CN107356569B - 基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 - Google Patents
基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 Download PDFInfo
- Publication number
- CN107356569B CN107356569B CN201710420166.2A CN201710420166A CN107356569B CN 107356569 B CN107356569 B CN 107356569B CN 201710420166 A CN201710420166 A CN 201710420166A CN 107356569 B CN107356569 B CN 107356569B
- Authority
- CN
- China
- Prior art keywords
- fluorescence
- wheat
- yield
- parameter
- chlorophyll
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
- G01N2021/6432—Quenching
Landscapes
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法,旨在解决现有的气候及农学模型参数多、适应性差以及遥感模型受测试环境影响大、监测精度低的技术问题。本发明主要采取的步骤有:信息采集;筛选敏感的荧光参数;确立适宜的空间叶位;构建荧光潜势指数;建立产量预测模型。利用小麦顶部两张叶片的光适应荧光参数Fm'和Fv'可以很好地指示植株生产性能;在开花期和灌浆前期,叶绿素荧光Fm'和Fv'潜势指数可***小麦籽粒产量状况。该预报模型有效减少地点、品种和天气等因素的影响,对小麦籽粒产量估算具有较高的精度和准确性,对指导农业生产、粮食供需平衡及农业政策制定具有重要意义和价值。
Description
技术领域
本发明涉及农业植被生长信息无损监测技术领域,具体涉及一种基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法。
背景技术
小麦是我国三大粮食作物之一,以小麦为原材料生产的食物种类繁多,比如面条、面包、饼干、馒头等,小麦产量的高低直接影响人们生活水平及国家粮食安全。因此,较早预测产量有助于田间管理者及时采取应变田间措施,对于指导粮食供需平衡及农业政策制定等具有重要意义。
传统的产量信息采用田间实地抽样调查,具体需等到小麦收获时进行收割脱粒计产,且具有破坏性,费时、费力。因此,无损快速准确估测作物产量很有意义。目前农作物估产主要有气象预报模型、农学模型和作物生长模拟模型等,该类方法受参数多、精度低、适应性差而限制了其生产应用。近年来,遥感技术以其无损、准确、快速等特点应用广泛,从监测作物生长状况到估测籽粒产量和品质等取得较显著进展,遥感估产模型能够低成本大面积宏观全面评价作物产量变异状况,以客观、定量、准确预报产量等优点受到各国农学家的广泛重视。但遥感测试的冠层光谱技术属被动式遥感,受测试环境影响很大,且难以探测冠层群体中下部生长状况,进而限制了监测精度的进一步提高。
目前,叶绿素荧光探测技术成熟,仪器测试稳定,测定速度快,且对植株生理状态反应敏感,具有“内在性”和主动式两大优势,测试结果受环境因素影响较小。因此,基于叶绿素荧光探测技术检测评价作物长势、逆境伤害程度及产量具有较大的应用潜力及价值。
发明内容
为了解决现有技术存在的不足,本发明提供了一种基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法,旨在解决现有的气候及农学模型参数多、适应性差以及遥感模型受测试环境影响大、监测精度低的技术问题。
为了实现上述发明目的,本发明采用的技术方案是:
构建基于叶绿素荧光预测小麦籽粒产量模型,主要包括如下步骤,
(1)信息采集
①施肥试验设置
按常规方法在待建模生态区设置不同施氮量处理的小麦施肥试验;
②叶片净光合速率测定
用光合仪测定***分别测定不同施肥处理条件下的小麦植株在不同生长期的全部展开的顶部第1至4叶的叶片净光合速率;
③叶片荧光参数测定
与净光合速率测定同步,用叶绿素荧光分析仪测定暗适应条件下小麦植株各生育期的叶绿素荧光参数初始荧光Fo、最大荧光Fm、可变荧光Fv、PSII潜在活性Fv/Fo、最大光化学速率Fv/Fm、荧光光化学猝灭系数qP、非光化学猝灭系数qN、PSII量子效率ΦPSII和电子传递速率ETR,以及光适应条件下小麦植株各生育期的叶绿素荧光参数稳态荧光Fs,Fm',Fv'和Fv'/Fm';
④叶面积测定
