CN112268867A - 一种花椰菜光谱氮素营养诊断模型的构建方法 - Google Patents
一种花椰菜光谱氮素营养诊断模型的构建方法 Download PDFInfo
- Publication number
- CN112268867A CN112268867A CN202011097517.9A CN202011097517A CN112268867A CN 112268867 A CN112268867 A CN 112268867A CN 202011097517 A CN202011097517 A CN 202011097517A CN 112268867 A CN112268867 A CN 112268867A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- cauliflower
- constructing
- fertilizer
- diagnosis model
- 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
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 241
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 122
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 title claims abstract description 109
- 240000003259 Brassica oleracea var. botrytis Species 0.000 title claims abstract description 109
- 238000003745 diagnosis Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 30
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 28
- 230000035764 nutrition Effects 0.000 title claims abstract description 28
- 238000001228 spectrum Methods 0.000 title claims abstract description 22
- 238000010521 absorption reaction Methods 0.000 claims abstract description 28
- 239000003337 fertilizer Substances 0.000 claims abstract description 23
- 239000000618 nitrogen fertilizer Substances 0.000 claims abstract description 22
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 241000196324 Embryophyta Species 0.000 claims description 24
- 230000003595 spectral effect Effects 0.000 claims description 18
- 230000004720 fertilization Effects 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 13
- 239000002028 Biomass Substances 0.000 claims description 7
- 235000015097 nutrients Nutrition 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 235000021049 nutrient content Nutrition 0.000 claims description 5
- 238000007696 Kjeldahl method Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 3
- 239000000126 substance Substances 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 2
- 229930002875 chlorophyll Natural products 0.000 description 4
- 235000019804 chlorophyll Nutrition 0.000 description 4
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 4
