CN112816618A - 一种氮高效小麦品种的筛选方法 - Google Patents
一种氮高效小麦品种的筛选方法 Download PDFInfo
- Publication number
- CN112816618A CN112816618A CN202011610393.XA CN202011610393A CN112816618A CN 112816618 A CN112816618 A CN 112816618A CN 202011610393 A CN202011610393 A CN 202011610393A CN 112816618 A CN112816618 A CN 112816618A
- Authority
- CN
- China
- Prior art keywords
- nitrogen
- wheat
- screening
- agronomic
- utilization efficiency
- 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.)
- Pending
Links
- 241000209140 Triticum Species 0.000 title claims abstract description 95
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 92
- 238000012216 screening Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 50
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 127
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 68
- 230000009418 agronomic effect Effects 0.000 claims abstract description 51
- 230000014075 nitrogen utilization Effects 0.000 claims abstract description 39
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 235000013339 cereals Nutrition 0.000 claims description 7
- 229930002875 chlorophyll Natural products 0.000 claims description 7
- 235000019804 chlorophyll Nutrition 0.000 claims description 7
- 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 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011282 treatment Methods 0.000 claims description 5
- 239000002028 Biomass Substances 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000004720 fertilization Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 2
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 3
- 239000003337 fertilizer Substances 0.000 description 12
- 239000002689 soil Substances 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 239000000618 nitrogen fertilizer Substances 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 4
- 239000010902 straw Substances 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 239000003895 organic fertilizer Substances 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 238000012742 biochemical analysis Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004016 soil organic matter Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 2
