氮肥和钾肥配合施用对油菜冠层生长的影响及其潜在机制研究
这是一篇关于油菜,氮钾配施,产量,冠层光合,冠层光、氮分布,氮形态的论文, 主要内容为油菜(Brassica napus L.)是我国重要的油料作物。油菜生产中存在重施氮肥、轻施钾肥的现象,然而油菜主产区高强度轮作及雨热同期,土壤钾素被大量带走,致使氮钾肥不平衡施用限制了油菜产量潜力的发挥。氮钾配施是提高油菜产量的重要农艺技术措施之一,冠层作为作物光合作用的主要场所,解析氮钾配施对油菜冠层生长及光合能力的影响对于深入挖掘油菜产量潜力、提高氮肥利用率具有重要的理论和实践意义。本研究采用氮钾互作田间试验(包含4个氮肥用量:0、90、180和270 kg N/hm2和2个钾肥用量:0和120 kg K2O/hm2,共8个处理),研究通过两年的田间试验明确了氮钾配施对油菜产量和肥料利用效率的影响,进一步从冠层生长、光合能力,冠层内光、氮分布和氮素分配等角度,初步解析了氮钾配施提高产量的生理机制。主要结果如下:(1)氮钾配施显著提高了油菜产量、地上部养分吸收和肥料利用率。与不施氮钾肥相比,氮钾配施处理油菜产量、地上部氮和钾养分积累量分别提高了1.2-4.7倍、2.3-6.8倍和4.0-5.3倍,显著高于单施氮肥或钾肥处理。在钾供应不足时(K0),施氮后油菜平均增产率为89.5%,而在钾供应充足(K120)条件下,氮肥施用后平均增产率高达214.0%。与不施钾处理相比,氮肥回收利用率提高了9.4-32.5个百分点;与不施氮相比,保证氮供应充足(N180和N270),钾肥回收效率增加了42.1-51.3个百分点。保证钾肥施用时,达到区域平均产量的氮肥用量减少了25.4%-30.5%。在本试验条件下适宜的氮钾配施量分别为180 kg N/hm2和120 kg K2O/hm2。(2)氮钾配施改善了油菜冠层的生长和光合能力,维持了冠层温度的稳定。油菜各生育时期的光合面积、净光合速率和冠层温度日较差与油菜生物量和产量显著相关。在越冬期、薹期、花期和角果期叶面积或角果皮面积指数每增加0.1,油菜籽粒产量可分别提高67.7、45.8、33.5和30.7 kg/hm2;在越冬期、薹期和角果期净光合速率每增加1μmol m-2 s-1,籽粒产量可分别提高88.3、56.1和348.9kg/hm2;在越冬期、薹期、花期和角果期冠层温度日较差每增加1℃,籽粒产量分别减少599.1、719.4、509.9和369.5 kg/hm2。在整个生育期内,与N0K0处理相比,N180K120处理光合器官面积和净光合速率分别平均提高了80.4%和66.6%,冠层温度日较差平均降低了7.0%。(3)适宜氮用量下(N180)保证钾的供应能改善薹期冠层叶片结构,增加冠层光截获,协调氮素利用。与N0K0处理相比,N180K120处理油菜中、下部冠层光透射率分别降低了74.6%和96.4%,显著提高了冠层光截获;随着氮供应增加,冠层光衰减系数(KL)、冠层单位面积叶片氮含量(SLN)逐渐增大,氮素衰减系数(KN)却下降,导致光氮协调性(KN/KL)相对变差。但相较于施氮肥不施钾肥,氮钾配施后油菜SLN、KN和KN/KL分别提高了66.0%、43.8%和15.5%,其中KN/KL的提高是由于钾的供应促使冠层下部叶片氮,尤其是水溶性蛋白氮向上、中部叶片转移,同时改善了脂溶蛋白氮的分布,从而充分发挥氮素营养功能,促进光、氮协调利用。而拟合关系表明,在保证氮供应(N180和N270)条件下,KN/KL与油菜净光合速率和生物量呈显著正相关。综上所述,氮钾配施提高了冠层光合能力、优化了冠层光、氮分布与氮素分配从而促进了油菜冠层生长、提高了油菜产量和肥料利用效率。
基于光谱技术的油菜叶片水分检测仪器研制
