CN106950262B - 一种预测作物盐胁迫水平的方法 - Google Patents

一种预测作物盐胁迫水平的方法 Download PDF

Info

Publication number
CN106950262B
CN106950262B CN201710271480.9A CN201710271480A CN106950262B CN 106950262 B CN106950262 B CN 106950262B CN 201710271480 A CN201710271480 A CN 201710271480A CN 106950262 B CN106950262 B CN 106950262B
Authority
CN
China
Prior art keywords
salt stress
model
leaf
horizontal
crop
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710271480.9A
Other languages
English (en)
Other versions
CN106950262A (zh
Inventor
吴沿友
艾哈迈德艾兹姆
邢德科
凯瑟贾韦德
吴沿胜
于睿
黎明鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201710271480.9A priority Critical patent/CN106950262B/zh
Publication of CN106950262A publication Critical patent/CN106950262A/zh
Application granted granted Critical
Publication of CN106950262B publication Critical patent/CN106950262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种预测作物盐胁迫水平的方法，属于农作物信息检测技术领域。通过测定模型植物叶水势和生理电容，并计算模型植物叶片紧张度，利用两参数的指数衰减方程构建模型植物叶片生理电容、叶片紧张度与盐胁迫水平模型；选取待测的未知盐胁迫水平下生长的被考察作物，测定其叶水势和生理电容，同样依据叶水势和生理电容计算生长在待测的未知盐胁迫水平的作物叶片紧张度，依据构建的两参数的指数衰减模型分别求出基于叶片生理电容和基于叶片紧张度的盐胁迫水平。本发明克服了现有技术中不能及时、快速、在线检测作物遭受复合盐或未知浓度和成分的盐害水平的不足，为稀释灌溉提供依据。

