CN104091067A - 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 - Google Patents
一种基于临界氮浓度预测水稻植株各器官氮含量的方法 Download PDFInfo
- Publication number
- CN104091067A CN104091067A CN201410318855.9A CN201410318855A CN104091067A CN 104091067 A CN104091067 A CN 104091067A CN 201410318855 A CN201410318855 A CN 201410318855A CN 104091067 A CN104091067 A CN 104091067A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- requirement
- organ
- critical
- plant
- 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.)
- Granted
Links
Landscapes
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种基于临界氮浓度预测水稻植株各器官氮含量的方法,包括:根据田间试验建立水稻地上部和各器官的临界氮浓度稀释曲线、地上部最大氮浓度曲线、各器官的最小氮浓度曲线、RiceGrow水稻生长模型;根据RiceGrow水稻生长模型模拟得到地上部和各器官干物重、土壤供氮量;确定水稻植株的最大需氮量和潜在需氮量,以及各器官的潜在需氮量;确定植株实际吸氮量;确定穗分化之前氮素在营养器官间的分配以及穗分化之后氮素在生殖器官和营养器官的分配与转运;根据氮累积量预测水稻地上部和各器官的氮含量。本发明方法充分考虑土壤供氮量、植株对氮素的需求与分配以及转运的特点,能够准确预测水稻植株器官氮含量及其动态变化。
Description
技术领域
本发明属于农业信息技术领域,涉及一种基于临界氮浓度预测水稻植株各器官氮含量的方法,用于预测水稻植株器官氮含量及其动态变化,可为农业生产的精确管理与预测提供支持服务。
背景技术
水稻是全球近50%人口的主要粮食作物,其中90%的水稻产于亚洲,并在亚洲等发展中国家消费。水稻生产对保障全球粮食安全,减少贫困人口和农村就业发挥重要作用。目前,在水稻生产过程中氮肥施用过量造成严重的资源浪费和环境污染,预测水稻植株氮含量可以指导生产,优化氮肥管理方案,提高氮肥利用率。
作物生长模型对研究作物的生理、形态过程的变化以及作物生长发育的准确量化具有重要意义。目前,国内外应用比较广泛的水稻生长模型有ORYZA2000、CERES-Rice、日本模型GEMRICE等。ORYZA2000采用的是以土壤氮素供应量和植株潜在需氮量的最小者为吸收量的经验模型。土壤中可利用的氮是由两部分组成:矿化氮和肥料水解的氮,未对土壤剖面分层,认为所有的无机氮均能被植株吸收。植株潜在需氮量是根据生长速率和植株器官含氮量计算的。CERES-Rice模型详细的描述了土壤中氮素的动态转化及作物对N的吸收过程,可以用来进行施氮管理的研究,被广泛应用。GECROS假定氮素的需求是由两部分组成一部分是由短缺导致的需求以及生长导致的需求,所达到的最大含氮量为临界含氮量。以上模型中植株所能达到的最大氮浓度为临界氮浓度,没有考虑植株对氮素的奢侈吸收。
发明内容
本发明的目的是为了解决上述现有技术存在的问题,提供一种基于临界氮浓度预测水稻植株各器官氮含量的方法,本发明方法根据田间试验建立各器官的临界氮浓度稀释曲线、最大氮浓度曲线、以及建立水稻生长模型模拟得到各器官干重、土壤供氮量,再结合土壤供氮能力、植株对氮素的需求,模拟水稻对氮素的吸收与分配。
本发明的目的是采用以下技术方案实现的:
一种基于临界氮浓度预测水稻植株各器官氮含量的方法,包括以下步骤:
(1)、根据田间试验建立水稻地上部和各器官的临界氮浓度稀释曲线、地上部最大氮浓度曲线、各器官的最小氮浓度曲线,以及RiceGrow水稻生长模型;根据RiceGrow水稻生长模型模拟得到地上部和各器官干物重、土壤供氮量;确定水稻植株的最大需氮量和潜在需氮量,以及各器官的潜在需氮量;
(2)、考虑水稻植株潜在需氮量PND、植株最大需氮量MND、土壤供氮量RootNup之间的关系,确定植株实际吸氮量ANup,分别计算得到穗分化前后的供需比NR;
(3)、确定穗分化之前氮素在营养器官间的分配以及穗分化之后氮素在生殖器官和营养器官的分配与转运;
(4)、对植株和各器官的氮积累量进行更新,根据氮累积量预测水稻植株和各器官的氮含量。
本发明中,植株包括地上部和根,地上部包括茎、叶、穗。
步骤(1)中,所述的各器官的临界氮浓度稀释曲线包括叶片、茎、穗的临界氮浓度稀释曲线;所述的各器官的最小氮浓度曲线包括叶片、茎的最小氮浓度曲线;所述的各器官干物重包括根干重、叶片干重、茎干重、穗干重。
所述的植株最大需氮量MND包括地上部最大需氮量MNDTOP和根最大需氮量MNDRT,所述的植株最大需氮量的计算公式为:
MND=MNDTOP+MNDRT; (1)
MNDTOP=TOPWT*TCNCmax-n.ANTop; (2)
MNDRT=RTWT*NCRTmax-n.ANRT; (3)
所述的植株潜在需氮量PND包括地上部临界需氮量PNDTOP和根临界需氮量PNDRT,所述的植株潜在需氮的计算公式为:
PND=PNDTOP+PNDRT; (4)
PNDTOP=TOPWT*TCNC-n.ANTop; (5)
PNDRT=RTWT*NCRT-n.ANRT; (6)