选取与步骤②、③相同的叶片,按照下式测量叶片面积,
A=b×L×W
其中,设定回归系数b为0.75,L为各叶片的长度,W为各叶片的宽度,A为叶片面积;
⑤产量
根据实产或常规测产方法确定对应小麦的单位面积籽粒产量;
(2)筛选敏感的荧光参数
通过对步骤③中叶片各荧光参数与叶片光合速率的相关性分析,根据相关系数确定敏感的荧光参数,其中,所述敏感的荧光参数是光适应荧光参数Fs,Fm',Fv'和Fv'/Fm';
(3)确立适宜的植株空间叶位
将叶片各荧光参数与对应叶片光合速率分叶位进行相关分析,根据相关系数确定适宜的植株空间叶位,其中,所述适宜的植株空间叶位是顶1叶和顶2叶;
(4)构建荧光潜势指数
以如下的计算公式计算不同叶绿素荧光参数的潜势指数CFP:
式中,CFi和LAi分别代表小麦主茎顶1叶到顶4叶中第i叶位的叶绿素荧光参数数值和对应叶片面积大小,且1≤i≤4;
(5)建立产量预测模型
通过对不同施氮处理条件下的小麦籽粒产量与对应的荧光潜势指数相关性分析,将相关系数最大时所对应的荧光潜势指数作为优化荧光潜势指数,依据优化荧光潜势指数及对应的最佳生育时期关系的回归分析,根据下述线性回归方程拟合出对应产量的预测模型:
y=a×x+b
其中,y为小麦产量,x为优化荧光潜势指数。
优选的,在步骤(5)中,所述优化荧光潜势指数为光适应Fm'荧光潜势指数、光适应Fv'荧光潜势指数,所述最佳生育时期为开花期和/或灌浆前期。
进一步优选的,在所述步骤(5)中,
a.以光适应荧光参数Fm'为预测因子,建立的黄淮生态区小麦产量预测模型为:
开花期:y=2.480x+4728.2,R2=0.72
灌浆前期:y=4.045x+3756.9,R2=0.76
其中,y为小麦产量,x为优化荧光潜势指数;
b.以光适应荧光参数Fv'为预测因子,建立的黄淮生态区小麦产量预测模型为:
开花期:y=7.456x+4936.5,R2=0.71
灌浆前期:y=11.823x+4536.3,R2=0.73
其中,y为小麦产量,x为优化荧光潜势指数。
利用上述预测模型对小麦籽粒产量进行预测,包括如下步骤:
1)叶片荧光参数测定
用叶绿素荧光分析仪测定待测麦田区小麦植株开花期和灌浆前期的叶绿素光适应最大荧光Fm'、光适应可变荧光Fv';
2)计算荧光潜势指数
利用上述荧光参数,并依据所构建的荧光潜势指数和适宜的植株空间叶位,分别计算待测区小麦植株的光适应Fm'荧光潜势指数、光适应Fv'荧光潜势指数,所述适宜的植株空间叶位为顶1叶和顶2叶;
其中,所述的叶绿素荧光参数的潜势指数CFP计算公式如下:
式中,CFi和LAi分别代表小麦主茎顶1叶到顶4叶中第i叶位的叶绿素荧光参数数值和对应叶片面积大小,且1≤i≤4;
3)计算小麦籽粒产量
将步骤2)计算出的荧光潜势指数根据对应的时期代入所得的小麦产量预测模型,计算小麦籽粒产量,其中,
a.以光适应荧光参数Fm'为预测因子,黄淮生态区小麦产量预测模型为:
开花期:y=2.480x+4728.2,R2=0.72
灌浆前期:y=4.045x+3756.9,R2=0.76
式中,y为小麦产量,x为优化荧光潜势指数;
b.以光适应荧光参数Fv'为预测因子,黄淮生态区小麦产量预测模型为:
开花期:y=7.456x+4936.5,R2=0.71
灌浆前期:y=11.823x+4536.3,R2=0.73
式中,y为小麦产量,x为优化荧光潜势指数。
与已有技术相比,本发明的有益技术效果主要体现在:
1.本发明充分利用叶绿素荧光技术的“内在性”和主动式遥感受环境因素影响较小的优势,克服了冠层光谱被动式遥感受测试环境影响大、且难以探测冠层群体中下部生长状况的弊端,有利于小麦作物籽粒产量监测精度的提高。
2.该方法充分利用叶绿素荧光参数对叶位空间差异的敏感性,结合小麦叶片大小属性信息,构建出叶绿素荧光潜势指数,实现了小麦开花至灌浆前期的籽粒产量提前预报与精确估算。
3.本发明的产量预测模型仅需测量小麦植株顶部第1和2叶的光适应荧光参数,确立了小麦籽粒产量预报模型,避免了品种、地点和天气等因素的影响,方法简单快捷。
附图说明
图1是本发明基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法的流程图。
图2是群体叶片光合速率与小麦籽粒产量间关系图。
图3是叶片叶绿素荧光参数与叶片光合速率间关系图。
图4是不同叶位叶片Fm'荧光潜势与小麦产量间相关系数等势图。
图5是不同叶位叶片Fv'荧光潜势与小麦产量间相关系数等势图。
图6是小麦籽粒产量与开花期和灌浆前期Fm'潜势指数间的定量关系图。
图7是小麦籽粒产量与开花期和灌浆前期Fv'潜势指数间的定量关系图。
具体实施方式
下面结合具体实施例详细描述本发明的技术方案。
实施例:如图1所示,适用于黄淮小麦生态区的基于叶绿素荧光预测小麦籽粒产量模型的构建方法,主要步骤如下:
(1)信息采集
①施肥试验设置
试验a:试验点在郑州。前茬为玉米,0~20cm土层含有机质18.6g·kg-1、总氮0.93g·kg-1、速效磷66.32mg·kg-1、速效钾94.86mg·kg-1。供试品种为矮抗58(蛋白质含量13.0%~14.5%)和郑麦366(蛋白质含量15.0%~16.0%)。设4个施氮水平,分别施纯氮0(N0)、90(N1)、180(N2)和270kg·hm-2(N3),其中50%作基肥,50%于拔节期追肥。所有处理均基施P2O5 150kg·hm-2和K2O 90kg·hm-2。小区随机排列,3次重复,小区面积5.8m×7.0m=40.6m2,基本苗1.8×106株·hm-2,行距20cm。于拔节期(50%植株主茎基部第1节间伸长2.0cm)、孕穗期(50%植株旗叶叶片全部伸出叶鞘)、开花期、灌浆前期、灌浆中期和灌浆末期测试植株光合速率、荧光参数和叶片大小。
试验b:试验点在温县。小麦播前田菁掩底,0~20cm土壤含有机质19.8g·kg-1、总氮0.99g·kg-1、速效磷70.02mg·kg-1、速效钾79.99mg·kg-1。设同样用量的4个氮处理,50%作基肥,50%为拔节期追肥。基施P2O5 150kg·hm-2和K2O 120kg·hm-2。基本苗2.0×106株·hm-2,行距20cm。分别于拔节期、孕穗期、开花期、灌浆前期、灌浆中期和灌浆末期测试植株光合速率、荧光参数和叶片大小。
②叶片净光合速率测定
在晴朗无云或者少云的的上午(9:30-11:30),用Li-6400便携式光合仪(LI-CORInc,美国)测定***分别测定小麦植株顶部四张完全展开叶(即顶1叶、顶2叶、顶3叶、顶4叶)的净光合速率,由于灌浆前期以后小麦植株下部叶片逐渐变黄衰老,所以灌浆中期测定顶部三张叶片,灌浆后期测定顶部两张叶片。每个处理每个重复取3片生长大致相同的叶片进行测定。
③叶片荧光参数测定
与净光合速率测定同步,用OS5-FL型调制式叶绿素荧光分析仪(OPTI-SCIENCES,美国)测定暗适应条件下植株叶片叶绿素荧光参数初始荧光Fo、最大荧光Fm、可变荧光Fv、PSII潜在活性Fv/Fo和最大光化学速率Fv/Fm,荧光光化学猝灭系数qP、非光化学猝灭系数qN、PSII量子效率ΦPSII和电子传递速率ETR。取每处理各小区植株完全展开的顶部第1、2、3、4叶,测定时先用夹子固定小麦叶片,使各叶位叶片受光一致,交叉测量,避免辐射对不同处理的影响,每小区每个叶位测定5~8片叶,以上测定暗适应荧光参数前,均需将叶片充分暗适应20min。同时,测定光适应条件下小麦植株各生育期的叶绿素荧光参数稳态荧光Fs,Fm',Fv'和Fv'/Fm'。
④叶面积测定
选取的叶片同叶片净光合速率和叶绿素荧光参数测定叶片相同,叶片面积A测定采用手动测量的方法,公式为:
A=b×L×W
其中,b为回归系数,设定0.75,L为各叶片的长度(从叶基到叶尖),W为各叶片的宽度(叶片上与主脉垂直方向上的最宽处),用直尺测量长度与宽度;为减小测量误差,各处理各重复又选取10株测定顶部四张叶片的叶面积。
⑤产量性状调查
成熟前每小区测定1m双行3个样点折算出单位面积穗数,收获后取20株室内考种,统计每穗粒数、千粒重和穗粒重;每小区实收4m2,换算出单位面积籽粒产量(kg·hm-2)。
(2)筛选敏感型荧光参数
利用植株所有绿叶片的光合速率通过面积权重法折算出群体叶片光合速率,将生态区内所有植株光合速率与叶绿素荧光参数进行相关性分析,如图2所示,自拔节期至灌浆后期相关系数均高于0.72,达极显著水平(P<0.01),尤其在开花期至灌浆中期相关系数均高于0.82,但是光合速率测定速度慢、时间长、过于敏感,利用光合速率预测小麦产量难以实现简便、快捷、精确估算。
由于植株光合速率能较好指示作物产量,所以分析光合速率与叶绿素荧光参数间相关关系便于筛选出对作物生产性能及产量敏感的荧光参数。如图3所示,光适应荧光参数Fs,Fm',Fv'和Fv'/Fm'的相关系数均高于0.52(P<0.01)。
综上数据分析说明,光适应荧光参数Fs,Fm',Fv'和Fv'/Fm'对作物生产性能反应敏感,为敏感型荧光参数。
(3)确立适宜的植株空间叶位
将试验设置的两品种叶片的敏感型荧光参数与对应叶片光合速率分叶位进行相关分析,如表1所示,敏感型荧光参数与光合速率间呈显著正相关,相关系数随叶位降低而降低,其中,顶1叶和顶2叶相关系数较高,而顶3叶和顶4叶相关系数较低,Fo'相关性较差,Fm'、Fv'、Fv'/Fm'相关性较高,尤其是Fm'的顶1叶和顶2叶相关系数分别达0.853(P<0.01)和0.829(P<0.01),Fv'的顶部2张叶片相关系数分别为0.835(P<0.01)和0.806(P<0.01),因此,利用光适应荧光参数Fm'和Fv'评价植株生产性能以顶部两张叶片最为适宜。
表1小麦叶片叶绿素荧光参数与光合速率间关系
注:*和**分别指0.05和0.01差异显著水平。
(4)构建荧光潜势指数
按照下式计算不同叶绿素荧光参数的潜势指数(CFP):
其中,CFi和LAi分别代表小麦主茎顶1叶到顶4叶中第i叶位的叶绿素荧光参数数值和对应叶片面积大小,且1≤i≤4。
根据不同生育期、不同叶位组合分析叶绿素荧光潜势指数与产量间的相关关系,如图4、图5所示,顶1叶和顶2叶组合的潜势指数与产量相关性最好,并且在开花期、灌浆前期和灌浆中期相关系数较高,对应的Fm'潜势指数的相关系数分别为0.845、0.869和0.811,对应的Fv'潜势指数分别为0.834、0.855和0.795。
因此,将不同空间位置的叶片联合,综合叶片大小和光***PSII功能的复合信息,所构建的荧光潜势指数与作物产量关系密切,减少了单个叶位不稳定、单一性状信息量少等不利影响。
(5)建立产量预测模型
通过对不同施氮处理条件下的小麦籽粒产量与对应的荧光潜势指数相关性分析,将相关系数最大时所对应的荧光潜势指数作为优化荧光潜势指数,根据步骤(4)分析得出的优化荧光潜势指数及对应的最佳生育期,依据优化荧光潜势指数及对应的最佳生育时期关系的回归方程分析,根据下述线性回归方程拟合出对应产量的预测模型:
y=a×x+b
其中,y为小麦产量,x为优化荧光潜势指数。
通过回归方程的生育期比较,荧光参数与产量间关系在开花期和灌浆前期差异较大,不能用统一回归方程表达,需要分时期单独建模表达,如图6、图7所示:
a.以光适应荧光参数Fm'为预测因子,黄淮生态区小麦产量预测方程为:
开花期:y=2.480x+4728.2,R2=0.72
灌浆前期:y=4.045x+3756.9,R2=0.76
式中,y为小麦产量,x为优化荧光潜势指数;
b.以光适应荧光参数Fv'为预测因子,黄淮生态区小麦产量预测方程为:
开花期:y=7.456x+4936.5,R2=0.71
灌浆前期:y=11.823x+4536.3,R2=0.73
式中,y为小麦产量,x为优化荧光潜势指数。
通过回归分析,方程决定系数均高于0.70,方程预测误差相对较小。因此,可以使用顶1、2叶的Fm'荧光潜势指数和Fv'荧光潜势指数精确预测小麦籽粒产量,从而为国家粮食政策的制定、农村经济的发展以及对外粮食贸易均具有重要的指导意义和参考价值。
Claims (7)
1.一种基于叶绿素荧光预测小麦籽粒产量模型的构建方法,其特征在于,包括以下步骤:
(1)信息采集
①施肥试验设置
在待建模生态区设置不同施氮量处理的小麦施肥试验;
②叶片净光合速率测定
用光合仪测定***分别测定不同施肥处理条件下的小麦植株在不同生长期的全部展开的顶部第1至4叶的叶片净光合速率;
③叶片荧光参数测定
与净光合速率测定同步,用叶绿素荧光分析仪测定暗适应条件下小麦植株各生育期的叶绿素荧光参数初始荧光Fo、最大荧光Fm、可变荧光Fv、PSII潜在活性Fv/Fo、最大光化学速率Fv/Fm、荧光光化学猝灭系数qP、非光化学猝灭系数qN、PSII量子效率ΦPSII和电子传递速率ETR,以及光适应条件下小麦植株各生育期的叶绿素荧光参数稳态荧光Fs,光适应最大荧光参数Fm',光适应可变荧光参数Fv'和Fv'/Fm';
④叶面积测定
选取与步骤②、③相同的叶片,按照下式测量叶片面积,
A=b×L×W
其中,设定回归系数b为0.75,L为各叶片的长度,W为各叶片的宽度,A为叶片面积;
⑤产量
根据实产确定对应小麦的单位面积籽粒产量;
(2)筛选敏感的荧光参数
通过对所述步骤③中叶片各荧光参数与叶片光合速率的相关性分析,根据相关系数确定敏感的荧光参数;
(3)构建荧光潜势指数
以如下的计算公式计算不同叶绿素在步骤(2)所确定敏感荧光参数下的潜势指数CFP:
式中,CFi和LAi分别代表小麦主茎顶1叶到顶4叶中第i叶位的叶绿素荧光参数数值和对应叶片面积大小,且1≤i≤4;
(4)建立产量预测模型
通过对不同施氮处理条件下的小麦籽粒产量与对应的荧光潜势指数相关性分析,将相关系数最大时所对应的荧光潜势指数作为优化荧光潜势指数,依据优化荧光潜势指数及对应的最佳生育时期关系的回归分析,根据下述线性回归方程拟合出对应产量的预测模型:
y=a×x+b
其中,y为小麦产量,x为优化荧光潜势指数。
2.根据权利要求1所述的基于叶绿素荧光预测小麦籽粒产量模型的构建方法,其特征在于,在步骤(2)中,所述敏感的荧光参数是光适应荧光参数Fs,光适应最大荧光参数Fm',光适应可变荧光参数Fv'和Fv'/Fm'。
3.根据权利要求2所述的基于叶绿素荧光预测小麦籽粒产量模型的构建方法,其特征在于,在步骤(4)中,所述优化荧光潜势指数为光适应Fm'荧光潜势指数、光适应Fv'荧光潜势指数,所述最佳生育时期为开花期和/或灌浆前期。
4.根据权利要求3所述的基于叶绿素荧光预测小麦籽粒产量模型的构建方法,其特征在于,在所述步骤(4)中,