Description

一种预测作物盐胁迫水平的方法
技术领域
本发明涉及一种预测作物盐胁迫水平的方法，属于农作物信息检测技术领域。
背景技术
土壤盐渍化是农业生产面临的严峻问题。合理的水土管理和化学改良可以减轻对作物的盐害，但因耗资大、见效慢而难以推广。盐水灌溉在土壤盐渍化且水资源短缺的农业区，是提高生产力的重要途径之一。
土壤盐分对植物生长具有双向作用。在较低盐度或在与植物耐性相适应的盐度水平条件下，对植物生长的影响轻微，有时还有一定促进作用，对抗盐和盐生植物尤其如此。但过高的盐度对大部分植物危害严重，甚至包括抗盐植物也是如此。
土壤的盐分具有复杂性，不同时间浓度和成分均不相同。盐水的来源也多种多样，变异性强、成分复杂，不同来源的盐水所代表的盐逆境水平也不同；此外，同一逆境水平因受到作物其前受到的逆境水平影响，呈现出不同的逆境响应；不同作物对同样的逆境水平也呈现出不同的逆境响应。
作物生长与逆境水平具有一定的相关，而生长量是个累积指标，不能用生长量来及时判断作物所遭受的盐分胁迫水平。因此，必须寻找一种利用作物生理的及时指标来检测作物遭受的盐逆境水平。
土壤盐分的存在降低了土壤溶液的渗透势,使土壤水势下降,引起作物吸水困难,造成水分胁迫。由于供水不足,植物细胞膨压下降,影响细胞收缩。众所周知，植物叶片由大量细胞组成，其水分状况与细胞的膨胀度或收缩度紧密相关，细胞液浓度及细胞体积的变化能够通过生理电容或者叶片紧张度的变化来反映。通过监测植物叶片细胞的变化可以对其所处的盐胁迫水平进行分析预测，进而判断其耐盐能力，为盐水灌溉提供科学依据。
发明内容
本发明提供了一种预测作物盐胁迫水平的方法，以克服现有技术中不能及时、快速、在线检测作物遭受复合盐或未知浓度和成分的盐害水平的不足，解决了现有技术中因没有定量数据而难以确定稀盐复水效果的技术难题，为稀释灌溉提供数据支撑。
本发明采取以下技术方案：
一种预测作物盐胁迫水平的方法，包括以下步骤：
步骤一，实验室内采用同样规格的穴盘萌发作物种子，配制培养液培养模型植物幼苗，至3叶期以上，选择生长较为一致的植株作为被考察作物的模型植物；
步骤二，将模型植物分别培养在已知的含有不同盐胁迫水平的培养液中；
步骤三，待模型植物培养至两周以上，以第一展开叶为考察对象，于同一时段测定模型植物叶水势W和生理电容CP；
步骤四，依据叶水势W和生理电容CP计算模型植物叶片紧张度LT；
步骤五，利用两参数的指数衰减方程分别构建模型植物叶片生理电容CP、叶片紧张度LT与盐胁迫水平模型；
步骤六，选取待测的未知盐胁迫水平下生长的被考察作物，以第一展开叶为考察对象，待被考察作物在待测的未知盐胁迫水平下生长至一周以上，于步骤三中相同的时段测定其叶水势Wa和生理电容CPa；
步骤七，依据叶水势Wa和生理电容CPa计算生长在待测的未知盐胁迫水平的被考察作物叶片紧张度LTa；
步骤八，将CPa作为CP值代入模型植物叶片生理电容CP与盐胁迫水平模型中，求出基于叶片生理电容的盐胁迫水平；
步骤九，将LTa作为LT值代入模型植物叶片紧张度LT与盐胁迫水平模型中，求出基于叶片紧张度的盐胁迫水平。
进一步，所述步骤四中计算叶片紧张度LT的公式为其中i系解离系数，R为气体常数，T为热力学温度，ε0为真空介电常数，a为细胞液溶质的相对介电常数，M为细胞液溶质的相对分子质量。
进一步，所述步骤五中模型植物叶片生理电容CP与盐胁迫水平模型为叶片紧张度LT与盐胁迫水平模型为其中a1、a2、b1、b2是模型常数，XC为盐逆境水平。
进一步，所述步骤八中将CPa作为CP值代入模型植物叶片生理电容CP与盐胁迫水平模型中，即将CP＝CPa代入中，求出方程的XC，标为XC-CP，即为基于叶片生理电容的盐胁迫水平。
进一步，所述步骤九中将LTa作为LT值代入模型植物叶片紧张度LT与盐胁迫水平模型中，即将LT＝LTa代入到中，求出方程的XC，标为XC-LT，即为基于叶片紧张度的盐胁迫水平。
本发明的有益效果为：
1)本方法通过对叶片水势和生理电容的测定，利用植物的电生理指标可以无损、简便、快速、高效预测作物所遭受的盐胁迫水平，不受自然环境的限制，具有较好的可控性。
2)本方法通过构建的两参数指数衰减模型，基于叶片紧张度或者生理电容可及时提供作物所遭受的盐胁迫水平信息，克服了现有技术无法提前预防作物遭受盐害的难题。
3)本方法通过对作物所受盐胁迫水平的***，可用于为精确控制盐水灌溉，节约淡水资源提供科学数据。
4)本方法可基于作物电生理特性的分析，及时、快速、在线检测作物遭受复合盐或未知浓度和成分的盐害水平，可以判别不同来源盐水的危害。
5)本方法通过对植物遭受的盐胁迫水平的分析，可以评价稀盐复水效果，为稀释灌溉提供数据支撑。
附图说明
图1为植物叶片生理电容CP、叶片紧张度LT与盐逆境水平之间关系的曲线拟合图，图1(a)为红秋葵叶片生理电容CP与盐逆境水平之间关系的曲线拟合图，图1(b)为红秋葵叶片紧张度LT与盐逆境水平之间关系的曲线拟合图，图1(c)为绿秋葵叶片生理电容CP与盐逆境水平之间关系的曲线拟合图，图1(d)为绿秋葵叶片紧张度LT与盐逆境水平之间关系的曲线拟合图。