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001863 plant nutrition Effects 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 241000219146 Gossypium Species 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 235000015816 nutrient absorption Nutrition 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000003771 laboratory diagnosis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Abstract
本发明涉及一种花椰菜光谱氮素营养诊断模型的构建方法，基于植株吸氮量利用归一化植被指数NDVI值建立施氮数学模型N＝[83.079ln(x1)‑203.27‑0.172e8.2176x2]/b，其中N为花椰菜施氮肥量，x1为定值天数，x2为NDVI实测值，b为肥料利用率。该方法可用于指导花椰菜的最佳氮肥施用量，不会造成氮肥的施用过量或者施用不及时，提高了花椰菜氮肥的利用率，减少化学肥量料的施用，有效解决当下农业发展与环境之间的问题。
Description
技术领域
本发明属于植物营养诊断领域，涉及植物氮素营养诊断施肥技术，尤其涉及一种花椰菜光谱氮素营养诊断模型的构建领域。
背景技术
光谱营养诊断是现代氮素营养诊断技术的主要方法，能够解决作物施肥过量，不及时等问题。不同的诊断方式有着不同的特点，传统的作物形态诊断虽然很简便，但受诊断者自身的因素影响较大，不同的诊断者有着不同诊断标准，因此导致诊断误差较大。实验室诊断是公认度最高的诊断方法，精确的氮素营养诊断结果被大众所接受，但破坏性较大会影响作物产量，同时时效性较差，作物缺素往往又是不可逆的，当作物出现缺素时如果不能及时诊断出来并对所缺元素进行及时的补充就会造成很严重的损失。
光谱营养诊断已经成为植物营养诊断发展的主流趋势，目前SPAD-502、GreenSeeKer光谱仪和高像素智能手机、相机都是新型营养诊断的主要硬件设施，而高像素智能手机、相机在植物营养诊断方面兴起时间较短目前还未被广大人群所接受。SPAD-502、GreenSeeKer光谱仪作为现代最为认可的两种光学仪器，大量的研究证明这两种光学仪器都能很好的反应植株氮素丰缺程度进行作物产量预测。虽然目前有很多研究案例，但大多都只停留在实验室阶段，小麦、水稻、棉花这几种作物有少量运用，对于大量用肥的蔬菜却很少研究。
花椰菜是一种需氮量很高的作物，在其生长过程中常常存在氮肥施用过量，或者施用不及时的情况，从而导致肥料浪费，土壤盐渍化酸化，引起耕地质量下降，不但没有促进作物增产反而使农作物减产，因此科学施肥就显得尤为重要。
发明内容
本发明针对背景技术中存在的技术问题，提出了一种花椰菜光谱氮素营养诊断模型的构建方法，通过运用GreenSeeKer光谱仪对花椰菜进行光谱数据采集，并基于植株吸氮量利用归一化植被指数NDVI值建立施氮数学模型进行花椰菜的施氮指导。本发明方法可用于指导花椰菜的最佳氮肥施用量，不会造成氮肥的施用过量或者施用不及时，提高了花椰菜氮肥的利用率，减少化学肥量料的施用，有效解决当下农业发展与环境之间的问题。
本发明提出的一种花椰菜光谱氮素营养诊断模型的构建方法，该方法基于植株吸氮量利用归一化植被指数NDVI值建立施氮数学模型N＝[83.079ln(x1)-203.27-0.172e8.2176x2]/b，其中N为花椰菜施氮肥量，x1为定值天数，x2为NDVI实测值，b为肥料利用率。
进一步地，所述定值天数x1范围为：11天≤x1≤80天。
进一步地，所述NDVI实测值x2范围为：0≤x2≤1。
进一步地，所述肥料利用率b＝(常规施肥区吸氮量-无肥区吸氮量)/(施肥量×养分含量)，其中，所述施肥量为种植过程中的肥料施用量，所述养分含量为施用的肥料纯量养分。
进一步地，通过花椰菜的施氮水平试验找到花椰菜的吸氮规律与最佳施氮量。
进一步地，对最佳施氮量试验处理的吸氮量与定植天数进行线性分析。
进一步地，所述吸氮量(kg/hm2)＝植株全氮含量(％)×植株生物量(kg/hm2)×11％。
进一步地，所述植株全氮含量可通过凯氏定氮法测定。
进一步地，通过在整个试验过程中得到的花椰菜冠层光谱数据NDVI值与花椰菜的吸氮量进行线性拟合。
进一步地，所述运用GreenSeeKer光谱仪获取花椰菜整个生育期的冠层光谱数据的步骤包括：获取时间为花椰菜第一次追肥后，在早上9:00-12：00之间进行光谱数据的采集，并每三天采集一次，直到花椰菜收获为止；随机选取同一处理的花椰菜，将GreenSeeKer光谱仪自带的侧量仪器平行放置在距离花椰菜冠层80cm处，长按开关并匀速走动，当匀速走过距离为1米时松开开关；重复上述操作3次；所测值会自动记录在GreenSeeKer光谱仪中，测量完后将数据导出即可。
在其中一个优选实施例中，将所述模型在花椰菜的氮肥施用中进行应用，当所述花椰菜施氮肥量N为负值时，此时的花椰菜不用施肥。
GreenSeeKer光谱仪普遍应用在作物营养诊断方面，在玉米，水稻，小麦，棉花等长期作物方面应用较广，但在蔬菜营养诊断方面基本没有，原因在于蔬菜的生长周期较短，种植面积分布较分散，冠层长势不均一，在测定NDVI值时容易饱和，导致测量值不具有代表性。
本发明提出的一种花椰菜光谱氮素营养诊断模型的构建方法，通过氮水平试验得到最佳施氮量，在此基础上，先对最佳施氮量试验处理的吸氮量与定植天数进行线性分析，得到回归方程：
