CN106442365A - 一种梨树精准施氮技术 - Google Patents

一种梨树精准施氮技术 Download PDF

Info

Publication number
CN106442365A
CN106442365A CN201611096647.4A CN201611096647A CN106442365A CN 106442365 A CN106442365 A CN 106442365A CN 201611096647 A CN201611096647 A CN 201611096647A CN 106442365 A CN106442365 A CN 106442365A
Authority
CN
China
Prior art keywords
pear tree
nitrogen
blade
nitrogen content
tree
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
Application number
CN201611096647.4A
Other languages
English (en)
Other versions
CN106442365B (zh
Inventor
董彩霞
徐阳春
王洁
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.)
Nanjing Agricultural University
Original Assignee
Nanjing Agricultural 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 Nanjing Agricultural University filed Critical Nanjing Agricultural University
Priority to CN201611096647.4A priority Critical patent/CN106442365B/zh
Publication of CN106442365A publication Critical patent/CN106442365A/zh
Application granted granted Critical
Publication of CN106442365B publication Critical patent/CN106442365B/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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/3103—Atomic absorption analysis
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G01N21/3151—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths using two sources of radiation of different wavelengths

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Toxicology (AREA)
  • Cultivation Of Plants (AREA)
  • Fertilizers (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种梨树精准施氮技术，使用光谱仪原位测定梨树上的叶片的可见和近红外光谱后采下叶片测定氮含量；采用主成分分析法剔除异常样本后用偏最小二乘回归建立校正模型并采用留一法交叉验证形式进行检验，从而得到定量校正模型；利用相同的光谱仪进行叶片可见和近红外光谱的测定，将光谱值输入已建好的定量校正模型，输出氮含量。统计树体枝条数、每个枝条平均叶片数、百叶重，按照公式推算膨大期追肥量。本发明方法可以快速、无损、廉价地得到梨树叶片氮含量并通过公式较为精确地计算出膨大期追施氮肥量，为梨树的施肥调控提供科学依据和技术途径。

Description

一种梨树精准施氮技术
技术领域
本发明属于农业栽培技术领域，具体涉及了一种梨树精准施氮技术。
背景技术
梨的产量和品质，除受品种等遗传因素控制外，科学的氮肥运筹起到至关重要的作用。近年来，随着产量水平的不断提高，生产上的氮肥用量也持续上升，过量施氮不仅提高了生产成本，氮钾比过高还导致果实品质和树体抗病性下降。通过叶片矿质营养分析判断果树营养状况是指导果树施肥的重要手段。传统的基于实验室内叶营养化学分析方法，普遍要求破坏植物样本，从采集大量的样本、烘干、称重、研磨直到使用有潜在危害性药品进行测试，需耗费大量的时间、人力和物力(Wang et al.,2012)。由于花费时间过长，以至于结果的适时性不强。实时、无损而准确地了解作物生长情况，是精确作物管理的基础。建立作物氮素营养的实时监控技术，对于及时掌握作物生长情况、合理指导生长过程中的追肥调控、保障作物产量与品质的具有重要的研究意义。
发明内容
本发明要解决的技术问题是建立一种梨树精准施氮技术，以快速、无损、廉价地得到梨树叶片氮含量，并通过公式较为精确地计算出膨大期追施氮肥量，为梨树的施肥调控提供科学依据和技术途径。
为解决上述技术问题，本发明所使用的技术方案为：
一种梨树精准施氮技术，包括如下步骤：
(1)选定健康的梨树叶片样本，使用便携式地物光谱仪原位采集可见和近红外光谱值；
(2)从梨树上采下步骤(1)中所述样本，测定氮含量；
(3)对步骤(1)中得到的光谱值，采用主成分分析法剔除异常样本，用偏最小二乘回归建立校正模型并采用留一法交叉验证形式进行检验，从而得到步骤(1)所述光谱值相对步骤(2)所述氮含量的定量校正模型；
(4)在梨树的膨大期，使用便携式地物光谱仪采集待施肥梨树的叶片的可见和近红外光谱值，通过步骤(3)的优化模型计算所述梨树的叶片的氮含量，取其平均值作为所述待施肥梨树的实际氮含量；
(5)统计步骤(4)所述梨树的树体枝条数、每个枝条平均叶片数、平均百叶重，根据下式推算膨大期追肥量，在梨树的膨大期给步骤(4)所述的待施肥梨树施用，
式中，X为膨大期追肥量；Nr(g/kg)表示步骤(4)中所述待施肥梨树的实际氮含量；Ns(g/kg)表示采用本品种膨大一期叶片标准氮含量；W(g)为平均百叶重；Number为步骤(5)中所述树体枝条数乘以每个枝条叶片数；肥料利用率采用当地具体值。
步骤(1)中，所述原位采集的方法包括以下步骤：将便携式地物光谱仪的光纤组装进植被探头，植被探头配合叶片夹持器的黑色参考板夹持叶片，所述植被探头和叶片夹持器构成一个自带光源的暗室，植被探头采集叶片光谱；
所述采集叶片光谱采集点为每片叶片的叶中、的叶脉对称位置的取两个点，每点采集5-10条，输出波段数2151个。
步骤(1)和(4)中，所述梨树叶片为梨树树冠外围当年生枝条中下部的叶片。
步骤(4)和(5)中，所述膨大期为梨树膨大I期或梨树膨大II期，所述膨大I期为花后50天，所述膨大II期为花后80天。
步骤(1)中，所述样本数量为100个以上，优选的，所述样本为230～780个。
步骤(1)中，所述光谱仪的测定波段值为350～2500nm，分辨率为3～10nm，优选的，光谱扫描范围为350-1000nm时的分辨率为3nm，光谱扫描范围为1000-2500nm时的分辨率为10nm。
步骤(2)中，所述测定氮含量包括以下步骤：(a)将采下的叶片于105～110℃恒温杀青30min以上，再在60～70℃烘至恒重，粉碎、过筛，得到待测样品；(b)使用元素分析仪测定每份步骤(a)中得到的待测样品的氮含量，每份样品测定2次，取其平均值。
步骤(2)中，所述测定氮含量还可以包括以下步骤：(c)以GBW10020柑橘叶作为标样，测定所述标样的氮含量，对步骤(b)中得到的待测样品氮含量进行校正。
步骤(1)和(4)中使用的光谱仪为便携式地物光谱仪。为最大程度降低实验误差，步骤(1)和(4)中使用同一台光谱仪，所述光谱仪的植被探头直径1.5cm，内置卤素光源。
优选的，在花后50天采集待施肥梨树的叶片的可见和近红外光谱值，推算膨大期追肥量并施用膨大肥，因为此时施肥与当年产量相关性较高。
有益效果：本发明可以快速、无损、廉价地得到梨树叶片氮含量并通过公式较为精确地计算出膨大期追施氮肥量，为梨树的施肥调控提供科学依据和技术途径。
附图说明
图1 2015年叶片样本偏最小二乘(PLS)建模集(A，样本量＝780)和预测集(B，样本量＝230)；
图2 2016年叶片预测氮含量；
图3果实成熟期各处理叶片氮含量；
图4调控施氮与对照施氮对果实单果重的影响；
图5调控施氮与对照施氮对果实产量的影响；
图6调控施氮与对照施氮对果实硬度的影响
图7调控施氮与对照施氮对果实可溶性固形物的影响；
图8调控施氮与对照施氮处理下果实横径的影响；
图9调控施氮与对照施氮处理下果实纵径的影响。
具体实施方式
根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。
实施例1田间试验于2015-2016年在江苏省宜兴市新街镇潼渚村梨园进行。供试品种为5年生翠冠，计划于2016年挂果。设置4个氮水平，分别为Control(N0)、100(N1)、200(N2)、300(N3)、400(N4)g/株纯氮，并以N1、N2、N3和N4为基础，分别设置相应的4个追氮调控处理，即Nr1、Nr2、Nr3、Nr4，这四个处理根据追肥前的实时光谱监测氮素营养状况，基于追氮调控计算公式计算具体的氮肥追用量，对照处理的施氮基追比例为3:2，对照和调控处理的追肥均在膨大期(花后50天)施用(表1)。每个处理设置三个小区，每个小区两棵树，随机区组排列，小区之间用40*120cm的挡板插入土层50cm阻隔。基肥于2015年3月施用，为达到处理效果，直至2016年5月光谱监测氮素营养后施用膨大肥。2015年未让树体挂果，2016年春季实行过一次整体修剪。
表1调控与对照处理氮肥施用情况
(1)建立基于可见/近红外光谱技术的待测品种梨树叶片氮含量模型。主要步骤：①利用美国ASD公司生产的3便携式地物光谱仪测定梨树叶片光谱。波段值为350～2500nm，输出波段数为2151个。植被探头配合叶片夹持器(黑色参考板)，探头直径1.5cm，探头内置卤素光源。每片叶子采集正面、叶脉中部两端对称两个点，每点采集5-10条光谱。②测定叶片氮含量化学参考值：叶片可见/近红外光谱值测定后，将叶片采下带回室内，于105℃恒温杀青30min后70℃烘至恒重，用不锈钢料理机粉碎后过筛(100目)。使用元素分析仪测定氮含量，每份样品测定2次，取其平均值，平行样本之间的相对误差不得高于5％，分析的过程中同时加入GBW10020柑橘叶测定，以确保化学分析过程的准确性。③采用主成分分析法剔除异常样本，用偏最小二乘回归建立校正模型并采用留一法交叉验证形式进行检验，从而得到精度较高的定量校正模型(图1)。
(2)在膨大I期(花后50天)，利用相同的光谱仪进行叶片可见和近红外光谱的测定，将光谱值输入(1)中定量校正模型，输出氮含量(图2)。
(3)统计树体枝条数、每个枝条平均叶片数、百叶重，按照以下公式推算膨大期追肥(图2)。
Ns为2.7％
W为平均百叶重：57g(样本数：500)
Number为枝条数乘以每个枝条叶片数(15片，样本数：50)
肥料利用率为30％。
结果表明，相对于对照施氮(N1、N2)，调控施氮Nr1、Nr2显著提高了叶片氮含量，而相较于N4处理，Nr4显著降低了叶片氮含量，调控效果明显(图3)。调控施氮Nr1和Nr2相比于对照施氮N1、N2显著增加了产量，分别增产26％和23％(图4)。调控施氮在低氮处理下有效的提高了产量，而高氮条件下，调控效果虽然在产量上不明显，但是总施氮量(Nr3为291g/株，Nr4为300g/株)小于对照(N3为300g/株，N4为400g/株)。调控施氮显著增加了梨果实横纵径，在低氮处理下，调控施氮能在一定程度上改善果实品质。
研究结果进一步说明，基肥对于多年生梨树营养生长具有举足轻重的作用，而当梨树处于缺氮条件下时，本发明较为精确的追氮措施能在一定程度上弥补基肥施用不足在产量和品质上的影响。

Claims (9)

1.一种梨树精准施氮技术，其特征在于，包括如下步骤：
(1)选定健康的梨树叶片样本，使用便携式地物光谱仪原位采集可见和近红外光谱值；
(2)从梨树上采下步骤(1)中所述样本，测定氮含量；
(3)对步骤(1)中得到的光谱值，采用主成分分析法剔除异常样本，用偏最小二乘回归建立校正模型并采用留一法交叉验证形式进行检验，从而得到步骤(1)所述光谱值相对步骤(2)所述氮含量的定量校正模型；
(4)在梨树的膨大期，使用便携式地物光谱仪采集待施肥梨树的叶片的可见和近红外光谱值，通过步骤(3)的优化模型计算所述梨树的叶片的氮含量，取其平均值作为所述待施肥梨树的实际氮含量；
(5)统计步骤(4)所述梨树的树体枝条数、每个枝条平均叶片数、平均百叶重，根据下式推算膨大期追肥量，在梨树的膨大期给步骤(4)所述的待施肥梨树施用，
式中，X为膨大期追肥量；Nr(g/kg)表示步骤(4)中所述待施肥梨树的实际氮含量；Ns(g/kg)表示采用本品种膨大一期叶片标准氮含量；W(g)为平均百叶重；Number为步骤(5)中所述树体枝条数乘以每个枝条叶片数；肥料利用率采用当地具体值。
2.根据权利要求1所述的技术，其特征在于，步骤(1)中，所述原位采集的方法包括以下步骤：将便携式地物光谱仪的光纤组装进植被探头，植被探头配合叶片夹持器的黑色参考板夹持叶片，所述植被探头和叶片夹持器构成一个自带光源的暗室，植被探头采集叶片光谱。
3.根据权利要求2所述的技术，其特征在于，所述采集叶片光谱采集点为每片叶片的叶中、的叶脉对称位置的取两个点，每点采集5-10条，输出波段数2151个。
4.根据权利要求1所述的技术，其特征在于，步骤(1)和(4)中，所述梨树叶片为梨树树冠外围当年生枝条中下部的叶片。
5.根据权利要求1所述的技术，其特征在于，步骤(4)和(5)中，所述膨大期为梨树膨大I期或梨树膨大II期。
6.根据权利要求1～5所述的技术，其特征在于，步骤(1)中，所述样本数量为100个以上。
7.根据权利要求1～5所述的技术，其特征在于，步骤(1)中，所述光谱仪的测定波段值为350～2500nm，分辨率为3～10nm。
8.根据权利要求1所述的技术，其特征在于，步骤(2)中，所述测定氮含量包括以下步骤：(a)将采下的叶片于105～110℃恒温杀青30min以上，再在60～70℃烘至恒重，粉碎、过筛，得到待测样品；(b)使用元素分析仪测定每份步骤(a)中得到的待测样品的氮含量，每份样品测定2次，取其平均值。
9.根据权利要求8所述的技术，其特征在于，还包括以下步骤：(c)以GBW10020柑橘叶作为标样，测定所述标样的氮含量，对步骤(b)中得到的待测样品氮含量进行校正。
CN201611096647.4A 2016-12-02 2016-12-02 一种梨树精准施氮方法 Active CN106442365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611096647.4A CN106442365B (zh) 2016-12-02 2016-12-02 一种梨树精准施氮方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611096647.4A CN106442365B (zh) 2016-12-02 2016-12-02 一种梨树精准施氮方法

Publications (2)

Publication Number Publication Date
CN106442365A true CN106442365A (zh) 2017-02-22
CN106442365B CN106442365B (zh) 2018-10-19

Family

ID=58223975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611096647.4A Active CN106442365B (zh) 2016-12-02 2016-12-02 一种梨树精准施氮方法

Country Status (1)

Country Link
CN (1) CN106442365B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268867A (zh) * 2020-10-14 2021-01-26 云南新土壤农业科技有限公司 一种花椰菜光谱氮素营养诊断模型的构建方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1828272A (zh) * 2006-03-30 2006-09-06 将军烟草集团有限公司 采用近红外光检测烟叶叶片化学成分的方法
CN101382488A (zh) * 2008-10-14 2009-03-11 江苏吟春碧芽茶叶研究所有限公司 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法
CN104165861A (zh) * 2014-08-22 2014-11-26 云南中烟工业有限责任公司 一种基于主成分分析的近红外光谱定量模型精简方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1828272A (zh) * 2006-03-30 2006-09-06 将军烟草集团有限公司 采用近红外光检测烟叶叶片化学成分的方法
CN101382488A (zh) * 2008-10-14 2009-03-11 江苏吟春碧芽茶叶研究所有限公司 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法
CN104165861A (zh) * 2014-08-22 2014-11-26 云南中烟工业有限责任公司 一种基于主成分分析的近红外光谱定量模型精简方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵化兵: "基于光谱技术的梨树叶片氮含量的快速诊断研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268867A (zh) * 2020-10-14 2021-01-26 云南新土壤农业科技有限公司 一种花椰菜光谱氮素营养诊断模型的构建方法
CN112268867B (zh) * 2020-10-14 2023-11-17 云南新土壤农业科技有限公司 一种花椰菜光谱氮素营养诊断模型的构建方法

Also Published As

Publication number Publication date
CN106442365B (zh) 2018-10-19

Similar Documents

Publication Publication Date Title
CN109187441B (zh) 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法
CN109211801B (zh) 一种作物氮素需求量实时获取方法
Moreno et al. Base temperature determination of tropical Panicum spp. grasses and its effects on degree-day-based models
Xu et al. Determination of rice root density from Vis–NIR spectroscopy by support vector machine regression and spectral variable selection techniques
CN107316116B (zh) 一种叶类蔬菜产量预测方法
CN106718363B (zh) 一种面向精细农业的灌溉试验方法及其试验平台
CN110189793B (zh) 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类
CN103185695A (zh) 一种基于光谱的烤烟成熟度田间快速判断方法
CN112816618A (zh) 一种氮高效小麦品种的筛选方法
CN108401634B (zh) 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法
CN107202784B (zh) 一种水稻浸种催芽过程中工艺节点的检测方法
Rongting et al. Nondestructive estimation of bok choy nitrogen status with an active canopy sensor in comparison to a chlorophyll meter
CN110596048A (zh) 一种光谱速测烟草叶片中钾含量的方法
CN109142238B (zh) 一种棉花磷素营养快速诊断方法
Li et al. Canopy reflectance in two castor bean varieties (Ricinus communis L.) for growth assessment and yield prediction on coastal saline land of Yancheng District, China
CN106442365A (zh) 一种梨树精准施氮技术
CN106404699A (zh) 一种梨树叶片氮素含量的无损测量方法
CN109696407A (zh) 一种基于特征波长的椰糠基质有效氮光谱检测方法
CN115479903A (zh) 一种基于波长的叶绿素含量测定方法及其系统
CN103125371B (zh) 一种作物抗旱突变体田间快速辅助筛选的方法
CN102435553A (zh) 利用光谱指数监测小麦籽粒蛋白质含量的方法
CN112268867A (zh) 一种花椰菜光谱氮素营养诊断模型的构建方法
CN110596049A (zh) 一种光谱速测烟草叶片中磷含量的方法
Booij et al. Crop-reflection-based DSS for supplemental nitrogen dressings in potato production
CN114548220B (zh) 基于手持式分光辐射谱仪的水稻颖花开花状态检测方法

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