CN107690925B - 一种杂交水稻精确追肥方法 - Google Patents
一种杂交水稻精确追肥方法 Download PDFInfo
- Publication number
- CN107690925B CN107690925B CN201711098047.6A CN201711098047A CN107690925B CN 107690925 B CN107690925 B CN 107690925B CN 201711098047 A CN201711098047 A CN 201711098047A CN 107690925 B CN107690925 B CN 107690925B
- Authority
- CN
- China
- Prior art keywords
- hybrid rice
- rice
- lai
- canopy
- leaf area
- 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.)
- Expired - Fee Related
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Fertilizing (AREA)
Abstract
本发明公开了一种杂交水稻精确追肥方法,该方法包括以下步骤:步骤1:品种参数数据收集;步骤2:作物生长监测诊断仪的使用;步骤3:冠层光谱反射率和叶面积指数LAI的测定;步骤4:杂交水稻生长指标监测模型的本地化;步骤5:推荐施用量;步骤6:田间档案记载。本发明通过作物生长监测诊断仪采集水稻冠层光谱反射率,在水稻孕穗期生长期进行监测诊断,计算出光谱植被指数与实时叶面积指数值,进而生成水稻孕穗期穗肥纯氮推荐施用量。避免了水稻生产过程中的穗肥的盲目追施,为提高水稻单位面积产量和大田精确栽培管理水平提供技术支撑。
Description
技术领域
本发明属于农作物种植技术领域,涉及一种杂交水稻精确追肥方法,具体地说,涉及一种基于作物生长监测诊断仪的杂交水稻精确追肥方法。
背景技术
水稻是我国主要粮食作物之一,在中国粮食安全保障与社会经济发展中占有极其重要的地位。在当前耕地面积常年不变甚至减少情况下,通过科技创新进一步提高水稻单产是解决粮食问题的唯一途径。杂交水稻作为水稻高产的代表,在过去的十几年里,我国杂交水稻产量实现了亩产从700公斤到1000公斤的增长,分别于2000年、2004年、2012和2014年实现了我国农业部制定的第一期亩产700kg、第二期亩产800kg、第三期亩产900kg、第四期亩产1000kg的育种目标,杂交水稻的大面积均衡增产为我国的粮食安全做出了独特的重要贡献。但随着我国杂交水稻的的发展,也伴随着一些问题的产生,其中化肥的使用大量增加和盲目施用较为严重,其导致农田土壤通透性变差,肥料利用率下降,局部地区的地下水、地表水和土壤受到不同程度的污染等。因此,如何减少水稻生产过程中的化肥用量以及如何指导水稻生产者精准施肥是我国水稻产业向“资源节约型、环境友好型”转变的重要抓手。
近年来,水稻精准施肥发展迅速,但已有研究成果多采取测量供试土壤肥力后推荐施肥或观察对比水稻群体叶色后推荐施肥,工作繁复且受人为因素影响,与水稻的实际生产容易脱钩。而作物生长监测诊断仪是一种基于作物冠层反射光谱的便携式多通道作物生长信息无损监测诊断仪,采集水稻冠层光谱反射率,在水稻各关键生长期进行监测诊断,计算出光谱植被指数与实时叶面积指数值,进而生成水稻各期肥料纯氮推荐施用量。光谱技术可快速、准确、无损并实时地获取农作物生长发育、水肥状况等信息,是实施精确农业的重要工具。相较于传统的监测手段,基于反射光谱监测作物生长状况是实现作物长势快速、准确、无损、实时诊断的有效工具和手段,是作物精确管理中实施变量投入不可或缺的关键支撑技术。近年来,许多学者利用光谱技术在作物生长监测方面开展了大量的相关研究,取得了不错进展,其在水稻氮素营养、生物量、叶面积指数、水分含量、叶绿素含量等生长指标监测中的应用为提高水稻单位面积产量和大田精确栽培管理水平提供技术支撑。
发明内容
本发明的目的在于提供一种杂交水稻精确追肥方法,该方法解决了杂交水稻生产过程中化肥使用量大,化肥盲目施用的问题。
其具体技术方案为:
一种杂交水稻精确追肥方法,包括以下步骤:
步骤1:品种参数数据收集
当地主推杂交稻品种的名称、在适宜种植条件下的最高产量、获得最高产量所需的纯氮施用量(TFD)和最高产量下杂交水稻拔节期的最大叶面积指数(LAImax)。
步骤2:作物生长监测诊断仪的使用
选用南京农业大学国家信息农业工程技术中心研发的作物生长监测诊断仪CGMD303,具体按照该仪器使用说明书进行使用和操作。
