CN109142238A - 一种棉花磷素营养快速诊断方法 - Google Patents
一种棉花磷素营养快速诊断方法 Download PDFInfo
- Publication number
- CN109142238A CN109142238A CN201811135571.0A CN201811135571A CN109142238A CN 109142238 A CN109142238 A CN 109142238A CN 201811135571 A CN201811135571 A CN 201811135571A CN 109142238 A CN109142238 A CN 109142238A
- Authority
- CN
- China
- Prior art keywords
- cotton
- phosphorus
- canopy
- spectral
- leaf
- 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
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
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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种棉花磷素营养快速诊断方法:对便携式光谱仪测定时视场角和探头高度进行优选;在优选的视场角和探头高度条件下,利用便携式光谱仪测试棉花冠层的光谱反射率,形成棉花冠层光谱特性数据;测定棉花叶片磷含量;将光谱特性数据与棉花叶片磷素含量进行相关性分析,提取棉花冠层光谱特征波长;建立棉花磷素含量与棉花冠层光谱的预测模型;选择棉花磷素光谱诊断的最佳生长期和最佳棉叶部位;综合以上方法步骤可实现棉花磷素营养快速诊断。本发明提供的棉花磷素营养快速诊断方法检测速度快、操作简单,可实现作物生长过程中营养动态快速探测,对集约化农业生产管理、作物增产和品质提升有直接意义。
Description
技术领域
本发明涉及棉花磷素营养诊断,特别是涉及一种棉花磷素营养快速诊断方法。
背景技术
棉花是重要的纺织工业原料,新疆是我国乃至全世界棉花高产区,磷素是棉花生长发育必需的营养元素,施磷肥不仅能够增加棉花产量,还可以提高棉纤维品质。但磷肥施入土壤后因其移动性弱、固定性强,致使土壤磷生物有效性低,从而导致棉花磷素缺失和产量下降。而棉花在不同供磷强度下,其叶片的物理特征和内部组织生理生化特性会发生一系列变化,这些变化会引起其反射光谱的变化。因此,可以通过观测上述特征的变化,对棉花磷素营养状态进行诊断。
植物营养诊断学科发展到现在主要由两部分组成,一种是化学诊断,另一种是物理诊断。化学诊断需要破坏性采样且费时繁琐,尤其是在田间实施营养诊断时,化学分析难以及时发挥作用。外观诊断主观性强,不能量化指导施肥。而光谱诊断技术能克服上述特点,是一种简单、快速的物理诊断方法,能对作物营养或水分亏缺引起的叶片光谱特性的各向异性分布进行评价,可以无损地提取农作物的生长信息,监测农作物的生长状况。近年来国内外一些学者主要将该技术应用于作物水分和氮素诊断中,但未见利用高光谱技术来诊断棉花磷素丰缺状况。
发明内容
要解决的技术问题:
本发明为了克服上述现有技术中的不足,利用便携式光谱仪分析不同供磷强度下棉花叶片光谱特性,进而建立棉花叶片磷素含量预测模型,本发明具有实时实地、无损、快速简捷获取磷含量的优点,为利用光谱诊断技术定时检测作物磷素含量提供依据。
技术方案:
本发明提供了一种棉花磷素营养快速诊断方法,包括以下步骤:
步骤Ⅰ:便携式光谱仪测定时视场角和探头高度的优选;
步骤Ⅱ:在步骤I中优选的视场角和探头高度条件下,利用便携式光谱仪测试棉花冠层的光谱反射率,形成棉花冠层光谱特性数据;
步骤Ⅲ:测定棉花叶片磷素含量;
步骤Ⅳ:将步骤Ⅱ中获取的光谱特性数据与步骤Ⅲ中测得的棉花叶片磷素含量进行相关性分析,提取棉花冠层光谱特征波长;
步骤V:建立棉花磷素含量与棉花冠层光谱的预测模型;
步骤Ⅵ:选择棉花磷素光谱诊断的最佳生长期和最佳棉叶部位;
步骤Ⅶ:在步骤Ⅵ中选择的棉花磷素光谱诊断的最佳生长期和最佳棉叶部位,利用便携式光谱仪测定光谱反射率,利用步骤V中建立的预测模型计算出棉花叶片磷含量,即可实现棉花磷素营养快速诊断。
优选的,步骤I中光谱仪测定时视场角和探头高度的优选方法为:
(1)采用不同的视场角和探头高度,利用便携式光谱仪分别在相同条件下分别快速测定棉花冠层同一处的光谱反射率,共测定10次,获得10条棉花冠层该区域的光谱曲线;
(2)对测得的10条棉花冠层光谱曲线进行记录、去噪、分析处理,去除有误差的曲线,在剩下的曲线中,分别对同一个视场角和探头高度下测得的光谱反射率求平均值作为该点的光谱反射率;
(3)将各点的光谱反射率形成光谱曲线,通过相关性分析,优选出最佳视场角和探头高度组合。
优选的,步骤III中棉花叶片磷含量测定的方法为:采集叶片在105℃杀青30min,70℃烘干3d,粉碎过0.5mm筛,采用H2SO4-H2O2消煮,钒钼黄比色法测定。
优选的,步骤Ⅵ中棉花磷素光谱诊断最佳生长期和最佳棉叶部位的选择方法为:分别在棉花生长的苗期、蕾期、花蕾期、花期、花铃期和铃期,选取棉株的上部、中部和下部进行光谱特性数据和磷素含量的测定,利用相关性分析,选择出棉花磷素光谱诊断的最佳生长期和最佳棉叶部位。
有益效果:
本发明与常规检测方法相比,检测速度快、操作简便方便,能适应田间实时实地做业。
本发明提供的基于光谱分析技术的作物磷素丰缺的快速探测方法,可以实现作物生长过程中营养动态快速探测。
本发明为科学施肥提供参考,对集约化农业生产管理、作物增产以及品质提升有着直接意义。
附图说明
附图1是棉花冠层光谱特征测定示意图。
附图2是不同几何条件下的光谱曲线。
附图3是叶片磷素含量与棉花冠层光谱反射率的相关性分析。
附图4是不同供磷强度下棉花冠层光谱反射率。
具体实施方式
下面结合具体附图与实施例对本发明的方法作进一步详细地说明,下面的实施例可使本专业技术人员更全面地理解本发明,但不以任何方式限制本发明。
实施例1
便携式光谱仪测定时视场角和探头高度的优选:
(1)按照表1中所列视场角和探头高度的不同水平,利用便携式光谱仪分别在相同条件下快速测定棉花冠层同一处的光谱反射率,每一个水平下均测定10次,获得10条棉花冠层该区域的光谱曲线;
(2)对测得的10条棉花冠层光谱曲线进行记录、去噪、分析处理,去除有误差的曲线,在剩下的曲线中,分别对同一个视场角和探头高度下测得的光谱反射率求平均值作为该点的光谱反射率;
(3)将各点的光谱反射率形成光谱曲线,通过相关性分析,优选出最佳视场角和探头高度组合。
附图2中列出了最终得到的在视场角8°,探头高度50cm、视场角4°,探头高度100cm以及视场角4°,探头高度50cm三种条件下,得到的光谱曲线图。由图2可知,视场角为40和探头探测高度50cm为最优选择。
实施例2
于2016年和2017年连续两年在新疆典型棉区——玛纳斯县进行田间小区试验。试验设置了0、75、150、300、450 kg P2O5 hm-2五个不同供磷水平,每个水平3个重复,每个重复为48m2小区。每次测定选取每个重复12株棉花进行样品采集和指标测定。
采用化学方法测定叶片磷素含量,即采集叶片在105℃杀青30min, 70℃烘干3d,粉碎过0.5mm筛,采用H2SO4-H2O2消煮,钒钼黄比色法测定。
本实施例中对光谱反射率的采集如附图1所示,利用便携式光谱仪设计不同几何条件如附表1所示,优化后调整视场角为40和探头探测高度为50cm,进行棉花冠层光谱反射率测定如附图2所示,然后与棉花叶片磷素含量进行相关性分析,如附图3和附图4所示,从而提取397.4nm波段和400.50nm波段为敏感波段,以这两个波段为自变量,进行线性回归方程拟合,得到:Y=-16.519X400.50+16.467X397.40+3.316(R2=0.556),检验相对误差为16.440%,作为棉花磷素含量与冠层光谱的预测模型。
选取棉花关键生长时期(苗期、蕾期、花蕾期、花期、花铃期、铃期)进行相应的光谱特性数据和棉叶磷素含量测定,利用相关性分析,获得相关系数(参照表2),优选出最佳的棉花磷素光谱诊断时期为花铃期。选取棉株不同部位(上、中、下部)进行光谱特性数据和磷素含量的测定,利用相关性分析(参照表2),确立最佳的棉花磷素光谱诊断的叶片部位为中部。
表1 光谱测定不同几何条件设计表
表2不同生育期叶片单波段光谱反射率与叶片磷含量的相关系数
Claims (4)
1.一种棉花磷素营养快速诊断方法,其特征在于,包括以下步骤:
步骤Ⅰ:便携式光谱仪测定时视场角和探头高度的优选;
步骤Ⅱ:在步骤I中优选的视场角和探头高度条件下,利用便携式光谱仪测试棉花冠层的光谱反射率,形成棉花冠层光谱特性数据;
步骤Ⅲ:测定棉花叶片磷素含量;
步骤Ⅳ:将步骤Ⅱ中获取的光谱特性数据与步骤Ⅲ中测得的棉花叶片磷素含量进行相关性分析,提取棉花冠层光谱特征波长;
步骤V:建立棉花磷素含量与棉花冠层光谱的预测模型;
步骤Ⅵ:选择棉花磷素光谱诊断的最佳生长期和最佳棉叶部位;
步骤Ⅶ:在步骤Ⅵ中选择的棉花磷素光谱诊断的最佳生长期和最佳棉叶部位,利用便携式光谱仪测定光谱反射率,利用步骤V中建立的预测模型计算出棉花叶片磷含量,即可实现棉花磷素营养快速诊断。
2.根据权利要求1所述的一种棉花磷素营养快速诊断方法,其特征在于,步骤I中光谱仪测定时视场角和探头高度的优选方法为:
(1)采用不同的视场角和探头高度,利用便携式光谱仪分别在相同条件下快速测定棉花冠层同一处的光谱反射率,共测定10次,获得10条棉花冠层该区域的光谱曲线;
(2)对测得的10条棉花冠层光谱曲线进行记录、去噪、分析处理,去除有误差的曲线,在剩下的曲线中,分别对同一个视场角和探头高度下测得的光谱反射率求平均值作为该点的光谱反射率;
(3)将各点的光谱反射率形成光谱曲线,通过相关性分析,优选出最佳视场角和探头高度组合。
3.根据权利要求1所述的一种棉花磷素营养快速诊断方法,其特征在于,步骤III中棉花叶片磷含量测定的方法为:采集叶片在105℃杀青30min, 70℃烘干3d,粉碎过0.5mm筛,采用H2SO4-H2O2消煮,钒钼黄比色法测定。
4.根据权利要求1所述的一种棉花磷素营养快速诊断方法,其特征在于,步骤Ⅵ中棉花磷素光谱诊断最佳生长期和最佳棉叶部位的选择方法为:分别在棉花生长的苗期、蕾期、花蕾期、花期、花铃期和铃期,选取棉株的上部、中部和下部进行光谱特性数据和磷素含量的测定,利用相关性分析,选择出棉花磷素光谱诊断的最佳生长期和最佳棉叶部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811135571.0A CN109142238B (zh) | 2018-09-28 | 2018-09-28 | 一种棉花磷素营养快速诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811135571.0A CN109142238B (zh) | 2018-09-28 | 2018-09-28 | 一种棉花磷素营养快速诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109142238A true CN109142238A (zh) | 2019-01-04 |
CN109142238B CN109142238B (zh) | 2020-10-30 |
Family
ID=64813220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811135571.0A Active CN109142238B (zh) | 2018-09-28 | 2018-09-28 | 一种棉花磷素营养快速诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109142238B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596049A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中磷含量的方法 |
CN110596048A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中钾含量的方法 |
CN113109272A (zh) * | 2021-04-20 | 2021-07-13 | 石河子大学 | 一种滴灌棉花氮营养亏损诊断方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092911A (zh) * | 2016-05-23 | 2016-11-09 | 塔里木大学 | 一种枣树冠层磷含量的检测方法 |
-
2018
- 2018-09-28 CN CN201811135571.0A patent/CN109142238B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092911A (zh) * | 2016-05-23 | 2016-11-09 | 塔里木大学 | 一种枣树冠层磷含量的检测方法 |
Non-Patent Citations (1)
Title |
---|
潘蓓等: "基于高光谱的苹果树冠层磷素状况估测模型研究", 《红外》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596049A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中磷含量的方法 |
CN110596048A (zh) * | 2019-09-17 | 2019-12-20 | 云南农业大学 | 一种光谱速测烟草叶片中钾含量的方法 |
CN113109272A (zh) * | 2021-04-20 | 2021-07-13 | 石河子大学 | 一种滴灌棉花氮营养亏损诊断方法及系统 |
WO2022222522A1 (zh) * | 2021-04-20 | 2022-10-27 | 石河子大学 | 一种滴灌棉花氮营养亏损诊断方法及系统 |
CN113109272B (zh) * | 2021-04-20 | 2023-01-24 | 石河子大学 | 一种滴灌棉花氮营养亏损诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109142238B (zh) | 2020-10-30 |
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 | |
Gnyp et al. | Hyperspectral canopy sensing of paddy rice aboveground biomass at different growth stages | |
Chang-Hua et al. | Estimating leaf chlorophyll content using red edge parameters | |
CN107796764A (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 | |
Zhu et al. | Monitoring leaf nitrogen in wheat using canopy reflectance spectra | |
CN102506938A (zh) | 基于多传感信息的温室作物生长和环境信息检测方法 | |
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 | |
CN104408307A (zh) | 田间小麦白粉病发病程度的快速监测方法及其监测模型的构建方法 | |
CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
CN109142238A (zh) | 一种棉花磷素营养快速诊断方法 | |
CN103940748B (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
CN103185695A (zh) | 一种基于光谱的烤烟成熟度田间快速判断方法 | |
CN106770019A (zh) | 一种多花黑麦草可溶性糖含量的测定方法 | |
US20230078617A1 (en) | A method for assessing nitrogen nutritional status in plants by visible-to-shortwave infrared reflectance spectroscopy of carbohydrates | |
CN109060676A (zh) | 基于高光谱的夏玉米冠层spad值估算模型的确定方法 | |
Wen et al. | Estimation of the vertically integrated leaf nitrogen content in maize using canopy hyperspectral red edge parameters | |
Rongting et al. | Nondestructive estimation of bok choy nitrogen status with an active canopy sensor in comparison to a chlorophyll meter | |
Shi et al. | Simultaneous and nondestructive diagnostics of nitrogen/magnesium/potassium-deficient cucumber leaf based on chlorophyll density distribution features | |
CN110596048A (zh) | 一种光谱速测烟草叶片中钾含量的方法 | |
Li et al. | Quantification and dynamic monitoring of nitrogen utilization efficiency in summer maize with hyperspectral technique considering a non-uniform vertical distribution at whole growth stage | |
CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
Mani et al. | Estimating plant macronutrients using VNIR spectroradiometry | |
CN102939865B (zh) | 一种用叶柄硝态氮含量判断番茄氮素营养的方法 | |
Li et al. | Estimation of Potato Biomass and Yield Based on Machine Learning from Hyperspectral Remote Sensing Data | |
CN110596049A (zh) | 一种光谱速测烟草叶片中磷含量的方法 |
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 |