- 238000007696 Kjeldahl method Methods 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000005904 alkaline hydrolysis reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- YYRMJZQKEFZXMX-UHFFFAOYSA-L calcium bis(dihydrogenphosphate) Chemical group [Ca+2].OP(O)([O-])=O.OP(O)([O-])=O YYRMJZQKEFZXMX-UHFFFAOYSA-L 0.000 description 1
- 229940062672 calcium dihydrogen phosphate Drugs 0.000 description 1
- 229910000389 calcium phosphate Inorganic materials 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013173 literature analysis Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 235000019691 monocalcium phosphate Nutrition 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 125000001477 organic nitrogen group Chemical group 0.000 description 1
- 239000002686 phosphate fertilizer Substances 0.000 description 1
- OTYBMLCTZGSZBG-UHFFFAOYSA-L potassium sulfate Chemical group [K+].[K+].[O-]S([O-])(=O)=O OTYBMLCTZGSZBG-UHFFFAOYSA-L 0.000 description 1
- 229910052939 potassium sulfate Inorganic materials 0.000 description 1
- 235000011151 potassium sulphates Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer 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
- 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
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
-
- 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
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种氮高效小麦品种的筛选方法。所述筛选方法包括以下步骤：(1)小麦氮素利用效率农学参数适用性评估；(2)小麦农学参数高光谱反演模型优选；(3)氮素利用效率高光谱反演与氮高效小麦品种筛选。所述筛选方法以小麦为代表性作物，选择多项农学参数指标对氮素利用效率进行联合模拟，并作为氮高效品种筛选的依据，以农学参数为连接点，根据“植被指数‑农学参数‑氮效率”之间的关系，提出了融合植被指数与农学参数的氮高效小麦品种筛选方法，所述筛选方法高效、精确。
Description
技术领域
本发明属于小麦育种技术领域，具体涉及一种氮高效小麦品种的筛选方法。
背景技术
氮素是作物生长发育所必需的第一大矿质营养元素，其营养效率的高低直接影响着作物的产量和品质，具有“生命的元素”之称。基于经济效益和生态环境保护双重要求，提高氮肥利用率已成为农业科技创新的前沿问题和保障我国粮食安全的重要需求。挖掘作物吸收利用氮素的遗传潜力，筛选氮素利用率高的作物品种，提高氮肥利用效率，从而在一定的氮肥投入下获得较高的产量，不仅是氮高效品种选育的重要理论基础，对于优化氮肥施用技术也具有指导作用。
目前，关于氮高效品种的筛选方法和筛选指标已有较多报道。然而，以往研究多基于13C、15N同位素示踪技术、生理生化分析方法等对作物农艺性状及生理特性进行测定，但因其破坏性、分析成本高和费时费工的缺点难以得到及时和普遍地应用。因此，迫切需要在筛选出少数几个与氮肥利用率关系密切且能在大田快速测定或调查的次级性状指标基础上，研发快速、实时、低成本的监测技术，提高氮高效品种选育效率。
随着科技的快速发展，遥感技术特别是高光谱遥感克服了传统测定方法的繁琐费事耗力的缺点，可以快速有效、非接触、非破坏性地获得连续性的大量光谱信息，为实时监测作物长势、营养状况，估测作物农学参数、产量和品质等提供了可能。以作物氮素营养诊断为例，当作物氮素状态发生变化时，叶片颜色等形态结构随之发生变化，从而影响光谱的吸收、反射和透射，而这些光谱特征的变化为作物氮素营养状况的诊断和监测提供了理论依据。除作物氮素含量外，大量研究表明，基于多个敏感波段构建的植被指数，对与作物氮效率密切相关的农艺指标也有较好的反演能力，如作物产量、叶面积指数、叶绿素含量等。