步骤3:冠层光谱反射率和叶面积指数(LAI)的测定
在杂交水稻拔节期,定点对当地主推品种的冠层光谱反射率和叶面积指数进行测定,获取730nm和815nm两个敏感波段平均值和叶面积指数平均值;
步骤4:杂交水稻生长指标监测模型的本地化
通过对当地主推品种的冠层光谱反射率和叶面积指数数据进行相关性分析,得到杂交水稻生长指标监测本地化模型。
步骤5:推荐施用量(纯氮)
利用作物生长监测诊断仪采集的冠层光谱反射率值,对杂交水稻纯氮推荐施用量(FNR)进行指导,其计算方法按照公式1-4进行:
(公式1)DVI=R815-R730
(公式2)LAI=a×DVI+b
(公式3)LND△LAI=TFD/LAImax
(公式4)FNR=(LAImax–LAI)×LND△LAI
其中:
R810:815nm波段的冠层光谱反射率;
R730:730nm波段的冠层光谱反射率;
DVI:拔节期的差值植被指数;
a、b:方程系数(步骤3确定);
LAI:为拔节期的实时叶面积指数;
LAImax:最高产量下各生育期的最大叶面积指数(步骤1确定);
TFD:获得最高产量所需的纯氮施用总量,_kg/亩(步骤1确定);
LND△LAI:最高产量下获得单位叶面积指数所需的纯氮施用量,_kg/亩;
FNR:水稻各时期纯氮推荐施用量,_kg/亩。
步骤6:田间档案记载
对大田观测的原始档案进行记载存档,用于不同年份间的对照分析。记载档案要求不错报、不漏报、不重报。分析报告要求内容丰富,点面结合,分析有据。
进一步,步骤3具体为:在杂交水稻拔节期,选择天气晴朗、无风或微风天气,采用作物生长监测诊断仪测定水稻冠层光谱反射率,测定时间为10:00-14:00,测量时探头垂直向下,探头距离冠层高度为0.7-1.0m,采集730nm和815nm两个敏感波段的冠层光谱反射率值,测量5次取平均值,同时对5个测量点进行取样,每个点取3-5穴,用传统的格点法和方格法测量实时叶面积指数。
再进一步,所述杂交水稻拔节期具体为:50%茎秆的基部节间早稻、晚稻长1cm、中稻长2cm以上的日期。
进一步,步骤4具体为:利用步骤3测量得到的730nm和815nm两个敏感波段的冠层光谱反射率值,通过公式1DVI=R815-R730计算得到DVI(差值植被指数)值,在此基础上,利用步骤3测量得到的叶面积指数值与DVI值进行函数关系的拟合,要求拟合方程的R2在0.70以上,得到公式2LAI=a×DVI+b。其中a、b主要受杂交水稻品种以及水稻种植区的影响。
与现有技术相比,本发明的有益效果:
本发明通过作物生长监测诊断仪采集水稻冠层光谱反射率,在水稻孕穗期生长期进行监测诊断,计算出光谱植被指数与实时叶面积指数值,进而生成水稻孕穗期穗肥纯氮推荐施用量。避免了水稻生产过程中的穗肥的盲目追施,为提高水稻单位面积产量和大田精确栽培管理水平提供技术支撑。
具体实施方式
下面结合具体实施例对本发明的技术方案作进一步详细地说明。
一种杂交水稻精确追肥方法,包括以下步骤:
步骤1:品种参数数据收集
当地主推杂交稻品种的名称、在适宜种植条件下的最高产量、获得最高产量所需的纯氮施用量(TFD)和最高产量下杂交水稻拔节期的最大叶面积指数(LAImax)。
具体来说,以长沙县为例,优选的长沙县主栽杂交稻品种Y两优I号,通过小区和大区试验,结果为在当地适宜条件下的最高产量为760kg,最高产量所需的纯氮施用量(TFD)为12.3,最高产量下分蘖期、孕穗期的最大叶面积指数(LAImax)为6.5、6.7。
步骤2:作物生长监测诊断仪的使用
选用南京农业大学国家信息农业工程技术中心研发的作物生长监测诊断仪CGMD303,具体按照该仪器使用说明书进行使用和操作。
步骤3:冠层光谱反射率和叶面积指数(LAI)的测定
在杂交水稻拔节期,定点(特殊自然灾害除外)对当地主推品种的冠层光谱反射率和叶面积指数进行测定,获取730nm和815nm两个敏感波段平均值和叶面积指数平均值。
具体来说,在杂交水稻拔节期(50%茎秆的基部节间早稻、晚稻长1cm、中稻长2cm以上的日期),选择天气晴朗、无风或微风天气,采用作物生长监测诊断仪测定水稻冠层光谱反射率,测定时间为10:00-14:00,测量时探头垂直向下,探头距离冠层高度为0.7-1.0m,采集730nm和815nm两个敏感波段的冠层光谱反射率值,测量5次取平均值,同时对5个测量点进行取样,每个点取3-5穴,用传统的格点法和方格法测量实时叶面积指数。
步骤4:杂交水稻生长指标监测模型的本地化
通过对当地主推品种的冠层光谱反射率和叶面积指数数据进行相关性分析,得到杂交水稻生长指标监测本地化模型。