a.以光适应荧光参数Fm'为预测因子,黄淮生态区小麦产量预测模型为:
开花期:y=2.480x+4728.2,R2=0.72
灌浆前期:y=4.045x+3756.9,R2=0.76
式中,y为小麦产量,x为优化荧光潜势指数;
b.以光适应荧光参数Fv'为预测因子,黄淮生态区小麦产量预测模型为:
开花期:y=7.456x+4936.5,R2=0.71
灌浆前期:y=11.823x+4536.3,R2=0.73
式中,y为小麦产量,x为优化荧光潜势指数。
5.一种基于叶绿素荧光预测小麦籽粒产量的方法,其特征在于,包括如下步骤:
1)叶片荧光参数测定
用叶绿素荧光分析仪测定待测麦田区小麦植株开花期和/或灌浆前期的叶绿素光适应最大荧光参数Fm'、光适应可变荧光参数Fv';
2)计算荧光潜势指数
利用上述荧光参数,并依据权利要求1所构建的荧光潜势指数和适宜的植株空间叶位,分别计算待测区小麦植株的Fm'潜势指数、Fv'潜势指数;
3)计算小麦籽粒产量
将步骤2)计算得到的荧光潜势指数根据对应的时期代入权利要求1所得的小麦产量预测模型,计算小麦籽粒产量。
6.根据权利要求5所述的基于叶绿素荧光预测小麦籽粒产量的方法,其特征在于,在步骤2)中,所述适宜的植株空间叶位为顶1叶和顶2叶。
7.根据权利要求5所述的基于叶绿素荧光预测小麦籽粒产量的方法,其特征在于,
a.以光适应荧光参数Fm'为预测因子,黄淮生态区小麦产量预测模型为:
开花期:y=2.480x+4728.2,R2=0.72
灌浆前期:y=4.045x+3756.9,R2=0.76
式中,y为小麦产量,x为优化荧光潜势指数;
b.以光适应荧光参数Fv'为预测因子,黄淮生态区小麦产量预测模型为:
开花期:y=7.456x+4936.5,R2=0.71
灌浆前期:y=11.823x+4536.3,R2=0.73
式中,y为小麦产量,x为优化荧光潜势指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420166.2A CN107356569B (zh) | 2017-06-06 | 2017-06-06 | 基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420166.2A CN107356569B (zh) | 2017-06-06 | 2017-06-06 | 基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356569A CN107356569A (zh) | 2017-11-17 |
CN107356569B true CN107356569B (zh) | 2019-10-29 |
Family
ID=60272263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710420166.2A Active CN107356569B (zh) | 2017-06-06 | 2017-06-06 | 基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356569B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3782457A4 (en) * | 2018-04-20 | 2022-01-26 | Industry-University Cooperation Foundation of Chungbuk National University | PLANT GROWING METHOD USING UV AND PLANT GROWING SYSTEM THEREFORE |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693154B (zh) * | 2018-04-25 | 2020-08-14 | 南京大学 | 一种多角度观测精确反演植被阴阳叶日光诱导叶绿素荧光的方法 |
CN109241659A (zh) * | 2018-09-27 | 2019-01-18 | 江汉大学 | 一种估算菜用大豆叶片叶绿素a/b比值的方法 |
CN110188955B (zh) * | 2019-05-31 | 2023-05-12 | 西南大学 | 一种基于叶绿素荧光遥感的大尺度秋粮产量估算方法 |
CN110276482B (zh) * | 2019-06-03 | 2020-02-21 | 宁波市气象台 | 一种植物花果生育期起止时间的预报方法 |
CN110728413B (zh) * | 2019-11-22 | 2023-05-02 | 深圳春沐源控股有限公司 | 果蔬产量预估方法 |