具体实施方式
下面将对本发明作进一步的说明，但本发明的保护范围并不限于此。
发明原理：
作物处于逆境时，随着胁迫水平的增加，其生长量呈指数下降。作物所遭受的胁迫水平为即时值，而生长量是个累积指标，不能用累积值来表征即时值，因此，实践中，我们很难用生长量的变化来表征作物所遭受的胁迫水平。
但是，植物的生长与叶片水分状况有关，而植物叶片水分状况又可以用叶片生理电容或者叶片紧张度来表征，因此，可以用叶片生理电容或者紧张度的变化代表植物即时生长速率。用两参数的指数衰减模型可以表征叶片紧张度或者生理电容与盐胁迫水平之间的关系。
两参数的指数衰减模型为：
y＝ae-bx(1)
其中，e是自然对数常数，a代表初始叶片紧张度或者生理电容，b代表衰减速率。
构建模型植物叶片生理电容与盐胁迫水平以及叶片紧张度与盐胁迫水平模型，将待测作物生理电容或叶片紧张度代入模型则可以预测植物所遭受的盐胁迫水平。
实施例：
取秋葵为研究材料，品种分别为红秋葵和绿秋葵；实验室内采用12孔穴盘萌发秋葵种子，配制霍格兰培养液培养模型植物幼苗至3叶期后，分别选择生长较为一致的植株作为被考察作物的模型植物；添加等量的NaCl和CaCl2到霍格兰培养液中，配制不同盐胁迫水平的培养液，如表1所示。
表1不同盐胁迫水平
分别用不同盐胁迫水平的培养液对上述3叶期的模型植物同时进行培养，每天更换新的相对应的培养液，以第一展开叶为考察对象，在培养的第21天的上午9：00-11：00时测定模型作物的叶水势W和生理电容CP；依据叶水势W和生理电容CP计算模型植物的叶片紧张度LT。
其中：W为植物组织水势，MPa；i系解离系数，其值为1；R为气体常数，0.0083L·MPa/mol·K；T为热力学温度K，T＝273+t℃，t为环境温度；CP为植物叶片生理电容，
F；真空介电常数ε0＝8.854×10-12F/m；a为细胞液溶质的相对介电常数，F/m；M为细胞液溶质的相对分子质量；叶片细胞液溶质假定为蔗糖，此时a为3.3F/m，M为342，计算结果如表2。
表2不同盐胁迫水平下两种秋葵叶片生理电容CP、水势W和紧张度LT
随后，利用两参数的指数衰减方程(1)构建叶片生理电容CP、叶片紧张度LT与盐逆境水平模型，分别为：
其中a1、a2、b1、b2是模型常数，XC为盐逆境水平。
通过Sigmaplot软件对叶片生理电容CP、叶片紧张度LT与盐逆境水平之间的关系进行曲线拟合，拟合曲线见图1，同时可得到两参数的指数衰减方程的拟合参数，即红秋葵为a1＝92.01，b1＝1.94，a2＝152.66，b2＝1.78；绿秋葵为a1＝98.03，b1＝3.28，a2＝156.10，b2＝2.85；将参数值代入指数衰减方程即可得到对应的关系模型；如表3所示。
表3两种秋葵叶片生理电容CP、叶片紧张度LT与盐逆境水平模型
从表3可以看出，叶片生理电容CP与盐胁迫水平以及叶片紧张度LT与盐胁迫水平模型都可以很好地表征电生理指标与盐逆境之间的关系，从决定系数的平方值(R2)来看，
与叶片生理电容CP与盐逆境关系相比，叶片紧张度LT与盐逆境关系可更好地用两参数的指数衰减方程来拟合。
将制作模型的作物更换逆境水平培养，逆境水平更换方案如表4。
表4盐胁迫水平更换方案
更换逆境水平，同样，以第一展开叶为考察对象，继续培养28天，在上午9：00-11：00时测定其叶水势Wa和生理电容CPa，再依据叶水势Wa和生理电容CPa计算叶片紧张度LTa，结果如表5。
表5不同盐胁迫水平下两种秋葵叶片生理电容CPa、水势W和叶片紧张度LTa
将CP＝CPa代入到模型中，具体为：红秋葵代入绿秋葵代入求出方程的XC，标为XC-CP。将LT＝LTa代入到模型中，具体为：红秋葵代入绿秋葵代入求出方程的XC，标为XC-LT；结果如表6。
表6两种秋葵盐胁迫水平的预测值
从表6可以看出，预测出的两种秋葵同一逆境处理基于叶片生理电容的盐胁迫水平和基于叶片紧张度的盐胁迫水平基本相同。无论是红秋葵和绿秋葵，在没有盐逆境的情况下，预测值都接近0，这说明本发明具有可信性。同时，对于绿秋葵来说，盐胁迫水平随着盐度的增加而增加；除了从1.8％复水到1.2％的处理外，盐胁迫水平都介于原始盐度和复水目标盐度之间。而对于红秋葵来说，除了对照(无盐逆境)以外，盐胁迫水平最低的是盐度从1.2％复水到0.6％的处理，说明红秋葵经过1.2％的盐逆境后，适应性大大增强，继续用0.6％的盐水灌溉，可达到0.39％(0.37％)的逆境效果。另外，基于叶片紧张度的盐胁迫水平重复间误差较小，这些也同样可以说明，本发明具有可信性，基于叶片紧张度获取的盐胁迫水平结果精度更高。
以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明保护。

