论文部分内容阅读
油菜作为我国重要的油料作物，其生长过程中合理的氮肥施用对于保障产量和品质具有重要意义。根据作物生育过程中的营养状况及时适量追肥是精准养分管理的重要环节。随着现代科技的发展，数字图像技术是近年来作物氮素营养诊断的重要发展方向。本文通过两年的田间试验，利用数码相机获取冬油菜冠层数码照片，结合同步进行的植株生物量和叶片叶绿素、氮素养分含量测定，研究冬油菜冠层数码信息和植株氮素营养指标的关系，确定数字图像技术估测冬油菜氮素营养的最佳时期、数码参数和方程模型;在此基础上，进一步研究提出冬油菜冠层数码信息获取的操作规范，确定冬油菜氮素营养快速诊断的最佳时期、数码参数、拍摄参数及方程模型，为冬油菜氮素营养无损诊断体系的建立奠定基础。主要研究结果如下: 1.数字图像技术可以应用于冬油菜氮素营养诊断，最佳的冠层数码参数为红光标准化值NRI，适宜估测时期为蕾薹期（移栽126天）（包括）之前均可。冬油菜蕾薹期（包括）之前，与红光值R、绿光值G、蓝光值B、绿光与红光比值G/R、绿光与蓝光比值G/B、蓝光与红光比值B/R、绿光标准化值NGI和蓝光标准化值NBI相比，冬油菜冠层图像数字指标红光标准化值NRI与氮肥用量、地上部生物量、叶片氮浓度、叶绿素浓度、氮素吸收量和氮营养指数均达到显著或极显著水平。冬油菜蕾薹期（移栽后126天），NRI与氮肥施用量、地上部生物量、叶片氮浓度、叶绿素浓度、氮素吸收量、氮营养指数之间的直线方程函数分别为y(t/hm2)=-8.003x+2.706、y(t/hm2)=-64.721x+23.071、y(g/kg)=-692.99x+261.84、y(mg/g)=-12.750x+5.665、y(kg/hm2)=-4087.416x+1412.274、y=-27.198x+9.812，其中叶片氮浓度、叶绿素浓度和氮营养指数预测值与实测值之间的相对均方根误差RMSE分别为0.821、0.330和0.228，相对误差RE％分别为26.32％、28.57％和28.39％，预测结果精度较好，可用于模型的预测。 2.利用数字图像技术估测冬油菜氮素营养的推荐操作范围为晴天太阳高度角相对较大的中午;拍摄高度为近地面均可;拍摄角度为易于操作的30°-60°;相机拍摄模式为自动曝光模式;照片像素尺寸为图片相对较为清晰的高分辨率;存储格式为占用空间相对较小的JPEG精细压缩格式。不同拍摄参数（光照强度、拍摄时间、拍摄高度、拍摄角度、拍摄模式、照片像素尺寸和储存格式）获取的冠层NRI与植株生物量、叶片氮素养分以及叶绿素含量均呈现较好的相关性。数字图像技术为无人机低空遥感的氮素营养无损诊断技术提供了理论基础。 3.确定氮肥施用量与冬油菜籽粒产量之间的二次方程函数为y=-0.016x2+9.394x+1336.486，最高的理论产量为2715 kg/hm2，及相应的氮肥施用量为294 kg/hm2;明确越冬期和蕾薹期氮素营养诊断临界红光标准化值NRI分别为0.3154和0.3177;初步构建了越冬期和蕾薹期氮肥追肥模型，分别为N追(kg/hm2)=294-(NRI-0.3473)/(-1.312×10-4)和N追(kg/hm2)=294-(NRI-0.3440)/(-1.067×10-4)。