论文部分内容阅读
通过水稻氮肥梯度试验,结合光谱技术建立农学参数与植被指数间的定量关系,从而实现利用光谱对作物长势及氮素营养等信息进行快速诊断及实时监测。本试验以大田试验研究为基础,运用作物栽培学等学科知识,系统分析不同施氮量水平下水稻群体特征,叶面积指数、叶层氮积累量、叶干重及地上部干物质积累与植被指数之间的关系,构建基于不同品种及不同施氮量条件下水稻各农学参数的定量估测模型,通过对模型的验证选出最优模型,并根据模型精确估算追肥量以指导大田精确施肥。主要试验结果如下:1、不同施氮量处理间水稻产量和叶面积指数存在差异,施氮量为21kg/亩（N3）时,甬优538和镇稻18产量均最高,分别为890.49kg/亩、655.84kg/亩。且在该施氮水平下不同生育期叶面积指数均高于其他处理,其中甬优538孕穗期叶面积指数达到最大为12.0、镇稻18叶面积指数在抽穗期达到最大,为7.9。两品种施氮量在一定范围内（N0-N3处理）,净光合速率（Pn）、气孔导度（Gs）、蒸腾速率（Tr）及胞间CO2浓度（Ci）随施氮量增加而增加,但施氮量增至N4处理时,各光合参数均不同程度的下降。荧光参数值与光合参数表现出相似的规律,最大光化学效率（Fv/Fm）和光合电子传递速率（ETR）以N3处理最大,而N1和N0处理最低。2、分蘖-抽穗期水稻归一化植被指数（NDVI）及比值植被指数（RVI）均随生育期的推进而大幅增加;对不同施氮处理而言,随着施氮量增加,NDVI和RVI呈现增加趋势,但当施氮量增至N2水平后,NDVI和RVI参数值增幅降低并基本趋于平稳状态。相关分析表明,分蘖期至孕穗期NDVI和RVI值与产量呈极显著相关（p<0.01）,但相关性在品种间存在较大差异,甬优538拔节期和抽穗期NDVI和RVI均与产量极显著相关,而镇稻18分蘖期和孕穗期NDVI和RVI均与产量极显著相关。3、叶面积指数与NDVI、RVI相关系数均达到0.8以上,模型预测值与实测值间的相关性也都在0.8以上,RMSE均小于1.5,RE均在0.25以下;叶层氮积累量与NDVI、RVI相关系数分别为0.79、0.81,模型预测值与实测值间的相关性分别为0.62、0.29;叶干重与NDVI、RVI的相关系数均达到0.84以上,NDVI、RVI模型预测值与实测值间的相关性分别为0.49、0.39;地上部干物质积累与NDVI、RVI的相关系数分别为0.73、0.80,模型预测值与实测值间的相关性分别为0.19、0.13。综合分析表明,本试验最优模型为基于NDVI和叶面积指数的线性模型,即LAI=24.694NDVI-2.3481（S-R2=0.823,P-R2=0.839）以及基于RVI和叶面积指数的线性模型,即LAI=6.4446RVI-7.3007（S-R2=0.862,P-R2=0.819）。4.运用本研究结果建立的基于NDVI和叶面积指数的线性模型（LAI=24.694NDVI-2.348）,首先利用拔节期冠层光谱监测水稻叶面积指数,然后根据已构建的推荐追施氮肥量模型确定拔节期氮肥运筹策略。结果表明,在推荐施肥模式下,产量水平较传统高产栽培施氮模式增加40-90 kg/亩,氮肥农学利用效率提高4-50%。