Claims (5)

1.一种预测作物盐胁迫水平的方法，其特征在于，包括以下步骤：
步骤一，实验室内采用同样规格的穴盘萌发作物种子，配制培养液培养模型植物幼苗，至3叶期以上，选择生长较为一致的植株作为被考察作物的模型植物；
步骤二，将模型植物分别培养在已知的含有不同盐胁迫水平的培养液中；
步骤三，待模型植物培养至两周以上，以第一展开叶为考察对象，于同一时段测定模型植物叶水势W和生理电容CP；
步骤四，依据叶水势W和生理电容CP计算模型植物叶片紧张度LT；
步骤五，利用两参数的指数衰减方程分别构建模型植物叶片生理电容CP、叶片紧张度LT与盐胁迫水平模型；
步骤六，选取待测的未知盐胁迫水平下生长的被考察作物，以第一展开叶为考察对象，待被考察作物在待测的未知盐胁迫水平下生长至一周以上，于步骤三中相同的时段测定其叶水势Wa和生理电容CPa；
步骤七，依据叶水势Wa和生理电容CPa计算生长在待测的未知盐胁迫水平的被考察作物叶片紧张度LTa；
步骤八，将CPa作为CP值代入模型植物叶片生理电容CP与盐胁迫水平模型中，求出基于叶片生理电容的盐胁迫水平；
步骤九，将LTa作为LT值代入模型植物叶片紧张度LT与盐胁迫水平模型中，求出基于叶片紧张度的盐胁迫水平。
2.根据权利要求1所述的一种预测作物盐胁迫水平的方法，其特征在于，所述步骤四中计算叶片紧张度LT的公式为其中i系解离系数，R为气体常数，T为热力学温度，ε0为真空介电常数，a为细胞液溶质的相对介电常数，M为细胞液溶质的相对分子质量。
3.根据权利要求1所述的一种预测作物盐胁迫水平的方法，其特征在于，所述步骤五中模型植物叶片生理电容CP与盐胁迫水平模型为叶片紧张度LT与盐胁迫水平模型为其中a1、a2、b1、b2是模型常数，XC为盐逆境水平。
4.根据权利要求3所述的一种预测作物盐胁迫水平的方法，其特征在于，所述步骤八中将CPa作为CP值代入模型植物叶片生理电容CP与盐胁迫水平模型中，即将CP＝CPa代入中，求出方程的XC，标为XC-CP，即为基于叶片生理电容的盐胁迫水平。
5.根据权利要求3所述的一种预测作物盐胁迫水平的方法，其特征在于，所述步骤九中将LTa作为LT值代入模型植物叶片紧张度LT与盐胁迫水平模型中，即将LT＝LTa代入到中，求出方程的XC，标为XC-LT，即为基于叶片紧张度的盐胁迫水平。
CN201710271480.9A 2017-04-24 2017-04-24 一种预测作物盐胁迫水平的方法 Active CN106950262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710271480.9A CN106950262B (zh) 2017-04-24 2017-04-24 一种预测作物盐胁迫水平的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710271480.9A CN106950262B (zh) 2017-04-24 2017-04-24 一种预测作物盐胁迫水平的方法