这是一篇关于油菜,光谱技术,叶片含水率,偏最小二乘回归,检测仪器的论文, 主要内容为油菜是我国第一大油料作物,在农业生产中占有重要的地位。水分胁迫容易导致油菜发育迟缓、诱发病症,造成产量降低。叶片含水率的测定有利于对油菜进行健康状况分析和施水灌溉指导,对保障油菜产业的高质量发展有重要的意义。常规的含水率检测方法为烘干法,虽然测量精度高,但耗时周期长,并且需要破坏检测样本。光谱检测技术具有快速、无损和精度高等优点,研究学者已将其成功应用于农作物叶片的水分检测,并取得了阶段性进展。本文通过高光谱成像系统获取油菜叶片光谱数据,提取与叶片水分相关度较高的特征波段,利用反射光路和微型互补金属氧化物半导体(Complementary Metal-Oxide-Semiconductor,CMOS)传感器进行软硬件开发,基于偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型研制出一种便携式油菜叶片水分检测仪器。本仪器具有无损、便捷和测量精度较高的优点,能够有效的为油菜种植提供健康状况分析和施水灌溉指导。主要的研究内容和结论成果如下:(1)采用无土栽培的方式培育油菜植株,实验设置不同的水分梯度,并获取各水分梯度的油菜叶片样本数据。利用可见-近红外高光谱成像系统采集了样本的高光谱图像,将整个油菜叶片区域作为感兴趣区域(Region of Interest,ROI),将ROI中所有像素的平均光谱作为样本原始光谱,并使用烘干法测定油菜叶片的含水率。对光谱数据进行Savitzky-Golay平滑滤波,使用连续投影算法(Successive Projections Algorithm,SPA)提取了11个特征波长(484、517、539、558、671、684、708、720、741、885、965 nm)。(2)叶片水分检测仪器的器件选型和结构设计。分析各种类型光源的应用场景和光谱特性,使用微型低功耗卤素光源作为光源产生部件。分析光电传感器的原理,采用CMOS光电传感器作为光谱数据输出器件。针对油菜叶片薄且扁平的生理性状,设计了带有黑/白板切换的叶片光谱测量夹具。基于反射光路设计出一种便携式油菜叶片水分检测仪器结构。(3)基于光电传感器对叶片水分检测仪器进行软硬件开发。硬件设计包括功耗的预估、电源的布局分布、光电传感器的外围电路搭建、高速模数转换电路、主控芯片数字逻辑电路及印制电路板制作。软件设计包括界面显示、按键控制、光电传感器光谱数据采集等。(4)对叶片水分检测仪器进行功能验证和性能测试。软硬件调试阶段验证了光源的输出强度和输出稳定性、电路板的电压精度和稳定性、模数转换数据精度和稳定性及光电传感器数据的线性度和稳定性等,结果表明效果良好。利用最小二乘拟合法对光电传感器的波长进行标定,确认特征波段下的反射光谱数据的取值区间。(5)在不同水分梯度下,共计摘取150片油菜叶片作为试验样本,使用仪器测量特征波段下的光谱数据,并使用烘干法测定真实含水率。以3:1比例划分训练集和测试集,利用671、684、708、720、741、885、965 nm 7个特征波段建立偏最小二乘回归预测模型。结果表明,训练集相关系数RC和均方根误差RMSEC分别为0.9078和0.1538;测试集相关系数RP和均方根误差RMSEP分别为0.8917和0.1387。综上所述,本文研制的仪器能够实现对油菜叶片含水率的无损、便捷和准确检测。
油菜直播机组无人播种作业远程监测系统设计与试验
这是一篇关于油菜,远程监测,数据传输,播种状态图,电控液压改装的论文, 主要内容为油菜直播机组无人播种过程中的田间播种质量数据对于评估田间播种效果、提高油菜播种智能化水平具有重要的意义。为解决直播机组无人播种作业过程中难以实时直观展示田间播种质量信息的问题,设计了一套油菜直播机组无人播种作业远程监测系统,实现了直播机组的无人播种作业和对田间播种质量信息的采集存储、可视化展示,并进行了路面与田间试验。具体研究内容和结论如下:(1)构建了油菜直播机组无人播种作业系统。本文以雷沃804拖拉机及其搭载的2BYQ-8型气送式油菜直播机为试验平台,设计了系统总体方案并阐明其工作原理,确定了拖拉机转向、档位、离合、悬挂机构的电控改装方案,通过加装电磁控制阀组、液压缸和霍尔接近开关等部件实现对液压改装机构的闭环控制;分别设计并封装了拖拉机转向和液压机构控制箱,开发液压机构闭环控制策略;设计了直播机组无人播种作业导航路径,并确定播种机具控制方法。路面试验表明,该系统可实现基于油菜直播机组的无人播种作业,电控液压机构运行稳定,满足无人播种作业需求。(2)设计了无人播种作业数据采集系统。为实现对播种质量数据与导航定位数据的融合同步,设计了数据采集系统总体结构,采用车载路由器组建车载局域网融合播种和定位数据,进行数据采集系统硬件设计,开展了播种监测终端、传感装置的外壳、检测电路原理图和PCB电路板的设计,设计并开发了数据同步采集软件程序,融合播种和定位数据进行云存储,最后设计了无人播种作业数据包,保证监测数据的安全、高效传输。播量检测准确率台架试验表明:当排种频率在20Hz～40Hz范围内,数据采集系统播量检测准确率不低于96.81%,并且试验过程中未发生堵塞情况。(3)设计了播种作业质量监测云平台。为直观展示油菜田间播种状态信息,确定了播种监测云平台总体结构,开展了云平台数据库、服务器和网页端的设计,进行播种数据存储数据表设计,设计了云服务器并部署web Socket网络服务,设计了云平台网页界面,确定了播种状态图生成方法,进行田间播种质量数据计算,构建了直播机与各通道播种位置映射模型,生成田间作业区域的播种状态图,并分析了状态图显示效果。(4)开展了无人播种作业远程监测系统试验。为验证无人播种作业系统实际作业效果,开展了路面试验,试验表明,油菜直播机组可对无人作业导航路径进行跟踪,播种执行机构可配合完成无人播种作业,其中播种作业段跟踪横向平均偏差为0.037m,最大偏差为0.125m。开展了数据采集系统的数据传输实时性测试,测试结果表明,车载计算机与云平台之间最大数据传输时延不超过100ms,满足数据传输实时性要求。开展了播量检测准确率台架试验,试验结果表明,排种频率在20Hz～40Hz范围内,播量检测准确率不低于96.81%,且未发生堵塞情况。进行了状态图生成田间试验,田间试验表明,拖拉机电控液压改装系统运行稳定、可靠;田间检测播量准确率不低于96.16%;田间数据传输时延不超过100ms,传输实时性较高;播种作业远程监测系统具有较高稳定性,播种状态图能有效反映田间实际播种效果。
基于光谱技术的油菜叶片水分检测仪器研制
这是一篇关于油菜,光谱技术,叶片含水率,偏最小二乘回归,检测仪器的论文, 主要内容为油菜是我国第一大油料作物,在农业生产中占有重要的地位。水分胁迫容易导致油菜发育迟缓、诱发病症,造成产量降低。叶片含水率的测定有利于对油菜进行健康状况分析和施水灌溉指导,对保障油菜产业的高质量发展有重要的意义。常规的含水率检测方法为烘干法,虽然测量精度高,但耗时周期长,并且需要破坏检测样本。光谱检测技术具有快速、无损和精度高等优点,研究学者已将其成功应用于农作物叶片的水分检测,并取得了阶段性进展。本文通过高光谱成像系统获取油菜叶片光谱数据,提取与叶片水分相关度较高的特征波段,利用反射光路和微型互补金属氧化物半导体(Complementary Metal-Oxide-Semiconductor,CMOS)传感器进行软硬件开发,基于偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型研制出一种便携式油菜叶片水分检测仪器。本仪器具有无损、便捷和测量精度较高的优点,能够有效的为油菜种植提供健康状况分析和施水灌溉指导。主要的研究内容和结论成果如下:(1)采用无土栽培的方式培育油菜植株,实验设置不同的水分梯度,并获取各水分梯度的油菜叶片样本数据。利用可见-近红外高光谱成像系统采集了样本的高光谱图像,将整个油菜叶片区域作为感兴趣区域(Region of Interest,ROI),将ROI中所有像素的平均光谱作为样本原始光谱,并使用烘干法测定油菜叶片的含水率。对光谱数据进行Savitzky-Golay平滑滤波,使用连续投影算法(Successive Projections Algorithm,SPA)提取了11个特征波长(484、517、539、558、671、684、708、720、741、885、965 nm)。(2)叶片水分检测仪器的器件选型和结构设计。分析各种类型光源的应用场景和光谱特性,使用微型低功耗卤素光源作为光源产生部件。分析光电传感器的原理,采用CMOS光电传感器作为光谱数据输出器件。针对油菜叶片薄且扁平的生理性状,设计了带有黑/白板切换的叶片光谱测量夹具。基于反射光路设计出一种便携式油菜叶片水分检测仪器结构。(3)基于光电传感器对叶片水分检测仪器进行软硬件开发。硬件设计包括功耗的预估、电源的布局分布、光电传感器的外围电路搭建、高速模数转换电路、主控芯片数字逻辑电路及印制电路板制作。软件设计包括界面显示、按键控制、光电传感器光谱数据采集等。(4)对叶片水分检测仪器进行功能验证和性能测试。