US11910762B2 (en) | 2020-01-03 | 2024-02-27 | Industry-University Cooperation Foundation Of Chungbuk National University | Light source module for plant cultivation |
CN111781183A (zh) * | 2020-07-30 | 2020-10-16 | 河南省农业科学院小麦研究所 | 一种利用叶绿素荧光估算植物叶片叶绿素含量的方法 |
JP2022064329A (ja) * | 2020-10-13 | 2022-04-25 | 花王株式会社 | コムギの収量予測方法 |
CN112561209B (zh) * | 2020-12-28 | 2024-03-19 | 江苏大学 | 一种利用生菜叶绿素荧光参数预测光合气体交换参数方法 |
CN112735511B (zh) * | 2021-01-13 | 2023-11-03 | 西北农林科技大学 | 一种基于qga-svr的冷害黄瓜psii潜在活性预测方法 |
CN113466193B (zh) * | 2021-06-23 | 2023-03-17 | 河南科技大学 | 一种叶片相对含水量测定方法 |
CN113609776B (zh) * | 2021-08-09 | 2023-11-10 | 山西省林业和草原科学研究院 | 一种木本植物幼苗生物量预测方法 |
CN113640267A (zh) * | 2021-08-28 | 2021-11-12 | 西北农林科技大学 | 一种基于叶绿素荧光的适宜作物生长氮素浓度区间获取方法 |
CN116195510A (zh) * | 2023-02-28 | 2023-06-02 | 河南省作物分子育种研究院 | 一种高光合速率小麦新品种选育方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101953299A (zh) * | 2010-08-26 | 2011-01-26 | 中国科学院地球化学研究所 | 测定植物组培苗光合能力的方法 |
CN102435590A (zh) * | 2011-08-30 | 2012-05-02 | 上海泽泉科技有限公司 | 叶绿素荧光诱导曲线测量中光化光强度的确定方法 |
CN106546568A (zh) * | 2016-10-31 | 2017-03-29 | 浙江大学 | 一种获取植物三维叶绿素荧光图像信息的方法及装置 |
-
2017
- 2017-06-06 CN CN201710420166.2A patent/CN107356569B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101953299A (zh) * | 2010-08-26 | 2011-01-26 | 中国科学院地球化学研究所 | 测定植物组培苗光合能力的方法 |
CN102435590A (zh) * | 2011-08-30 | 2012-05-02 | 上海泽泉科技有限公司 | 叶绿素荧光诱导曲线测量中光化光强度的确定方法 |
CN106546568A (zh) * | 2016-10-31 | 2017-03-29 | 浙江大学 | 一种获取植物三维叶绿素荧光图像信息的方法及装置 |
Non-Patent Citations (4)
Title |
---|
不同种源香椿芽菜品质分析及光合特性比较;郝明灼等;《林业科技开发》;20121231;第26卷(第4期);48-52 * |
冬小麦灌浆期旗叶光曲线及叶绿素荧光参数研究;赵薇等;《气象与环境科学》;20170228;64-72 * |
叶绿素荧光分析技术及应用进展;李晓等;《西北植物学报》;20061231;2186-2196 * |
沼液追施量对小麦叶绿素荧光动力学参数及产量的影响;冯伟等;《华北农学报》;20111231;157-162 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3782457A4 (en) * | 2018-04-20 | 2022-01-26 | Industry-University Cooperation Foundation of Chungbuk National University | PLANT GROWING METHOD USING UV AND PLANT GROWING SYSTEM THEREFORE |
Also Published As
Publication number | Publication date |