具体来说,利用步骤3测量得到的730nm和815nm两个敏感波段的冠层光谱反射率值,通过(公式1)DVI=R815-R730计算得到DVI(差值植被指数)值,在此基础上,利用步骤3测量得到的叶面积指数值与DVI值进行函数关系的拟合,要求拟合方程的R2在0.70以上,得到(公式2)LAI=a×DVI+b。其中a、b主要受杂交水稻品种以及水稻种植区的影响,以长沙县为例,主栽杂交水稻品种Y两优I号a、b值分别为17.05、1.83(试验确定)。
步骤5:推荐施用量(纯氮)
利用作物生长监测诊断仪采集的冠层光谱反射率值,对杂交水稻纯氮推荐施用量(FNR)进行指导,其计算方法按照公式1-4进行:
(公式1)DVI=R815-R730
(公式2)LAI=a×DVI+b
(公式3)LND△LAI=TFD/LAImax
(公式4)FNR=(LAImax–LAI)×LND△LAI
其中:
R810:815nm波段的冠层光谱反射率;
R730:730nm波段的冠层光谱反射率;
DVI:拔节期的差值植被指数;
a、b:方程系数(步骤3确定);
LAI:为拔节期的实时叶面积指数;
LAImax:最高产量下各生育期的最大叶面积指数(步骤1确定);
TFD:获得最高产量所需的纯氮施用总量,_kg/亩(步骤1确定);
LND△LAI:最高产量下获得单位叶面积指数所需的纯氮施用量,_kg/亩;
FNR:水稻各时期纯氮推荐施用量,_kg/亩。
具体来说,以长沙县为例,优选的长沙县主栽杂交稻品种Y两优I号,在当地适宜条件下的最高产量为760kg,最高产量所需的纯氮施用量(TFD)为11.3,最高产量下拔节期的最大叶面积指数(LAImax)为6.7,a、b分别为17.05、1.83,如用作物生长监测诊断仪测DVI值为0.18,则通过公式计算得到拔节期FNR为纯氮3.04kg/亩。
步骤6:田间档案记载
对大田观测的原始档案进行记载存档,用于不同年份间的对照分析。记载档案要求不错报、不漏报、不重报。分析报告要求内容丰富,点面结合,分析有据。
应用上述栽培方法,进行了如下保密试验:
1、试验时间地点:于2016年长沙市长沙县明月村进行了保密试验,集中连片共10户,面积50亩。
2、实验设计:大田试验,农户追肥方案与精确追肥方案对比。肥料按基肥、蘖肥、穗肥的比例分别为50%、30%、20%的原则确定施用方法,其中精确追肥方案按照作物生长监测诊断仪采集的实时冠层光谱反射率值,对杂交水稻穗肥施用量(FNR)进行指导,其余与农户追肥方案一致,共施肥纯氮11kg/亩。选用Y两优I号为供试品种,试验区于2016年5月18日播种,10月11日收割。采用塑料软盘半旱式育秧,每孔播2粒谷,每亩播足60盘,按20cm*30cm移栽,每666.7m2插1.11万蔸,每蔸2~3根苗。秧苗密度相同,田间管理措施一致。
3.穗肥推荐施用量对比
农户追肥方案追施穗肥2.2kg/亩纯氮,精确追肥方案追施穗肥1.89kg/亩纯氮。
精确追肥方案穗肥推荐施用量计算步骤如下:Y两优I号最高产量所需的纯氮施用量(TFD)为11.3,最高产量下拔节期的最大叶面积指数(LAImax)为6.7,大田拔节期作物生长监测诊断仪测DVI平均值为0.22,则通过公式LAI=a×DVI+b(a、b分别为17.05、1.83)计算得到LAI为5.58,然后通过公式FNR=(LAImax–LAI)×LND△LAI计算得到穗肥推荐施用量1.89kg/亩
4.大田测产考种:2016年10月田间测产情况如下:经过多点调查,精确追肥方案平均每亩有效穗14.34~14.59万,每穗总粒276.6~295.8,结实率91.23%~93.52%,实粒252.3~276.6,千粒重26.3~27.1g,理论单产951.5~1093.6kg。农户追肥方案平均每亩有效穗14.21~14.62万,每穗总粒258.7~281.4,结实率89.76%~92.42%,实粒232.2~260.1,千粒重26.1~27.0g,理论单产861.2~1026.7kg。2016年10月11日,经当地县农业局组织相关专家对供试大田进行实割测产验收,各处理各选3丘田块实割,去除水份与杂质后,精确追肥方案折合亩产926.1kg,农户追肥方案折合亩产880.4kg。精确追肥方案相较农户追肥方案每亩增产5.2%,每亩节约纯氮2.8%。
通过以上精确追肥方法,提高了杂交水稻的产量,同时也减少了田间氮肥的施用量。应用该精确追肥方法,在长沙县明月村Y两优I号百亩示范片亩产926.1kg,较当地Y两优I号平均产量800kg的水平,增产效果显著,且减少了肥料的用量,有利于提高杂交水稻的生产效益。
以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (4)
1.一种杂交水稻精确追肥方法,其特征在于,包括以下步骤:
步骤1:品种参数数据收集