基于以上分析，我们认为借助高光谱遥感技术对作物氮含量及相关农艺指标进行无损监测，进而分析不同品种的氮素利用效率是可行的。然而，从支撑氮高效品筛选种角度来看，仍存在一些问题，主要表现在以下两个方面：一是以往研究多是针对同一品种，在同一氮素水平下(主要是不施氮或低氮水平)，对作物冠层高光谱数据进行测定，并提取氮素敏感波段，进而构建相关光谱指数及反演模型；而这些模型在大范围的氮高效品种筛选应用上具有较大的局限性，对于我国主要作物的适用性并不清楚，更无法筛选出“低氮高效”(低氮高效品种可以在相近的产量水平下,通过高效吸收土壤矿化的有机氮及其它来源的环境氮素,从而达到节省氮肥的目的)和“高氮高效”(高氮高效品种可以在高产的基础上,随着氮肥投入增加，进一步提高产量)品种，模型推广及应用能力不强。二是以往研究多选择对叶片及冠层氮素含量单一指标进行反演，并作为氮高效品种筛选的依据；缺乏综合作物产量、叶面积指数、叶绿素含量等其他农学参数指标对氮素利用效率的联合模拟，对不同生育期下相关农学参数对氮素利用效率的表征能力评估不足，氮高效品种筛选的准确性有待进一步提升。
发明内容
本发明的目的在于：针对现有技术存在的问题，本发明提出了一种氮高效小麦品种的筛选方法，所述筛选方法按照“植被指数-农学参数-氮素利用效率”相关指标之间的传递关系，快速、精准的反演小麦氮素利用效率，筛选氮高效小麦品种，以期为高产氮高效小麦品种选育提供理论依据。
本发明采用的技术方案如下：
一种氮高效小麦品种的筛选方法。所述筛选方法包括以下步骤：
(1)小麦氮素利用效率农学参数适用性评估；
(2)小麦农学参数高光谱反演模型优选；
(3)氮素利用效率高光谱反演与氮高效小麦品种筛选。
本发明所提供的氮高效小麦品种的筛选方法立足于我国农作物氮高效品种筛选实践以及农业科学、遥感科学的交叉前沿，借助高光谱遥感技术，以30年的长期定位肥效试验即国家潮土土壤肥力与肥料效益长期监测站为平台，以小麦为代表性作物，在对与氮素利用率关系密切的农学参数适用性评估基础上，利用高光谱遥感技术构建优选出能够精准估测农学参数的模型，筛选出氮高效小麦品种，以期为我国主要农作物氮高效品种筛选提供理论依据和技术支撑，而这对于提高农作物氮肥利用效率、降低农业面源污染以及保障国家粮食安全具有重要的意义。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，所述步骤(1)包括：在不同施肥处理下，分析多份小麦品种的氮素利用效率与不同生育期农学参数之间的关系，评估不同生育期小麦农学参数在预测氮素利用效率方面的适用性及贡献大小，确定小麦氮素利用效率的重要农学参数指标、组合形式及最优评估生育期。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，所述农学参数包括茎叶氮含量、地上部生物量、叶面积指数、叶绿素含量、小麦籽粒粒重。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，供试小麦品种至少为25份以上。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，所述步骤(1)还包括：预先筛选出多份氮利用效率差异明显的小麦品种作为供试小麦。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，所述步骤(2)包括：对供试的不同小麦品种、不同生育期的冠层高光谱数据进行监测，确定各农学参数的敏感波段范围；对用于反演农学参数的光谱植被指数进行评估，优选出相关性较高的光谱植被指数并建立回归方程，对回归方程进行优化和评价，从而优选出小麦农学参数高光谱反演模型。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，利用相关分析、逐步多元回归技术确定各农学参数的敏感波段范围。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，利用均方根误差RMSE、拟合决定系数R2和平均相对误差RE统计变量对回归方程进行优化和评价。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，所述步骤(3)包括：以农学参数为衔接点，利用优选的光谱植被指数构建小麦氮素利用效率高光谱反演模型，对多个小麦品种的氮素利用效率进行反演，并根据实测的小麦氮素利用效率数据对模型进行验证；根据“低氮高效”和“高氮高效”小麦品种的氮素利用效率评判标准，结合反演结果，对小麦氮高效品种进行筛选与分类。
进一步，根据本发明所提供的氮高效小麦品种的筛选方法，其中，所述光谱植被指数及计算公式包括：
本发明的有益效果如下：
(1)本发明中关于氮效率的筛选指标和筛选方法以小麦为代表性作物，对不同小麦基因型品种、不同施肥条件进行研究，不同于以往研究中多以水稻、玉米为研究对象，因此本发明补充了氮高效小麦品种的筛选方法；
(2)本发明选择多项农学参数指标对氮素利用效率进行联合模拟，并作为氮高效品种筛选的依据，因此对不同生育期下相关农学参数对氮素利用效率的表征能力评估充足，氮高效品种筛选的准确性得到进一步提升；
(3)本发明以农学参数为连接点，根据“植被指数-农学参数-氮效率”之间的关系，提出了融合植被指数与农学参数的氮高效小麦品种筛选方法，所述筛选方法高效、精确；
(4)本发明利用小麦品种间高光谱特征构建生理生化指标监测模型，进而评价氮效率相关指标，其中需要借助高光谱遥感技术对作物氮含量及相关农艺指标进行无损监测，使得整个筛选方法更加高效。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。
图1示出了本发明的氮高效小麦品种的筛选方法的技术路线图。
具体实施方式
以下示出实施例以及比较例更详细地说明本发明。本发明不限于以下的实施例。
(1)小麦氮素利用效率农学参数适用性评估
