论文部分内容阅读
氮是作物生长过程中的重要营养元素之一,不仅对作物的生长发育有显著影响,还会影响作物产量和品质的形成。作物氮素营养诊断和精确调控研究是数字农业与精确农业的重要内容和科学依据。本研究以水稻为研究对象,通过开展不同年份、生态点、氮素水平和品种的大田试验,系统分析了水稻冠层光谱植被指数的动态变化特征和氮素变化规律,构建了基于植被指数的水稻植株临界氮浓度模型(plant critical nitrogen concentration,Nc)和氮营养数模型(plant nitrogen nutrition index,NNI),和基于相对移栽后天数的水稻冠层相对化植被指数模型,从而为水稻氮素营养诊断和调控提供了有效的技术路径和理论依据。在开展的4年水稻田间试验基础上,于关键生育期获取了地上部生物量、氮素营养指标、冠层植被指数(NDVI)等指标。依据Justes构建临界氮浓度稀释模型的方法,系统构建了基于冠层植被指数(NDVI)的水稻临界氮浓度模型(Nc)和氮营养指数模型(NNI)。粳稻和籼稻品种的临界氮浓度稀释模型分别为,粳稻:Nc=1.7628NDVI-0.283;籼稻:..Nc=1.6194NDVI0.97。同时,协方差分析表明,模型在品种间存在显著差异,品种类型、区域等因素对模型都有一定影响。在构建的临界氮浓度模型基础上,进一步建立了氮营养指数模型,结果表明,随着施氮量的增加,水稻植株氮营养指数值也随之变大,并且当作物处于适宜氮素营养状况时,其氮营养指数值在1附近变化。基于以上结果,研究建立了基于氮营养指数的水稻追氮调控模型,能够通过与0氮区的氮营养指数之差计算出后期的追氮量。在系统分析水稻群体冠层植被指数(NDVI)动态变化规律的基础上,明确了 NDVI与水稻群体叶面积指数(LAI)、地上部生物量、产量数据等农学指标的定量关系,结果表明,冠层NDVI与叶面积指数、地上部干物重等农学指标具有较好的相关关系。在此基础上,采用归一化数据处理及建模方法,将冠层NDVI值、移栽后天数(DAT)等进行归一化处理,进一步研究构建了适用于不同水稻类型的高产群体冠层相对NDVI 动态模型:y =(1 + e-21.8012×(x-0.1582))-1-(1 + e-7.2921×(x-1.0522))-1,R2=0.9229,该模型能够较准确地预测水稻高产群体全生育期的NDVI指数动态变化规律。同时,考虑到品种因素的影响,还分别构建了粳稻和籼稻品种类型的相对化NDVI动态模型,模型的准确度分别为0.9986、0.9958,精确度分别为0.9748**、0.9283**。构建的相对NDVI动态模型能够准确地反映作物长势并预测作物高产群体动态变化,为水稻高产群体长势状况监测和氮素营养诊断调控提供了快速、准确的方法。