当地主推杂交稻品种的名称、在适宜种植条件下的最高产量、获得最高产量所需的纯氮施用量TFD和最高产量下杂交水稻拔节期的最大叶面积指数LAImax;
步骤2:作物生长监测诊断仪的使用
选用南京农业大学国家信息农业工程技术中心研发的作物生长监测诊断仪CGMD303,具体按照该仪器使用说明书进行使用和操作;
步骤3:冠层光谱反射率和叶面积指数LAI的测定
在杂交水稻拔节期,定点对当地主推品种的冠层光谱反射率和叶面积指数进行测定,获取730nm和815nm两个敏感波段平均值和叶面积指数平均值;
步骤4:杂交水稻生长指标监测模型的本地化
通过对当地主推品种的冠层光谱反射率和叶面积指数数据进行相关性分析,得到杂交水稻生长指标监测本地化模型;
步骤5:推荐施用量
利用作物生长监测诊断仪采集的冠层光谱反射率值,对杂交水稻纯氮推荐施用量FNR进行指导,其计算方法按照公式1-4进行:
公式1DVI=R815-R730
公式2LAI=a×DVI+b
公式3LND△LAI=TFD/LAImax
公式4FNR=(LAImax–LAI)×LND△LAI
其中:
R810:815nm波段的冠层光谱反射率;
R730:730nm波段的冠层光谱反射率;
DVI:拔节期的差值植被指数;
a、b:方程系数;
LAI:为拔节期的实时叶面积指数;
LAI max:最高产量下杂交水稻拔节期的最大叶面积指数;
TFD:获得最高产量所需的纯氮施用总量,_kg/亩;
LND△LAI:最高产量下获得单位叶面积指数所需的纯氮施用量,_kg/亩;
FNR:水稻各时期纯氮推荐施用量,_kg/亩;
步骤6:田间档案记载
对大田观测的原始档案进行记载存档,用于不同年份间的对照分析;记载档案要求不错报、不漏报、不重报;分析报告要求内容丰富,点面结合,分析有据。
2.根据权利要求1所述的杂交水稻精确追肥方法,其特征在于,步骤3具体为:在杂交水稻拔节期,选择天气晴朗、无风或微风天气,采用作物生长监测诊断仪测定水稻冠层光谱反射率,测定时间为10:00-14:00,测量时探头垂直向下,探头距离冠层高度为0.7-1.0m,采集730nm和815nm两个敏感波段的冠层光谱反射率值,测量5次取平均值,同时对5个测量点进行取样,每个点取3-5穴,用传统的格点法和方格法测量实时叶面积指数。
3.根据权利要求2所述的杂交水稻精确追肥方法,其特征在于,所述杂交水稻拔节期具体为:50%茎秆的基部节间早稻、晚稻长1cm、中稻长2cm以上的日期。
4.根据权利要求1所述的杂交水稻精确追肥方法,其特征在于,步骤4具体为:利用步骤3测量得到的730nm和815nm两个敏感波段的冠层光谱反射率值,通过公式1DVI=R815-R730计算得到DVI值,在此基础上,利用步骤3测量得到的叶面积指数值与DVI值进行函数关系的拟合,要求拟合方程的R2在0.70以上,得到公式2LAI=a×DVI+b;其中a、b主要受杂交水稻品种以及水稻种植区的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711098047.6A CN107690925B (zh) | 2017-11-09 | 2017-11-09 | 一种杂交水稻精确追肥方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711098047.6A CN107690925B (zh) | 2017-11-09 | 2017-11-09 | 一种杂交水稻精确追肥方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107690925A CN107690925A (zh) | 2018-02-16 |
CN107690925B true CN107690925B (zh) | 2020-01-31 |
Family
ID=61180050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711098047.6A Expired - Fee Related CN107690925B (zh) | 2017-11-09 | 2017-11-09 | 一种杂交水稻精确追肥方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107690925B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108476696A (zh) * | 2018-03-20 | 2018-09-04 | 江西省农业科学院农业工程研究所 | 一种基于光谱的双季稻穗肥追氮调控方法 |