试验概况：试验设置在“全国潮土肥力和肥料效益长期监测试验站-郑州”。土壤类型为潮土，1990年研究开始时基础土壤样品的养分情况为pH＝8.3，土壤有机质(SOM)＝10.1g·kg-1，土壤碱解氮(Alkali-hydrolysable Nitrogen)＝76.6mg·kg-1，有效磷(Olsen-P)＝6.5mg·kg-1，有效钾(Exchangeable K)＝74.5mg·kg-1，土壤全氮(Total N)＝0.65g·kg-1，土壤全磷(Total P)＝0.64g·kg-1，土壤全钾(Total K)＝16.9g·kg-1。本研究选取4个不同施肥处理：(1)CK空白(不种植，不施肥)；(2)NPK(施氮磷钾肥)；(3)MNPK(M指有机肥，有机肥+NPK化肥)；(4)SMNPK(S指秸秆还田，秸秆还田+NPK化肥)。肥料类型和用量等按长期试验设计方案每年分区施入，见表1。研究施用的氮肥为尿素[CO(NH2)2]，磷肥为磷酸二氢钙[Ca(H2PO4)2]，钾肥为硫酸钾(K2SO4)，有机肥为牛粪，秸秆为当季玉米秸秆。试验小区为完全随机排列，每个小区面积为54m2，重复3次。
表1.试验处理及施肥量(kg/hm2)
试验材料：基于前期的研究，从130份小麦品种材料中挑选出30份遗传稳定、性状优良的氮效率差异明显的小麦品种，以供试验用。
试验方法：分别在小麦起身期、拔节期、开花期、成熟期测定茎叶氮含量、地上部生物量、叶面积指数、叶绿素含量等，并在成熟期测定小麦产量(小麦籽粒粒重)。
氮含量：用凯氏定氮法测定植株及茎叶氮含量。
地上部生物量：在获取光谱数据的同时，每个处理取小麦植株的面积为0.20平方米(0.5米，2行)，每个取样点均从地面水平割取。所有的绿色叶片分离从茎，分别在105℃下杀青30分钟，并在70℃烘干，直到达到恒重(每隔2小时称重，前后2两次测量的数值＜0.0005)，称干重。称量叶片总干重、绿色叶片总干重以及植株其他部位器官的干重，然后折算成单位土地面积干物重(g·DW·m-2)，干燥后的样品被储存在塑料袋中，供后续分析。
叶面积指数：在获取光谱数据的同时，采用系数法测量叶面积，并计算叶面积指数。叶面积指数(LAI)＝单株叶面积×每平方米株数。
叶绿素含量：光谱测定后每小区立即取5株有代表性的小麦上部20片新鲜叶中部并剪碎、混匀，称取025g，用95％乙醇提取，分别在470nm、649nm、665nm用UV-1601型紫外分光光度计比色，然后计算叶绿素含量。
小麦籽粒粒重：每小区于成熟期取1m2代表样段，人工收割脱粒，自然晒干称重，计算每公顷籽粒产量；并调查每平方米穗数，同时取20个单茎测定穗粒数、千粒重。
采用SPSS17.0软件对调查数据进行方差分析、相关系数计算以及回归模型拟合，分析各农学参数与氮素利用率的关系，筛选出相关性较高的农学参数作为评价氮素利用效率的间接指标。
(2)小麦农学参数高光谱反演模型优选
试验概况：同上(1)内容
试验方法：分别在小麦起身期、拔节期、开花期、成熟期采用ASD Fieldspc FR2500光谱仪获取小麦植株垂直角度光谱反射率，并加测土壤背景光谱。ASD Fieldspc FR2500光谱仪波段范围是350-2500nm，视场角为25°；其中，350-1000nm波段范围，光谱分辨率为3nm，采样间隔为1.4nm；1000-2500nm波段范围光谱分辨率为10nm，采样间隔为2nm。光谱测定选择在无云无风的晴朗天气，测定时间为10:00-14:00。测量时传感器的探头距离小麦冠层顶部的垂直距离为1.0m，视场范围内重复10次，取平均值，地面视场为0.44m的直径范围，以其平均值作为该小区的光谱反射值，测量过程中及时进行标准白板校正。
基于高光谱监测数据，分析不同生育期小麦冠层反射光谱与农学参数的相关关系，挑选出对农学参数敏感的光谱波段。基于敏感波段及文献分析，归纳出多个常用的光谱植被指数(表2)。分析比较光谱植被指数与农学参数的定量关系，筛选出与农学参数相关性最好的植被指数并建立反演模型，并根据反演模型R2、均方根误差RMSE、平均相对误差RE对模型进行评价，优选出小麦农学参数高光谱反演模型。计算与建模通过SPSS17.0及MATLAB软件实现。
表2.光谱植被指数的计算方法
(3)氮素利用效率高光谱反演与氮高效小麦品种筛选
基于小麦氮素利用效率与农学参数的定量关系以及优选的农学参数高光谱反演模型，利用模型嵌套方法，构建小麦氮素利用效率高光谱反演模型，并对30个小麦品种的氮素利用效率进行反演；结合小麦氮素利用效率实测数据，通过均方根误差RMSE(公式1)、平均相对误差RE(公式2)等对模型反演结果进行验证。在此基础上，根据文献Meta分析以及“全国潮土肥力和肥料效益长期监测试验站”的长期定位观测数据，建立“低氮高效”和“高氮高效”小麦品种的氮素利用效率评判标准。最后，结合小麦氮素利用效率高光谱模型反演结果，对小麦氮高效品种进行筛选分类。
式中：Pi和Oi分别是预测值和实测值，n是样本个数；如果RE<10％，模型的精度和准确度较高；其次为10％<RE<20％；如果RE>30％，模型的精度和准确度都较差。
Claims (10)
1.一种氮高效小麦品种的筛选方法，其特征在于，包括以下步骤：
(1)小麦氮素利用效率农学参数适用性评估；
(2)小麦农学参数高光谱反演模型优选；
(3)氮素利用效率高光谱反演与氮高效小麦品种筛选。
2.根据权利要求1所述的氮高效小麦品种的筛选方法，其特征在于，所述步骤(1)包括：在不同施肥处理下，分析多份小麦品种的氮素利用效率与不同生育期农学参数之间的关系，评估不同生育期小麦农学参数在预测氮素利用效率方面的适用性及贡献大小，确定小麦氮素利用效率的重要农学参数指标、组合形式及最优评估生育期。
3.根据权利要求1或2所述的氮高效小麦品种的筛选方法，其特征在于，所述农学参数包括茎叶氮含量、地上部生物量、叶面积指数、叶绿素含量、小麦籽粒粒重。
4.根据权利要求2所述的氮高效小麦品种的筛选方法，其特征在于，供试小麦品种至少为25份以上。
5.根据权利要求2所述的氮高效小麦品种的筛选方法，其特征在于，所述步骤(1)还包括：预先筛选出多份氮利用效率差异明显的小麦品种作为供试小麦。
6.根据权利要求1所述的氮高效小麦品种的筛选方法，其特征在于，所述步骤(2)包括：对供试的不同小麦品种、不同生育期的冠层高光谱数据进行监测，确定各农学参数的敏感波段范围；对用于反演农学参数的光谱植被指数进行评估，优选出相关性较高的光谱植被指数并建立回归方程，对回归方程进行优化和评价，从而优选出小麦农学参数高光谱反演模型。
7.根据权利要求6所述的氮高效小麦品种的筛选方法，其特征在于，利用相关分析、逐步多元回归技术确定各农学参数的敏感波段范围。
8.根据权利要求6所述的氮高效小麦品种的筛选方法，其特征在于，利用均方根误差RMSE、拟合决定系数R2和平均相对误差RE统计变量对回归方程进行优化和评价。
9.根据权利要求1所述的氮高效小麦品种的筛选方法，其特征在于，所述步骤(3)包括：以农学参数为衔接点，利用优选的光谱植被指数构建小麦氮素利用效率高光谱反演模型，对多个小麦品种的氮素利用效率进行反演，并根据实测的小麦氮素利用效率数据对模型进行验证；根据“低氮高效”和“高氮高效”小麦品种的氮素利用效率评判标准，结合反演结果，对小麦氮高效品种进行筛选与分类。
10.根据权利要求9所述的氮高效小麦品种的筛选方法，其特征在于，所述光谱植被指数及计算公式包括：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011610393.XA CN112816618A (zh) | 2020-12-29 | 2020-12-29 | 一种氮高效小麦品种的筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011610393.XA CN112816618A (zh) | 2020-12-29 | 2020-12-29 | 一种氮高效小麦品种的筛选方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112816618A true CN112816618A (zh) | 2021-05-18 |
Family
ID=75854877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011610393.XA Pending CN112816618A (zh) | 2020-12-29 | 2020-12-29 | 一种氮高效小麦品种的筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112816618A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113607653A (zh) * | 2021-07-06 | 2021-11-05 | 北京农业信息技术研究中心 | 农作物氮肥效应实时监测方法及装置 |
| CN113661920A (zh) * | 2021-08-13 | 2021-11-19 | 河南省作物分子育种研究院 | 一种氮磷高效小麦品种选育方法 |
| CN114413824A (zh) * | 2022-01-20 | 2022-04-29 | 中国科学院西北生态环境资源研究院 | 一种基于单株玉米叶片参数的叶面积指数处理系统 |
| CN114660267A (zh) * | 2022-03-21 | 2022-06-24 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦根系特征及其对根际土壤酶活性的响应测定方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106576728A (zh) * | 2016-11-17 | 2017-04-26 | 甘肃农业大学 | 从多个小麦品种中筛选氮高效率利用品种的方法 |
| CN109540809A (zh) * | 2018-11-08 | 2019-03-29 | 中国四维测绘技术有限公司 | 一种利用高光谱反射率构建冬小麦农学参数评估的方法 |
| CN110189793A (zh) * | 2019-06-04 | 2019-08-30 | 河南农业大学 | 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 |
-
2020
- 2020-12-29 CN CN202011610393.XA patent/CN112816618A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106576728A (zh) * | 2016-11-17 | 2017-04-26 | 甘肃农业大学 | 从多个小麦品种中筛选氮高效率利用品种的方法 |
| CN109540809A (zh) * | 2018-11-08 | 2019-03-29 | 中国四维测绘技术有限公司 | 一种利用高光谱反射率构建冬小麦农学参数评估的方法 |
| CN110189793A (zh) * | 2019-06-04 | 2019-08-30 | 河南农业大学 | 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 |
Non-Patent Citations (3)
| Title |
|---|
| 代辉等: "不同氮水平下冬小麦农学参数与光谱植被指数的相关性", 《干旱地区农业研究》 * |
| 孙传范: "小麦氮素利用效率的生理生态与氮肥调控研究", 《中国优秀博硕士学位论文全文数据库（博士）》 * |
| 徐富贤等: "杂交中稻氮肥农学利用率与植株地上部农艺性状关系研究", 《杂交水稻》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113607653A (zh) * | 2021-07-06 | 2021-11-05 | 北京农业信息技术研究中心 | 农作物氮肥效应实时监测方法及装置 |
| CN113661920A (zh) * | 2021-08-13 | 2021-11-19 | 河南省作物分子育种研究院 | 一种氮磷高效小麦品种选育方法 |
| CN114413824A (zh) * | 2022-01-20 | 2022-04-29 | 中国科学院西北生态环境资源研究院 | 一种基于单株玉米叶片参数的叶面积指数处理系统 |
| CN114660267A (zh) * | 2022-03-21 | 2022-06-24 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦根系特征及其对根际土壤酶活性的响应测定方法 |
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 | |
| CN112816618A (zh) | 一种氮高效小麦品种的筛选方法 | |
| CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
| Feng et al. | Monitoring leaf nitrogen status with hyperspectral reflectance in wheat | |
| 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 | |
| CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
| CN105445229B (zh) | 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 | |
| CN113268923B (zh) | 一种基于模拟多光谱的夏玉米产量估算方法 | |
| CN111241912A (zh) | 一种基于机器学习算法的多植被指数的水稻产量估测方法 | |
| CN111855589A (zh) | 水稻叶片氮积累量遥感反演模型和方法 | |
| Zhu et al. | Monitoring leaf nitrogen in wheat using canopy reflectance spectra | |
| CN107505271B (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和系统 | |
| Cavero et al. | Application of EPIC model to nitrogen cycling in irrigated processing tomatoes under different management systems | |
| CN111829965A (zh) | 水稻地上部淀粉积累量遥感反演模型和方法 | |
| CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
| CN113268703A (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 | |
| CN111855593A (zh) | 水稻叶片淀粉含量遥感反演模型和方法 | |
| CN111855592A (zh) | 水稻单位面积内地上部干物重遥感反演模型和方法 | |
| CN112270131A (zh) | 基于ard回归算法的水稻叶面积指数遥感反演模型和方法 | |
| CN113670913B (zh) | 水稻氮素含量反演高光谱植被指数构建方法 | |
| CN112362812A (zh) | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 | |
| CN112632847A (zh) | 基于XGBoost回归算法的水稻叶片淀粉含量遥感反演模型和方法 | |
| CN114202702B (zh) | 基于D-fG参数遥感获取的冬小麦动态收获指数遥感估算方法 | |
| CN113504186B (zh) | 一种遥感估算小麦氮肥利用率的方法 | |
| CN113640230B (zh) | 一种田间小麦水分利用率快速检测方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210518 |
|
| RJ01 | Rejection of invention patent application after publication |