---|---|
CN107356569A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107356569B (zh) | 基于叶绿素荧光预测小麦籽粒产量的方法及其模型的构建方法 | |
Keramatlou et al. | A simple linear model for leaf area estimation in Persian walnut (Juglans regia L.) | |
CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
Loh et al. | Using the SPAD 502 meter to assess chlorophyll and nitrogen content of benjamin fig and cottonwood leaves | |
CN113268923B (zh) | 一种基于模拟多光谱的夏玉米产量估算方法 | |
Behera et al. | An indirect method of estimating leaf area index in Jatropha curcas L. using LAI-2000 Plant Canopy Analyzer | |
CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
CN105445229B (zh) | 基于氮平衡光谱法的小麦春季氮肥施用方法及其追氮量模型的构建方法 | |
CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
CN107505271B (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和*** | |
CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
Basak et al. | Regression analysis to estimate morphology parameters of pepper plant in a controlled greenhouse system | |
CN102073869A (zh) | 基于点位数据和遥感影像数据的区域耕地质量监测方法 | |
CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
CN108106676B (zh) | 一种基于遥感数据的农作物晚霜冻害的监测方法和装置 | |
CN108921451A (zh) | 一种鉴定玉米品种抗旱性的评价方法 | |
CN101044823A (zh) | 一种作物能量利用率评价及产量预测的方法 | |
CN103889211B (zh) | 植物的收获时生物量的管理方法以及管理*** | |
Karakoc et al. | Ratio-based vegetation indices for biomass estimation depending on grassland characteristics | |
Kaishan et al. | Soybean LAI estimation with in-situ collected hyperspectral data based on BP-neural networks | |
Zhang et al. | Estimating the winter wheat harvest index with canopy hyperspectral remote sensing data based on the dynamic fraction of post-anthesis phase biomass accumulation | |
Zhang et al. | Estimation of relative water content in rice panicle based on hyperspectral vegetation indexes under water saving irrigation | |
CN107274002A (zh) | 小麦氮素丰缺诊断方法及其诊断模型的构建方法 | |
CN108918578A (zh) | 一种小麦耐热性简易评价方法 | |
Zhang et al. | Monitoring of Aphis gossypii using Greenseeker and SPAD meter |
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 |