y＝83.0790ln(x1)-203.2700
R2＝0.9182①，
其中，11d≤x1≤80d，方程中x1为定值天数，y为最佳吸氮量，当花椰菜定植后将任意一天带入方程①中即可知道当天花椰菜的最佳产量的吸氮量。
再通过在整个试验过程中得到的花椰菜冠层光谱数据NDVI值与花椰菜的吸氮量进行线性拟合，得到回归方程：
y＝0.1720e8.2176x
R2＝0.8638②，
最后，将以上方程结合即可得出③即花椰菜的施氮量，也就是本发明的施氮模型，施氮量＝①-②/肥料利用率，即施氮量＝[83.0790ln(x1)-203.2700-0.1720e8.2176x2]/b。x1为定植天数且11d≤x1≤80d，x2为NDVI实测值0≤x2≤1。
同时本发明对所述施氮模型进行了验证，与常规施肥相比，在保证产量和品质不变的情况下，氮肥施用减少了69.9％，能够做到精准施肥，效果显著。
运用本发明的施氮模型指导施肥，能够精确、快速的预测花椰菜氮肥需要量，同时能够有效地减少化肥的施用量，且保证产质量不变，从而达到保护环境的目的，同时我们也可以运用本发明的施氮模型构建的方法去构建其他的蔬菜施肥模型，达到化肥减量、作物不减产的目的。
针对蔬菜的生长周期较短，种植面积分布较分散，冠层长势不均一，在测定NDVI值时容易饱和的问题，我们通过大田小区试验，统一管理，增加光谱数据NDVI值的测量次数，减少误差，最后通过组合得到施氮模型。
本发明原理在于，利用花椰菜体内对400nm-760nm的可见光波段、760nm-1100nm的短波近红外波段和1100nm-2526nm的长波近红外波段具有集中的吸收和反射特性进行氮素分析的诊断技术，来诊断花椰菜生长状况。研究发现，花椰菜用于光合作用的叶绿素对红光有很好的吸收效果，对近红光基本不会吸收，而叶绿素含量是与花椰菜体内含氮水平呈现正相关。同时基于花椰菜的生物量、吸氮量、植株全氮、叶绿素含量随着施氮量的增加而增加，当达到一定水平时则不再增加，呈现出平稳趋势的原则，因此通过光学仪器GreenSeeKer光谱仪自身携带发光二极管同时发射出波长为671±6nm的红光和波长为780±6nm近红光，它会以每秒采集10次的频率进行反射光的采集，然后传输至计算机，通过植物反射的红光和近红光的差值比上两者之和计算出NDVI值，通过分析光谱数据NDVI值与花椰菜吸氮量、植株全氮及产量的关系建立模型，作用于作物的氮素的诊断，在此基础上建立数学模型对作物的施氮量进行指导，能够做到按需施肥，精准施肥。
本发明方法运用GreenSeeKer光谱仪获取花椰菜整个生育期的冠层光谱数据NDVI值，并基于花椰菜的生物量、吸氮量、定植天数建立线性回归方程，最终得到花椰菜最佳施氮量的多元回归曲线即为花椰菜光谱氮素营养诊断模型。所得到的花椰菜氮素营养诊断模型能够准确、快速判断花椰菜氮素养分丰缺状况；兼顾施肥的及时性和精准性，提高肥料利用率，不会造成肥料的过量施用，从而达到保护环境的目的。
附图说明
图1为花椰菜吸氮量规律示意图。
图2为花椰菜吸氮量与NDVI关系示意图。
具体实施方式
本发明方法，首先对种植地花椰菜的常规施肥量进行调查，然后设置不同氮水平的试验，找到花椰菜的最佳施肥量，运用GreenSeeKer光谱仪获取花椰菜整个生育期的冠层光谱数据NDVI值，并基于花椰菜的生物量、吸氮量、定植天数建立线性回归方程，最终得到花椰菜最佳施氮量的多元回归曲线即为花椰菜光谱氮素营养诊断模型。所述花椰菜氮素营养诊断模型能够准确、快速判断花椰菜氮素养分丰缺状况；兼顾施肥的及时性和精准性，不会造成肥料的过量施用，保护环境。
实施例1
本发明的一种花椰菜光谱氮素营养诊断模型的构建方法，包括以下步骤：
第一步，对种植区花椰菜的常规施肥量进行调查，得到花椰菜氮肥常规施肥量。
第二步，对得到的氮肥常规施肥量设置不同的氮水平试验组，①N0无氮；②N1常规施氮量的1/2；③N2常规施氮；④N3常规施氮量的3/2；⑤N4常规施氮量的4/2；⑥N5常规施氮量的5/2。所有处理磷、钾施用量均为常规施用量。
第三步，利用GreenSeeKer光谱仪获取花椰菜冠层的光谱数据：获取时间为花椰菜第一次追肥后，在早上9:00-12：00进行光谱数据的采集每三天采集一次，直到花椰菜收获为止。随机选取同一处理的花椰菜，使接收器平行放置在距离花椰菜冠层80cm处，长按开关并匀速走动，当匀速走过距离为1米时松开开关，照此操作每个处理重复3次。所测值会自动记录在GreenSeeKer光谱仪自身携带的计算机中，测量完后将数据导出即可。
第四步，在收获时，每个大田小区随机选取三棵花椰菜，杀青、烘干至恒重后，用凯氏定氮法测定全氮含量，根据单位面积种植的花椰菜株数，计算出花椰菜的养分吸收量。并根据以下公式计算出吸氮量。
吸氮量(kg/hm2)＝植株全氮含量(％)×植株生物量(kg/hm 2)×11％，其中11％为花椰菜干物质含量。
在收获时，选取一天内每个大田小区成熟植株，测定其产量并记录株数，通过计算出平均重量再计算出产量。
第五步，基于第四步将得到的花椰菜吸氮量与总产量的关系进行线性拟合，得到回归方程，当花椰菜吸氮量达到最高峰时能够达到最高的总产量的处理即为最佳氮肥施用量的处理(N1)。
第六步：由第四步中的分析我们得到了最佳氮肥施用量的处理是N1，因此我们对最佳氮肥施用量处理N1的吸氮量与定植天数x1进行线性分析，得到回归方程：
y＝83.0790ln(x1)-203.2700
R2＝0.9182 ①，
其中，11d≤x1≤80d；
第七步：基于第三步中得到的不同施氮水平下的花椰菜冠层光谱数据NDVI值与第四步中得到的花椰菜整个生育期不同施氮水平下花椰菜吸氮量进行线性拟合，得到回归方程：
y＝0.1720e8.2176x
R2＝0.8638 ②；
第八步：基于第六步和第七步得到的回归方程组合即可得出花椰菜的施氮量，施氮量＝回归方程①—回归方程②/肥料利用率，即，
施氮量＝[83.0790ln(x1)-203.2700-0.1720e8.2176x2]/b，
其中：x1为定植天数且11d≤x1≤80d，x2为NDVI实测值且0≤x2≤1，b为肥料利用率。
肥料利用率＝(常规施肥区吸氮量-无肥区吸氮量)/(施肥量×养分含量)。
实施例2
本实施例以云南省玉溪市澄江市的花椰菜种植为例，验证本发明方法的可行性。
步骤一：调查得到每茬花椰菜的施氮总量为255kg/hm2，施用P2O5为267.75kg/hm2，K2O为267.75kg/hm2。
步骤二：由步骤一调查得到的常规施肥量为基础设置不同的氮水平试验组，①N0无氮；②N1常规施氮量的1/2；③N2常规施氮；④N3常规施氮量的3/2；⑤N4常规施氮量的4/2；⑥N5常规施氮量的5/2，所有磷、钾施用量均为常规施用量。
步骤三：试验布置：试验地均整地做墒：小区作高畦，小区38.4m2，每个小区又分为1墒，每墒畦宽1.6m，畦长24m，畦高10cm，畦距20.0cm，小区设保护行1米宽，便于人操作、管理。每个处理三次重复，随机区组排列。
步骤四：利用GreenSeeKer光谱仪获取花椰菜冠层的光谱数据：获取时间为花椰菜第一次追肥后，在早上9:00-12：00进行光谱数据的采集每三天采集一次，直到花椰菜收获为止。随机选取同一处理的花椰菜，使接收器平行放置在距离花椰菜冠层80cm处，长按开关并匀速走动，当匀速走过距离为1米时松开开关，照此操作每个处理重复3次。所测值会自动记录在GreenSeeKer光谱仪自身携带的计算机中，测量完后将数据导出即可。
步骤五：在收获时，每个大田小区随机选取三棵花椰菜，杀青、烘干至恒重后，用凯氏定氮法测定全氮含量，根据单位面积种植的花椰菜株数，计算出花椰菜的养分吸收量。并根据以下公式计算出吸氮量。
吸氮量(kg/hm 2)＝植株全氮含量(％)×植株生物量(kg/hm 2)×11％，其中注：11％为花椰菜干物质含量。
在收获时，选取一天内每个小区成熟植株，测定其产量并记录株数，通过计算出平均重量再计算出产量。
将本发明模型运用在花椰菜的氮肥施用中，分别在花椰菜定植后的11天，24天，36天，44天利用GreenSeeKer光谱仪测定花椰菜冠层的光谱数据NDVI值代入模型中得到施氮量，若得到的值为负值则表明不用施肥。
以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，仍然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (10)
1.一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，该方法基于植株吸氮量利用归一化植被指数NDVI值建立施氮数学模型N＝[83.079ln(x1)-203.27-0.172e8.2176x2]/b，其中N为花椰菜施氮肥量，x1为定值天数，x2为NDVI实测值，b为肥料利用率。
2.根据权利要求1所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，所述定值天数x1范围为：11天≤x1≤80天。
3.根据权利要求1所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，所述NDVI实测值x2范围为：0≤x2≤1。
4.根据权利要求1所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，所述肥料利用率b＝(常规施肥区吸氮量-无肥区吸氮量)/(施肥量×养分含量)，其中，所述施肥量为种植过程中的肥料施用量，所述养分含量为施用的肥料纯量养分。
5.根据权利要求1所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，通过花椰菜的施氮水平试验找到花椰菜的吸氮规律与最佳施氮量。
6.根据权利要求5所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，对最佳施氮量试验处理的吸氮量与定植天数进行线性分析。
7.根据权利要求6所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，所述吸氮量(kg/hm2)＝植株全氮含量(％)×植株生物量(kg/hm2)×11％。
8.根据权利要求7所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，所述植株全氮含量可通过凯氏定氮法测定。
9.根据权利要求5或7所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，通过在整个试验过程中得到的花椰菜冠层光谱数据NDVI值与花椰菜的吸氮量进行线性拟合。
10.根据权利要求11所述的一种花椰菜光谱氮素营养诊断模型的构建方法，其特征在于，所述运用GreenSeeKer光谱仪获取花椰菜整个生育期的冠层光谱数据的步骤包括：
获取时间为花椰菜第一次追肥后，在早上9:00-12：00之间进行光谱数据的采集，并每三天采集一次，直到花椰菜收获为止；
随机选取同一处理的花椰菜，将GreenSeeKer光谱仪自带的侧量仪器平行放置在距离花椰菜冠层80cm处，长按开关并匀速走动，当匀速走过距离为1米时松开开关；
重复上述操作3次；
所测值会自动记录在GreenSeeKer光谱仪中，测量完后将数据导出即可。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011097517.9A CN112268867B (zh) | 2020-10-14 | 2020-10-14 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011097517.9A CN112268867B (zh) | 2020-10-14 | 2020-10-14 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112268867A true CN112268867A (zh) | 2021-01-26 |
| CN112268867B CN112268867B (zh) | 2023-11-17 |
Family
ID=74338055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011097517.9A Active CN112268867B (zh) | 2020-10-14 | 2020-10-14 | 一种花椰菜光谱氮素营养诊断模型的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112268867B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040231239A1 (en) * | 2001-07-24 | 2004-11-25 | The Board Of Regents For Oklahoma State University | Use of within-field-element-size CV for improved nutrient fertilization in crop production |
| US20080304711A1 (en) * | 2006-11-07 | 2008-12-11 | Peter Clifton Scharf | Method of predicting crop yield loss due to n-deficiency |
| 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 |
| CN102636439A (zh) * | 2012-04-16 | 2012-08-15 | 南京农业大学 | 一种确定小麦植株吸氮量核心波段的方法 |
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN105445229A (zh) * | 2015-12-15 | 2016-03-30 | 河南农业大学 | 基于氮平衡光谱法的小麦春季氮肥施用方法及其追氮量模型的构建方法 |
| CN105557166A (zh) * | 2016-01-26 | 2016-05-11 | 石河子大学 | 基于gis的滴灌棉田氮素施肥管理方法 |
| CN106442365A (zh) * | 2016-12-02 | 2017-02-22 | 南京农业大学 | 一种梨树精准施氮技术 |
| 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 |
| CN108401634A (zh) * | 2018-02-07 | 2018-08-17 | 扬州大学 | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 |
| CN108633652A (zh) * | 2018-03-22 | 2018-10-12 | 河南农业大学 | 兼顾土壤环境容量的冬小麦/夏玉米周年轮作节氮增效施肥方法 |
| CN109211801A (zh) * | 2018-09-03 | 2019-01-15 | 中国科学院南京土壤研究所 | 一种作物氮素需求量实时获取方法 |
| CN109673454A (zh) * | 2019-02-11 | 2019-04-26 | 石河子大学 | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 |
| US10386296B1 (en) * | 2017-12-06 | 2019-08-20 | Arable Labs, Inc. | Systems and methods for determination and application of nitrogen fertilizer using crop canopy measurements |
-
2020
- 2020-10-14 CN CN202011097517.9A patent/CN112268867B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040231239A1 (en) * | 2001-07-24 | 2004-11-25 | The Board Of Regents For Oklahoma State University | Use of within-field-element-size CV for improved nutrient fertilization in crop production |
| US20080304711A1 (en) * | 2006-11-07 | 2008-12-11 | Peter Clifton Scharf | Method of predicting crop yield loss due to n-deficiency |
| 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 |
| CN102636439A (zh) * | 2012-04-16 | 2012-08-15 | 南京农业大学 | 一种确定小麦植株吸氮量核心波段的方法 |
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN105445229A (zh) * | 2015-12-15 | 2016-03-30 | 河南农业大学 | 基于氮平衡光谱法的小麦春季氮肥施用方法及其追氮量模型的构建方法 |
| CN105557166A (zh) * | 2016-01-26 | 2016-05-11 | 石河子大学 | 基于gis的滴灌棉田氮素施肥管理方法 |
| 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 |
| CN106442365A (zh) * | 2016-12-02 | 2017-02-22 | 南京农业大学 | 一种梨树精准施氮技术 |
| US10386296B1 (en) * | 2017-12-06 | 2019-08-20 | Arable Labs, Inc. | Systems and methods for determination and application of nitrogen fertilizer using crop canopy measurements |
| CN108401634A (zh) * | 2018-02-07 | 2018-08-17 | 扬州大学 | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 |
| CN108633652A (zh) * | 2018-03-22 | 2018-10-12 | 河南农业大学 | 兼顾土壤环境容量的冬小麦/夏玉米周年轮作节氮增效施肥方法 |
| CN109211801A (zh) * | 2018-09-03 | 2019-01-15 | 中国科学院南京土壤研究所 | 一种作物氮素需求量实时获取方法 |
| CN109673454A (zh) * | 2019-02-11 | 2019-04-26 | 石河子大学 | 一种滴灌棉花氮素营养诊断模型的构建方法和应用 |
Non-Patent Citations (7)
| Title |
|---|
| DENG WENXIANG等: "Effects of different ratios of rose residue and Jatropha curcas oil dry on dynamic changes of nitrogen during high-temperature composting", JOURNAL OF YUNNAN AGRICULTURAL UNIVERSITY, vol. 25, no. 3, pages 414 - 418 * |
| FOSTER, AJ 等: "Estimation of bioenergy crop yield and N status by hyperspectral canopy reflectance and partial least square regression", PRECISION AGRICULTURE, vol. 18, no. 2, pages 192 - 209, XP036180256, DOI: 10.1007/s11119-016-9455-8 * |
| INCROCCI L等: "New trends in the fertigation management of irrigated vegetable crops", HORTICULTURAE, vol. 3, no. 2, pages 37 * |
| 刘茂成;李志洪;付大平;田耘;: "基于东北春玉米NDVI的精准追肥系统的设计", 中国农机化学报, vol. 37, no. 12, pages 174 - 178 * |
| 张杰;臧贺藏;李国强;赵巧丽;胡峰;冯晓;张建涛;周萌;郑国清;: "实时氮肥调控对夏玉米产量和氮素利用效率的影响", 玉米科学, vol. 24, no. 01, pages 123 - 129 * |