CN109042176B (zh) * | 2018-09-18 | 2020-07-31 | 扬州大学 | 一种高氮肥利用效率水稻品种的筛选方法 |
CN109632799A (zh) * | 2019-01-23 | 2019-04-16 | 湖北大学 | 基于机器视觉的水稻叶片氮含量移动检测分级方法、***和计算机可读存储介质 |
CN111279868B (zh) * | 2020-04-10 | 2021-12-14 | 华南农业大学 | 一种水稻实时精准喷施方法 |
CN111652754B (zh) * | 2020-05-19 | 2022-04-22 | 江西省农业科学院农业工程研究所 | 一种南丰蜜桔智能光谱监测和氮肥定量诊断***及方法 |
CN113575069A (zh) * | 2021-08-03 | 2021-11-02 | 中国水稻研究所 | 一种水稻穗肥的施肥方法及其应用 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003010535A1 (en) * | 2001-07-25 | 2003-02-06 | Ministeriet For Fødevarer, Landbrug Og Fiskeri | Improved real time method for controlling applications of fertilizers and other yield improving agents to crops |
CN1837787A (zh) * | 2006-04-19 | 2006-09-27 | 南京大学 | 一种无损伤精准测定棉花生物物理参数的方法 |
CN101666741A (zh) * | 2009-09-17 | 2010-03-10 | 南京农业大学 | 机载式作物氮素信息高密度无损采集方法 |
CN102318466A (zh) * | 2011-07-12 | 2012-01-18 | 南京农业大学 | 一种基于氮素光谱指数法的水稻追氮调控方法 |
CN103868860A (zh) * | 2014-03-25 | 2014-06-18 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
CN103868880A (zh) * | 2014-01-24 | 2014-06-18 | 河南农业大学 | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 |
CN106941843A (zh) * | 2016-08-26 | 2017-07-14 | 江苏省农业科学院 | 一种基于土壤地力和冠层光谱的水稻高产诊断施氮肥方法 |
-
2017
- 2017-11-09 CN CN201711098047.6A patent/CN107690925B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003010535A1 (en) * | 2001-07-25 | 2003-02-06 | Ministeriet For Fødevarer, Landbrug Og Fiskeri | Improved real time method for controlling applications of fertilizers and other yield improving agents to crops |
CN1837787A (zh) * | 2006-04-19 | 2006-09-27 | 南京大学 | 一种无损伤精准测定棉花生物物理参数的方法 |
CN101666741A (zh) * | 2009-09-17 | 2010-03-10 | 南京农业大学 | 机载式作物氮素信息高密度无损采集方法 |
CN102318466A (zh) * | 2011-07-12 | 2012-01-18 | 南京农业大学 | 一种基于氮素光谱指数法的水稻追氮调控方法 |
CN103868880A (zh) * | 2014-01-24 | 2014-06-18 | 河南农业大学 | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 |
CN103868860A (zh) * | 2014-03-25 | 2014-06-18 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
CN106941843A (zh) * | 2016-08-26 | 2017-07-14 | 江苏省农业科学院 | 一种基于土壤地力和冠层光谱的水稻高产诊断施氮肥方法 |
Non-Patent Citations (3)
Title |
---|
基于RCSODS的直播水稻精确施氮模拟模型;金之庆 等;《作物学报》;20030531;第29卷(第3期);第353-359页 * |
基于冬小麦植被指数的氮肥调控技术研究;张俊华 等;《土壤科学》;20070531;第44卷(第3期);第550-555页 * |
实时实地氮肥管理技术对超级杂交稻产量和生理特性的影响;刘科 等;《贵州农业科学》;20151231;第43卷(第1期);第24-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107690925A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107690925B (zh) | 一种杂交水稻精确追肥方法 | |
Bogaard et al. | On the archaeobotanical inference of crop sowing time using the FIBS method | |
CN109042176B (zh) | 一种高氮肥利用效率水稻品种的筛选方法 | |
CN106034775A (zh) | 一种利用抗倒伏指数评价辅助水稻育种的方法 | |
CN108401634B (zh) | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 | |
AU2020102107A4 (en) | A method of characterizing rice population quality | |
CN108760706A (zh) | 一种快速筛选镉低积累水稻品种的方法 | |
CN103889211B (zh) | 植物的收获时生物量的管理方法以及管理*** | |
CN108738593A (zh) | 兼顾固碳减排效果的潮土区冬小麦增产施肥方法 | |
Islam et al. | Evaluation of growth and yield of selected hybrid and inbred rice varieties grown in net-house during transplanted aman season | |
CN104458593A (zh) | 油橄榄叶片营养诊断的方法 | |
CN117716858A (zh) | 一种生育期马铃薯钾肥追施推荐方法 | |
Nurshanti et al. | Planting materials, shading effects, and non-destructive estimation of compound leaf area in konjac (Amorphophallus muelleri) | |
CN113575069A (zh) | 一种水稻穗肥的施肥方法及其应用 | |
CN108334701B (zh) | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 | |
Kowalenko | Accumulation and distribution of micronutrients in Willamette red raspberry plants | |
CN103782782B (zh) | 一种大田鉴定晚稻抽穗扬花期耐旱型品种的方法 | |
CN111241487A (zh) | 一种基于群体表型特征的氮素诊断变量追施方法 | |
CN103430675A (zh) | 一种小麦因色追施氮肥方法 | |
CN110214658A (zh) | 一种控制硒含量的富硒水稻种植方法 | |
CN108476696A (zh) | 一种基于光谱的双季稻穗肥追氮调控方法 | |
CN112577934B (zh) | 一种基于叶绿素荧光图像分析的灌浆期耐热油菜筛选方法 | |
CN109041875A (zh) | 基于农艺性状的油菜的产量和抗倒性的预测方法 | |
CN110447484B (zh) | 一种西瓜杂交种种子纯度鉴定方法 | |
CN109601219B (zh) | 岷江柏苗期抗旱性的综合评价方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200131 Termination date: 20201109 |
|
CF01 | Termination of patent right due to non-payment of annual fee |