kg N/hm^(2)的施氮量为最优施肥方案。研究结果为指导稻田温室气体减排、实现稻田碳中和以及农田管理提供了理论支撑,为实现水稻的高产稳产与低碳生产科学依据。

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,结合地理信息系统(GIS)和遥感(RS)技术,构建了基于模型、GIS和RS有效耦合的区域作物生产力预测技术;进一步量化了气候变化、品种更新、土壤改良、措施优化对区域作物生产力形成的影响,拓展了适宜方案生成、理想品种设计、气候效应评估、耕地利用评价以及农业政策制定等应用技术;最后,运用构件化程序设计思想,基于作物生产数据库、作物模型构件库等,集成开发了基于模型的数字化、可视化作物生长模拟系统与决策支持平台,实现了数据管理、参数优化、生长模拟、遥感耦合、区域预测、方案设计、效应评估、安全预警、产品发布等综合功能。未来作物模拟研究将在完善基础数据库的基础上,进一步提升预测能力、量化基因效应、拓展智能决策、耦合多功能模型等,为粮食生产的预测预警、情景效应的量化评估、生产管理的智能决策、作物品种的优化设计等提供数字化支撑,对于保障国家粮食安全和推进数字农业发展具有重要意义。

中国三大粮食作物临界氮浓度稀释曲线研究进展

氮素是粮食作物产量形成的重要元素之一,快速准确诊断作物氮素营养状况是进行精确氮肥管理的前提,而氮素营养诊断指标是制约其发展的关键因素。临界氮浓度稀释曲线是作物临界氮浓度(作物获得最大干物质所需要的最小氮浓度)与作物植株干物质的幂函数关系,基于临界氮浓度稀释曲线获得的氮营养指数被广泛应用到作物氮素营养诊断中。随着研究的深入,研究者先后基于植株干物质、叶片干物质、叶面积指数等建立了临界氮浓度稀释曲线,提高了作物氮素营养诊断的效率和精度。本文综述了我国三大粮食作物(小麦、玉米、水稻)临界氮浓度稀释曲线的构建、影响曲线参数的因素以及氮营养指数的获取与应用,为临界氮浓度稀释曲线的研究与应用提供理论支撑。

从植保无人机经验探析我国精确农业发展路径

精确农业是运用信息技术和智能装备技术管理、经营农业生产的一种理念,通过空间变异优化投入而提高资源利用效率,实现降低成本、提高产量和改善环境的目的。在世界人口不断膨胀、自然资源日益减少和生态环境持续恶化的背景下,许多国家逐步达成发展精确农业的共识,以期保障粮食安全和实现农业可持续发展。首先介绍国内外精确农业的发展与现状,分析我国发展精确农业面临的问题与挑战,然后从近年植保无人机的快速发展中借鉴经验,探析我国精确农业的发展路径,以期助力具有中国特色的精确农业建设。

数学形态学辅助下基于光谱指数的作物冠层组分分类

近地遥感常被用于获取作物冠层组分信息,但在提取叶片反射率时常受到土壤背景、穗和阴影效应的影响。为准确分类并提取作物冠层组分信息,该研究通过分析小麦冠层各组分(光照/阴影叶片、土壤、穗)的光谱及纹理差异,提出了一种光谱指数与数学形态学结合的作物冠层组分分类方法,探讨不同生育时期的最佳冠层组分分类方法,并定量分析不同组分的归一化光谱指数与小麦叶片氮含量的关系。结果表明:光谱指数法能较好地区分小麦抽穗前的不同冠层组分,而抽穗期的分类效果易受麦穗影响;光谱指数与数学形态学结合的分类方法能较好地消除麦穗对光照/阴影叶片提取的干扰(总体分类精度为97.80%,Kappa系数为0.97,运行时间3.87 min),该方法的分类精度及运行效率均优于传统分类方法(迭代自组织数据分析算法(Iterative Selforganizing Data Analysis Techniques Algorithm, ISODATA)和最大似然估计(Maximum Likelihood Estimation, MLE));而且,基于光照和阴影叶片的归一化光谱指数对叶片氮含量最敏感。研究结果可为其他作物冠层组分分类和精准农业中农学参数的定量反演提供技术参考。