| 牛哓颖, 钱东平, 王秀, 杨世凤, 邵利敏: "基于归一化植被指数的变量施肥控制系统研究", 河北农业大学学报, no. 02, pages 94 - 98 * |
| 覃夏;王绍华;薛利红;: "江西鹰潭地区早稻氮素营养光谱诊断模型的构建与应用", 中国农业科学, vol. 44, no. 04, pages 691 - 698 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112268867B (zh) | 2023-11-17 |
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 | |
| Zhang et al. | Nitrogen fertigation effect on photosynthesis, grain yield and water use efficiency of winter wheat | |
| Li et al. | Vertical distributions of chlorophyll and nitrogen and their associations with photosynthesis under drought and rewatering regimes in a maize field | |
| CN109211801B (zh) | 一种作物氮素需求量实时获取方法 | |
| 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 | |
| Zhang et al. | Effects of ridging and mulching combined practices on proso millet growth and yield in semi-arid regions of China | |
| CN109673439B (zh) | 一种水肥耦合对水稻产量及生长性状的调控方法 | |
| CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
| Li et al. | Leaf positions of potato suitable for determination of nitrogen content with a SPAD meter | |
| CN107690925A (zh) | 一种杂交水稻精确追肥方法 | |
| CN108401634B (zh) | 一种大棚鲜食番茄氮素营养诊断及推荐施氮方法 | |
| CN109042176A (zh) | 一种高氮肥利用效率水稻品种的筛选方法 | |
| CN111418323A (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 | |
| LIU et al. | Leaf area index based nitrogen diagnosis in irrigated lowland rice | |
| Rose et al. | Integration and potential nitrogen contributions of green manure inter-row legumes in coppiced tree cropping systems | |
| CN112816618A (zh) | 一种氮高效小麦品种的筛选方法 | |
| Rongting et al. | Nondestructive estimation of bok choy nitrogen status with an active canopy sensor in comparison to a chlorophyll meter | |
| CN106717425B (zh) | 一种利用植株叶片相对spad值对作物进行氮肥推荐的方法 | |
| CN104012230A (zh) | 丹竹测土配方施肥方法 | |
| Xiang et al. | Optimization of controlled water and nitrogen fertigation on greenhouse culture of Capsicum annuum | |
| CN112268867B (zh) | 一种花椰菜光谱氮素营养诊断模型的构建方法 | |
| Jagdeep-Singh et al. | Chlorophyll meter based precision nitrogen management in spring maize | |
| Hgaza et al. | Leaf growth and photosynthetic capacity as affected by leaf position, plant nutritional status and growth stage in Dioscorea alata L | |
| CN108334701B (zh) | 一种大棚黄瓜氮素营养诊断及推荐施氮方法 | |
| CN109118382B (zh) | 土壤墒情与施肥量关系模型的建立方法及应用 |
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 |