Publications (2)

Publication Number Publication Date
CN106950262A CN106950262A (zh) 2017-07-14
CN106950262B true CN106950262B (zh) 2019-04-30

Family

ID=59476791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710271480.9A Active CN106950262B (zh) 2017-04-24 2017-04-24 一种预测作物盐胁迫水平的方法

Country Status (1)

Country Link
CN (1) CN106950262B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109425701B (zh) * 2017-08-24 2020-08-21 中国科学院西北生态环境资源研究院 一种测试胡杨种子萌发能力与基质水分含量关系的方法
CN109425700B (zh) * 2017-08-24 2020-08-14 中国科学院西北生态环境资源研究院 一种测试胡杨种子萌发能力与基质盐分含量关系的方法
CN107748233B (zh) * 2017-11-21 2021-04-20 江苏大学 一种快速定量检测植物抗盐能力的方法
CN111855920A (zh) * 2020-08-05 2020-10-30 中国农业科学院棉花研究所 一种鉴定棉花受碱胁迫程度的方法
CN114009326A (zh) * 2021-11-05 2022-02-08 河北省农林科学院滨海农业研究所 一种植物离体水培耐盐性快速鉴定的方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281184A (zh) * 2008-05-15 2008-10-08 天津农学院 植物抗盐特性的综合评价方法
CN103364383A (zh) * 2013-07-31 2013-10-23 中国农业科学院棉花研究所 一种棉花种质耐盐性的高效鉴定方法
CN103592343A (zh) * 2013-11-25 2014-02-19 江苏大学 一种测定植物叶片紧张度的方法
CN103630656A (zh) * 2013-12-18 2014-03-12 江苏大学 一种定量检测植物抗干旱能力的方法
CN104007093A (zh) * 2014-05-22 2014-08-27 江苏大学 一种快速定量计算植物固有抗干旱能力的方法
KR20150000537A (ko) * 2013-06-24 2015-01-05 대한민국(농촌진흥청장) 음파를 이용한 식물체의 염 스트레스 저항성 증진 방법
KR20150000537U (ko) * 2013-07-25 2015-02-04 민성철 수학 교구
CN105678111A (zh) * 2016-02-01 2016-06-15 西安理工大学 基于植物电信号的作物耐盐性评价方法
CN106385872A (zh) * 2016-09-07 2017-02-15 河北大学 一种草本地被植物种子耐盐性评估的方法
CN106416864A (zh) * 2016-09-30 2017-02-22 江苏丘陵地区镇江农业科学研究所 一种水稻苗期耐盐性的快速鉴定方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281184A (zh) * 2008-05-15 2008-10-08 天津农学院 植物抗盐特性的综合评价方法
KR20150000537A (ko) * 2013-06-24 2015-01-05 대한민국(농촌진흥청장) 음파를 이용한 식물체의 염 스트레스 저항성 증진 방법
KR20150000537U (ko) * 2013-07-25 2015-02-04 민성철 수학 교구
CN103364383A (zh) * 2013-07-31 2013-10-23 中国农业科学院棉花研究所 一种棉花种质耐盐性的高效鉴定方法
CN103592343A (zh) * 2013-11-25 2014-02-19 江苏大学 一种测定植物叶片紧张度的方法
CN103630656A (zh) * 2013-12-18 2014-03-12 江苏大学 一种定量检测植物抗干旱能力的方法
CN104007093A (zh) * 2014-05-22 2014-08-27 江苏大学 一种快速定量计算植物固有抗干旱能力的方法
CN105678111A (zh) * 2016-02-01 2016-06-15 西安理工大学 基于植物电信号的作物耐盐性评价方法
CN106385872A (zh) * 2016-09-07 2017-02-15 河北大学 一种草本地被植物种子耐盐性评估的方法
CN106416864A (zh) * 2016-09-30 2017-02-22 江苏丘陵地区镇江农业科学研究所 一种水稻苗期耐盐性的快速鉴定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Evaluating physiological responses of plants to salinity stress;S. Negr~ao等;《Annals of Botoany》;20160905;第1-11页
Photosynthetic response of two okra cultivars under salt stress and re-watering;Ahmad Azeem等;《Journal of Plant Interactions》;20170123;第67-77页
快速反映植物水分状况的叶片紧张度模型;吴沿友等;《农业机械学报》;20150331;第46卷(第3期);第310-314页