基于互联网技术的便携式高值仪器管理系统的构建

针对农业信息化实验室的便携式高值仪器设备管理现状,从设备信息管理不足、租借流程管理不规范、设备使用效率不高等实际问题出发,设计并建设了基于互联网技术的便携式高值仪器管理系统。该系统将便携设备管理与移动互联网优势进行有机结合,将便携式设备抽象为唯一的条形码,实验基地抽象为地理围栏,利用移动终端扫码、定位、通信实现对便携式设备的入库管理、租借流程进行信息化,从而实现高效,便捷的设备全生命周期管理。系统目前已经整合到实验室管理微信平台,并在水稻大田实验中推广使用。系统的运行提高了设备的使用效率,缩减了实验室设备管理人工成本,使得实验室设备管理更加科学化、信息化。

基于小波分析的水稻籽粒直链淀粉含量高光谱预测

水稻籽粒直链淀粉含量影响稻米的蒸煮食味品质。利用遥感技术及时、准确地获取籽粒直链淀粉含量可以指导相应栽培措施的制定与实施,以提高稻米的食味品质。小波分析作为光谱敏感特征提取的有效方法,广泛应用于作物生理生化参数的估算,然而基于小波分析的作物品质参数估算,在米粉、稻穗水平上的应用还未见报道。本文以室内获取的水稻米粉与干穗反射光谱为基础数据源,通过连续小波光谱变换、敏感小波特征提取、共性特征分析和预测模型构建等4个步骤,明确不同光谱参数预测水稻籽粒直链淀粉含量的性能,最终实现在器官水平的直链淀粉含量高光谱预测。结果表明:(1)相较归一化光谱指数,敏感小波特征可有效地提高直链淀粉含量预测精度,预测模型更具普适性和鲁棒性;(2)从米粉光谱提取的敏感小波特征WF2037,6,与籽粒直链淀粉含量相关性较高(R^(2)=0.59),对独立年份的样本预测效果较好(RMSE=1.51%,Bias=0.44%,RRMSE=23.50%),并可直接应用于干穗光谱(R^(2)=0.62,RMSE=1.49%,Bias=−0.17%,RRMSE=25.76%)。本文利用连续小波光谱分析,提取了米粉和稻穗水平的直链淀粉敏感小波特征WF2037,6,建立了高精度预测模型,拓宽了连续小波光谱分析的应用范围,为冠层水平水稻籽粒直链淀粉含量的高光谱估算奠定基础。

格网化小麦生长模拟预测系统设计与实现

利用作物生长模型模拟小麦区域生产力,分析气候变化对农业生产的影响是研究粮食安全的热点问题之一。拥有操作方便、计算快速特点的小麦区域生产力模拟系统,可有效提高作物生长模型区域应用能力。该研究在分解小麦生长模型WheatGrow算法基础上,利用Python语言构建了格网化小麦生长模型,实现了基于空间格网数据的小麦区域生产力模拟。验证试验结果表明:模拟产量的均方根误差为1 070 kg/hm^2,标准均方根误差小于20%,系统所集成的WheatGrow模型具有较好的预测性;同时,结合格网数据分块构建区域模拟的并行计算策略,优化了区域模拟的性能。在此基础上,采用GIS组件式开发模式,在.NET平台下开发格网化小麦生长模拟预测系统,实现作物生长模型与GIS耦合,为研究区域小麦产量潜力,评估气候变化对小麦生长影响,制定农业决策提供软件工具。

RiceGrow水稻模型品种参数敏感性分析

品种参数调试是利用作物生长模型进行模拟前的重要步骤,其调试往往花费大量时间和精力,敏感性分析可以帮助识别敏感参数,提高调试效率。本研究针对水稻生长模型RiceGrow,运用SimLab和MATLAB软件,采用EFAST法对水稻品种参数进行敏感性分析,得出不同地区和不同气候情景下(1981-2015年的历史气象数据和全球未来增温2.0℃气候情景)该模型的参数敏感性,并通过TDCC(Top-Down-Coefficient of Concordance)系数计算敏感性排序一致性。结果表明,影响开花期和总干物质量的最敏感参数为最适温度(OT,Optimum Temperature),其次为温度敏感性(TS,Temperature Sensitivity)、光周期敏感性(PS,Photoperiod Sensitivity)、基本早熟性(IE,Intrinsic Earliness),对成熟期和全生育期的最敏感参数为OT,TS、IE、PS、基本灌浆因子(BFF,Basic Filling Factor)也是敏感参数,影响产量的敏感参数主要为最大光合速率(AMX,Maximum CO2 assimilationrate)、比叶面积(SLA,Specific Leaf Ar⁃ea)、收获指数(HI,Harvest Index),其次包括IE、TS、BFF、OT、PS;各个地区和不同气候情景下敏感参数较为一致但敏感性排序差异较大,增温气候情景下的多数参数敏感指数略有增加,少数略有减小;不同气候情景下的参数敏感性变化较小,不同地区之间的变化较大。在对生育期和总干物质量输出变量进行调参时,需要重点调试OT;在低温高纬度的地区需重点调试和温度、光周期及光合有关的参数;在对产量进行调参时,需要重点关注AMX、HI、SLA。LAI相对生长速率和消光系数不敏感,可在参数调试中忽略,也可在模型中剔除进行模型简化。研究结果将为作物模型的本地化、提高参数估计效率提供支持。