软硬件调试阶段验证了光源的输出强度和输出稳定性、电路板的电压精度和稳定性、模数转换数据精度和稳定性及光电传感器数据的线性度和稳定性等,结果表明效果良好。利用最小二乘拟合法对光电传感器的波长进行标定,确认特征波段下的反射光谱数据的取值区间。(5)在不同水分梯度下,共计摘取150片油菜叶片作为试验样本,使用仪器测量特征波段下的光谱数据,并使用烘干法测定真实含水率。以3:1比例划分训练集和测试集,利用671、684、708、720、741、885、965 nm 7个特征波段建立偏最小二乘回归预测模型。结果表明,训练集相关系数RC和均方根误差RMSEC分别为0.9078和0.1538;测试集相关系数RP和均方根误差RMSEP分别为0.8917和0.1387。综上所述,本文研制的仪器能够实现对油菜叶片含水率的无损、便捷和准确检测。
油菜铁、硼胁迫高光谱巡检系统研究
这是一篇关于油菜,铁、硼胁迫,巡检系统,高光谱的论文, 主要内容为微量元素铁、硼是影响油菜生长发育的重要因子,铁和硼的缺乏制约了油菜的产量和品质。因此,对油菜铁、硼缺乏症状的监测,是其栽培管理中的应有之义。而现阶段的农作物微量元素含量诊断主要是依靠人工视觉与经验的形态诊断方法,已逐渐不能满足精准农业的要求。近年来,光谱技术在植被农学参数估测方面的研究日益增多,而关于油菜缺素检测的研究主要集中在大量元素氮、磷、钾上,对油菜微量元素缺乏症状的自动化检测方法上的研究较少,同时缺乏相配合的田间智能巡检装备。基于此,本研究搭建了基于ROS(Robot Operating System)与STM32(Italian Semiconductor 32-bit Series Microcontroller Chip)的高光谱巡检系统;建立了基于机器学习算法的油菜铁、硼胁迫光谱数据分类模型;集成开发了田间装置运动控制与油菜光谱特征识别软件系统。主要工作结果如下:(1)本研究基于阿克曼式小车搭建了巡检系统运动机构,基于ROS与STM32搭建了小车运动控制系统,实现了“远程客户端—工控机—STM32主控板—驱动机构”的控制流程,能实现直行、转弯、线速度与角速度调节等基本控制要求,试验证明其指令延迟小于0.2s,可以满足田间巡检工作的需求。(2)利用支持向量机(Support Vector Machine,SVM)与线性判别分析(Linear Discriminant Analysis,LDA)两种分类识别方法对全波段的甘蓝型油菜叶面光谱数据进行分类识别,试验证明基于全波段光谱数据的SVM模型可以很好的识别健康油菜叶片与铁、硼元素缺乏的油菜叶片,但对于缺铁叶片与缺硼叶片之间的识别准确率还有待提高;其中以多元散射校正(Multiplicative Scatter Correction,MSC)作为预处理方法的LDA模型为甘蓝型油菜铁、硼缺乏症状的最佳判别技术。(3)分别使用连续投影算法(Successive Projections Algorithm,SPA)与竞争性自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)对油菜叶片光谱数据进行特征波段筛选,其中SPA共选择出18个特征波长,CARS共选择出33个特征波长。采用依据SPA、CARS筛选出的2个特征波长子集进行MSC-SPALDA与MSC-CARS-LDA建模判别,结果证明MSC-CARS-LDA模型是本试验中识别准确率最高的模型。(4)利用Matlab GUI、Robotics System Toolbox工具与ROS操作系统,设计并实现了一个油菜铁硼胁迫光谱巡检软件系统。整合了巡检系统运动控制、光谱数据异常值筛除、光谱预处理、油菜光谱数据分类建模等功能,同时开发了数据可视化、事务处理记录显示等软件功能。本研究所建立的巡检系统能较好地适应田间油菜光谱巡检工作的需要,开发的油菜铁、硼胁迫光谱分类识别模型能达到较高的识别准确率,并建立了软件平台以方便用户操作。本文工作为油菜铁、硼缺乏症状的高光谱识别提供了前期实践基础,同时可为农作物营养状态田间监测技术的开发提供参考。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://bishedaima.com/lunwen/48707.html
