共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
用叶绿素测值（SPAD）评估夏玉米氮素状况的实验研究 总被引：14，自引：0，他引：14
比较了2000年北京永乐店夏玉米生长过程中，不同水分、氮素处理条件下反映叶片叶绿素含量的SPAD值的变化过程，并且就生育期内平均SPAD值与作物产量，水分生理利用效率之间的关系进行了分析。结果表明，采用叶绿素仪可以较好的对夏玉米生长过程中作物氮素状况对生长的影响进行评价和预测。 相似文献
3.
4.
水肥调控对水稻叶片SPAD值与产量的影响 总被引：2，自引：0，他引：2
《中国农村水利水电》2019,(11)
以鄱阳湖流域典型稻田为研究对象,以"陆两优996"早稻为试材,采用多因素随机区组设计,研究了不同灌溉模式、施氮水平、追肥方式下水稻叶片SPAD值随生育进程的动态变化特征,分析了水氮耦合对叶片SPAD值和产量的交互作用以及水稻各生育期SPAD值与产量的关系,阐明了灌溉、施肥及追肥对水稻SPAD值和产量的影响机制。结果表明:灌溉模式和追肥方式对SPAD值的影响体现在生殖生长阶段,施氮量则体现在作物全生育期。施氮能显著提高SPAD值和产量,但氮肥对产量的贡献表现出边际效应。三次施肥方式能明显延缓SPAD值的下降,提高作物产量。灌溉模式、施氮量和追肥方式之间的交互作用不显著。提高乳熟期叶片叶绿素含量是水稻增产稳产的有效手段,从节水减排增产的角度,最优田间管理措施为W_1N_2F_2且维持乳熟期叶片SPAD值在37～40之间。 相似文献
5.
生菜叶片光谱红边参数对氮营养的响应特征分析 总被引：2，自引：0，他引：2
以不同氮素供应水平下的水培生菜为研究对象,采用光谱仪和叶绿素仪分别获得生菜叶片的漫反射光谱信息和叶绿素含量,通过提取生菜叶片光谱的红边参数,分析不同氮素供应水平下红边参数的变化规律,以及各个红边参数与生菜叶片叶绿素含量间的关系.结果表明,随氮营养供应水平的提高,生菜叶片各红边参数呈现不同的响应趋势.红边位置、最小振幅、红边面积以及红边振幅和最小振幅比值与生菜叶片SPAD值间均具有极显著的相关关系,其中以红边位置的相关程度最高,其相关系数为0.9420,均方根误差为1.803.可见,红边位置可以作为生菜叶片氮素营养诊断的一种有效指标. 相似文献
6.
7.
微喷周期对葡萄叶片SPAD值和叶绿素含量与产量的影响分析 总被引：1，自引：0，他引：1
为研究极端干旱区微喷灌水技术对葡萄生理和产量的影响,通过对葡萄不同生育期叶片SPAD值、叶绿素含量和产量的测定,分析不同微喷周期条件下各处理的叶片SPAD值、叶绿素含量的变化特征和相互关系及对产量的影响。结果显示:在不同喷水周期条件下,各处理的SPAD值呈先减小后增大的变化趋势,日变化值为38.31~43.8。其中,每天喷水1h处理的SPAD值日平均值最高,为42.0,之后是对照处理和每隔1d喷水2h处理,分别为41.2和40.3,每隔2d喷水3h处理的SPAD值最低,为39.3。葡萄SPAD值与叶绿素a、叶绿素b以及总叶绿素含量间相关关系显著,回归方程分别为Ca=0.1028VSPAD-2.2266、Cb=0.0796VSPAD-2.3749、Ct=0.1824VSPAD-4.4602。在葡萄品质指标和产量上,采用微喷可以提高VC含量、多酚含量和单宁含量等多项品质指标,并使葡萄平均增产5.4%,表明合理的微喷周期处理有利于提高葡萄叶片叶绿素含量,并使产量增加,而叶绿素仅是葡萄生理生长的指标之一,如光合、叶绿素荧光等指标对葡萄生理的影响仍需作更深入的研究,以期能更进一步揭示微喷条件下的葡萄增产作用机理。 相似文献
8.
叶绿素含量影响植物的各种生理机能,准确测定水稻叶绿素含量有利于了解水稻的光合作用能力,为高产育种和栽培提供依据。叶绿素含量的测定方法有多种,传统测定方法步骤繁琐且耗时费力,而便携式叶绿素仪只能进行点测定。计算机视觉是一种快速便捷的图像处理技术,可以用于作物的色素含量测定和营养状况诊断。为此,设计了一种基于计算机视觉的水稻叶绿素含量测定方法,叶片图像通过扫描获得,经过处理并提取叶片轮廓后以G-R、B-R和R/(G+B)等3个颜色特征参数建立叶绿素含量的估算模型。结果表明:以G-R和R/(G+B)建立的模型精度较高,对检验样本SPAD值拟合方程的决定系数和斜率都接近1,可以用来准确测定水稻的叶绿素含量。 相似文献
9.
水、氮效应与叶绿素关系试验研究 总被引：18，自引：0，他引：18
以冬小麦和夏玉米为试验对象，研究了不同水、氮条件对作物植株含氮及叶绿素含量的影响，作物叶片含氮、作物产量与叶绿素含量之间的量化关系，并提出了利用叶绿素仪预测作物氮素胁迫的方法。研究结果表明，田间的不同水、氮制度将影响作物的含氮水平及叶绿素含量，它们之间呈正响应关系。氮素对作物叶绿素含量起着较强的影响作用。作为一种测量叶片叶绿素含量的仪器，叶绿素仪可以作为测量作物含氮的仪器使用，具有快速、准确、简便的特点。 相似文献
10.
杨树叶片叶绿素含量高光谱估算模型研究 总被引：3，自引：0，他引：3
以盆栽107号杨树为研究对象,在验证杨树叶片的SPAD值可作为衡量其叶绿素含量指标的基础上,基于最佳指数-相关系数法(OIFC),提取了杨树叶绿素特征波段(中心波长350、715、1 150 nm),建立了以该组合波段原始光谱数据为自变量的杨树叶片叶绿素含量估算模型;利用相关系数法,提取了杨树叶绿素归一化植被指数的计算波段(中心波长705、953 nm)与一阶光谱导数的叶绿素特征波段(中心波长647、691、721 nm),且分别建立了基于归一化植被指数、叶面叶绿素指数、一阶光谱导数为自变量的杨树叶片叶绿素含量估算模型;比较分析所建立的模型精度,筛选出杨树叶片的叶绿素含量最优估算模型。结果表明:化学法测得杨树叶片叶绿素含量与其对应的SPAD值之间具有显著的幂函数关系,R2可达0.902 3。利用OIFC法提取的叶绿素最佳三波段组合的高光谱数据为自变量,与叶片叶绿素含量构建的模型预测值与实测值具有显著的线性关系,决定系数为0.944 5;相比其他模型,该模型的精度最高且均方根误差最小。可见,基于OIFC法构建的杨树叶绿素高光谱模型具有较高的精度,是估算杨树叶片叶绿素含量的最优模型。 相似文献
11.
基于高光谱的甜菜SPAD值估算研究 总被引：1，自引：0，他引：1
叶绿素作为植物体内参与光合作用的重要色素,其含量对作物生长状况、产量和品质有很大影响。为此,利用野外便携式ASD光谱仪,实测了田间甜菜冠层光谱数据,且用SPAD-502叶绿素仪测定叶片SPAD值。基于原始光谱和一阶导数光谱与SPAD值相关性,选取植被指数和波段深度信息建立SPAD值预测模型,并用对照田试验数据对模型进行验证。通过对比植被指数建立的回归模型及波段深度分析,结合多元逐步回归建立的估算模型可知,波段深度比(BDR)结合SMLR建立的估算模型验证结果最好(RMSE=2.54,RE=4.5%)。研究结果表明:导数处理能提高光谱数据与SPAD值相关系数,波段深度信息结合多元逐步回归相比植被指数能提高SPAD值估算精度。 相似文献
12.
为研究水稻叶片叶绿素相对含量（SPAD）在3种水分处理和5种施氮处理下的变化规律，探讨无人机多光谱遥感技术反演水稻SPAD的可行性，本研究利用大疆精灵4多光谱无人机，采集了水稻拔节孕穗期、抽穗开花期和乳熟期的冠层多光谱遥感影像，并同步测定水稻SPAD值，基于25个光谱变量（5个波段反射率和20个植被指数），采用多元线性逐步回归、岭回归和套索回归3种方法构建了水稻SPAD的反演模型。结果表明：水稻3个生育期的SPAD最佳反演模型均是采用套索回归方法构建的，其中乳熟期建立的SPAD最佳反演模型在3个生育期中的反演精度最高，决定系数为0.782，均方根误差为1.217 7，相对误差为6.611 3%。因此，该研究可对水稻叶片SPAD进行遥感监测，并为水稻精准灌溉和施肥提供科学依据和数据支撑。 相似文献
13.
《中国农机化学报》2017,(1)
基于叶绿素在可见近红外波段的光谱吸收特征,以660nm红光作为叶绿素相对含量的检测依据,以940nm近红外光作为参比波长,介绍叶绿素相对含量测量原理,开发了一款便携式叶绿素诊断仪。该仪器由光源电路、光电接收电路(光电池接收面积为4mm×4mm)、单片机及外围电路等组成。经测试,红光和红外光在不同光强下,与光电池电压之间呈线性关系,线性拟合R~2为0.999、0.997。通过该仪器测定不同植物叶绿素相对值与经典比色值进行相关性比较,玉米、冬青的叶绿素a含量、叶绿素b含量以及总量与比色值呈极显著相关,R~2分别为0.759、0.750和0.770,0.806、0.771、0.796(p0.01)。测量叶绿素浓度较高的叶片,样机测量值、SPAD—502测量值与比色值分别做相关性比较,得到R2为0.796、0.772。实验表明,该仪器可较精确地测定植物叶绿素相对含量。 相似文献
14.
基于相对叶绿素含量的黄瓜叶色仿真 总被引：2，自引：0，他引：2
提出了一种基于相对叶绿素含量的植物叶片颜色仿真方法,通过连续对正常生长状态下的黄瓜叶片图像采集及相对叶绿素含量SPAD值测定,建立了黄瓜叶片颜色分量与SPAD值的数学关系模型,并采用均方根误差(RMSE)对模型进行验证,结果显示叶片的3个颜色分量R、G、B的实测值与模拟值之间的RMSE为13.43%、8.47%、7.42%,模拟效果较好。通过结合叶片色素浓度分布图对叶色空间分布进行仿真,并采用高级着色器语言实现了黄瓜叶片表观颜色变化过程的可视化模拟,获得了较好的真实感效果。 相似文献
15.
基于高分一号卫星数据的冬小麦叶片SPAD值遥感估算 总被引：13，自引：0，他引：13
以陕西省关中地区冬小麦不同生育期冠层高光谱反射率为数据源,模拟国产高分辨率卫星高分一号(GF-1)的光谱反射率,提取18种对叶绿素敏感的宽波段光谱指数,构建了基于遥感光谱指数的冬小麦叶片叶绿素相对含量(SPAD)遥感监测模型,并利用返青期的GF-1卫星数据对研究区的冬小麦叶片SPAD值进行了估算和验证。结果表明:返青期、孕穗期和全生育期SPAD值均与TGI指数相关性最高,相关系数分别为-0.742、-0.740和-0.483。拔节期和灌浆期SPAD值分别与SIPI指数和GNDVI指数相关性最高,相关系数分别为0.788和0.745。GNDVI、GRVI和TGI植被指数在各个生育期都和冬小麦叶片SPAD含量在0.01水平下呈显著相关。基于此3类植被指数构建的冬小麦叶片SPAD值回归模型精度较高,其中基于随机森林回归算法的估算模型效果最优,各类模型均在冬小麦拔节期的预测效果最佳。GF-1号卫星数据结合SPAD-RFR模型对研究区冬小麦叶片SPAD的估算结果最为理想,可用于大面积空间尺度的冬小麦叶片SPAD值遥感监测。 相似文献
16.
为了研究SPAD-502PLUS便携式叶绿素测定仪测量作物中氮含量和作物在缺氮的情况下,如何精准施肥,通过使用浙江托普云农科技股份有限公司生产的型号为TYS-4N型植物营养测定仪测定作物中叶绿素SPAD的值以及氮含量,推导出叶绿素SPAD的值与氮含量的关系式为N=0.3SPAD+0.525。使用SPAD-502PLUS便携式叶绿素测定仪测量作物中叶绿素SPAD的值,代入N=0.3SPAD+0.525关系式,经计算得偏差率最大为9.5%,最小为0.4%。绝大多数偏差率在5%以下,说明利用此方法可以大致估算出作物中的氮含量。使用托普云农仪器数据管理软件通过查表可以查出作物的100kg产量所吸收氮养分量及肥料氮养分含量与利用率等,可以精准计算出作物所需氮肥的量,对指导农户精准施肥具有重要意义。 相似文献
17.
番茄冠层不同垂直位置叶绿素含量的精确预测是及时防控番茄病虫害、精准施肥、灌溉等田间管理的重要基础,无人机可灵活高效地获取中小区域农作物冠层光谱信息,为农业生产提供便利。基于无人机搭载多光谱传感器获取的多光谱影像数据,建立感兴趣区域,提取各波段反射率数据,计算9种植被指数参数与实测番茄3个生育期的冠层上、中、下层及冠层整体的SPAD值,进行相关性与敏感度分析,筛选植被指数最优变量,采用偏最小二乘、支持向量机、BP神经网络模型进行冠层不同位置SPAD值的预测建模及验证。结果表明,开花坐果期,番茄冠层上层叶片的SPAD值高于中层和下层叶片,结果初期和结果晚期,番茄中层叶片的SPAD值高于上层和下层叶片;冠层上层叶片SPAD值与植被指数相关性程度及线性敏感程度优于冠层中层和下层叶片;基于番茄冠层上、中、下层及整个冠层SPAD值建立的支持向量机预测模型的R~2高于偏最小二乘和BP神经网络预测模型。因此,支持向量机预测模型可为番茄精准管理提供理论依据。 相似文献
18.
《农业机械学报》2019,(Z1)
为了实现作物生长过程中叶绿素的动态在线监测,设计开发了一款叶绿素在线检测传感器系统。应用可见-近红外(660、880 nm)波段光谱检测植物叶绿素含量的体积小、功耗低的模块,通过AD转换电路、数字滤波电路得到叶片反射光数字信号,利用灰度板对反射光信号进行反射率校准,660 nm和880 nm波段的反射率校正模型的R~2分别为0. 999 6和0. 999 5;取10个不同等级叶绿素溶液样本共80个,使用国标法检测叶绿素含量后将溶液倒入无纺布开展叶绿素梯度仿真测量。叶绿素检测模块测量双波长反射率后,分别计算归一化差值植被指数(NDVI)和叶绿素指标SPAD指数值。建立相应的叶绿素含量检测数学模型,其决定系数R~2分别为0. 955 7、0. 958 7。开展活体植株叶绿素检测验证试验,叶片原位光谱测量后,再将叶片剪碎,使用国标法测量叶绿素真实值,检测样本与真实值的相关系数分别为0. 888 7、0. 874 5。进而开展在线动态监测试验,实时监测水肥胁迫组和正常水肥管理对照组玉米幼苗植株,监测90 h内的叶绿素含量变化,可知,相同管理条件下植株叶绿素含量变化规律大致相同,受水肥胁迫的影响,水肥胁迫组的叶绿素浓度呈下降趋势。证明了传感器系统在线监测作物叶绿素动态的可行性,可为农作物生长与胁迫动态监测提供技术支持。 相似文献
19.
20.
基于高光谱成像的马铃薯叶片叶绿素分布可视化研究 总被引：3，自引：0，他引：3
针对马铃薯作物叶片进行了叶绿素含量无损检测技术及分布图绘制方法研究,用以指示作物长势并指导精细化管理。首先利用高光谱成像技术采集了65个马铃薯叶片的400个样本点高光谱图像和相应的SPAD值,提取并计算叶绿素测量区域的叶片平均光谱后,分别采用蒙特卡罗无信息变量消除算法（MC-UVE）和自适应重加权算法（CARS）筛选出了12个和23个叶绿素含量敏感波长,建立了马铃薯叶片叶绿素含量偏最小二乘（PLS）回归模型。建模结果如下：基于MC-UVE算法筛选的12个敏感波长的PLSR诊断模型,建模精度R2C为0.79,验证精度R2V为0.73;基于CARS算法筛选的23个敏感波长建立的PLSR诊断模型,建模精度R2C为0.82,验证精度R2V为0.80。择优选取CARS-PLSR模型计算马铃薯叶片每个像素点的叶绿素含量,从而利用伪彩色绘图绘制了马铃薯叶片叶绿素含量可视化分布图,最终实现马铃薯叶片含量无损检测以及叶绿素分布可视化表达,以期为后续马铃薯作物大田冠层叶绿素分布诊断提供支持。 相似文献