二向反射和方向半球反射光谱差异及其对小麦叶片叶绿素含量反演的影响

二向反射率因子(bidirectional reflectance factor,BRF)和方向半球反射率因子(directional-hemispherical reflectance factor,DHRF)是反射光谱的两种形式,但在生化参数监测过程中,多数研究忽略了BRF和DHRF光谱的差异及其对叶片叶绿素含量(leaf chlorophyll content,LCC)反演的影响。本研究以不同品种、密度及氮素处理的小麦田间小区试验为基础,在叶片尺度获取了BRF和DHRF光谱,并计算相应的植被指数和小波系数,建立了基于植被指数和小波系数的LCC监测模型,定量分析BRF和DHRF光谱、植被指数和小波系数的差异及其对LCC反演的影响。结果表明,1)BRF和DHRF随LCC变化趋势一致,但两种光谱存在显著差异,且BRF光谱值高于DHRF光谱值;2)在一定程度上,应用植被指数和小波系数均可消除BRF和DHRF光谱差异的影响,其中归一化红边植被指数(normalized differential red edge vegetation index,NDRE)和红边叶绿素指数(red edge chlorophyll index,C_(Ired-edge))可以消除BRF和DHRF光谱差异的影响(R^(2)=0.930),但小波系数的性能要优于植被指数(R^(2)=0.995);3)基于DHRF光谱的植被指数和小波系数对LCC的估测能力优于BRF光谱,所有植被指数中NDRE反演效果最好(DHRF:R^(2)=0.957;BRF:R^(2)=0.938;All:R^(2)=0.892),第4尺度765 nm处的小波系数WF(4,675)反演LCC的效果优于NDRE(DHRF:R^(2)=0.985;BRF:R^(2)=0.971;All:R^(2)=0.973),且WF(4,675)消除BRF和DHRF光谱差异对LCC反演的影响能力强于NDRE(WF(4,675):R^(2)=0.973;NDRE:R^(2)=0.892)。综上所述,BRF和DHRF光谱存在差异,且这种差异不能直接忽略。研究明确了BRF和DHRF光谱的差异,为构建基于BRF和DHRF光谱的统一模型及提升冠层尺度LCC精确反演提供理论基础。

基于不同叶位日光诱导叶绿素荧光信息的水稻叶瘟病早期监测

[目的/意义]基于遥感手段的稻叶瘟(Rice Leaf Blast,RLB)无损早期监测对于抗性育种和植保防控具有重要作用。目前对稻瘟病的研究多使用反射光谱在其显症阶段进行监测,针对稻叶瘟早期侵染阶段的日光诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence,SIF)光谱监测研究尚未见报道。本研究的目的是基于不同叶位的日光诱导叶绿素荧光信息,实现水稻叶瘟病早期阶段感病叶片的准确识别。[方法]基于一年的温室接种试验和大田采样实验,配合使用主动光源、ASD(Analytical Spectral Devices)地物光谱仪和FluoWat叶片夹,获取了拔节期和抽穗期水稻植株顶1至顶4叶位的叶片SIF光谱,并人工标注了被测样本的发病等级。研究基于连续小波分析(Continue Wavelet Analysis,CWA)提取对稻叶瘟敏感的小波特征,比较了不同叶位敏感特征及其感病叶片识别精度,最后基于线性判别分析(Linear Discriminant Analysis,LDA)算法构建了稻叶瘟识别模型。[结果和讨论]各叶位感病叶片远红光区域的上行和下行SIF均显著高于健康叶片;基于SIF小波特征的感病叶片识别精度显著高于原始SIF波段,顶1叶的稻瘟病识别精度显著高于其他三个叶位,其识别精度最高可达70%;提取的适用于多叶位的共性敏感小波特征↑WF832,3和↓WF809,3在顶1至顶4叶的精度分别达到69.45%、62.19%、60.35%、63.00%和69.98%、62.78%、60.51%、61.30%。[结论]本研究揭示了稻瘟病胁迫下水稻叶片SIF光谱响应规律,提取了对稻叶瘟敏感的SIF小波特征,结果证明了连续小波分析和SIF技术用于诊断稻叶瘟的潜力,为实现稻瘟病的田间早期、快速、原位诊断提供了重要参考与技术支撑。