Also Published As

Publication number Publication date
CN106950262A (zh) 2017-07-14

Similar Documents

Publication Publication Date Title
CN106950262B (zh) 一种预测作物盐胁迫水平的方法
Chen et al. Global annual soil respiration in relation to climate, soil properties and vegetation characteristics: Summary of available data
CN107037090B (zh) 一种基于叶片紧张度变化的光合作用预测方法
CN106970121B (zh) 一种植物叶片最大生理电容和最大紧张度的测定方法
Alexander Genetic differences in the elevational limits of native and introduced Lactuca serriola populations
Ghamarnia et al. Water Requirement, Crop Coefficients of Peppermint (Mentha piperita L.) and Realizing of SIMDualKc Model
Bowsher et al. Evolutionary divergences in root system morphology, allocation, and nitrogen uptake in species from high-versus low-fertility soils
CN105912884B (zh) 一种基于生理效应的作物茎直径生长速率预测方法
CN107085643B (zh) 一种盐水灌溉节点的获取方法
CN107748233B (zh) 一种快速定量检测植物抗盐能力的方法
CN107155665B (zh) 一种基于叶面积增长模型制定作物灌水策略的方法
Trifilò et al. Hydraulic connections of leaves and fruit to the parent plant in Capsicum frutescens (hot pepper) during fruit ripening
CN110031592B (zh) 一种快速测定植物抗盐能力的方法
GB2571684A (en) Nutrient Solution Management Technique Based on Length of Leaf of Greenhouse Tomato
de Miranda Silverio et al. Drought tolerance of the sugar cane varieties during the initial development
RU2402765C1 (ru) Способ испытания загрязнения воды по времени роста корней растения
Dastranj et al. Soil salinity and tomato yield simulation using SALTMED model in drip irrigation
CN107121526B (zh) 一种表征植物抗盐能力的方法
Imada et al. Contribution of root growth responses to leaf traits and relative growth rate of Populus alba under different water-table conditions
Chitu et al. Relationships between MDS, soil, and weather variables for Topaz apple tree cultivated in coarse-textured soils
CN110033187B (zh) 一种基于环境数据的指标数据获取方法
Mélo Neto et al. Initial growth of cassava plants cv. Mossoró under different water regimes.
van Straten et al. Dielectric sensors in an automated facility for testing salt tolerance of irrigated field crops
Ma et al. Effects of different irrigation amounts on water use of precocious walnuts
CN110162830A (zh) 一种基于叶片紧张度在线监测的变量灌水节点预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant