CN109211801B - 一种作物氮素需求量实时获取方法 - Google Patents

一种作物氮素需求量实时获取方法 Download PDF

Info

Publication number
CN109211801B
CN109211801B CN201811018705.0A CN201811018705A CN109211801B CN 109211801 B CN109211801 B CN 109211801B CN 201811018705 A CN201811018705 A CN 201811018705A CN 109211801 B CN109211801 B CN 109211801B
Authority
CN
China
Prior art keywords
nitrogen
target
crop
crops
under different
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
Application number
CN201811018705.0A
Other languages
English (en)
Other versions
CN109211801A (zh
Inventor
王远
施卫明
王德建
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.)
Institute of Soil Science of CAS
Original Assignee
Institute of Soil Science of CAS
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 Institute of Soil Science of CAS filed Critical Institute of Soil Science of CAS
Priority to CN201811018705.0A priority Critical patent/CN109211801B/zh
Publication of CN109211801A publication Critical patent/CN109211801A/zh
Application granted granted Critical
Publication of CN109211801B publication Critical patent/CN109211801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Botany (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Fertilizing (AREA)

Abstract

本发明涉及一种作物氮素需求量实时获取方法，针对传统作物氮素需求量计算方法需要对作物进行破坏性取样分析，工作量大，时效性较差的问题，通过建立作物氮素需求量与作物氮营养指数间的模型，将繁琐的作物氮素需求量计算转化为作物氮营养指数获取，大大增加了作物氮素营养诊断的时效性；设计模型不仅具有较高的精度，还考虑了作物的生长时期差异和不同种植地区的氮肥利用率差异，具有较高的普适性；该模型的建立，可为作物精准氮肥管理提供指导，对氮肥减投与农业可持续发展具有重要的现实意义。

Description

一种作物氮素需求量实时获取方法
技术领域
本发明涉及一种作物氮素需求量实时获取方法，属于作物氮素营养信息快速检测技术领域。
背景技术
氮肥是农业生产中投入量最大的肥料，在中国东部地区，由于氮肥施用量过大，施肥方式不科学，农田中施用的氮肥仅有不足30％能被作物吸收利用。对作物进行实时氮素营养诊断并定量分析其氮素需求，有助于制定合理的氮肥管理措施，提高氮肥利用率。
目前，在作物生长期间进行实时氮素营养诊断的研究有很多，如利用便携式叶绿素仪，多光谱或高光谱设备，数码相机等。这些研究建立了设备光谱参数与含氮量、地上部生物量、氮营养指数等指标间的关系，通过这些设备的测量可快速反演作物的含氮量、地上部生物质量、氮营养指数等指标。但由于作物品种，测试的生育时期，气候条件和栽培管理措施等存在差异，仅利用反演的这些指标很难准确判断作物的氮素营养状况，更无法准确计算出作物的氮素需求量。临界氮浓度是指作物在某生长时期达到最大生物量所需的最低植株氮浓度，也是作物生长时的最佳氮浓度。将作物的临界氮浓度作为氮素营养诊断的目标氮浓度，通过实际氮浓度与目标氮浓度的差值，可计算出作物的氮素需求量，但目前使用该方法需要对作物进行破坏性取样分析，工作量大，时效性较差。因此，建立实时、快速诊断作物氮素营养状况的方法，并计算作物的氮素需求量，对于科学有效的指导作物氮肥投入具有重要的现实意义和应用价值。
发明内容
本发明所要解决的技术问题是提供一种作物氮素需求量实时获取方法，能够快速、准确估算出作物的氮素需求量，为作物精准氮肥管理提供指导。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种作物氮素需求量实时获取方法，用于实时获取目标地区中目标作物的氮素需求量，包括如下步骤：
步骤A.根据目标作物的临界氮稀释曲线、以及不同施氮水平下目标作物的地上部干物质量DM，计算获得不同施氮水平下、目标作物的临界氮浓度值criticalNc，然后进入步骤B；
步骤B.根据如下公式：
Figure GDA0002367371180000021
获得不同施氮水平下、目标作物的氮素需求量NR；其中，Nc表示不同施氮水平下、目标作物地上部实际氮浓度；REN表示不同施氮水平下、目标作物的氮肥利用率，然后进入步骤C；
步骤C.获得不同施氮水平下、目标作物的氮营养指数NNI，然后进入步骤D；
步骤D.按不同施氮水平下、目标作物的不同取样时期，针对不同施氮水平下、目标作物的氮素需求量NR，以及不同施氮水平下、目标作物的氮营养指数NNI进行数据拟合，获得不同施氮水平下、目标作物对应不同取样时期拟合方程如下：
NR＝S(1-NNI) (4)
即获得不同施氮水平下、目标作物的氮素需求量NR与氮营养指数NNI间的关系；其中，S表示不同施氮水平下、目标作物对应不同取样时期拟合方程的系数，然后进入步骤E；
步骤E.以不同施氮水平下、目标作物每次取样时的作物生长天数为x轴，该次取样时、按步骤D所获系数S为y轴，分别针对所有取样时期的点(x，y)绘制散点图，并对每次取样时期、散点图中的点进行线性回归分析，求得线性回归方程如下：
S＝a·GD-b (5)
其中，GD表示不同施氮水平下、目标作物从播种或移栽时间点至取样时的生长天数，a、b均为线性回归方程的系数，然后进入步骤F；
步骤F.针对不同施氮水平下、目标作物的氮肥利用率REN，设定为c，并执行步骤B-步骤E，求得线性回归方程系数a、b，然后进入步骤G；其中，0＜c＜1；
步骤G.分别以c·a的值、c·b的值更新公式(5)中的a、b，并针对公式(5)的右侧除以REN，构建如下公式(6)，然后进入步骤H；
Figure GDA0002367371180000022
步骤H.将公式(6)代入公式(4)，即获得目标作物氮素需求量模型(7)如下，然后进入步骤I；
Figure GDA0002367371180000031
步骤I.获取目标地区中目标作物的氮营养指数NNI、目标作物的氮肥利用率REN、以及目标作物从播种或移栽时间点至计算氮素需求量时的生长天数GD，然后根据目标作物的氮素需求量模型(7)，计算获得目标地区中目标作物的氮素需求量。
作为本发明的一种优选技术方案：所述步骤A中，采用破坏性取样的方法获得不同施氮水平下、目标作物的地上部干物质量DM。
作为本发明的一种优选技术方案：所述步骤B中，采用破坏性取样和化学分析的方法获得不同施氮水平下、目标作物地上部实际氮浓度Nc。
作为本发明的一种优选技术方案：所述步骤B中，根据如下公式：
Figure GDA0002367371180000032
获得不同施氮水平下、目标作物的氮肥利用率REN；其中，Nupt-fert表示不同施氮水平下、目标作物收获时、施氮处理的地上部氮累积量；Nupt-unfert表示不同施氮水平下、目标作物收获时、不施氮处理的地上部氮累积量；Nappl表示不同施氮水平下、目标作物施氮处理的氮肥施用量。
作为本发明的一种优选技术方案：所述步骤C中，按如下公式：
NNI＝Nc/criticalNc (3)
获得不同施氮水平下、目标作物的氮营养指数NNI。
作为本发明的一种优选技术方案：所述步骤I中，利用便携式测量设备对目标地区中目标作物的叶片或冠层进行测量，并根据设备测量值与不同施氮水平下、目标地区中目标作物氮营养指数NNI间的关系，计算获得目标地区中目标作物的氮营养指数NNI。
作为本发明的一种优选技术方案：所述步骤I中，利用便携式测量设备对目标地区中目标作物的叶片或冠层进行测量，并根据设备测量值与不同施氮水平下、目标地区中目标作物氮浓度间的关系，计算得到目标地区中目标作物地上部实际氮浓度Nc；
根据设备测量值与不同施氮水平下、目标地区中目标作物的地上部干物质量间的关系，计算得到目标地区中目标作物地上部干物质量DM；
根据目标作物的临界氮稀释曲线、以及地上部干物质量DM，计算目标作物的临界氮浓度值criticalNc，再通过Nc与criticalNc的比值，获得目标地区中目标作物的氮营养指数NNI。
作为本发明的一种优选技术方案：所述便携式测量设备为叶绿素仪、多光谱仪、高光谱仪、数码相机、激光扫描雷达、荧光成像仪中的一种或多种。
作为本发明的一种优选技术方案：所述步骤I中，根据目标地区中同种目标作物的平均氮肥利用率，获得目标地区中目标作物的氮肥利用率REN。
本发明所述一种作物氮素需求量实时获取方法采用以上技术方案与现有技术相比，具有以下技术效果：
本发明所设计一种作物氮素需求量实时获取方法，针对传统作物氮素需求量计算方法需要对作物进行破坏性取样分析，工作量大，时效性较差的问题，通过建立作物氮素需求量与作物氮营养指数间的模型，将繁琐的作物氮素需求量计算转化为作物氮营养指数获取，大大增加了作物氮素营养诊断的时效性；设计模型不仅具有较高的精度，还考虑了作物的生长时期差异和不同种植地区的氮肥利用率差异，具有较高的普适性；该模型的建立，可为作物精准氮肥管理提供指导，对氮肥减投与农业可持续发展具有重要的现实意义。
附图说明
图1是本发明设计作物氮素需求量实时获取方法的流程图；
图2a至图2d是试验1不同氮素水平下水稻生长期间的氮素需求量变化；
图3是试验1水稻氮素需求量与NNI间线性回归方程的系数与移栽后天数间的关系；
图4a至图4d是试验1中水稻氮素需求量估计模型的验证；
图5a至图5d是试验2中水稻氮素需求量估计模型的验证。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种作物氮素需求量实时获取方法，用于实时获取目标地区中目标作物的氮素需求量，如图1所示，包括如下步骤：
步骤A.根据目标作物的临界氮稀释曲线、以及不同施氮水平下目标作物的地上部干物质量DM，计算获得不同施氮水平下、目标作物的临界氮浓度值criticalNc，然后进入步骤B。其中，采用破坏性取样的方法获得不同施氮水平下、目标作物的地上部干物质量DM。
步骤B.根据如下公式：
Figure GDA0002367371180000051
获得不同施氮水平下、目标作物的氮素需求量NR；其中，Nc表示不同施氮水平下、目标作物地上部实际氮浓度，实际应用中，采用破坏性取样和化学分析的方法获得不同施氮水平下、目标作物地上部实际氮浓度Nc；REN表示不同施氮水平下、目标作物的氮肥利用率，然后进入步骤C。
实际应用中，对于不同施氮水平下、目标作物的氮肥利用率REN，根据如下公式：
Figure GDA0002367371180000052
获得不同施氮水平下、目标作物的氮肥利用率REN；其中，Nupt-fert表示不同施氮水平下、目标作物收获时、施氮处理的地上部氮累积量；Nupt-unfert表示不同施氮水平下、目标作物收获时、不施氮处理的地上部氮累积量；Nappl表示不同施氮水平下、目标作物施氮处理的氮肥施用量。
步骤C.按如下公式：
NNI＝Nc/criticalNc (3)
获得不同施氮水平下、目标作物的氮营养指数NNI，然后进入步骤D。
步骤D.按不同施氮水平下、目标作物的不同取样时期，针对不同施氮水平下、目标作物的氮素需求量NR，以及不同施氮水平下、目标作物的氮营养指数NNI进行数据拟合，获得不同施氮水平下、目标作物对应不同取样时期拟合方程如下：
NR＝S(1-NNI) (4)
即获得不同施氮水平下、目标作物的氮素需求量NR与氮营养指数NNI间的关系；其中，S表示不同施氮水平下、目标作物对应不同取样时期拟合方程的系数，然后进入步骤E。
步骤E.以不同施氮水平下、目标作物每次取样时的作物生长天数为x轴，该次取样时、按步骤D所获系数S为y轴，分别针对所有取样时期的点(x，y)绘制散点图，并对每次取样时期、散点图中的点进行线性回归分析，求得线性回归方程如下：
S＝a·GD-b (5)
其中，GD表示不同施氮水平下、目标作物从播种或移栽时间点至取样时的生长天数，a、b均为线性回归方程的系数，然后进入步骤F。
步骤F.针对不同施氮水平下、目标作物的氮肥利用率REN，设定为c，并执行步骤B-步骤E，求得线性回归方程系数a、b，然后进入步骤G；其中，0＜c＜1。
步骤G.分别以c·a的值、c·b的值更新公式(5)中的a、b，并针对公式(5)的右侧除以REN，构建如下公式(6)，然后进入步骤H。
Figure GDA0002367371180000061
步骤H.将公式(6)代入公式(4)，即获得目标作物氮素需求量模型(7)如下，然后进入步骤I。
Figure GDA0002367371180000062
步骤I.获取目标地区中目标作物的氮营养指数NNI、目标作物的氮肥利用率REN、以及目标作物从播种或移栽时间点至计算氮素需求量时的生长天数GD，然后根据目标作物的氮素需求量模型(7)，计算获得目标地区中目标作物的氮素需求量。
上述步骤I中，对于目标作物的氮肥利用率REN，应用中，根据目标地区中同种目标作物的平均氮肥利用率，获得目标地区中目标作物的氮肥利用率REN；对于目标地区中目标作物的氮营养指数NNI，实际应用中，具体设计了两种方式获取：其一，利用便携式测量设备对目标地区中目标作物的叶片或冠层进行测量，并根据设备测量值与不同施氮水平下、目标地区中目标作物氮营养指数NNI间的关系，计算获得目标地区中目标作物的氮营养指数NNI。
其二，利用便携式测量设备对目标地区中目标作物的叶片或冠层进行测量，根据设备测量值与不同施氮水平下、目标地区中目标作物氮浓度间的关系，计算得到目标地区中目标作物地上部实际氮浓度Nc；并根据设备测量值与不同施氮水平下、目标地区中目标作物的地上部干物质量间的关系，计算得到目标地区中目标作物地上部干物质量DM；然后，根据目标作物的临界氮稀释曲线、以及地上部干物质量DM，计算目标作物的临界氮浓度值criticalNc，再通过Nc与criticalNc的比值，获得目标地区中目标作物的氮营养指数NNI。
上述设计中所应用的便携式测量设备，实际具体应用中选择为叶绿素仪、多光谱仪、高光谱仪、数码相机、激光扫描雷达、荧光成像仪中的一种或多种。
将上述所设计作物氮素需求量实时获取方法，应用于实际实施例当中，于2010-2014年在江苏省常熟市中国科学院常熟农业生态实验站开展了两个不同氮肥用量的田间试验。供试作物为水稻，品种包括武运粳24、扬粳48、南粳44、南粳45、南粳46和两优培九。试验1设CK、N0、N1、N2、N3、N4共6个处理，4次重复。稻季各处理氮肥用量分别为0、0、180、225、270、315kg ha-1(肥料施用量均以元素态计算，下同)，除CK处理不施用磷钾肥外，其余处理磷钾用量分别为20kg/ha、90kg/ha。试验2设N0、N1、N2、N3、N4、N5共6个处理，3次重复。稻季各处理氮肥用量分别为0、120、180、240、270、300kg/ha，各处理磷钾用量分别为20kg/ha、90kg/ha。两试验各处理氮肥的基肥、分蘖肥与穗肥均按4：2：4分三次施入，钾肥按1：1分基肥与穗肥两次施入，磷肥作基肥一次性施入，其他管理措施与大田生产上相同。
从水稻移栽后约15天起，每隔一定时间对各处理的植株进行破坏性取样。取样时每小区选取长势相近的植株6穴，按茎、叶分开，在105℃下杀青30分钟后，于75℃烘干至恒重。利用凯氏定氮法测定叶片和茎秆的全氮含量。在水稻成熟期将各小区全部收获测产，收获时同步进行一次破坏性取样，处理和测试流程同上。
通过试验1建立水稻氮素需求量估算模型，步骤如下：
步骤A.根据水稻临界氮稀释曲线criticalNc＝3.33DM-0.26、以及不同施氮水平下目标作物的地上部干物质量DM，计算获得不同施氮水平下、水稻的作物临界氮浓度值criticalNc，然后进入步骤B。
步骤B.根据如下公式：
Figure GDA0002367371180000071
获得不同施氮水平下、水稻的氮素需求量NR；其中，Nc表示不同施氮水平下、水稻地上部实际氮浓度；REN表示不同施氮水平下、水稻的氮肥利用率；试验1各供试品种在不同氮素水平下，水稻生长期间的氮素需求量变化如图2a至图2d所示，然后进入步骤C。
对于不同施氮水平下、水稻的氮肥利用率REN，根据如下公式：
Figure GDA0002367371180000081
获得不同施氮水平下、水稻的氮肥利用率REN；其中，Nupt-fert表示不同施氮水平下、水稻收获时、施氮处理的地上部氮累积量；Nupt-unfert表示不同施氮水平下、水稻收获时、不施氮处理的地上部氮累积量；Nappl表示不同施氮水平下、水稻施氮处理的氮肥施用量。
步骤C.按如下公式：
NNI＝Nc/criticalNc (3)
获得不同施氮水平下、水稻的氮营养指数NNI，然后进入步骤D。
步骤D.按不同施氮水平下、水稻的不同取样时期，针对不同施氮水平下、水稻的氮素需求量NR，以及不同施氮水平下、水稻的氮营养指数NNI进行数据拟合，获得不同施氮水平下、水稻对应不同取样时期拟合方程如下：
NR＝S(1-NNI) (4)
即获得不同施氮水平下、水稻的氮素需求量NR与氮营养指数NNI间的关系；其中，S表示不同施氮水平下、水稻对应不同取样时期拟合方程的系数，然后进入步骤E。
步骤E.以不同施氮水平下、水稻每次取样时的作物生长天数为x轴，该次取样时、按步骤D所获系数S为y轴，分别针对所有取样时期的点(x，y)绘制散点图，并对每次取样时期、散点图中的点进行线性回归分析，求得线性回归方程如下，水稻氮素需求量与NNI间线性回归方程的系数与移栽后天数间的关系如图3所示。
S＝9.82·GD-82.39 (5)
其中，GD表示不同施氮水平下、水稻从播种或移栽时间点至取样时的生长天数，a、b均为线性回归方程的系数，然后进入步骤F。
步骤F.针对不同施氮水平下、水稻的氮肥利用率REN，设定为c，c＝50％，并执行步骤B-步骤E，求得线性回归方程系数a＝5.90、b＝61.7，然后进入步骤G。
步骤G.分别以c·a的值、c·b的值更新公式(5)中的a、b，并针对公式(5)的右侧除以REN，构建如下公式(6)，然后进入步骤H。
Figure GDA0002367371180000082
步骤H.将公式(6)代入公式(4)，即获得水稻氮素需求量模型(7)如下，然后进入步骤I。
Figure GDA0002367371180000091
步骤I.水稻氮素需求量模型(7)建立后，可利用该模型实时获取水稻的氮素需求量，利用该模型获取待测水稻的氮素需求量的步骤如下：
(1)利用SPAD叶绿素仪测试待测水稻的叶片SPAD值，通过已建立的SPAD值与氮营养指数间的函数关系，计算得到待测水稻的氮营养指数NNI；
(2)以待测作物种植地区水稻的平均氮肥利用率作为REN；
(3)计算水稻移栽至测试时的天数，作为生长天数GD；
(4)将NNI、REN和GD代入公式(7)，计算得到待测水稻的氮素需求量。
水稻氮素需求量估算模型建立后，对所建立的模型进行验证，利用公式(1)计算的水稻氮素需求量作为观测值，利用所建立的模型(公式7)计算的水稻氮素需求量作为预测值，利用观测值和预测值绘制1:1图，利用建模数据(试验1)对模型进行验证的结果如图4a至图4d所示，利用独立数据(试验2)对模型进行验证的结果如图5a至图5d所示，结果显示所建立的水稻氮素需求量估算模型具有很高的精度，如下表1所示，可准确估算水稻的氮素需求量；其中，MB(Mean Bias),NMB(Normalized Mean Bias),RMSE(Root Mean SquareError),NMSE(Normalized Mean Square Error),FB(Fractional Bias)。
Figure GDA0002367371180000092
表1
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (9)

1.一种作物氮素需求量实时获取方法，用于实时获取目标地区中目标作物的氮素需求量，其特征在于，包括如下步骤：
步骤A.根据目标作物的临界氮稀释曲线、以及不同施氮水平下目标作物的地上部干物质量DM，计算获得不同施氮水平下、目标作物的临界氮浓度值criticalNc，然后进入步骤B；
步骤B.根据如下公式：
Figure FDA0002367371170000011
获得不同施氮水平下、目标作物的氮素需求量NR；其中，Nc表示不同施氮水平下、目标作物地上部实际氮浓度；REN表示不同施氮水平下、目标作物的氮肥利用率，然后进入步骤C；
步骤C.获得不同施氮水平下、目标作物的氮营养指数NNI，然后进入步骤D；
步骤D.按不同施氮水平下、目标作物的不同取样时期，针对不同施氮水平下、目标作物的氮素需求量NR，以及不同施氮水平下、目标作物的氮营养指数NNI进行数据拟合，获得不同施氮水平下、目标作物对应不同取样时期拟合方程如下：
NR＝S(1-NNI) (4)
即获得不同施氮水平下、目标作物的氮素需求量NR与氮营养指数NNI间的关系；其中，S表示不同施氮水平下、目标作物对应不同取样时期拟合方程的系数，然后进入步骤E；
步骤E.以不同施氮水平下、目标作物每次取样时的作物生长天数为x轴，该次取样时、按步骤D所获系数S为y轴，分别针对所有取样时期的点(x，y)绘制散点图，并对每次取样时期、散点图中的点进行线性回归分析，求得线性回归方程如下：
S＝a·GD-b (5)
其中，GD表示不同施氮水平下、目标作物从播种或移栽时间点至取样时的生长天数，a、b均为线性回归方程的系数，然后进入步骤F；
步骤F.针对不同施氮水平下、目标作物的氮肥利用率REN，设定为c，并执行步骤B-步骤E，求得线性回归方程系数a、b，然后进入步骤G；其中，0＜c＜1；
步骤G.分别以c·a的值、c·b的值更新公式(5)中的a、b，并针对公式(5)的右侧除以REN，构建如下公式(6)，然后进入步骤H；
Figure FDA0002367371170000012
步骤H.将公式(6)代入公式(4)，即获得目标作物氮素需求量模型(7)如下，然后进入步骤I；
Figure FDA0002367371170000021
步骤I.获取目标地区中目标作物的氮营养指数NNI、目标作物的氮肥利用率REN、以及目标作物从播种或移栽时间点至计算氮素需求量时的生长天数GD，然后根据目标作物的氮素需求量模型(7)，计算获得目标地区中目标作物的氮素需求量。
2.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤A中，采用破坏性取样的方法获得不同施氮水平下、目标作物的地上部干物质量DM。
3.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤B中，采用破坏性取样和化学分析的方法获得不同施氮水平下、目标作物地上部实际氮浓度Nc。
4.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤B中，根据如下公式：
Figure FDA0002367371170000022
获得不同施氮水平下、目标作物的氮肥利用率REN；其中，Nupt-fert表示不同施氮水平下、目标作物收获时、施氮处理的地上部氮累积量；Nupt-unfert表示不同施氮水平下、目标作物收获时、不施氮处理的地上部氮累积量；Nappl表示不同施氮水平下、目标作物施氮处理的氮肥施用量。
5.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤C中，按如下公式：
NNI＝Nc/criticalNc (3)
获得不同施氮水平下、目标作物的氮营养指数NNI。
6.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤I中，利用便携式测量设备对目标地区中目标作物的叶片或冠层进行测量，并根据设备测量值与不同施氮水平下、目标地区中目标作物氮营养指数NNI间的关系，计算获得目标地区中目标作物的氮营养指数NNI。
7.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤I中，利用便携式测量设备对目标地区中目标作物的叶片或冠层进行测量，并根据设备测量值与不同施氮水平下、目标地区中目标作物氮浓度间的关系，计算得到目标地区中目标作物地上部实际氮浓度Nc；
根据设备测量值与不同施氮水平下、目标地区中目标作物的地上部干物质量间的关系，计算得到目标地区中目标作物地上部干物质量DM；
根据目标作物的临界氮稀释曲线、以及地上部干物质量DM，计算目标作物的临界氮浓度值criticalNc，再通过Nc与criticalNc的比值，获得目标地区中目标作物的氮营养指数NNI。
8.根据权利要求6或7所述一种作物氮素需求量实时获取方法，其特征在于：所述便携式测量设备为叶绿素仪、多光谱仪、高光谱仪、数码相机、激光扫描雷达、荧光成像仪中的一种或多种。
9.根据权利要求1所述一种作物氮素需求量实时获取方法，其特征在于：所述步骤I中，根据目标地区中同种目标作物的平均氮肥利用率，获得目标地区中目标作物的氮肥利用率REN。
CN201811018705.0A 2018-09-03 2018-09-03 一种作物氮素需求量实时获取方法 Active CN109211801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811018705.0A CN109211801B (zh) 2018-09-03 2018-09-03 一种作物氮素需求量实时获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811018705.0A CN109211801B (zh) 2018-09-03 2018-09-03 一种作物氮素需求量实时获取方法

Publications (2)

Publication Number Publication Date
CN109211801A CN109211801A (zh) 2019-01-15
CN109211801B true CN109211801B (zh) 2020-03-31

Family

ID=64987288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811018705.0A Active CN109211801B (zh) 2018-09-03 2018-09-03 一种作物氮素需求量实时获取方法

Country Status (1)

Country Link
CN (1) CN109211801B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110567892B (zh) * 2019-09-17 2020-11-24 中国水利水电科学研究院 一种基于临界氮浓度的夏玉米氮素高光谱预测方法
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
CN112485204A (zh) * 2020-11-06 2021-03-12 安徽农业大学 基于高光谱的水稻穗期氮营养监测与诊断方法及应用
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
CN113298859B (zh) * 2021-05-26 2022-04-26 中国科学院地理科学与资源研究所 一种基于无人机影像的作物氮肥变量管理方法
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
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
CN117236070B (zh) * 2023-11-08 2024-01-30 吉林大学 基于最佳产量的区域玉米植株磷需求量定量化获取方法
CN117716858A (zh) * 2024-02-08 2024-03-19 内蒙古农业大学 一种生育期马铃薯钾肥追施推荐方法
CN117958128B (zh) * 2024-03-28 2024-07-02 北京市农林科学院智能装备技术研究中心 水培叶菜营养液管控方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103636417A (zh) * 2013-11-29 2014-03-19 中国科学院南京土壤研究所 一种稻田氮肥施用量的确定方法
CN106680390A (zh) * 2016-12-21 2017-05-17 中国农业科学院茶叶研究所 一种茶树氮素营养的诊断方法
CN107122870A (zh) * 2017-05-17 2017-09-01 宁波城市职业技术学院 一种估算高产雷竹林氮素需求量的计量模型
CN107389573A (zh) * 2017-07-28 2017-11-24 中国农业科学院农田灌溉研究所 氮营养指数估算方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103636417A (zh) * 2013-11-29 2014-03-19 中国科学院南京土壤研究所 一种稻田氮肥施用量的确定方法
CN106680390A (zh) * 2016-12-21 2017-05-17 中国农业科学院茶叶研究所 一种茶树氮素营养的诊断方法
CN107122870A (zh) * 2017-05-17 2017-09-01 宁波城市职业技术学院 一种估算高产雷竹林氮素需求量的计量模型
CN107389573A (zh) * 2017-07-28 2017-11-24 中国农业科学院农田灌溉研究所 氮营养指数估算方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
In-season assessment of grain protein and amylose content in rice using critical nitrogen dilution curve;Syed Tahir Ata-Ul-Karim et al;《European Journal of Agronomy》;20171231;第90卷;全文 *
刘其.基于过程的滴灌春小麦临界氮需求量定量化模拟模型 .《石河子大学硕士学位论文》.2014, *
秸秆全量还田与氮肥用量对水稻产量、氮肥利用率及氮素损失的影响;张刚等;《植物营养与肥料学报》;20161231;第22卷(第4期);全文 *

Also Published As

Publication number Publication date
CN109211801A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN109211801B (zh) 一种作物氮素需求量实时获取方法
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
Moreno et al. Base temperature determination of tropical Panicum spp. grasses and its effects on degree-day-based models
CN111418323B (zh) 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法
CN113268703B (zh) 一种应用于小麦田间管理的氮肥亏缺快速检测与精量追施方法
CN113268923A (zh) 一种基于模拟多光谱的夏玉米产量估算方法
CN106718363B (zh) 一种面向精细农业的灌溉试验方法及其试验平台
CN102986355A (zh) 一种针对烤烟的精准施氮方法
CN113866104B (zh) 一种基于数码相机检测温室番茄氮素营养状况的方法
CN108401634B (zh) 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法
Bo et al. Determining nitrogen status and quantifying nitrogen fertilizer requirement using a critical nitrogen dilution curve for hybrid indica rice under mechanical pot-seedling transplanting pattern
Yuan et al. Diagnosis of nitrogen nutrition of rice based on image processing of visible light
Wu et al. Adaptation of cotton production to climate change by sowing date optimization and precision resource management
CN117236070B (zh) 基于最佳产量的区域玉米植株磷需求量定量化获取方法
CN104458593A (zh) 油橄榄叶片营养诊断的方法
Shi et al. Possibility of recommending potassium application rates based on a rapid detection of the potato petiole K status with a portable K ion meter
Naderi et al. Evaluation of SPAD meter as a tool for N fertilization of rapeseed (Brassica napus L.)
Song et al. Evaluation of Landsat 8 time series image stacks for predicitng yield and yield components of winter wheat
Hunter et al. The influence of variations in fertility levels upon the yield and protein content of field corn in eastern Oregon
Bhengra et al. Calibration and validation study of sugarcane (DSSAT-CANEGRO V4. 6.1) model over North Indian region
CN112268867B (zh) 一种花椰菜光谱氮素营养诊断模型的构建方法
Yu et al. UAV hyperspectral inversion modeling of rice nitrogen content based on WOA-ELM
Amirouche et al. Calibration and validation of the AquaCrop model for the culture lettuce (Lactuca sativa L.) under fertilization levels in pluvial condition.
Cao et al. Estimating rice nitrogen status with the Crop Circle multispectral active canopy sensor
Lu et al. Using portable RapidSCAN active canopy sensor for rice nitrogen status diagnosis

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