其中,MND为植株最大需氮量(kg·ha-1);MNDTOP为地上部最大需氮量(kg·ha-1);TOPWT为地上部干重(kg·ha-1);TCNCmax为地上部最大氮浓度;n.ANTop为地上部氮累积量(kg·ha-1);MNDRT为根最大需氮量(kg·ha-1);RTWT为根干重(kg·ha-1);NCRTmax为根最大氮浓度;n.ANRT为根氮累积量(kg·ha-1);PND为植株潜在需氮量(kg·ha-1);PNDTOP为地上部临界需氮量(kg·ha-1);TCNC为地上部临界氮浓度;PNDRT为根临界需氮量(kg·ha-1);NCRT为根临界氮浓度。其中干物重是由光合作用模块模拟的结果,氮累积量是上一次循环结果。
所述的各器官的潜在需氮量包括叶片、茎、穗潜在需氮量。
所述的叶片潜在需氮量的计算公式为:
PNDLV=LVWT*NCLV-n.ANLV; (7)
所述的茎潜在需氮量的计算公式为:
PNDST=STWT*NCST-n.ANST; (8)
所述的穗潜在需氮量的计算公式为:
PNDSO=SOWT*NCSO-n.ANSO; (9)
其中,PNDLV为叶片潜在需氮量(kg·ha-1);LVWT为叶片干重(kg·ha-1);NCLV为叶片临界氮浓度;n.ANLV为叶片氮累积量(kg·ha-1);PNDST为茎潜在需氮量(kg·ha-1);STWT为茎干重(kg·ha-1);NCST为茎临界氮浓度;n.ANST为茎氮累积量(kg·ha-1);PNDSO为穗潜在需氮量(kg·ha-1);SOWT为穗干重(kg·ha-1);NCSO为穗临界氮浓度;n.ANSO为穗氮累积量(kg·ha-1)。
根据地上部临界氮浓度稀释曲线获得地上部临界氮浓度TCNC;根据叶片临界氮浓度稀释曲线获得叶片临界氮浓度NCLV;根据茎临界氮浓度稀释曲线获得茎临界氮浓度NCST;根据穗临界氮浓度稀释曲线获得穗临界氮浓度NCSO。
根据地上部最大氮浓度曲线获得地上部最大氮浓度TCNCmax。
所述的根最大氮浓度NCRTmax为地上部最大氮浓度TCNCmax的30%;所述的根临界氮浓度NCRT为地上部临界氮浓度TCNC的30%。
步骤(2)中,确定植株实际吸氮量ANup的方法为:考虑水稻植株潜在需氮量PND、植株最大需氮量MND、土壤供氮量RootNup之间的关系,当土壤供氮量RootNup大于植株最大需氮量MND时,植株实际吸氮量ANup为植株最大需氮量MND;当土壤供氮量RootNup小于或等于植株最大需氮量MND时,植株实际吸氮量ANup为土壤供氮量RootNup。
确定供需比NR的方法为:水稻穗分化之前,供需比NR=ANup/PND;穗分化之后,供需比NR=(ANup-PNDSO)/PND。
步骤(3)中,穗分化之前氮素在营养器官间的分配过程,具体计算方法如下:
向茎的分配量为ANST=PNDST*NR; (10)
向叶片的分配量为ANLV=PNDLV*NR; (11)
向根的分配量为ANRT=PNDRT*NR; (12)
其中NR=ANup/PND。
穗分化之后氮素在生殖器官及营养器官的分配与转运过程包括:首先比较穗的潜在需氮量PNDSO与植株实际吸氮量(ANup)的大小关系:
若PNDSO>ANup,则从根中吸收的氮全部运往穗中,同时从各器官向穗转运氮;氮素从各器官向穗转运量的计算,包括:首先计算各器官的潜在转运量:
叶片潜在转运量PTLV=n.ANLV-LVWT*NCLVmin; (13)
茎潜在转运量PTST=n.ANST-STWT*NCSTmin; (14)
根潜在转运量PTRT=(PTLV+PTST)*0.2; (15)
其中NCLVmin为叶片最小氮浓度;NCSTmin为茎最小氮浓度;根据叶片最小氮浓度曲线获得叶片最小氮浓度NCLVmin;根据茎最小氮浓度曲线获得茎最小氮浓度NCSTmin。
再引入转运比TR≤1,计算氮素从各器官向穗的实际转运量:
TR=(PNDSO-ANup)/(PTLV+PTST+PTRT); (16)
叶片实际转运量为ATLV=PTLV*TR; (17)
茎实际转运量为ATST=PTST*TR; (18)
根实际转运量为ATRT=PTRT*TR; (19)
则向各器官的分配量为相应器官的实际转运量的负值;
穗实际吸氮量ANSO=ANup+ATLV+ATST+ATRT; (20)
若PNDSO≤ANup,氮素先向穗分配,再向茎、叶、根中分配:
向茎分配量ANST=PNDST*NR;向叶片的分配量ANLV=PNDLV*NR;向根的分配量ANRT=PNDRT*NR;其中供需比NR=(ANup-PNDSO)/PND;穗实际吸氮量ANSO就是穗潜在需氮量PNDSO。
步骤(4)中,所述的地上部和各器官的氮累积量是前一天氮累积量加上当日的氮素的分配量,对地上部和各器官的氮积累量进行更新:
地上部氮累积量n.ANTop=n.ANTop+ANup-ANRT;
根氮累积量n.ANRT=n.ANRT+ANRT;
叶片氮累积量n.ANLV=n.ANLV+ANLV;
茎氮累积量n.ANST=n.ANST+ANST;
穗氮累积量n.ANSO=n.ANSO+ANSO。
和现有技术相比,本发明的有益效果:
利用现有的作物生长模型预测植株和器官需氮量时,认为各器官的氮浓度要达到潜在的含量,很少考虑到当土壤的供氮量较高时植株对氮素的奢侈吸收。研究表明植株在达到最适氮浓度之后,若土壤中可利用的氮较高,植株将继续吸收。采用本发明方法计算植株潜在需氮量和最大吸氮量既可以明确植株和各器官的最适需氮量,也可以模拟植株对氮素的奢侈,更准确模拟植株氮素吸收与分配过程,了解植株氮素营养状况。
本发明方法中所用的临界氮浓度稀释曲线为国内外应用较为广泛的判断植株生长状况的指标,通过多年田间试验数据将参数本地化,并且建立了最大氮浓度和最小氮浓度稀释曲线,以模拟作物对氮素的奢侈吸收和氮素在器官间的转运。同时添加供需比,更准确的量化氮素向各个器官的分配过程。通过本发明方法能够准确模拟不同施氮水平下地上部、茎、叶片、穗干重、氮累积量,误差小,可用于预测水稻植株器官氮含量及其动态变化,可为农业生产的精确管理与预测提供支持服务。
附图说明