白粉病对小麦光合特性的影响及病害严重度的定量模拟

【目的】明确白粉病胁迫对小麦光合特性的影响规律,构建白粉病胁迫下小麦光合生产的模拟模型。【方法】以小麦为试验材料,分别于拔节期和孕穗期进行不同接种程度的小麦白粉病试验,明确白粉病对小麦光合特性的影响规律;在此基础上构建小麦白粉病严重度预测模型,量化白粉病对小麦的生理影响;基于单叶净光合速率(Pn)和叶面积指数(LAI),实现小麦白粉病严重度预测模型与作物生长模型(WheatGrow)的耦合。【结果】白粉病胁迫下,小麦单叶Pn和LAI均呈现下降趋势,与对照(CK)相比分别平均下降18.81%和23.41%,且与初始接种程度相比,发病时期对小麦Pn和LAI的影响更为严重;小麦白粉病田间病情发展具有明显的平缓期、指数爆发期和稳定期,总的来说各处理下小麦白粉病流行的时间动态变化特征符合Logistic函数,基于白粉病胁迫对小麦影响的拟合结果,构建小麦白粉病病害胁迫因子,用以反映白粉病对小麦生理指标影响的胁迫效应;基于WheatGrow模型的光合生产子模型,结合小麦白粉病病害胁迫因子,提出模拟白粉病对小麦叶片Pn和LAI效应的算法,并利用独立年份的数据资料对改进后的WheatGrow模型进行检验。【结论】耦合白粉病胁迫因子的WheatGrow模型对白粉病胁迫下小麦叶片Pn、LAI、地上部生物量和产量的预测精度均好于原模型,模拟精度较原模型分别提高了53.29%、43.61%、60.09%和67.57%,改进后的模型可为小麦白粉病严重度的预测与小麦产量损失的定量评估等提供数字化工具和技术支撑。

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展,实时无损监测作物生长状况已成为当前研究热点,遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里,无人机因其操作简单、使用成本低等特点而受到广泛关注,无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合,探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验,在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像,同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标,采用简单线性回归、偏最小二乘回归和人工神经网络回归算法,构建基于固定翼无人机多光谱影像的水稻长势指标监测模型,比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系,结果表明植被指数与LAI和AGB之间有较强的相关性,表现最好的植被指数为CIRE和NDRE,R 2分别为0.80和0.76,但对于PNC的监测,植被指数并未达到理想的效果,表现最好的RESAVI和NDRE与PNC的决定系数仅为0.13。通过简单线性回归进一步发现单波段的纹理特征在对水稻生长指标的监测中表现并不理想;为进一步分析影像纹理对上述3个指标的监测效果,参照植被指数的构建方法构建了归一化纹理指数(NDTI)、比值纹理指数(RTI)和差值纹理指数(DTI),通过相关性分析发现新构建的纹理指数(TI)相较于单波段纹理特征对水稻生长指标的监测精度有所提升,但效果并未好于植被指数。为实现光谱与纹理间的结合,采用偏最小二乘和人工神经网络的建模方法,以VI、VI+TI为不同的输入参数组合进行水稻LAI、AGB和PNC的监测模型构建,结果表明采用偏最小二乘和人工神经网络的建模方法与简单线性回归相比模型的监测精度均得到了大幅提升,以VI+TI为输入变量,采用人工神经网络构建的模型在模型验证中取得了最佳效果,LAI模型的验证R^(2)由0.75提升至0.86,AGB和PNC的模型验证R2也分别由0.72和0.26提升至0.92和0.86,同时模型的RMSE均显著降低。【结论】利用固定翼无人机采集水稻冠层多光谱影像,通过人工神经网络算法融合光谱和纹理信息能够有效提升水稻LAI、AGB和PNC的监测精度,该研究结果将为快速大面积作物长势监测提供理论依据。

拔节期和孕穗期低温处理对小麦叶片光合及叶绿素荧光特性的影响

【目的】研究自然温度日变化模式下低温处理对小麦光合及荧光特性的影响。【方法】以温度敏感性不同的2个小麦品种扬麦16和徐麦30为材料,于拔节期和孕穗期在全自动人工气候室中进行4个低温水平和3个低温持续时间的处理,于低温处理期间及低温处理结束后7 d内每天测定小麦第一张全展叶的光合和荧光参数。【结果】低温处理期间,扬麦16和徐麦30叶片净光合速率(Pn)、气孔导度(Gs)、蒸腾速率(Tr)、最大光化学效率(Fv/Fm)、实际光化学效率(ФPSII)、光化学猝灭系数(qP)均随温度的降低而下降。拔节期低温处理期间,叶片Pn、Gs、Tr、Fv/Fm、ФPSII和qP随低温持续时间的延长呈先降低后升高的趋势,而孕穗期低温处理期间,则随低温持续时间的延长呈下降趋势。低温处理结束后,除孕穗期T4(Tmin/Tmax/Tavg,-6℃/4℃/-1℃)处理外,其他处理的叶片Pn、Gs、Tr、Fv/Fm、ФPSII、qP和非光化学猝灭系数(NPQ)均可恢复到正常水平。低温胁迫下,相对Pn与相对Fv/Fm、ФPSII、qP呈显著的正相关关系,而与相对NPQ呈显著的负相关关系,且相对Pn与相对ФPSII、qP的相关性要高于相对Fv/Fm和相对NPQ。【结论】低温主要通过降低叶片ФPSII和qP,引起小麦叶片光合速率下降,进而降低小麦干物质积累,最终导致产量下降。

不同光合-CO_(2)响应模型对水稻快速A-C_(i)响应(RACiR)曲线拟合效果的比较研究

[目的]光合-CO_(2)响应(photosynthetic carbon assimilation CO_(2)response,A-C_(i))模型是定量研究植物光合特性对环境因子响应的主要手段,也是植物生理和生态学领域的重要研究工具。本文旨在探究合适的测试方法以及数学模型来更好地获取水稻光合参数。[方法]以水稻为试验材料,采用快速A-C_(i)响应(rapid A-C_(i)response,RACiR)曲线与传统的光合-CO_(2)响应曲线测试方法对水稻单叶光合参数进行测量。使用生化模型(FvCB)、直角双曲线模型、Michaelis-Menten模型、非直角双曲线模型、指数函数模型、分段函数模型、叶子飘模型以及指数修正模型对试验数据进行拟合。[结果]RACiR方法通过不同模型获得的参数与A-C_(i)方法测试得到的参数具有较好的一致性,且RACiR技术可节约近50%的测试时间。但也存在不能同步测量荧光数据以及难以实时查看测试数据是否存在异常等弊端。除FvCB外的7种光合-CO_(2)响应模型中,叶子飘模型整体上拟合出的光合特征参数较为可靠。[结论]RACiR测试方法具有较好的可靠性,且相对于传统方法其测试效率显著提高;叶子飘模型在水稻光合作用参数拟合上具有更优的性能。研究结果将为水稻光合作用-CO_(2)响应研究选用合适的测试方式和拟合模型等提供理论依据。

“双一流”背景下高校大学生安全教育课程的建设与实践

“双一流”背景下高校如何通过建设大学生安全教育课程提高大学生安全意识,促进大学生身心健康发展非常重要。为此,文章从大学生安全教育课程建设与实践现状入手,对其进行了全方位、深层次的剖析,并在此基础上全面而深入的探究了大学生安全教育课程建设与实践策略。

杜马斯燃烧法和凯式定氮法在小麦氮含量测定中的应用研究

凯氏定氮法是测定植株全氮含量的经典方法,但过程繁琐,费时费力。杜马斯燃烧法是测定植株全氮的新方法之一。文章采用2种方法,测定不同地区、不同品种、不同生育期的小麦全氮含量,比较2种方法的测定结果,探讨杜马斯燃烧法的可行性。结果表明:杜马斯燃烧法相比凯氏定氮法而言,精确度更高、操作更方便、省时省力,适用于大批量植株样品中全氮含量的分析。研究结果为采用杜马斯测定大批量植株全氮含量提供了数据支持。

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图(SAM)、支持向量机(SVM)、CART决策树(DTs)、随机森林(RF)这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期(2016-05-10、2016-09-07、2016-10-08)及面向对象的信息提取技术对作物分类精度的影响。【结果】5月份影像(即棉花覆膜期影像)作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高(除SAM之外),各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%(2016-05-10)、85.36%(2016-09-07)、88.88%(2016-10-08),均实现了较好的作物分类效果。【结论】5月份(棉花覆膜期)影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。