图1是本发明预测水稻植株各器官氮含量的方法的流程图。
图2是不同施氮水平N0(□)、N1(◇)、N2(*)、N3(○)处理下,地上部、茎、叶、穗干重模拟值与实测值1:1图;实线为1:1线,虚线为20%误差线。
图3是不同施氮水平N0(□)、N1(◇)、N2(*)、N3(○)处理下,根据本发明方法预测的地上部、茎、叶、穗氮积累量模拟值与实测值1:1图;实线为1:1线,虚线为20%误差线。
图4是不同施氮水平和基追比CK(□)、N1R1(◇)、N1R2(△)、N2R1(*)、N2R2(○)处理下,地上部、茎、叶、穗干重模拟值与实测值1:1图;实线为1:1线,虚线为20%误差线。
图5是不同施氮水平和基追比CK(□)、N1R1(◇)、N1R2(△)、N2R1(*)、N2R2(○)处理下,根据本发明方法预测的地上部、茎、叶、穗氮积累量模拟值与实测值1:1图;实线为1:1线,虚线为20%误差线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,结合附图对本发明做进一步的详细说明。
如图1所示,一种基于临界氮浓度预测水稻植株各器官氮含量的方法,包括以下步骤:
(1)、根据田间试验建立水稻地上部和各器官的临界氮浓度稀释曲线、地上部最大氮浓度曲线、各器官的最小氮浓度曲线,以及RiceGrow水稻生长模型;根据RiceGrow水稻生长模型模拟得到地上部和各器官干物重、土壤供氮量;确定水稻植株的最大需氮量和潜在需氮量,以及各器官的潜在需氮量;
(2)、考虑水稻植株潜在需氮量PND、植株最大需氮量MND、土壤供氮量RootNup之间的关系,确定植株实际吸氮量ANup,分别计算得到穗分化前后的供需比NR;
(3)、确定穗分化之前氮素在营养器官间的分配以及穗分化之后氮素在生殖器官及营养器官的分配与转运;
(4)、对植株和各器官的氮积累量进行更新,根据氮累积量预测水稻植株和各器官的氮含量。
步骤(1)中,地上部和各器官的临界氮浓度为当作物地上部干物质达到最大生长速率时的最小氮浓度。按照Justes等提出的方法计算临界氮浓度稀释曲线,是本领域技术人员的公知常识,方法如下:1)、对比分析不同氮素水平试验下每次取样的地上部干物质,基于方差分析法对作物生长是否受氮素水平限制进行分类;2)、对于施氮量不能满足作物最大生长需求的试验监测资料,其地上干物质与氮浓度值的关系进行线性拟合;3)、对于作物生长不受氮素影响的施氮水平,用其地上部干物质的平均值代表最大干物质;4)、每次取样日的理论临界氮浓度由上述线性曲线与以最大干物质为横坐标的垂线的交点的纵坐标决定。
临界氮浓度稀释曲线为:Ncnc=aDM-b;式中:Ncnc为临界氮浓度值(%);DM为干物质积累量(t·ha-1),a、b为参数,a为干物质为1t·ha-1时的临界氮浓度值,b为控制此曲线斜率的统计参数。
所述的各器官的临界氮浓度稀释曲线包括根、叶片、茎、穗的临界氮浓度稀释曲线。
根据地上部临界氮浓度稀释曲线获得地上部临界氮浓度TCNC;根据叶片临界氮浓度稀释曲线获得叶片临界氮浓度NCLV;根据茎临界氮浓度稀释曲线获得茎临界氮浓度NCST;根据穗临界氮浓度稀释曲线获得穗临界氮浓度NCSO。根临界氮浓度NCRT为地上部临界氮浓度TCNC的30%。
最大氮浓度曲线是对地上部最大氮积累量的估算,可以通过增加施氮量以达到最大的生长速度和氮积累量来获得。在本发明方法中所用到的最大氮浓度曲线是在施氮量为375kg/ha的处理下,以其干物重为横坐标,对应的氮浓度为纵坐标,建立最大氮浓度曲线。建立的曲线,氮浓度高于临界氮浓度,但是干物质重没有随施氮量的增加而增加。根据地上部最大氮浓度曲线获得地上部最大氮浓度TCNCmax;根最大氮浓度NCRTmax为地上部最大氮浓度TCNCmax的30%。
最小氮浓度被定义为当植株能维持其新陈代谢的最小氮浓度,即当植株氮浓度低于最小氮浓度时其新陈代谢就会受影响。在本发明方法中所用到的最小氮浓度曲线是在施氮量为0kg/ha的处理下建立的曲线,以其干物重为横坐标,对应的氮浓度为纵坐标,建立最小氮浓度曲线。各器官的最小氮浓度曲线包括叶片、茎的最小氮浓度曲线。
RiceGrow水稻生长模拟系统的数据获取:在水稻种植前,利用五点取样法,将耕层土壤分层取样,测定土壤基础肥力;通过自动气象站记录水稻生长季田间逐日气象数据,包括日最高气温、日最低气温、日太阳辐射、日降水量。
干物重是由RiceGrow水稻生长模型的光合作用和干物质分配部分的模拟结果。光合作用是利用高斯积分法简单有效地计算冠层每日的总光合量,并考虑了反射率随太阳高度角的日变化及群体削光系数随生理发育时间的变化。然后将光合产物向个器官进行分配,得到地上部和各器官的干物重,其中各器官的干物重包括根干重、叶片干重、茎干重、穗干重。
土壤供氮量是RiceGrow水稻生长模型中氮素动态循环模拟的NO3-N和NH4-N的结果之和与根系潜在吸氮能力的乘积。氮素动态循环过程包括肥料的施入(施入时间和施用量)、肥料的水解、有机质的矿化、硝化与反硝化等过程。
步骤(1)中,所述植株最大需氮量MND包括地上部最大需氮量MNDTOP和根最大需氮量MNDRT,所述的植株最大需氮量的计算公式为:
MND=MNDTOP+MNDRT; (1)
MNDTOP=TOPWT*TCNCmax-n.ANTop; (2)
MNDRT=RTWT*NCRTmax-n.ANRT; (3)
所述的植株潜在需氮量PND包括地上部临界需氮量PNDTOP和根临界需氮量PNDRT,所述的植株潜在需氮的计算公式为:
PND=PNDTOP+PNDRT; (4)
PNDTOP=TOPWT*TCNC-n.ANTop; (5)
PNDRT=RTWT*NCRT-n.ANRT; (6)
其中,MND为植株最大需氮量(kg·ha-1);MNDTOP为地上部最大需氮量(kg·ha-1);TOPWT为地上部干重(kg·ha-1);TCNCmax为地上部最大氮浓度;n.ANTop为地上部氮累积量(kg·ha-1);MNDRT为根最大需氮量(kg·ha-1);RTWT为根干重(kg·ha-1);NCRTmax为根最大氮浓度;n.ANRT为根氮累积量(kg·ha-1);PND为植株潜在需氮量(kg·ha-1);PNDTOP为地上部临界需氮量(kg·ha-1);TCNC为地上部临界氮浓度;PNDRT为根临界需氮量(kg·ha-1);NCRT为根临界氮浓度。
所述的各器官需氮量包括叶片、茎、穗潜在需氮量。
所述的叶片潜在需氮量的计算公式为:
PNDLV=LVWT*NCLV-n.ANLV; (7)
所述的茎潜在需氮量的计算公式为:
PNDST=STWT*NCST-n.ANST; (8)
所述的穗潜在需氮量的计算公式为:
PNDSO=SOWT*NCSO-n.ANSO; (9)
其中,PNDLV为叶片潜在需氮量(kg·ha-1);LVWT为叶片干重(kg·ha-1);NCLV为叶片临界氮浓度;n.ANLV为叶片氮累积量(kg·ha-1);PNDST为茎潜在需氮量(kg·ha-1);STWT为茎干重(kg·ha-1);NCST为茎临界氮浓度;n.ANST为茎氮累积量(kg·ha-1);PNDSO为穗潜在需氮量(kg·ha-1);SOWT为穗干重(kg·ha-1);NCSO为穗临界氮浓度;n.ANSO为穗氮累积量(kg·ha-1)。
步骤(2)中,确定植株实际吸氮量ANup的方法为:考虑水稻植株潜在需氮量PND、植株最大需氮量MND、土壤供氮量RootNup之间的关系,当土壤供氮量RootNup大于植株最大需氮量MND时,植株实际吸氮量ANup为植株最大需氮量MND;当土壤供氮量RootNup小于或等于植株最大需氮量MND时,植株实际吸氮量ANup为土壤供氮量RootNup。
确定供需比NR的方法为:水稻穗分化之前,供需比NR=ANup/PND;穗分化之后,供需比NR=(ANup-PNDSO)/PND。
步骤(3)中,氮素的分配与转运包括在穗分化之前在茎、叶、根中的分配,以及在穗分化之后在茎、叶、根、穗之间的分配与转运。
具体过程如下:
(1)、判断植株是否已经开始穗分化;
(2)、若未开始穗分化,氮素在营养器官间的分配过程,具体计算方法如下:
向茎的分配量为ANST=PNDST*NR; (10)
向叶片的分配量为ANLV=PNDLV*NR; (11)
向根的分配量为ANRT=PNDRT*NR; (12)
其中NR=ANup/PND。
(3)、若已经开始穗分化,氮素在生殖器官及营养器官的分配与转运过程,包括:
a、首先比较穗潜在需氮量PNDSO与植株实际吸氮量ANup的大小关系;
b、若PNDSO>ANup,则植株吸收的氮全部运往穗中,同时从各器官向穗转运氮;氮素从各器官向穗转运量的计算,包括:首先计算各器官的潜在转运量:
叶片潜在转运量PTLV=n.ANLV-LVWT*NCLVmin; (13)
茎潜在转运量PTST=n.ANST-STWT*NCSTmin; (14)
根潜在转运量PTRT=(PTLV+PTST)*0.2; (15)
其中NCLVmin为叶片最小氮浓度;NCSTmin为茎最小氮浓度;
再引入转运比TR≤1,计算氮素从各器官向穗的实际转运量:
TR=(PNDSO-ANup)/(PTLV+PTST+PTRT); (16)
叶片实际转运量为ATLV=PTLV*TR; (17)
茎实际转运量为ATST=PTST*TR; (18)
根实际转运量为ATRT=PTRT*TR; (19)
穗实际吸氮量ANSO=ANup+ATLV+ATST+ATRT; (20)
则此时向各器官的分配量为相应器官的实际转运量的负值,各器官的分配量为:
向叶片的分配量为ANLV=-ATLV,
向茎的分配量为ANST=-ATST,
向根的分配量为ANRT=-ATRT,
c、若PNDSO≤ANup,氮素先向穗分配,穗实际吸氮量ANSO是穗潜在需氮量PNDSO;再向茎、叶片、根中分配,向茎的分配量为ANST=PNDST*NR,向叶片的分配量为ANLV=PNDLV*NR,向根的分配量为ANRT=PNDRT*NR,其中供需比NR=(ANup-PNDSO)/PND。
步骤(4)中,氮积累量是地上部或器官干重与其含氮量的乘积,不仅能体现氮含量的模拟效果,也能体现干物重的模拟效果。初始氮积累量是种子中的氮量。所述的地上部和各器官的氮累积量更新是前一天氮累积量加上当日的氮素的分配量,对地上部和各器官的氮积累量进行更新:
地上部氮累积量n.ANTop=n.ANTop+ANup-ANRT;
根氮累积量n.ANRT=n.ANRT+ANRT;
叶片氮累积量n.ANLV=n.ANLV+ANLV;
茎氮累积量n.ANST=n.ANST+ANST;
穗氮累积量n.ANSO=n.ANSO+ANSO;
以上为水稻生长过程中每一天的循环过程,以天为单位计算,直至成熟,得到植株和各器官的氮累积量。
分别用两个独立的试验数据对发明方法进行校准和验证,详述如下:
1、RiceGrow水稻生长模型的数据获取
在水稻种植前,利用五点取样法,将耕层土壤分层取样,测定土壤基础肥力;通过自动气象站记录水稻生长季田间逐日气象数据,包括日最高气温、日最低气温、日太阳辐射、日降水量。
2、由两年实验数据建立临界氮浓度稀释曲线、最大氮浓度曲线以及最小氮浓度曲线:
试验一:于2010年5-10月江苏省仪征市新集镇农技服务中心试验站(32°19’N,119°18’E)进行。供试水稻品种为武香粳14。试验设5个施氮水平,分别是:CK施肥(0kg·ha-1),N1施肥(80kg·ha-1),N2施肥(160kg·ha-1),N3施肥(240kg·ha-1),N4施肥(320kg·ha-1)。
试验二:于2011年5-10月江苏省仪征市新集镇农技服务中心试验站(32°19’N,119°18’E)进行。供试水稻品种为武香粳14。试验设5个施氮水平,分别是:CK施肥(0kg·ha-1),N1施肥(90kg·ha-1),N2施肥(180kg·ha-1),N3施肥(270kg·ha-1),N4施肥(360kg·ha-1)。
地上部临界氮浓度稀释曲线为:Nc=3.41W-0.3 (W≥1.55t·ha-1);
地上部最大氮浓度曲线为:Nmax=3.64W-0.25;
地上部最小氮浓度曲线为:Nmin=1.96W-0.30;
叶片临界氮浓度稀释曲线为:Nc=3.58W-0.25 (W≥0.67·t ha-1);
叶片最小氮浓度曲线为:Nmin=2.22W-0.236;
茎临界氮浓度稀释曲线为:Nc=2.08W-0.29 (W≥0.88·t ha-1);
茎最小氮浓度为:Nmin=1.19W-0.306;
穗临界氮浓度:Nc=1.35;
其中Nc为地上部或各器官的临界氮浓度,W为地上部或各器官的干物重,Nmax为地上部最大氮浓度,Nmin为各器官最小氮浓度。
3、模型校准与验证
用2011年和2012年数据进行模型校准,然后用2013数据进行模型验证,栽培措施及结果如下。
模型校准数据:
试验1:于2011年5-10月江苏省仪征市新集镇农技服务中心试验站(32°19’N,119°18’E)进行。供试水稻品种为武香粳14。试验设3个施氮水平和两个基追比处理,三个施氮水平分别是:CK施肥(0kg·ha-1),N1施肥(200kg·ha-1),N2施肥(300kg·ha-1)。基追比分别为:R1=4.5:5.5、R2=6:4。具体施肥时期和施用量见表1。小区之间以埂相隔,埂上覆膜,独立排灌。5月18日播种,6月20日移栽,每穴两苗,株行距为15cm×30cm。其它管理措施同当地高产栽培。
表1 氮肥施用时期与施用量
试验2:于2012年国家信息农业工程技术研究中心如皋试验基地(32°27’N,120°76’E)进行。供试水稻品种为武香粳14,采用裂区试验设计。试验设置四个施氮水平,分别是:N0(0kg·ha-1)、N1(170kg·ha-1)、N2(270kg·ha-1)、N3(370kg·ha-1)每个处理重复三次,其中各处理的氮肥按基肥:分蘖肥:促花肥:保花肥=5:1:2:2的比例施入;小区面积30m2,小区之间以埂相隔,埂上覆膜,独立排灌。5月18日播种,6月20日移栽,每穴两苗,株行距为15cm×20cm。其它管理措施同当地高产栽培。
模型验证数据:
试验3:于2013年在于2013年在国家信息农业工程技术研究中心如皋试验基地(32°27’N,120°76’E)进行。供试水稻品种为武香14,采用裂区试验设计。试验设置6个施氮水平,分别是:N0(0kg·ha-1)、N1(75kg·ha-1)、N2(150kg·ha-1)、N3(225kg·ha-1)、N4(300kg·ha-1)、N5(375kg·ha-1),共4个处理,每个处理重复三次,其中各处理的氮肥按基肥:分蘖肥:促花肥:保花肥=5:1:2:2的比例施入,其它管理措施同当地高产栽培。
4、模型校准结果
图2和图3是模型校准结果。图2为2011年和2012年不同施氮水平下地上部、茎、叶片、穗干重通过RiceGrow水稻生长模型得到的模拟值与常规方法测定的实测值的1:1图,实线为1:1线,虚线为误差线。图3为2011年和2012年不同施氮水平下地上部和各器官氮积累量通过本发明方法预测的模拟值与常规方法测定的实测值的1:1图。最好的结果是数据点均落在20%误差线以内,从图中可以看出模型校准结果中只有叶片数据有小部分在误差线外,其余均落在误差线以内。
5、模型验证结果
图4和图5是模型验证结果。图4为2013年不同施氮水平、不同基追比的地上部、茎、叶片、穗干重通过RiceGrow水稻生长模型得到的模拟值与常规方法测定的实测值的1:1图,图5为2013年不同施氮水平、不同基追比的地上部和各器官氮积累量通过本发明方法预测的模拟值与常规方法测定的实测值的1:1图。从图4中可以看出总体而言模型对地上部和各器官的干物重的模拟的吻合度还是很好的。对2013年的模拟结果中可以看出只有部分对于茎的模拟结果略高于实测值,其余数据点绝大多数落在正负误差线以内,结果表明模型能很好的反应水稻生物量变化动态。图5中可以看出氮累积量的验证结果中只有叶片的离散型比较大,部分落在误差线以外,对其他器官的模拟结果均较好。
由表2验证数据统计分析结果可知,地上部及各器官生物量及氮积累量的模拟值与实测值较为接近,t测验结果表明二者无显著差异,线性回归系数a在0.90-1.09之间,接近于1。除穗干物重的NRMSE为21%、叶氮累积量的NRMSE为23.4%外,其余均小于20%,结果表明本发明方法能很好的预测植株和各器官氮累积量变化动态。
表2 校准数据与验证数据干物重和氮累积量模拟值与实测值的统计评价
表中N为样本量,Xmean(SD)为实测值平均值(方差),Xsim(SD)为模拟值(方差),P(t)为students’t检验结果,*表示模拟值与实测值在95%的置信区间上无显著差异。a为模拟值与实测值的线性回归系数,其值越接近于1拟结果越好,b为模拟值与实测值线性关系的回归截距。
Claims (8)
1.一种基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于包括以下步骤:
(1)、根据田间试验建立水稻地上部和各器官的临界氮浓度稀释曲线、地上部最大氮浓度曲线、各器官的最小氮浓度曲线,以及RiceGrow水稻生长模型;根据RiceGrow水稻生长模型模拟得到地上部和各器官干物重、土壤供氮量;确定水稻植株的最大需氮量和潜在需氮量,以及各器官的潜在需氮量;
(2)、考虑水稻植株潜在需氮量PND、植株最大需氮量MND、土壤供氮量RootNup之间的关系,确定植株实际吸氮量ANup,分别计算得到穗分化前后的供需比NR;
(3)、确定穗分化之前氮素在营养器官间的分配以及穗分化之后氮素在生殖器官和营养器官的分配与转运;
(4)、对地上部和各器官的氮积累量进行更新,根据氮累积量预测水稻地上部和各器官的氮含量。
2.根据权利要求1所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于步骤(1)中,所述的植株最大需氮量MND包括地上部最大需氮量MNDTOP和根最大需氮量MNDRT,所述的植株最大需氮量的计算公式为:
MND=MNDTOP+MNDRT; (1)
MNDTOP=TOPWT*TCNCmax-n.ANTop; (2)
MNDRT=RTWT*NCRTmax-n.ANRT; (3)
所述的植株潜在需氮量PND包括地上部临界需氮量PNDTOP和根临界需氮量PNDRT,所述的植株潜在需氮的计算公式为:
PND=PNDTOP+PNDRT; (4)
PNDTOP=TOPWT*TCNC-n.ANTop; (5)
PNDRT=RTWT*NCRT-n.ANRT; (6)
其中,MND为植株最大需氮量;MNDTOP为地上部最大需氮量;TOPWT为地上部干重;TCNCmax为地上部最大氮浓度;n.ANTop为地上部氮累积量;MNDRT为根最大需氮量;RTWT为根干重;NCRTmax为根最大氮浓度;n.ANRT为根氮累积量;PND为植株潜在需氮量;PNDTOP为地上部临界需氮量;TCNC为地上部临界氮浓度;PNDRT为根临界需氮量;NCRT为根临界氮浓度。
3.根据权利要求2所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于所述的根最大氮浓度NCRTmax为地上部最大氮浓度TCNCmax的30%;所述的根临界氮浓度NCRT为地上部临界氮浓度TCNC的30%。
4.根据权利要求1所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于步骤(1)中,所述的各器官的潜在需氮量包括叶片、茎、穗的潜在需氮量;
所述的叶片潜在需氮量的计算公式为:
PNDLV=LVWT*NCLV-n.ANLV; (7)
所述的茎潜在需氮量的计算公式为:
PNDST=STWT*NCST-n.ANST; (8)
所述的穗潜在需氮量的计算公式为:
PNDSO=SOWT*NCSO-n.ANSO; (9)
其中,PNDLV为叶片潜在需氮量;LVWT为叶片干重;NCLV为叶片临界氮浓度;n.ANLV为叶片氮累积量;PNDST为茎潜在需氮量;STWT为茎干重;n.ANST为茎氮累积量;NCST为茎临界氮浓度;PNDSO为穗潜在需氮量;SOWT为穗干重;NCSO为穗临界氮浓度;n.ANSO为穗氮累积量。
5.根据权利要求1所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于步骤(2)中,确定植株实际吸氮量ANup的方法为:考虑水稻植株潜在需氮量PND、植株最大需氮量MND、土壤供氮量RootNup之间的关系:当土壤供氮量RootNup大于植株最大需氮量MND时,植株实际吸氮量ANup为植株最大需氮量MND;当土壤供氮量RootNup小于或等于植株最大需氮量MND时,植株实际吸氮量ANup为土壤供氮量RootNup。
6.根据权利要求1所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于步骤(2)中,确定供需比NR的方法为:水稻穗分化之前,供需比NR=ANup/PND;穗分化之后,供需比NR=(ANup-PNDSO)/PND。
7.根据权利要求1所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于步骤(3)中,穗分化之前氮素在营养器官间的分配过程,具体计算方法如下:
向茎的分配量为ANST=PNDST*NR; (10)
向叶片的分配量为ANLV=PNDLV*NR; (11)
向根的分配量为ANRT=PNDRT*NR; (12)
其中NR=ANup/PND。
8.根据权利要求1所述的基于临界氮浓度预测水稻植株各器官氮含量的方法,其特征在于步骤(3)中,穗分化之后氮素在生殖器官及营养器官的分配与转运过程包括:首先比较穗的潜在需氮量PNDSO与植株实际吸氮量ANup的大小关系:
若PNDSO>ANup,则植株吸收的氮全部运往穗中,同时从各器官向穗转运氮;氮素从各器官向穗转运量的计算,包括:首先计算各器官的潜在转运量:
叶片潜在转运量PTLV=n.ANLV-LVWT*NCLVmin; (13)
茎潜在转运量PTST=n.ANST-STWT*NCSTmin; (14)
根潜在转运量PTRT=(PTLV+PTST)*0.2; (15)
其中NCLVmin为叶片最小氮浓度;NCSTmin为茎最小氮浓度;
再引入转运比TR≤1,计算氮素从各器官向穗的实际转运量:
TR=(PNDSO-ANup)/(PTLV+PTST+PTRT); (16)
叶片实际转运量为ATLV=PTLV*TR; (17)
茎实际转运量为ATST=PTST*TR; (18)
根实际转运量为ATRT=PTRT*TR; (19)
则向各器官的分配量为相应器官的实际转运量的负值;
穗实际吸氮量ANSO=ANup+ATLV+ATST+ATRT; (20)
若PNDSO≤ANup,氮素先向穗分配,再向茎、叶、根中分配:
向茎分配量ANST=PNDST*NR;向叶片的分配量ANLV=PNDLV*NR;向根的分配量ANRT=PNDRT*NR;其中供需比NR=(ANup-PNDSO)/PND;穗实际吸氮量ANSO就是穗潜在需氮量PNDSO。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410318855.9A CN104091067B (zh) | 2014-07-04 | 2014-07-04 | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410318855.9A CN104091067B (zh) | 2014-07-04 | 2014-07-04 | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104091067A true CN104091067A (zh) | 2014-10-08 |
CN104091067B CN104091067B (zh) | 2017-04-05 |
Family
ID=51638783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410318855.9A Active CN104091067B (zh) | 2014-07-04 | 2014-07-04 | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104091067B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239523A (zh) * | 2021-04-20 | 2021-08-10 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦临界氮浓度稀释曲线模型及其应用 |
CN114373514A (zh) * | 2021-12-01 | 2022-04-19 | 山东农业大学 | 禾本植物光合产物转运流数据库的建立方法 |
CN116602106A (zh) * | 2023-07-20 | 2023-08-18 | 南京农业大学三亚研究院 | 一种基于无人机的水稻田内变量施肥方法 |
CN116662753A (zh) * | 2023-05-18 | 2023-08-29 | 中国农业大学 | 一种基于作物模型与遥感耦合的水稻穗肥氮精准推荐方法 |
CN116735538A (zh) * | 2023-08-15 | 2023-09-12 | 山东科技大学 | 一种基于氮素分配模型的作物氮素累积量遥感预测方法 |
CN117195609A (zh) * | 2023-11-08 | 2023-12-08 | 吉林大学 | 一种区域玉米植株氮营养匮缺的定量诊断方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102283062A (zh) * | 2011-06-24 | 2011-12-21 | 江西省农业科学院土壤肥料与资源环境研究所 | 双季稻氮素调控和减肥增效的方法 |
CN102318466B (zh) * | 2011-07-12 | 2012-11-14 | 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 |
CN103257207A (zh) * | 2013-04-27 | 2013-08-21 | 北京林业大学 | 确定板栗叶片矿质元素盈缺的方法 |
CN103868891A (zh) * | 2014-03-12 | 2014-06-18 | 中国农业科学院油料作物研究所 | 一种油菜叶片氮素营养快速诊断及推荐追氮的方法 |
-
2014
- 2014-07-04 CN CN201410318855.9A patent/CN104091067B/zh active Active
Non-Patent Citations (2)
Title |
---|
王航: ""基于遥感信息与模型耦合的水稻生长预测技术研究"", 《中国优秀硕士论文全文数据库农业科技辑》 * |
陆震洲等: ""基于植株LAI的水稻临界氮浓度稀释模型构建及氮素营养诊断研究"", 《2013中国(国际)精准农业与高效利用高峰论坛(PAS2013)论文集》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239523A (zh) * | 2021-04-20 | 2021-08-10 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦临界氮浓度稀释曲线模型及其应用 |
CN114373514A (zh) * | 2021-12-01 | 2022-04-19 | 山东农业大学 | 禾本植物光合产物转运流数据库的建立方法 |
CN114373514B (zh) * | 2021-12-01 | 2024-02-27 | 山东农业大学 | 禾本植物光合产物转运流数据库的建立方法 |
CN116662753A (zh) * | 2023-05-18 | 2023-08-29 | 中国农业大学 | 一种基于作物模型与遥感耦合的水稻穗肥氮精准推荐方法 |
CN116662753B (zh) * | 2023-05-18 | 2024-01-23 | 中国农业大学 | 一种基于作物模型与遥感耦合的水稻穗肥氮精准推荐方法 |
CN116602106A (zh) * | 2023-07-20 | 2023-08-18 | 南京农业大学三亚研究院 | 一种基于无人机的水稻田内变量施肥方法 |
CN116735538A (zh) * | 2023-08-15 | 2023-09-12 | 山东科技大学 | 一种基于氮素分配模型的作物氮素累积量遥感预测方法 |
CN116735538B (zh) * | 2023-08-15 | 2024-05-24 | 山东科技大学 | 一种基于氮素分配模型的作物氮素累积量遥感预测方法 |
CN117195609A (zh) * | 2023-11-08 | 2023-12-08 | 吉林大学 | 一种区域玉米植株氮营养匮缺的定量诊断方法 |
CN117195609B (zh) * | 2023-11-08 | 2024-01-26 | 吉林大学 | 一种区域玉米植株氮营养匮缺的定量诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104091067B (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zou et al. | Deficit irrigation improves maize yield and water use efficiency in a semi-arid environment | |
Jiang et al. | Exploring management strategies to improve maize yield and nitrogen use efficiency in northeast China using the DNDC and DSSAT models | |
Yu et al. | Modeling a wheat–maize double cropping system in China using two plant growth modules in RZWQM | |
CN104091067A (zh) | 一种基于临界氮浓度预测水稻植株各器官氮含量的方法 | |
Sun et al. | Simulating the fate of nitrogen and optimizing water and nitrogen management of greenhouse tomato in North China using the EU-Rotate_N model | |
CN109829589A (zh) | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 | |
CN104820866B (zh) | 一种根据叶菜类作物长势进行变量施肥的方法 | |
Adhikari et al. | Simulated effects of winter wheat cover crop on cotton production systems of the Texas Rolling Plains | |
CN112598277B (zh) | 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法 | |
CN102503734A (zh) | 北方茶园茶树专用肥及施用技术 | |
CN109673439A (zh) | 一种水肥耦合对水稻产量及生长形状的调控方法 | |
CN104517030A (zh) | 一种人工草地生长适宜区提取方法 | |
CN103745407A (zh) | 借助智能手机和gps制定作物精确栽培方案的方法和系统 | |
CN101578936A (zh) | 施肥处理方法及系统 | |
Surendran et al. | Development and evaluation of drip irrigation and fertigation scheduling to improve water productivity and sustainable crop production using HYDRUS | |
CN108401634A (zh) | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 | |
Zhou et al. | Optimization of irrigation and nitrogen fertilizer management for spring maize in northwestern China using RZWQM2 | |
Morales-Santos et al. | Assessment of the impact of irrigation management on soybean yield and water productivity in a subhumid environment | |
Wu et al. | Optimizing irrigation strategies for sustainable crop productivity and reduced groundwater consumption in a winter wheat-maize rotation system | |
Shirato | Testing the suitability of the DNDC model for simulating long-term soil organic carbon dynamics in Japanese paddy soils | |
Fu et al. | Optimization of irrigation and fertilization of drip‐irrigated corn in the chernozem area of north‐east China based on the CERES‐Maize model | |
CN113269450A (zh) | 一种县级尺度农作物资源利用与环境效应评估方法与系统 | |
Zhang et al. | Simulating the effects of chemical and non-chemical fertilization practices on carbon sequestration and nitrogen loss in subtropical paddy soils using the DNDC model | |
CN107392419A (zh) | 华北平原冬小麦夏玉米轮作农田面源污染评价与监测方法 | |
DEVLET | Crop production and yield limiting factors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |