01-申建波-田间作物根际过程定量化
基于无人机遥感的作物表型参数获取和应用研究进展
㊀山东农业科学㊀2024ꎬ56(4):172~180ShandongAgriculturalSciences㊀DOI:10.14083/j.issn.1001-4942.2024.04.022收稿日期:2023-03-30基金项目:山东省自然科学基金项目(ZR2021M055)ꎻ国家重点研发计划课题(2021YFB3901303)作者简介:曾世伟(2000 )ꎬ男ꎬ硕士研究生ꎬ主要从事农业遥感研究ꎮE-mail:1422180426@qq.com通信作者:侯学会(1985 )ꎬ女ꎬ博士ꎬ助理研究员ꎬ主要从事农业遥感研究ꎮE-mail:sxhouxh@126.com王宗良(1986 )ꎬ男ꎬ博士ꎬ副教授ꎬ主要从事光纤传感研究ꎮE-mail:wangzongliang@lcu.edu.cn基于无人机遥感的作物表型参数获取和应用研究进展曾世伟1ꎬ2ꎬ侯学会2ꎬ王宗良1ꎬ骆秀斌2ꎬ巫志雄1ꎬ2ꎬ王宏军1(1.聊城大学物理科学与信息工程学院ꎬ山东聊城㊀252000ꎻ2.山东省农业科学院农业信息与经济研究所ꎬ山东济南㊀250100)㊀㊀摘要:作物表型参数是由基因和环境因素决定或影响的作物生理㊁生化特征和性状ꎮ通过获取不同环境㊁不同生长时期的作物表型信息ꎬ可直观了解作物生长状况ꎬ以及时调整栽培管理措施ꎬ保障作物高效生产ꎮ无人机搭载RGB相机㊁光谱相机㊁激光雷达等传感器ꎬ可充分发挥灵活性好㊁获取数据效率高㊁成本相对较低等优势ꎬ实现作物表型参数信息的高效获取ꎬ同时ꎬ快速发展的图像处理和识别分类技术又为无人机遥感获取的作物表型参数信息提供了有效的处理和分析方法ꎬ从而使得作物监测更加便捷㊁高效ꎮ本文总结了无人机遥感获取作物表型参数信息的流程与方法ꎬ概括了基于无人机遥感开展作物株高㊁冠层覆盖度㊁叶面积指数㊁水分胁迫㊁生物量㊁产量等表型参数研究的现状ꎬ并对无人机遥感技术在作物表型参数信息解析方面的应用前景进行了展望ꎬ以期为充分发挥该技术在农业生产中的作用提供参考ꎮ关键词:无人机遥感ꎻ作物表型参数ꎻ作物监测中图分类号:S127㊀㊀文献标识号:A㊀㊀文章编号:1001-4942(2024)04-0172-09ResearchProgressofObtainingandUtilizingCropPhenotypicParametersBasedonUAVRemoteSensingZengShiwei1ꎬ2ꎬHouXuehui2ꎬWangZongliang1ꎬLuoXiubin2ꎬWuZhixiong1ꎬ2ꎬWangHongjun1(1.SchoolofPhysicalScienceandInformationTechnologyꎬLiaochengUniversityꎬLiaocheng252000ꎬChinaꎻ2.InstituteofInformationandEconomicResearchꎬShandongAcademyofAgriculturalSciencesꎬJinan250100ꎬChina)Abstract㊀Cropphenotypicparametersrefertocropphysiologicalandbiochemicalcharacteristicsthataredeterminedorinfluencedbygeneticandenvironmentalfactors.Throughobtainingcropphenotypicinformationunderdifferentenvironmentsandgrowthperiodsꎬthegrowthstatusofcropscouldbeknownintuitivelysothatcultivationmanagementstrategiescouldbeadjustedintimetoensurehighcropproductivity.ThroughcarryingdifferentsensorssuchasRGBcameraꎬspectrumcameraandLIDARꎬUAVremotesensinghasadvantagesofgoodflexibilityꎬhighefficiencyandrelativelylowcostinacquiringdataꎬwhichprovidesanefficientwaytoobtaincropsphenotypicinformation.Atthesametimeꎬfastdevelopingimageprocessingandrecognitionandclassificationtechnologiesprovideseffectiveprocessingandanalysismethodsforcropphenotypicparameterin ̄formationobtainedbyUAVremotesensing.Allthesemakecropmonitoringmoreconvenientandefficient.InthispaperꎬprocessandmethodsofobtainingphenotypicparameterinformationwereintroducedꎬandresearchstatusofcropphenotypicparametersbasedonUAVremotesensingsuchasplantheightꎬcanopycoverageꎬleafareaindexꎬwaterstressꎬbiomassandyieldweresummarizedꎬandtheapplicationforegroundofUAVremotesensingtechnologyincropphenotypicinformationanalysiswasprospectedꎬhopingtoprovidereferencesforbetterapplicationofthetechnologyinagriculturalproduction.Keywords㊀UAVremotesensingꎻCropphenotypicparametersꎻCropmonitoring㊀㊀随着世界人口快速增长㊁可耕地面积越来越少㊁全球气候急剧变化和资源短缺加剧ꎬ农业生产面临着严峻的挑战ꎬ粮食安全问题日益突出[1]ꎮ因此ꎬ培育优良品种以达到稳产㊁增产的目的ꎬ成为目前作物研究的热点方向之一ꎮ作物表型信息如株高㊁叶面积指数㊁生物量等影响着后期产量的形成ꎬ是育种过程中的重要参考指标ꎮ传统的作物表型信息获取多采用人工地面抽样调查法ꎬ费时㊁费力且观测数量有限ꎬ不能满足大面积作物信息调查需求ꎮ近年来ꎬ低空无人机遥感技术快速发展ꎬ通过无人机搭载RGB相机㊁光谱相机㊁激光雷达等构建无人机遥感平台ꎬ能够快速㊁高效获取一定范围内作物冠层的株高㊁叶面积指数㊁生物量等的连续动态信息ꎬ从而实现作物产量的动态预测[2]ꎮ目前ꎬ在田间作物表型遥感监测研究中应用的无人飞行器有无人直升机㊁飞艇㊁固定翼无人机㊁多旋翼无人机等ꎬ其中对起降条件要求不高且可以满足任何飞行轨迹要求的多旋翼无人机应用较为广泛ꎬ获取作物表型信息更加方便㊁快捷[3]ꎮ但由于无人机负载能力有限ꎬ其搭载的传感器需要满足高精度㊁轻质量和小尺寸的要求ꎬ目前适合无人机搭载的主要传感器有RGB数码相机㊁红外热成像仪㊁多光谱相机㊁高光谱相机㊁多谱段激光雷达等ꎮ不同的传感器性能不同ꎬ获取的作物表型参数信息也不同ꎬ导致最终得到的遥感监测结果不同[4-5]ꎮRGB相机[6]㊁热红外成像仪[7]㊁多光谱相机[8-9]和高光谱相机[10-11]成像原理相同ꎬ都是通过感测光谱波段来捕获图像信息ꎬ但它们感测光谱波段的种类和能力存在差异[12]ꎬ因此可用于测量不同的表型参数[13]ꎬ其中ꎬRGB相机可用于测量作物的株高㊁冠层覆盖度等ꎻ热红外成像仪可实现在生物和非生物胁迫条件下对作物表型参数的间接测定ꎬ尤其在测量作物的冠层温度时效果较好ꎻ多光谱相机和高光谱相机都能测量作物的叶面积指数㊁生物量㊁产量等表型参数ꎬ但高光谱相机的光谱分辨率更高ꎬ能获得更多的波段数据ꎬ可测量更多的作物表型参数ꎬ然而同时也存在数据处理过程更加复杂㊁仪器价格较高的问题ꎮ多谱段激光雷达能够分析作物的光谱特性和空间目标方位㊁距离㊁三维形貌和状态特征[14]ꎬ常用于对作物株高和生物量的测量研究ꎮ本文综述了无人机遥感监测农作物表型参数的信息获取流程㊁方法及研究进展ꎬ并对今后的研究方向进行展望ꎬ以期为深入研究和应用该技术提供参考ꎮ1㊀无人机遥感监测图像数据的处理及信息提取流程和方法1.1㊀图像处理遥感图像处理是利用无人机遥感研究作物表型的基础ꎮ因遥感图像存在由大气㊁传感器㊁无人机飞行状态等因素引起的几何畸变和辐射畸变ꎬ在提取作物表型参数之前必须对图像进行预处理ꎬ以有效改善提取表型参数信息的精度[15]ꎮ图像处理过程包括辐射定标㊁几何校正㊁数据质量检查㊁图像特征点提取㊁图像特征匹配㊁空中三角测量与区域网平差㊁生成数字高程模型(DEM)㊁正射校正生成数字正射影像(DOM)和拼接镶嵌等[16]ꎮ需根据无人机搭载的传感器类型选择合适的图像处理方法ꎮ如戴建国等[17]获取可见光图像后ꎬ使用Pix4Dmapper软件进行图像快速拼接检查ꎬ然后通过正射校正获得高质量㊁高精度的正射影像图ꎻ程雪等[18]获取高光谱影像后ꎬ除了使用Pix4DMapper软件进行拼接镶嵌外ꎬ还采用辐射定标以及大气校正等对图像进行了处理ꎮNäsi等[19]将得到的光谱图像依次进行了辐射标定㊁几何校正㊁图像融合和图像增强ꎬ然后使用371㊀第4期㊀㊀㊀㊀㊀㊀曾世伟ꎬ等:基于无人机遥感的作物表型参数获取和应用研究进展ArcGIS㊁ENVI等软件提取光谱反射率ꎬ用于建立研究作物表型性状的植被指数ꎮ1.2㊀特征集的选取作物特征包括植被指数特征㊁纹理特征等ꎬ在实际应用时需根据研究目的选择合适的特征来构成特征集ꎮ植被指数是通过多个波段数据计算得出的ꎬ能够有效度量作物株高㊁生物量和覆盖度等表型信息[20]ꎮ常用的植被指数有归一化差值植被指数(NDVI)㊁绿色归一化植被指数(GNDVI)㊁比值植被指数(RVI)㊁红绿蓝植被指数(RGBVI)㊁红边归一化植被指数(rNDVI)㊁优化土壤调节植被指数(OSAVI)㊁修正归一化植被指数(mNDVI)㊁可见光大气阻抗植被指数(VARI)㊁蓝绿色素指数(BGI2)㊁增强植被指数(EVI2)等ꎮ其中ꎬNDVI能够突出植被在图像中的显示ꎬ可准确估测植被的覆盖度[12]ꎻVARI㊁NDVI㊁RVI㊁rNDVI㊁mNDVI㊁GNDVI能有效预测叶面积指数[18]ꎻNDVI㊁OSA ̄VI㊁BGI2等常被用于预测植物叶片的叶绿素含量[21]ꎻVARI能有效预测作物的水分胁迫ꎻRDVI㊁RGBVI在估测作物生物量方面效果较好[22]ꎮ图像的灰度分布及其重复性是纹理特征的表现形式ꎬ可以反映地物的视觉粗糙程度ꎮ不同地物表现出的纹理特征不同ꎬ因此可根据该特征描述和识别地物[16]ꎮ另外ꎬ同一波段的图像有相同种类的纹理特征ꎬ可通过最小噪声分离变换和基于主成分分析方法等提取纹理滤波特征ꎬ选择最佳波段ꎬ作为最终纹理滤波特征[23]ꎮ1.3㊀特征筛选用于遥感图像估测表型参数的属性特征很多ꎬ若不经过筛选ꎬ则分析特征和训练模型所需要的时间会很长ꎬ模型也会很复杂ꎬ从而导致模型的泛化能力下降ꎬ不利于在实际生产中推广应用ꎮ因此ꎬ需在保证估测精度的前提下ꎬ选用最少的特征来构建模型ꎬ以避免特征变量过多引起的 维数灾难 ꎮ常用的特征筛选方法大致分为三类ꎬ分别是过滤式㊁包裹式㊁嵌入式筛选法[24]ꎮ过滤式特征筛选法先选定特征再进行学习ꎬ具有较强通用性ꎬ其典型方法有ReliefF算法ꎻ包裹式特征筛选法利用学习算法的性能来评价自身优劣ꎬ筛选得到的特征集分类性能较好ꎬ其典型方法有SVM-RFE算法ꎻ嵌入式特征筛选法将特征选择过程作为学习过程的一部分ꎬ在学习过程中自动进行特征筛选ꎬ特征筛选效果最好㊁速度最快且模式单调ꎬ其典型方法有Lasso算法[25]ꎮ特征选定后ꎬ还要根据估测能力强弱对其进行权重赋值ꎬ最终构建出最佳特征集ꎬ用于建立估测模型ꎮ1.4㊀模型的构建及精度评价构建估测模型能够表征遥感数据与作物特征的相关性ꎬ可为定量反演作物的表型参数奠定基础[1]ꎮ1.4.1㊀数据集的划分㊀估测模型的构建及其精度与样本数量和质量紧密相关ꎬ因此确保田间采样质量是保证构建模型估测效果的重要前提[18]ꎮ采集到的样本首先要采用适当的方法合理地划分成训练样本集和验证样本集ꎮ常见的划分方法有留出法㊁交叉验证法和自助法ꎬ其中交叉验证法是无人机遥感监测作物表型参数研究中最常用的方法ꎮk折交叉验证是典型的交叉验证法ꎬ其原理是将数据集分成k个样本数相等的子集ꎬ任选其中1个子集作为测试集ꎬ另外k-1个子集作为训练集ꎬ然后无重复地执行k次ꎬ使得每个子集都能作为训练集和测试集来训练模型ꎮ1.4.2㊀模型构建㊀除数字高程模型能够有效且快速获取作物株高信息外ꎬ其他表型参数的估测模型一般采用机器学习算法构建ꎮ根据训练数据是否拥有标记信息ꎬ可将机器学习算法分为监督式和非监督式两种[26]ꎮ分类和回归算法是典型的监督式算法ꎬ包括支持向量回归(SVR)㊁随机森林回归(RFR)㊁人工神经网络(ANN)㊁多元线性回归(MLR)等ꎬ其中回归算法更适用于数据具有连续性的叶面积指数㊁生物量㊁产量㊁水分胁迫等的监测ꎬ而分类算法更适用于作物分类和冠层覆盖度等的监测ꎮ另外还有一些表型参数研究没有足够的先验知识ꎬ很难对其进行人工标注且标注成本较高ꎬ通常采用无监督算法训练被标记的样本ꎬ以解决模式识别过程中的各种问题ꎮ聚类算法是非监督学习算法的代表ꎬ依据相似度进行分471山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀类ꎬ典型的聚类算法有K均值(K-means)聚类算法和K-中心点(K-medoids)聚类算法ꎮ1.4.3㊀模型估测精度评价㊀估测模型的精度评价ꎬ通常用决定系数(R2)和均方根误差(RMSE)作为评判预测值与实测值拟合效果的指标ꎬ其中ꎬR2值越接近1ꎬ说明模型的参考价值越高ꎻRMSE值越小ꎬ说明模型精度越高[27]ꎮ2㊀无人机遥感监测作物表型参数的研究进展2.1㊀作物株高株高能够反映作物的群体结构状况ꎬ植株过高易导致倒伏ꎬ而过矮会降低群体中下部的通风和透光ꎬ导致光合效率下降ꎬ进而影响作物产量ꎬ因此株高监测在作物生产调控中具有重要意义ꎮ作物株高监测通常利用获取可见光数据来测量ꎮ张宏鸣等[28]用无人机搭载数码相机获取作物的可见光图像ꎬ采用高清数码正射影像(DOM)和数字表面模型(DSM)相结合的骨架算法提取植株骨架ꎬ估测作物株高的精度较高(R2=0.923ꎬRMSE=11.493cmꎬMAE=8.927cm)ꎮ牛庆林等[29]利用无人机拍摄玉米的高清数码影像ꎬ将其与地面控制点(GCP)结合进行图像拼接处理ꎬ生成相应的DSM和DOMꎬ得到的株高预测值与实测值拟合性较高(R2=0.93ꎬRMSE=28.69cmꎬnRMSE=17.90%)ꎮ刘治开等[30]用无人机拍摄冬小麦的高清数码影像ꎬ通过构建作物DSM及作物高度模型(CHM)来测量小麦株高ꎬ最终得到的估测结果较好(R2和RMSE分别为0.82和4.31cm)ꎮKhan等[31]使用无人机遥感平台拍摄小麦的RGB图像ꎬ采用Pix4Dmapper软件处理后用于估测小麦株高ꎬ精度较高(R2=0.85ꎬRMSE=6.64cm)ꎮ此外ꎬ有研究者利用多光谱和高光谱成像技术获得多个波段和空间特征来测量作物株高ꎮ边琳等[32]使用无人机搭载多光谱传感器获得烤烟的遥感信息ꎬ捕捉到多个波段的反射光ꎬ通过构建光谱反射率与烤烟株高的拟合模型ꎬ估测烤烟株高的效果最佳(R2=0.785)ꎮAasen等[33]利用无人机采集三维高光谱图像来建立三维表面高光谱模型ꎬ实现株高可视化ꎬ株高估算效果也较好(R2=0.7)ꎮ但总体来说ꎬ利用高光谱成像技术测量作物株高的效果并不理想ꎬ而在估测作物覆盖度[34]㊁生物量[35]㊁叶面积指数[36]㊁产量[37]等表型参数时的精确度则较好ꎮ2.2㊀作物冠层覆盖度冠层覆盖度是反映作物生长状况的重要因素ꎬ可通过提取冠层覆盖度监测作物长势[38]ꎮ通过无人机遥感平台获取可见光图像和多光谱图像ꎬ然后利用计算机视觉方法或植被指数和光谱反射率建模反演等方法可快速得到作物的冠层覆盖信息[39]ꎮJin等[40]利用无人机遥感搭载数码相机获取研究区域的可见光成像数据ꎬ采用原始颜色特征作为模型输入ꎬ选用支持向量机算法训练作物分类模型ꎬ并选用粒子群优化算法(PSO)训练SVM模型参数(惩罚系数c㊁不敏感损失系数ε以及核函数功能γ)ꎬ最终监测结果的RMSE和rRMSE分别为34.05株/m2和14.31%ꎬ偏差为9.01株/m2ꎮ万亮等[41]利用无人机搭载多光谱相机获取多光谱图像ꎬ将各个波段的光谱反射率作为特征输入到随机森林回归模型ꎬ最终得到的结果较好(R2=0.93ꎬrRMSE=9.47%)ꎮ武威等[42]采用图像处理技术分析小麦图像的颜色特征 绿光标准化值(NDIG)ꎬ并提出叶片盖度(LCD)参数ꎬ将NDIG和LCD相结合作为多元逐步回归模型的输入特征ꎬ估测效果较好(R2=0.896)ꎮ周在明等[43]使用四旋翼无人机搭载ADCAir多光谱相机ꎬ通过NDVI指数模型获取多光谱植被覆盖度信息ꎬ以高精度可见光影像为真值进行验证ꎬ结果表明NDVI模型估算值与真实值之间的决定系数为0.92ꎬ具有较好的一致性ꎮ相比广泛应用的无人机可见光图像[23ꎬ44-46]ꎬ利用无人机多光谱图像反演植被覆盖度时图像的空间分辨率要求较低[47]ꎮ目前ꎬ主要通过计算机视觉方法或植被指数建模反演等手段获取作物的冠层覆盖度信息ꎮ然而ꎬ这些方法存在一定的局限性ꎮ今后还需寻找一种普遍适用的方法ꎬ以实现对不同作物冠层覆盖度的精确获取ꎬ从而完善作物冠层覆盖度提取技术[48]ꎮ571㊀第4期㊀㊀㊀㊀㊀㊀曾世伟ꎬ等:基于无人机遥感的作物表型参数获取和应用研究进展2.3㊀作物叶面积指数叶面积指数(LAI)是指单位面积内作物叶片面积的总和ꎮLAI是表征作物光合作用㊁呼吸作用以及蒸腾作用的重要指示因子ꎬ也是评价作物长势和产量的重要依据ꎬ因此快速且高效地获取作物LAI对于估测作物产量具有重要意义[36]ꎮ陶惠林等[35]利用无人机搭载高光谱仪获取高光谱图像ꎬ通过线性回归和指数回归挑选出最佳估测参数NDVIˑSR作为模型的输入特征ꎬ然后采用多元线性回归构建模型ꎬLAI估测精度较高(建模和验证的R2㊁RMSE㊁NRMSE分别为0.6788㊁0.69㊁19.79%及0.8462㊁0.47㊁16.04%)ꎮ杨雨薇等[49]使用无人机遥感平台获取作物的高光谱影像ꎬ对光谱数据预处理后计算出植被指数NDVIꎬ然后构建出三种类型的模型 线性回归模型㊁物理模型㊁回归模型与物理模型相结合的半经验模型ꎬ用来反演作物LAIꎬ其中半经验模型的反演精度最好(R2=0.89)ꎮ孙诗睿等[50]利用无人机搭载多光谱传感器获取冬小麦多光谱影像ꎬ通过多个植被指数构建随机森林模型对冬小麦的LAI进行反演ꎬ反演值与真实值之间的R2=0.822ꎬRMSE=1.218ꎮ李剑剑等[51]利用无人机遥感平台获取地表作物的高光谱数据ꎬ然后结合PROSPECT叶片光学模型和SAIL冠层二向性反射模型相耦合后生成的模型(PROSPECT+SAIL)来反演作物的LAIꎬR2=0.82ꎬRMSE=0.43m2/m2)ꎮ傅银贞等[52]利用IRS-P6(LISS-Ⅲ)获取多光谱数据并计算出DVI㊁EVI2㊁MSAVI㊁NDVI㊁RDVI㊁RVI㊁TNDVI共7种植被指数ꎬ建立了LAI与各植被指数的统计模型ꎬ其中NDVI㊁RDVI㊁TNDVI反演LAI的效果较好ꎬ决定系数R2均能够达到0.76以上ꎮ2.4㊀作物水分胁迫测量作物水分胁迫对于发展节水灌溉农业及提高水分利用效率有重要意义[53]ꎮ气孔导度和叶片水势是表征作物水分胁迫的重要指标ꎮ冠层温度可反映气孔导度ꎬ而作物水分胁迫指数(CW ̄SI)与气孔导度相关ꎬ因此可以基于冠层温度测量监测作物水分胁迫状况[54]ꎮ张智韬等[55]基于无人机搭载RGB相机和近红外相机采集的图像ꎬ采用Otsu-EXG-Kmeans算法对玉米冠层温度进行提取ꎬ用户精度为95.9%ꎬ精度较高ꎬ提取的冠层温度与实测温度更接近(r=0.788)ꎬ将冠层温度代入水分胁迫公式计算出CWSIꎬCWSI与土壤含水率的相关性较高(r=-0.738)ꎮBellvert等[56]基于无人机搭载热成像仪获取热成像图片ꎬ得到葡萄的冠层温度ꎬ并计算出相应的CWSIꎬ发现CWSI与叶片水势的相关性较高(R2=0.83)ꎮ除了利用可见光㊁近红外和热红外传感器监测作物水分胁迫的方法外ꎬ利用多光谱㊁高光谱遥感以及多种传感器获取单一或多个波段建立植被指数模型也是常用的方法[57]ꎮ王敬哲等[58]采用无人机搭载高光谱传感器获取影像数据ꎬ经过5种不同的预处理后ꎬ构建了干旱区绿洲农田土壤含水量(SMC)高光谱定量估算模型ꎬ其中通过吸光度(Abs)预处理得到的模型预测精度最好ꎬ其建模集Rc2和RMSE分别为0.84㊁2.16%ꎬ验证集Rp2与RMSE分别为0.91㊁1.71%ꎬ相对分析误差(RPD)为2.41ꎮ张智韬等[54]利用无人机遥感系统获得玉米冠层多光谱正射影像ꎬ并同步采集玉米根域不同深度土壤含水量(SMC)ꎬ通过灰度关联法筛选出对SMC敏感的植被指数ꎬ采用多元线性回归㊁反向传播神经网络(BPNN)㊁支持向量回归(SVR)等机器学习方法构建不同生育时期的敏感植被指数与SMC的关系模型ꎬ结果表明SVR模型在各生育期的建模与预测精度均最优(建模集R2=0.851ꎬRMSE=0.7%ꎬNRMSE=8.17%ꎻ验证集R2=0.875ꎬRMSE=0.7%ꎬNRMSE=8.32%)ꎮ2.5㊀作物生物量生物量是作物产量形成的重要基础ꎬ准确快速获取作物生物量对预测其产量意义重大[59]ꎬ同时ꎬ生物量的定量估算也可为碳循环研究提供重要参考[48]ꎮ根据传感器收集到的数据信息ꎬ将能够反映作物生物量的不同特征数据相结合ꎬ构建更有效且不相关的特征ꎬ然后将该特征输入到回归模型中ꎬ能够提高作物生物量估测的准确性[60]ꎮ万亮等[41]利用无人机同时搭载数码相机和多光谱相机获取研究区域的可见光和多光谱成像数据ꎬ将671山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀可见光图像的颜色特征和纹理特征与多光谱图像的光谱反射率融合后输入到随机森林回归模型(RFR)中ꎬ有效改善了穗生物量的评估精度(R2=0.84ꎬrRMSE=8.68%)ꎮWang等[61]评估了高光谱和激光雷达数据融合在玉米生物量估算中的应用ꎬ结果表明ꎬ与单独使用LiDAR或高光谱数据相比ꎬ高光谱和LiDAR数据相融合能够更好地估测玉米的生物量(R2=0.883ꎬRMSE=321.092g/m2ꎬRMSECV=337.653g/m2)ꎮ刘畅等[62]结合纹理特征与植被指数构建了一种 图-谱 融合指标ꎬ用该指标构建的生物量模型精度较高(R2=0.81ꎬRMSE=826.02kg hm-2)ꎬ明显高于用单一植被指数(R2=0.69)和单一纹理特征(R2=0.71)构建的生物量模型ꎮ综上所述ꎬ不同的作物具有不同的特征ꎬ即使同一作物在不同的生长条件下也会表现出不同的特征[63]ꎬ这就需要使用不同的传感器来全面收集作物信息ꎬ并筛选出一些与生物量相关性最好的特征ꎬ将其融合后输入到回归模型中ꎬ从而实现精准估测作物生物量和提高估算模型精度ꎮ当研究的作物生物量较大时ꎬ用常规的植被指数来估测生物量往往会受到饱和问题的限制ꎬ导致不能较好地估算作物生物量ꎮ付元元等[64]研究证实ꎬ将波段深度分析和偏最小二乘回归(PLSR)相结合ꎬ能够有效解决作物生物量过大导致的问题ꎬ并提高冬小麦生物量的估算精度ꎬ其中波段深度比(BDR)与PLSR结合的模型的估算精度较好(R2=0.792ꎬRMSE=0.164kg/m2)ꎮ2.6㊀作物产量作物产量关乎国家粮食安全ꎬ早期准确地监测预报作物产量对于后期田间管理及灾害评估等具有重要意义ꎮ通过无人机遥感提取作物产量的常规方法如下:使用无人机搭载多种传感器获取可见光㊁光谱数据ꎬ基于可见光图像提取纹理特征ꎬ根据光谱数据提取特征波段并计算植被指数ꎻ然后将纹理特征㊁植被指数等特征作为模型输入ꎬ使用机器学习算法构建产量估测模型ꎻ最后引入R2和RMSE评价产量估测模型ꎮ模型构建时ꎬ将多种特征变量相结合往往能够改善作物估测模型的精度ꎮElsayed等[65]利用偏最小二乘法将光谱指数㊁温度参数和植株含水量等数据融合ꎬ使得小麦产量的估测效果得到进一步改善(R2=0.97ꎬRMSE=26.48g/m2)ꎮMaim ̄aitijiang等[66]利用RGB信息㊁光谱反射率及温度参数等多模态数据ꎬ基于中间级特征融合的DNN(DNN-F2)方法ꎬ准确估测了大豆产量(R2=0.720ꎬrRMSE=15.9%)ꎮ严海军等[67]使用无人机搭载多光谱相机在苜蓿的分枝期㊁现蕾期和初花期进行遥感监测ꎬ将植被指数与株高组合作为输入变量并采用支持向量回归算法构建模型ꎬ产量估测精度最高(R2=0.90ꎬRMSE=500kg/hm2ꎬNRMSE=14.3%)ꎮ可见ꎬ选用多源数据融合构建模型的效果较好ꎮ另外ꎬ在构建模型时ꎬ使用的算法不同也会影响作物产量估测的精度ꎮ张少华等[68]利用低空无人机遥感平台搭载多光谱相机㊁热红外相机和RGB相机ꎬ同步获取小麦关键生育时期的无人机遥感影像ꎬ并提取光谱反射率㊁热红外温度和数字高程信息ꎬ选取并计算出相应的特征集ꎬ然后利用支持向量回归(SVR)㊁多元线性回归(MLR)㊁随机森林回归(RFR)㊁偏最小二乘回归(PLSR)等机器学习算法建立小麦产量的估测模型ꎬ最终结果表明采用RFR算法建立的模型效果最好(R2=0.724ꎬRMSE=614.72kg/hm2ꎬMAE=478.08kg/hm2)ꎮ申洋洋等[69]采集冬小麦多光谱数据ꎬ选取多光谱相机的5个特征波段计算各生育时期的72个植被指数ꎬ分别通过逐步多元线性回归㊁偏最小二乘回归㊁BP神经网络㊁支持向量机㊁随机森林构建不同生育时期的产量估算模型ꎬ其中基于随机森林算法建立的模型估算效果最优(R2=0.94ꎬRMSE=0.32ꎬRE=9%)ꎮ赵鑫[70]利用多旋翼无人机搭载数码相机拍摄小麦的可见光图像ꎬ经预处理后计算出植被指数和颜色特征ꎬ然后结合多种机器学习算法建立产量估测模型ꎬ其中随机森林算法模型精度最高(R2=0.74)ꎮ作物发育时期也会影响模型精度ꎮ刘昌华等[71]以无人机多光谱影像为基础ꎬ提取冬小麦在几个生长阶段下的冠层多光谱数据并建立产量估算模型ꎬ其中返青期估算效果较差ꎬ拔节期㊁孕穗期㊁扬花期估算效果相近且较好(R2分别为0.93㊁771㊀第4期㊀㊀㊀㊀㊀㊀曾世伟ꎬ等:基于无人机遥感的作物表型参数获取和应用研究进展0.96㊁0.94)ꎮ申洋洋等[69]以冬小麦拔节期㊁孕穗期㊁抽穗期㊁灌浆期㊁成熟期的无人机多光谱影像为数据源ꎬ利用随机森林算法构建模型的R2㊁RMSE㊁RE分别为拔节期0.92㊁0.35㊁11%ꎬ孕穗期0.93㊁0.33㊁10%ꎬ抽穗期0.94㊁0.32㊁9%ꎬ灌浆期0.92㊁0.36㊁9%ꎬ成熟期0.77㊁0.67㊁33%ꎬ可见ꎬ抽穗期的估算效果最好ꎬ拔节期㊁孕穗期㊁灌浆期估算效果接近㊁也较好ꎬ成熟期的估算精度最差ꎮ3㊀总结与展望本文综述了基于无人机遥感开展作物表型参数研究的过程和方法㊁无人机遥感平台及其在作物表型参数估测上的应用研究进展ꎮ无人机遥感平台凭借着工作效率高㊁灵活性好㊁成本低㊁分辨率高㊁适用于复杂野外环境等优点ꎬ成为研究作物表型参数的有利工具ꎬ为农业精细化管理及农田生态系统建模提供了技术支持ꎮ由于外界环境和作物自身因素影响以及研究方法的局限性ꎬ目前多数研究构建的表型参数模型的精确性㊁鲁棒性㊁泛化性等性能较差ꎬ缺乏能够较好估测不同作物类型的表型参数的通用模型和方法ꎬ而且目前无人机遥感监测表型参数信息的研究多集中于玉米㊁小麦㊁水稻㊁大豆等少数作物ꎬ其他作物类型鲜有研究ꎬ因此该技术研究在深度与广度上还有很大的发展空间ꎮ参㊀考㊀文㊀献:[1]㊀仇瑞承ꎬ魏爽ꎬ张漫ꎬ等.作物表型组学测量方法综述[J].中国农业文摘-农业工程ꎬ2019ꎬ31(1):23-36ꎬ55. [2]㊀周济ꎬTardieuFꎬPridmoreTꎬ等.植物表型组学:发展㊁现状与挑战[J].南京农业大学学报ꎬ2018ꎬ41(4):580-588. [3]㊀TothCꎬJóz'kówG.Remotesensingplatformsandsensors:asur ̄vey[J].ISPRSJournalofPhotogrammetryandRemoteSens ̄ingꎬ2016ꎬ115:22-36.[4]㊀WeiXJꎬXuJFꎬGuoHNꎬetal.DTH8suppressesfloweringinriceꎬinfluencingplantheightandyieldpotentialsimultaneously[J].PlantPhysiologyꎬ2010ꎬ153(4):1747-1758. [5]㊀AlheitKVꎬBusemeyerLꎬLiuWXꎬetal.Multiple ̄linecrossQTLmappingforbiomassyieldandplantheightintriticale(ˑTriticosecaleWittmack)[J].TheoreticalandAppliedGenet ̄icsꎬ2014ꎬ127:251-260.[6]㊀GuoWꎬFukatsuTꎬNinomiyaS.Automatedcharacterizationoffloweringdynamicsinriceusingfield ̄acquiredtime ̄seriesRGBimages[J].PlantMethodsꎬ2015ꎬ11:1-15.[7]㊀SiebertSꎬEwertFꎬRezaeiEEꎬetal.Impactofheatstressoncropyield ontheimportanceofconsideringcanopytempera ̄ture[J].EnvironmentalResearchLettersꎬ2014ꎬ9(4):044012. [8]㊀张芳毓ꎬ谭永毅ꎬ聂婧ꎬ等.无人机多光谱在农业中的应用[J].智慧农业导刊ꎬ2022ꎬ2(24):11-13.[9]㊀HussainS.基于无人机载多光谱相机的油菜表观参数反演及早期草害检测[D].武汉:华中农业大学ꎬ2021. [10]ColominaIꎬMolinaP.Unmannedaerialsystemsforphotogram ̄metryandremotesensing:areview[J].ISPRSJournalofPho ̄togrammetryandRemoteSensingꎬ2014ꎬ92:79-97. [11]ZhongYFꎬWangXYꎬXuYꎬetal.Mini ̄UAV ̄bornehyper ̄spectralremotesensing:fromobservationandprocessingtoap ̄plications[J].IEEEGeoscienceandRemoteSensingMaga ̄zineꎬ2018ꎬ6(4):46-62.[12]WangTHꎬLiuYDꎬWangMHꎬetal.ApplicationsofUASincropbiomassmonitoring:areview[J].FrontiersinPlantSci ̄enceꎬ2021ꎬ12:616689.[13]XuRꎬLiCYꎬPatersonAH.Multispectralimagingandun ̄mannedaerialsystemsforcottonplantphenotyping[J].PLoSONEꎬ2019ꎬ14(2):e0205083.[14]李晶ꎬ车英ꎬ王加安ꎬ等.折反射共光路多谱段激光雷达光学系统设计[J].中国激光ꎬ2018ꎬ45(5):273-278. [15]YangGJꎬLiuJGꎬZhaoCJꎬetal.Unmannedaerialvehiclere ̄motesensingforfield ̄basedcropphenotyping:currentstatusandperspectives[J].FrontiersinPlantScienceꎬ2017ꎬ8:1111. [16]朱秀芳ꎬ李石波ꎬ肖国峰.基于无人机遥感影像的覆膜农田面积及分布提取方法[J].农业工程学报ꎬ2019ꎬ35(4):106-113.[17]戴建国ꎬ张国顺ꎬ郭鹏ꎬ等.基于无人机遥感可见光影像的北疆主要农作物分类方法[J].农业工程学报ꎬ2018ꎬ34(18):122-129.[18]程雪ꎬ贺炳彦ꎬ黄耀欢ꎬ等.基于无人机高光谱数据的玉米叶面积指数估算[J].遥感技术与应用ꎬ2019ꎬ34(4):775-784.[19]NäsiRꎬHonkavaaraEꎬLyytikäinen ̄SaarenmaaPꎬetal.UsingUAV ̄basedphotogrammetryandhyperspectralimagingformappingbarkbeetledamageattree ̄level[J].RemoteSensingꎬ2015ꎬ7(11):15467-15493.[20]姚雄ꎬ余坤勇ꎬ刘健.基于无人机多光谱遥感的马尾松林叶面积指数估测[J].农业机械学报ꎬ2021ꎬ52(7):213-221. [21]朱红艳.基于无人机低空遥感的油菜表型信息获取方法研究[D].杭州:浙江大学ꎬ2019.[22]刘建刚ꎬ赵春江ꎬ杨贵军ꎬ等.无人机遥感解析田间作物表型信息研究进展[J].农业工程学报ꎬ2016ꎬ32(24):98-106.[23]赵静ꎬ杨焕波ꎬ兰玉彬ꎬ等.基于无人机可见光图像的夏季玉米植被覆盖度提取方法[J].农业机械学报ꎬ2019ꎬ50871山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀。
湖南农业大学学术学位硕士培养方案(作物学)
作物学一级学科硕士研究生培养方案编制学院农学院一级学科名称作物学一级学科代码0901学科方向1.作物遗传育种;2.作物栽培学与耕作学;3.种子科学与技术;4.作物信息科学;5.烟草学。
培养方式全日制学分要求课程学分不少于:24学分基本学制与学习年限基本学制:3年培养环节学分:6学分最长学习年限:4年培养目标1.掌握马克思主义基本原理、中国特色社会主义理论、科学发展观及习近平新时代中国特色社会主义思想,遵纪守法,品德优良,具有正确的世界观、人生观和价值观,培育和践行社会主义核心价值观,具有严谨的治学态度,恪守学术道德行为规范,积极为社会主义现代化建设服务。
2.掌握作物学学科某一专业领域的坚实基础理论、系统专业知识和实践技能较全面地掌握作物生理学、作物生态学、现代作物生产理论与技术、作物遗传学作物育种学和种子学等理论知识和研究技术;了解所从事研究方向的研究现状和发展趋势,在作物学学科上具备基本研究和应用能力,包括具有获取知识的能力科学研究能力、实践能力、学术交流能力等,能独立从事作物学学科或相关领域的科研、教学与管理及技术开发等工作,在科学研究或专门技术上有新的见解;掌握一门外国语,能熟练地阅读本专业外文专业书刊,能撰写外文论文摘要,具有一定的写作和国际学术交流能力;成为可在高等院校、研究机构、政府机关、企业和相关领域从事教学、科研、生产、推广和管理工作的高级专业人才。
3.身心健康,具有承担作物学学科各项工作的良好体魄和素养。
课程设置课程类别课程编号课程(中英文)名称学分学时开课学期开课学院开课类型备注学位课︵13学分︶公共必修课S0000Z001中国特色社会主义理论与实践236秋季马列院理论来华留学生必修《中国文化概况》和《基础汉语》S0000Z002自然辩证法118秋季马列院理论S0000Z003基础外语348春秋季外语院理论专业必修课︵7学分︶S0901A101作物生理及分子生物学232秋季农学院理论S0901A102作物学研究方法232秋季农学院理论S0901A103作物学研究进展232春季农学院理论S0901A104研究生论文写作指导116春季农学院理论专业选修课(不少于10学分)S0901A201现代作物育种学232秋季农学院理论作物遗传育种方向必选S0901A202作物育种专题232春季农学院理论S0901A203作物基因组学232春季农学院理论S0901A204作物品质与抗性育种232春季农学院理论S0901A205作物栽培学与耕作学综合技能课232秋季农学院理论作物栽培学与耕作学方向必选S0901A206作物生理生态学232秋季农学院理论S0901A207作物栽培专题232春季农学院理论S0901A208作物生产理论与技术232秋季农学院理论S0901A209种子科学与技术综合技能课232春季农学院理论种子科学与技术方向必选S0901A210种子科学与技术专题232春季农学院理论S0901A211种子生理学232秋季农学院理论S0901A212高级种子学232秋季农学院理论S0901A213作物信息科学综合技能课232秋季农学院理论作物信息科学方向必选S0901A214作物信息科学专题232春季农学院理论S0901A215现代作物信息技术232秋季农学院理论S0901A216烟草原料学232秋季农学院理论烟草学方向必选S0901A217烟草加工与质量评价232春季农学院理论S0901A218烟草综合技能课232秋季农学院理论S0901A219高级田间试验与统计分析232春季农学院理论公共选修课(至少1学分)从学校统一开设的课程目录中选修,具体课程见《湖南农业大学研究生公共选修课一览表》在导师指导下,除修完本学科要求的课程外,研究生还可选修其他学科的课程补修课遗传学秋季农学院跨一级学科或同等学力报考被录取的硕士生须补修本学科本科阶段主干课程3-5门,须在中期考核前完成,不计入总学分。
小麦/花生间作体系中根际有效铁含量及pH值的动态分布
维普资讯
第1 期
郭桂英等 : 小麦/ 花生间作体系中根际有效铁含量及 P H值的动态分布
4 3
13 根箱制作 间作装置的根箱 由 2 . 个小室和 3个根室 组成, 其中 1 个种植花生的根室位于 2 个小室的中间, 2个 花生 种植小麦的根室位于小室的两侧 , 整个根箱外侧 由聚氯 乙 烯板围成 , 小室和根室间 由孔径 为 3 m 的尼龙网分隔 ,土壤 0 尼龙 网不影 响养 分和水 分 自由地通 过 .小 室 的规格 为 1 m× 5c 1 m, c 1 m× 5c 内装入土壤 , 根室 内无任何的介质 ,
Ma . 0 6 r20
文章编号 :0 4—12 (0 6 0 04 0 10 79 2 0 ) 1— 0 2— 5
小 麦/ 生 间作体 系 中根 际有 效 铁 含 量 花 及 p H值 的 动 态分 布
郭桂英 ,申建波
(. 1 海南大学 教务处, 海南 海口502 ; .中国农业大学 资源与环境学院, 728 2 北京 109 ) 004
用鲁花 1 . 2
收 稿 日期 : 0 5—1 0 20 2— 6
基 金项 目:国 家 重 点 基 础 研 究 专 向 经 费 资 助 ( 19010 ) G 99177 ,国 家 自然 科 学 基 金 项 目 (0 7 0 3 3 00 0 ) 3 4 13 , 00 12 . 作者 简介 : 郭桂 英( 9 3一) 女 , 17 , 山东聊城人 , 海南大学教务处 , 硕士 .
小麦
小麦和花生的根系被限制在根室中生长 , 其生长所需 的养 分来 自于两侧 的土壤 , 此装置为间作装置( 如图 1 , )单作的 尼龙
装置除了不种植小麦外, 其他均相同 . 14 试验设计与方法 试验设 2个种植方式 , . 分别为花生 单作、 花生黄化后与小麦间作; 土壤设 2 处理 , 个 分别为加 埘= 0 1%的碳酸钙和不加碳酸钙 , 每个处理设 3 个重复, 每个
张福锁等:植物营养学科发展报告研究
张福锁等:植物营养学科发展报告研究导读植物营养学是研究植物吸收、转运和利用营养物质规律,探讨植物与外界环境之间交换营养物质与能量的科学,是支撑农业高产、高效、优质、生态安全及可持续发展的重要基础学科之一。
近二十年来,中国植物营养学研究秉承“学科交叉、瞄准前沿、强化基础、应用优先、立地顶天”的发展理念,在植物营养生物学、植物-土壤-微生物互作、养分资源管理、养分再利用与污染控制、以及可持续农业研究等诸多领域取得了显著进展。
植物营养学科未来将积极应对中国粮食安全、农产品品质安全、资源与生态环境安全的重大挑战,为“乡村振兴、绿色发展”的国家重大需求做出重要贡献。
文/袁力行,申建波,崔振岭,张福锁(中国农业大学资源环境与粮食安全中心)来源:农学学报(2018年第1期)引言植物营养学是研究植物吸收、转运和利用营养物质规律,探讨植物与外界环境之间交换营养物质与能量的科学。
它以植物-土壤-环境系统为主要对象,重点关注营养物质在土壤中的形态、转化和生物有效性;植物活化、吸收、转运与利用养分、以及养分在植物体内的生理功能、在生态系统和食物系统中的循环利用;并通过对科学施肥或遗传改良等技术途径,满足粮食安全、环境保护和可持续发展的重大需求。
本文在简述植物营养学科发展历程的基础上,重点介绍中国植物营养学科近二十年来的重大研究进展,并对学科未来发展趋势进行展望。
1 植物营养学科发展历程作为农业学科的重要组成之一,植物营养学科已有上百年的历史。
早在1840 年德国科学家Liebig 最先提出了“植物矿质营养学说”,成为了学科的奠基者。
他同时还提出了“养分归还学说”和“最小养分定律”等重要学说,不仅奠定了植物营养学的基本理论,而且在实践中指导合理施肥并引导了化肥工业的出现。
之后,德国科学家Sachs 和Knop 创立了营养液培养方法,有力证明了矿质营养学说正确性,还促进了无土栽培产业的发展。
在20 世纪后期,植物营养学科取得了跨越式的发展。
遥感技术在农业资源与土壤环境综合监测上的应用
㊀山东农业科学㊀2024ꎬ56(3):163~170ShandongAgriculturalSciences㊀DOI:10.14083/j.issn.1001-4942.2024.03.022收稿日期:2023-08-24基金项目:国家自然科学基金面上项目(41977019)ꎻ山东省本科教学改革研究面上项目(M2021062)ꎻ山东省科技型中小企业创新能力提升工程项目(2022TSGC2437)作者简介:鄂高阳(2002 )ꎬ男ꎬ黑龙江佳木斯人ꎬ在读本科生ꎬ研究方向为土地资源管理ꎮE-mail:2966281708@qq.com韩芳(1981 )ꎬ女ꎬ博士ꎬ副教授ꎬ研究方向为资源环境遥感应用ꎮE-mail:hanf@lreis.ac.cn∗同为第一作者ꎮ通信作者:刘之广(1987 )ꎬ男ꎬ山东招远人ꎬ博士ꎬ副教授ꎬ主要从事土壤肥料资源高效利用研究ꎮE-mail:liuzhiguang8235126@126.com遥感技术在农业资源与土壤环境综合监测上的应用鄂高阳1ꎬ韩芳2∗ꎬ秦秉希3ꎬ刘之广1(1.山东农业大学资源与环境学院ꎬ山东泰安㊀271018ꎻ2.山东理工大学建筑工程与空间信息学院ꎬ山东淄博㊀255049ꎻ3.山东农业大学信息科学与工程学院ꎬ山东泰安㊀271018)㊀㊀摘要:近年来ꎬ遥感技术和遥感设备已被普遍应用于农业资源与土壤环境综合监测中ꎬ且在农业生产㊁环境保护和自然资源管理等几个方面成效卓著ꎮ但是ꎬ土壤问题依然影响着人类的生态文明建设ꎬ制约着人类健康和发展的稳定性ꎮ随着国内外对土壤问题研究和调查的不断深入ꎬ针对性提出的一系列解决方案和政策措施在一定程度上改善了土壤环境问题ꎬ但也暴露出监测技术不足㊁监测方法亟待改进等很多新问题ꎮ本文综述了遥感监测技术在农业生产㊁环境保护和自然资源管理三个方面的应用现状ꎬ重点对遥感监测手段㊁遥感技术在土壤监测方面的应用进行了较全面的阐述ꎬ对现有工作中存在的问题进行总结ꎬ并对今后的发展方向做出展望ꎮ关键词:遥感技术ꎻ土壤综合监测ꎻ农业生产ꎻ环境保护ꎻ自然资源管理中图分类号:S127㊀㊀文献标识号:A㊀㊀文章编号:1001-4942(2024)03-0163-08ApplicationofRemoteSensingTechnologyonIntegratedMonitoringofAgriculturalResourcesandSoilEnvironmentEGaoyang1ꎬHanFang2∗ꎬQinBingxi3ꎬLiuZhiguang1(1.CollegeofResourcesandEnvironmentꎬShandongAgriculturalUniversityꎬTaian271018ꎬChinaꎻ2.SchoolofCivilEngineeringandGeomaticsꎬShandongUniversityofTechnologyꎬZibo255049ꎬChinaꎻ3.CollegeofInformationScienceandEngineeringꎬShandongAgriculturalUniversityꎬTaian271018ꎬChina)Abstract㊀Therecentdevelopmentofremotesensingtechniqueandequipmenthasadvanceditsapplica ̄tiononintegratedmonitoringofagriculturalresourcesandsoilenvironmentꎬwhichhasoutstandingeffectsinagriculturalproductionꎬenvironmentalprotectionandnaturalresourcesmanagement.Howeverꎬsoilproblemsstillaffecttheconstructionofhumanecologicalcivilizationandrestrictthestabilityofhumanhealthanddevel ̄opment.Withthedeepeningofresearchandinvestigationofsoilproblemsathomeandabroadꎬaseriesoftar ̄getedsolutionsandpolicymeasureshadbeenputforwardandhadimprovedsoilenvironmenttoacertainex ̄tent.Butmanynewproblemssuchasinadequacyandneedtoimprovingofmonitoringtechnologyhavebeenexposed.Inthispaperꎬtheapplicationstatusofremotesensingmonitoringtechniqueonagriculturalproduc ̄tionꎬenvironmentalprotectionandnaturalresourcemanagementwerereviewedꎬtheapplicationofremotesensingmonitoringtoolsandtechniquesonsoilmonitoringwaselaboratedꎬtheexistingproblemsweresumma ̄rizedꎬandtheoutlookofresearchdirectionwasproposed.Keywords㊀RemotesensingtechnologyꎻIntegratedmonitoringofsoilꎻAgriculturalproductionꎻEnviron ̄mentalprotectionꎻNaturalresourcesmanagement㊀㊀土壤作为农业㊁林业㊁畜牧业等领域的重要资源ꎬ其质量㊁特性及变动会对作物产量和品质产生直接影响ꎮ在社会与经济不断发展的大背景下ꎬ土壤开发利用中的损害和污染问题日益凸显ꎮ近年来ꎬ土壤问题已引起广泛关注ꎬ不仅关系到人类的生活品质ꎬ更是国家可持续发展战略的重要组成部分ꎮ因此ꎬ加强土壤综合监测和保护能力ꎬ有利于推进国家生态文明建设和提高生态兼容性[1-2]ꎮ工业经济的迅速发展对生态环境造成了极大的破坏ꎬ且土壤处于脆弱状态ꎬ易遭受到来自物理㊁化学等多方面的影响ꎮ研究显示ꎬ人类活动引起的全球生态环境变化ꎬ致使土壤严重受损ꎬ直接或间接导致全球生物多样性和生态功能的退化[3-4]ꎮ例如ꎬ乙撑双二硫代氨基甲酸酯类杀菌剂和各种有毒杀虫剂的滥用对环境造成了大量原生和次生污染ꎬ有毒物质通过食物链积累ꎬ最终进入人体ꎬ产生与癌症㊁遗传毒性等相关的物质[5-6]ꎮ工业化进程不断推进ꎬ土壤环境恶化加剧ꎬ工业废水排放等导致土壤污染问题日益严重ꎬ土壤中重金属含量急剧上升ꎬ给食物链的中高层生物带来严重威胁[7-8]ꎮ在我国ꎬ土壤问题主要表现为不合理开发㊁不合规排放和有毒农药及化肥的过度使用等ꎬ水土流失㊁土壤侵蚀和土壤污染等问题尤为严重[1-2]ꎮ与此同时ꎬ我国土壤监测发展相对滞后ꎮ国外土壤监测的相关研究可追溯至20世纪60年代末ꎬ而我国则在20世纪80年代才开始ꎮ因此ꎬ我国亟需采取有效措施进行土壤环境监测和修复ꎮ传统的土壤监测方法主要依赖于现场调查和实验室分析ꎬ耗时长㊁费用高ꎬ且难以实现大范围㊁高效率的监测ꎮ遥感监测是指利用遥感技术进行监测的技术方法ꎬ在获取大面积信息方面具有快而全的优势ꎬ为土壤监测提供了新的可能性[9]ꎮ1㊀土壤综合监测及遥感技术概述遥感技术具有监测范围广㊁信息连续性强㊁信息处理效率高等优势ꎮ相较于传统监测技术ꎬ遥感技术可大幅降低人工和经济成本ꎬ缩短信息处理周期ꎬ保证信息时效性ꎬ有助于加快土壤信息汇总进度ꎬ及时处理土壤污染事件ꎮ遥感技术还可进行非常规监测ꎬ扩大土壤监测范围且对极端地形的监测效果显著ꎬ还能够实现全天候环境监测ꎮ遥感技术可实现对单个区域的动态监测ꎬ有助于监测土壤变化ꎬ及时了解土壤受污染程度ꎬ实时监控土壤修复进程ꎬ提升土壤污染治理效果ꎮ遥感技术作为一项综合技术ꎬ实现了土壤资源整合的统一与信息化ꎬ推进了土壤综合监测等的研究进度ꎮ土壤遥感监测基本流程如图1所示ꎮ图1㊀土壤遥感监测流程461山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀㊀㊀土壤遥感监测通常包含8个理化指标㊁3种放射性监测方式㊁17种有机监测方式和23种无机监测方式[9]ꎮ数据源主要有多源遥感卫星数据㊁无人机遥感数据以及地面测量数据等ꎮ多源遥感卫星数据包括Landsat㊁MODIS㊁Sentinel等ꎬ这些卫星的光谱范围广㊁时间分辨率高ꎬ可满足不同尺度㊁不同时相的土壤监测需求ꎻ无人机遥感数据优势在于具有高空间㊁高时间分辨率和高精度ꎬ利于细节特征的精细化监测ꎻ地面测量数据包括传统的土壤样点信息和高精度的地形数据ꎬ可与遥感数据交叉验证ꎬ提高监测精度和可信度ꎮ2㊀土壤遥感监测技术土壤遥感监测技术通过遥感和地面探测等技术手段ꎬ对土壤进行非接触式的监测和评估ꎬ可以为土地利用㊁农业生产㊁环境保护等领域提供丰富的信息ꎬ是实现土壤可持续发展的重要工具ꎮ常用的土壤遥感监测技术包括: (1)遥感影像分析技术ꎮ利用高分辨率卫星或无人机获取的影像数据ꎬ分析土壤覆盖类型㊁土地利用状况以及土壤质量[10]ꎮ如利用Landsat卫星数据进行耕地㊁林地㊁草地等土地利用类型的分类和监测ꎻ通过NDVI(normalizeddifferencevege ̄tationindex)指数评估植被覆盖程度ꎬ从而反映土壤肥力状况ꎮ(2)土壤光谱技术ꎮ这是一种利用光谱仪器测量土壤反射光谱ꎬ推断土壤性质和特征的方法[11]ꎮ例如ꎬ近红外光谱技术可以获取土壤有机质含量㊁水分含量和pH值等信息ꎻ红外光谱技术可以获得土壤粘粒含量和矿物成分信息ꎮ通过这些信息可以评估和监测土壤质量ꎮ(3)地球物理勘探技术ꎮ这是通过测量土壤的物理特征ꎬ如电阻率㊁磁性和声波传播速度等ꎬ推断土壤性质和结构的方法ꎮ例如ꎬ电磁法测量土壤电阻率可以获取土壤含水量和盐分信息ꎻ地震波速度测量技术可以获得土壤密度和压缩模量信息ꎮ通过这些信息可以评估和监测土壤结构和性质ꎮ综上所述ꎬ通过三种土壤遥感监测技术ꎬ可获取土壤覆盖类型㊁土地利用状况㊁土壤质量与结构等信息ꎬ实现无接触的土壤监测和评估ꎬ为土地利用㊁农业生产与环境保护等提供丰富的数据和信息ꎬ为土壤资源的管理与保护提供科学有效的数据支持ꎮ3㊀遥感技术应用3.1㊀农业生产遥感技术在农业领域应用非常广泛ꎮ郭广猛等[12]使用中红外波段对土壤湿度进行遥感监测ꎬ通过回归分析发现土壤水分与MODIS(moderate ̄resolutionimagingspectroradiometer)第7波段的反射率之间具有较好的相关关系ꎮZhu等[13]利用机器学习对根际土壤湿度进行预测ꎬ显著提高了土壤水分预测的准确率与服务水平ꎮLiu等[14]研究表明土壤光谱反射率与土壤湿度存在相关性ꎬ在一定土壤水分临界值下土壤光谱反射率与土壤湿度呈负相关ꎮ通过对土壤盐碱性㊁腐蚀㊁水分以及农作物生长环境等进行遥感监测分析ꎬ可以连续监测并发现其变化趋势ꎬ为其管理提供科学的指导和建议ꎮ例如提出农业用水管理决策ꎬ提高农业灌溉用水效率等[15]ꎮ同时ꎬ遥感技术也可监测草地的长势㊁产量㊁退化㊁沙化及耕地与草地的面积变化等[16]ꎬ为草原与畜牧业管理决策提供有价值的信息ꎮ通过遥感数据可以了解农业有效灌溉面积的增长情况[17]ꎬ并预测未来的发展趋势ꎬ对于解决灌溉节水及水土流失等问题具有重要意义ꎮ遥感技术还可以通过监测土地利用变化情况ꎬ对农业生产提供支持ꎮ例如ꎬ可以对农田土地利用类型进行分类ꎬ了解耕地的变化情况ꎬ以便能够及时调整农业生产布局ꎮ同时ꎬ遥感技术还可以监测农作物的生长状况(生长阶段㊁病虫害等)ꎬ为农业生产提供实时数据支持ꎬ帮助农民及时采取相应的管理措施ꎮRomanak等[18]利用气相色谱法对土壤环境(如二氧化碳㊁氧气㊁温度㊁水分和压力等)进行了长期监测ꎮJiao等[19]利用极化细束影像对加拿大安大略东北部地区的小麦㊁大豆等主要作物进行了分类和面积提取ꎮ岳云开等[20]利用无人机多光谱遥感反演苎麻叶绿素含量ꎬ为高效检测苎麻叶绿素提供新方法ꎮ杨娜等[21]利用SMOS㊁SMAP数据技术对青藏高原季风及植被生长季土壤水分消长特征进行了研究ꎬ明确了近期青藏高原土壤水分的总体分布状况ꎬ为地区和全球气候及灾害的预测预报提供了561㊀第3期㊀㊀㊀㊀㊀㊀鄂高阳ꎬ等:遥感技术在农业资源与土壤环境综合监测上的应用借鉴和科学依据ꎮBala等[22]基于MODIS影像的NDVI数值进行土豆长势监测ꎮ何亚娟等[23]对冬小麦不同生育期的产量三因子(穗数㊁穗粒数㊁千粒重)进行双因子建模ꎬ使预报时间提前至抽穗后期至灌浆期ꎬ并且有90%的拟合精度ꎮSon等[24]利用MODIS数据建立了水稻生长期与单产的关系模型ꎬ并成功应用于湄公河三角洲水稻的长势监测与产量预测ꎮ韩文霆等[25]利用无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量ꎬ为农业生产提供了科学依据ꎮ3.2㊀环境保护遥感技术可以实时监测土壤质地㊁营养成分等的变化ꎬ进而对土壤质量和健康进行评估ꎮ其中ꎬ遥感技术在土壤侵蚀㊁土壤污染和土地利用监测等方面具有重要的应用价值ꎮ3.2.1㊀土壤侵蚀监测㊀遥感技术可以通过监测土壤的光谱信息ꎬ实现土壤侵蚀情况的监测ꎮ研究表明ꎬ450nm波段光谱值与土壤水分含量有关ꎬ500~640nm波段与土壤中氧化铁含量有关ꎬ660nm波段与土壤有机质含量呈负相关[26]ꎮ杨丽娟等[27]利用无人机遥感影像分析土壤侵蚀重要表现形式的新成切沟发生规律ꎬ为切沟的预防与治理提供科学依据ꎮ遥感监测技术为及时制定对策防止土壤流失和泥石流等自然灾害情况发生提供了重要的数据支撑ꎮ张晓远等[28]利用卫星遥感影像结合GIS和RS技术对RCSLE模型进行修正ꎬ使之能够对小流域水土流失动态变化进行分析和评价ꎮ3.2.2㊀土壤利用监测㊀遥感技术可以通过土地利用监测ꎬ帮助农业决策者确定土地分类和资源要求等信息ꎮ例如ꎬ黄应丰等[29]利用土壤光谱特性对华南地区主要土壤类型进行分类ꎬ提取10个光谱特征作为土壤光谱特征指标ꎬ综合应用土壤特征指标及其他分类指标对土壤进行分类ꎬ结果与中国土壤系统分类[30]中的相关内容相一致ꎮ李娜等[31]利用基于POI数据的城市功能区识别与分布特征研究ꎬ开展了遥感技术在农业资源与环境领域土壤综合监测方面的应用研究ꎬ为土壤分类识别在城市规划㊁城市管理㊁经济分析和环境保护等方面的应用提供了借鉴ꎮSenanayake等[32]利用遥感影像对降水量㊁土地利用率㊁土地覆盖和作物多样性等几个变量进行了时间序列分析和空间建模ꎬ监测土壤侵蚀㊁作物多样性和降水量变化ꎮ赵建辉等[33]提出了一种基于特征选择和GA-BP(geneticalgorithm ̄backpropagation)神经网络的多源遥感农田地表土壤水分反演方法ꎬ为多源遥感农田地表土壤水分反演提供了新思路ꎮ冯泉霖等[34]利用多光谱影像生成聚类深度网络遥感估算模型ꎬ完成SOM的含量估算与区域尺度上的数字制图ꎬ可为区域尺度上的土壤质量精细监测及管理提供有效的技术支持ꎮ3.2.3㊀土壤污染与重金属监测㊀通过遥感技术提取大面积土地的红外㊁雷达和光谱信息ꎬ实现土壤污染监测ꎮ遥感数据的采集㊁处理和分析可以揭示出地表环境的空间分布ꎬ便于地理信息系统(GIS)管理地表资源ꎮ遥感图像的特征分析和遥感模型构建可以确立土壤污染区域ꎬ依据土壤类别㊁地形地貌㊁气象特征㊁植被类型和人类活动等因素变化进行污染物模型构建ꎮ刘雯等[35]利用高分五号卫星高光谱影像对土壤Cd含量进行的大范围反演ꎬ可为环境污染评价及生态保护提供更好的数据支撑ꎮMesquita等[36]通过对土壤淋滤过程进行模拟分析ꎬ得出了一种利用在线模拟降水监测土壤铁元素及其配合物流失的方法ꎮ宋子豪等[37]通过对石油污染的农田土和湿地土进行采样分析ꎬ考察了石油污染对两种类型土壤的影响ꎮ黄长平等[38]利用遥感数据反演分析了南京城郊土壤重金属铜的10个敏感波段ꎮ张雅琼等[39]基于高分1号卫星影像快速提取了深圳市部九窝余泥渣土场的信息ꎬ验证表明归一化绿红差异指数的提取精度在97.5%以上ꎮ蔡东全等[40]利用HJ-1A高光谱遥感数据研究发现ꎬ铜㊁锰㊁镍㊁铅㊁砷在480~950nm波段内具有较好的遥感建模和反演效果ꎮ宋婷婷等[41]基于ASTER遥感影像研究土壤锌污染ꎬ发现481㊁1000㊁1220nm是锌的敏感波段ꎬ相关性最好的波段在515nm处ꎮDvornikov等[42]利用便携式分析仪测量了俄罗斯科拉半岛土壤中铜和镍的含量ꎬ并根据地形建立了回归模型ꎬ得出1.0~1.5m分辨率的辅助数据是预测该研究地区表层土中Cu和Ni含量的最佳方法ꎮ钟亮等[43]以遗传算法优化的偏最小二乘回归算法ꎬ对预处理后的农田土壤样品和小麦叶片光谱建立土壤重金属镉(Cd)和砷(As)含量的估测模型ꎬ为将来实现定661山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀量㊁动态㊁无损遥感监测大面积农田土壤重金属污染状况提供了参考依据ꎮ综上所述ꎬ随着遥感技术的不断升级和完善ꎬ其在土壤侵蚀监测㊁土壤污染监测和土地利用监测方面的应用将会更加广泛和深入ꎮ遥感技术可以为农业生产提供科学依据ꎬ帮助农业决策者制定更加科学的农业规划ꎬ促进农业可持续发展ꎮ3.3㊀自然资源管理遥感技术可以通过多角度㊁多时相的综合分析和评估ꎬ获取综合性土壤信息ꎬ进而对整个地区的土地资源状况和变化进行精细分类和数量分析ꎬ辅助GIS等信息技术分析手段对土地资源进行评估㊁监测和管理ꎮ其主要应用包括土壤类型识别㊁土壤水分监测㊁土壤质量评估和土地利用变化监测ꎮ3.3.1㊀土壤类型识别㊀遥感技术可以在短时间内获取大面积土壤类型信息ꎬ为构建土地利用/覆盖类型分类提供基础数据ꎬ为土地利用管理提供科学参考ꎮ例如ꎬ徐彬彬等[44]通过测定我国23类主要土壤类型的反射光谱曲线ꎬ将其归纳为平直型㊁缓斜型㊁陡坎型和波浪型ꎬ为构建土地类型分类提供了依据ꎮWei等[45]利用机器学习和高光谱技术ꎬ构建基于特征波段的土壤有机质(SOM)反演模型并取得了较好成果ꎬ为土壤类型识别提供了借鉴ꎮChimelo等[46]利用PlanetScope卫星星座和随机森林算法预测土壤中的粘土含量ꎮTunçay等[47]利用SFI等级与卫星图像的植被指数值进行比较ꎬ量化干旱与半干旱地区土壤的物理㊁化学和肥力指标的空间动态ꎮ杨栋淏等[48]通过结合多光谱与高光谱遥感数据ꎬ对云南山原红壤主要养分含量的高光谱特性进行研究ꎬ并利用机器学习建立相关模型ꎬ为土壤养分含量估测提供了依据ꎮ3.3.2㊀土壤水分监测㊀遥感技术可以多角度㊁多时相地获取土壤水分动态变化信息ꎬ结合植被生长指数等参数ꎬ帮助实现农林生产㊁荒漠化和水土流失等环境问题的监测ꎮ陈怀亮等[49]利用归一化植被指数NDVI和AVHRR4通道亮温建立回归方程ꎬ将土壤含水量与遥感指数联系起来ꎮ国外学者通过对比分析ERS-1的SAR图像与地面土壤水分实测值ꎬ发现土壤含水量与雷达后向散射系数间呈线性关系[50]ꎮ许泽宇等[51]利用增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类技术ꎬ通过改变编码器和解码器的结合方式增强二者的连接状态ꎬ加入自适应权重以及进行多通道训练等多方面改进ꎬ提高了地物高精度分类网络E-DeepLab的性能ꎬ为适用于遥感地物的自动分类和提取提供了借鉴ꎮDari等[52]利用K-Means聚类算法对意大利中部某地区2017年至2019年生成的100m空间分辨率灌溉区地图与地面实况数据相比较ꎬ取得较好结果ꎬ可为土壤水分遥感分析工作提供依据ꎮ3.3.3㊀土壤质量评估与土地利用变化监测㊀遥感技术可以精准㊁快速地获取相关土壤信息ꎬ用于土壤质量变化趋势分析㊁预测和评估ꎮDalal等[53]使用近红外光谱法预测土壤水分㊁有机碳和总氮含量ꎬ发现土壤有机质含量在0~2.6%范围内时ꎬ近红外法预测结果相对准确ꎻ而在有机质含量高于2.6%时ꎬ预测结果存在偏差ꎮBen ̄Dor等[54]利用近红外光谱法预测土壤有机质含量ꎬ通过分析土壤有机质的C/N比率来改进近红外法的预测准确度ꎮ沙晋明等[55]使用VF991地物光谱测量仪对不同环境条件下的土壤样本剖面进行测量ꎬ并测定了各土层土壤的有机质含量ꎮGuo等[56]利用多光谱㊁高光谱数据与植被指数ꎬ结合机器学习实现了土壤有机碳含量的测量与绘制相关图像ꎮ张智韬等[57]利用无人机遥感平台计算归一化植被指数并代入像元二分模型计算植被覆盖度ꎬ利用偏最小二乘回归算法和极限学习机算法构建不同覆盖度下各深度土壤含盐量反演模型ꎬ为无人机多光谱遥感监测农田土壤盐渍化提供了思路ꎮ吴倩等[58]使用便携式光谱仪采集陕西省黄土高原区黄绵土土壤的光谱数据ꎬ利用机器学习方法得出土壤碳酸钙含量与光谱反射率呈现正相关态势的结论ꎮ佘洁等[59]分析土壤养分空间变异来源ꎬ兼述遥感㊁GIS与人工智能等研究现状ꎬ并对当前存在的问题进行剖析ꎮ遥感技术还可以通过遥感数据解析和分类实现土地利用变化监测ꎬ并进一步提供多维度数据可视化和地表覆被变化分析等ꎬ快速监测不可再生土地用途的变化情况ꎬ这对于土地资源管理和保护具有重要意义ꎮ综上所述ꎬ遥感技术在土地资源管理和评估中具有重要的应用价值ꎬ可以为土地利用/覆盖类761㊀第3期㊀㊀㊀㊀㊀㊀鄂高阳ꎬ等:遥感技术在农业资源与土壤环境综合监测上的应用型分类㊁土壤水分监测㊁土壤质量评估和土地利用变化监测等提供科学依据和技术支持ꎮ随着遥感技术的不断发展和创新ꎬ其在土地资源管理和评估中的应用将会更加广泛和深入ꎬ为土地可持续利用和保护提供更强大的支持ꎮ4㊀展望土壤综合遥感监测技术已经在农牧业㊁林业㊁荒漠化和环境保护中得到广泛应用ꎮ综合遥感监测具有较高的实用价值ꎬ为土地资源的监测和管理提供了较为可靠的科学依据ꎮ尤其在当前科技发展较为迅速的大背景下ꎬ综合遥感监测技术的进一步推广和应用将为土地资源中长期规划㊁生态环境保护㊁自然灾害预警㊁公共安全等领域提供科学的数据基础和服务支撑ꎮ4.1㊀农业生产应用展望随着遥感技术的不断升级和完善ꎬ其在农业领域的应用将更加广泛和深入ꎮ例如ꎬ随着卫星分辨率的提高ꎬ可以更加精确地监测农田的土地利用㊁土壤水分等情况ꎬ为农业生产提供更加精准的数据支持ꎻ同时ꎬ随着人工智能和机器学习技术的发展ꎬ可以利用遥感数据进行数据挖掘和分析ꎬ提高数据的处理效率和准确性ꎬ帮助农业生产做出更加科学的管理决策ꎻ此外ꎬ还可以将遥感技术与其他技术相融合ꎬ如地理信息系统㊁无人机等技术ꎬ实现更加全面㊁精准的农业监测和管理ꎮ4.2㊀环境保护应用展望随着无人机㊁多光谱/高光谱等多源遥感设备的普及以及计算机技术的发展ꎬ土壤综合遥感监测技术在环境保护中将越来越得到更加广泛的应用ꎮ例如ꎬ利用无人机㊁卫星等搭载光谱设备的遥感平台可以高效监测大范围土壤情况ꎬ实现土地利用㊁植被覆盖等信息的分析ꎬ结合地面监测数据ꎬ可以及时发现土壤污染情况并进行污染程度评估ꎻ通过遥感技术可以对土地利用类型及其变化进行监测和分析ꎬ包括农地㊁城市扩展㊁森林覆盖等情况ꎬ有助于合理规划土地利用结构ꎬ保护耕地和生态环境ꎻ通过长时间㊁高时空和高分辨率的遥感影像监测土壤侵蚀㊁土地滑坡㊁沙漠化等自然灾害ꎬ及时发现灾害隐患并评估风险ꎬ可为防灾减灾提供技术支持等ꎮ4.3㊀自然资源管理展望随着大数据技术以及多源遥感技术的发展ꎬ土壤综合遥感监测技术在自然资源管理中发挥着越来越重要的作用ꎮ例如ꎬ通过监测土地利用类型㊁土地覆盖变化㊁土地利用强度等信息ꎬ利用大数据以及人工智能技术帮助制定土地规划㊁土地整治和土地利用政策等ꎻ通过对土地资源进行监测和评估ꎬ实现土地资源的合理利用ꎬ保护农田㊁森林㊁草原等重要生态系统ꎬ维护生态平衡ꎻ通过监测土壤水分含量㊁地下水位㊁土壤侵蚀情况等ꎬ合理利用和保护水资源等ꎮ综上ꎬ土壤综合遥感监测在农业生产发展㊁环境保护和自然资源管理等场景中具有重要的应用价值ꎬ未来还需加强遥感数据与地面测量数据的协同应用ꎬ优化反演模型㊁特征提取和分类识别方法ꎬ发挥遥感技术在土壤监测研究和应用中的更大潜力ꎮ参㊀考㊀文㊀献:[1]㊀王慧婷ꎬ王洪敏ꎬ李百庆.土壤资源环境保护研究[J].环境与发展ꎬ2018ꎬ30(5):240-242.[2]㊀郝梦洋ꎬ朱欣.重金属土壤污染的来源和影响[J].现代盐化工ꎬ2017(3):11ꎬ26.[3]㊀SmithPꎬHouseJIꎬBustamanteMꎬetal.Globalchangepres ̄suresonsoilsfromlanduseandmanagement[J].GlobalChangeBiologyꎬ2016ꎬ22(3):1008-1028.[4]㊀LalR.Restoringsoilqualitytomitigatesoildegradation[J].Sustainabilityꎬ2015ꎬ7(5):5875-5895.[5]㊀LemosPVRBꎬMartinsJLꎬLemosSPPꎬetal.Hepaticdamageinnewbornsfromfemaleratsexposedtothepesticidederivativeethylenethiourea[J].ActaCirurgicaBrasileiraꎬ2012ꎬ27(12):897-904.[6]㊀MaranghiFꎬdeAngelisSꎬTassinariRꎬetal.ReproductivetoxicityandthyroideffectsinSpragueDawleyratsexposedtolowdosesofethylenethiourea[J].FoodandChemicalToxicolo ̄gyꎬ2013ꎬ59:261-271.[7]㊀HuangYFꎬChenGFꎬXiongLMꎬetal.Currentsituationofheavymetalpollutioninfarmlandsoilandphytoremediationap ̄plication[J].AsianAgriculturalResearchꎬ2016ꎬ8(1):22-24.[8]㊀SunYJ.EcologicalriskevaluationofheavymetalpollutioninsoilinYanggu[J].GeostatisticsValenciaꎬ2017ꎬ19:919-931. [9]㊀林龙飞.论遥感技术在土壤方面的应用[J].中国资源综合利用ꎬ2021ꎬ39(1):117-120.[10]黄仲良ꎬ何敬ꎬ刘刚ꎬ等.面向GEE平台的遥感影像分析与应用研究进展[J].遥感技术与应用ꎬ2022ꎬ37(3):1-8.861山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第56卷㊀[11]刘云鹤ꎬ殷长春ꎬ蔡晶ꎬ等.电磁勘探中各向异性研究现状和展望[J].地球物理学报ꎬ2018ꎬ61(8):3468-3487. [12]郭广猛ꎬ赵冰茹.使用MODIS数据监测土壤湿度[J].土壤ꎬ2004ꎬ36(2):219-221.[13]ZhuQꎬWangYSꎬLuoYL.Improvementofmulti ̄layersoilmoisturepredictionusingsupportvectormachinesandensembleKalmanfiltercoupledwithremotesensingsoilmoisturedatasetsoveranagriculturedominantbasininChina[J].HydrologicalProcessesꎬ2021ꎬ35(4):e14154.[14]LiuWDꎬBaretFꎬGuXFꎬetal.Relatingsoilsurfacemois ̄turetoreflectance[J].RemoteSens.Environ.ꎬ2002ꎬ81(2/3):238-246.[15]韩文霆ꎬ张立元ꎬ牛亚晓ꎬ等.无人机遥感技术在精量灌溉中应用的研究进展[J].农业机械学报ꎬ2020ꎬ51(2):1-14. [16]李飞ꎬ李冰ꎬ闫慧ꎬ等.草地遥感研究进展与展望[J].中国草地学报ꎬ2022ꎬ44(12):87-99.[17]宋文龙ꎬ李萌ꎬ路京选ꎬ等.基于GF-1卫星数据监测灌区灌溉面积方法研究 以东雷二期抽黄灌区为例[J].水利学报ꎬ2019ꎬ50(7):854-863.[18]RomanakKDꎬBomseDS.Fieldassessmentofsensortechnol ̄ogyforenvironmentalmonitoringusingaprocess ̄basedsoilgasmethodatgeologicCO2storagesites[J].InternationalJournalofGreenhouseGasControlꎬ2020ꎬ96:103003.[19]JiaoXFꎬKovacsJMꎬShangJLꎬetal.Object ̄orientedcropmappingandmonitoringusingmulti ̄temporalpolarimetricRA ̄DARSAT ̄2data[J].ISPRSJournalofPhotogrammetryandRemoteSensingꎬ2014ꎬ96:38-46.[20]岳云开ꎬ陈建福ꎬ赵亮ꎬ等.基于无人机多光谱遥感的苎麻叶绿素含量反演[J].山东农业科学ꎬ2023ꎬ55(7):152-158.[21]杨娜ꎬ汤燕杰ꎬ张宁馨ꎬ等.基于SMOS㊁SMAP数据的青藏高原季风及植被生长季土壤水分长消特征研究[J].遥感技术与应用ꎬ2022ꎬ37(6):1373-1384.[22]BalaSKꎬIslamAS.CorrelationbetweenpotatoyieldandMO ̄DIS ̄derivedvegetationindices[J].InternationalJournalofRe ̄moteSensingꎬ2009ꎬ30(9/10):2491-2507.[23]何亚娟ꎬ汪庆发ꎬ裴志远ꎬ等.冬小麦产量分阶段预测模型[J].农业机械学报ꎬ2012ꎬ43(1):89-93ꎬ133.[24]SonNTꎬChenCFꎬChenCRꎬetal.PredictionofricecropyieldusingMODISEVI ̄LAIdataintheMekongDeltaꎬViet ̄nam[J].InternationalJournalofRemoteSensingꎬ2013ꎬ34(20):7275-7292.[25]韩文霆ꎬ崔家伟ꎬ崔欣ꎬ等.基于特征优选与机器学习的农田土壤含盐量估算研究[J].农业机械学报ꎬ2023ꎬ54(3):328-337.[26]姚艳敏ꎬ魏娜ꎬ唐鹏钦ꎬ等.黑土土壤水分高光谱特征及反演模型[J].农业工程学报ꎬ2011ꎬ27(8):95-100. [27]杨丽娟ꎬ王春梅ꎬ张春妹ꎬ等.基于遥感影像研究极端暴雨条件下新成切沟发生发展规律[J].农业工程学报ꎬ2022ꎬ38(6):96-104.[28]张晓远ꎬ刘朱婷ꎬ连少宏ꎬ等.基于RCSLE的粤西均墟河小流域水土流失动态变化[J].中国水土保持科学:中英文ꎬ2022ꎬ20(4):42-49.[29]黄应丰ꎬ刘腾辉.华南主要土壤类型的光谱特性与土壤分类[J].土壤学报ꎬ1995ꎬ32(1):58-68.[30]张保华ꎬ何毓蓉.中国土壤系统分类及其应用研究进展[J].山东农业科学ꎬ2005(4):76-78.[31]李娜ꎬ吴凯萍.基于POI数据的城市功能区识别与分布特征研究[J].遥感技术与应用ꎬ2022ꎬ37(6):1482-1491. [32]SenanayakeSꎬPradhanBꎬHueteAꎬetal.Spatialmodelingofsoilerosionhazardsandcropdiversitychangewithrainfallvari ̄ationintheCentralHighlandsofSriLanka[J].ScienceofThetotalEnvironmentꎬ2022ꎬ806(Pt2):150405.[33]赵建辉ꎬ张晨阳ꎬ闵林ꎬ等.基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演[J].农业工程学报ꎬ2021ꎬ37(11):112-120.[34]冯泉霖ꎬ李洪涛ꎬ徐夕博ꎬ等.基于聚类深度网络模型的莱州湾近岸平原表层土壤有机质含量遥感估算[J].安全与环境学报ꎬ2022ꎬ22(4):2248-2258.[35]刘雯ꎬ韩玲ꎬ刘明ꎬ等.基于高分五号高光谱波段选择的矿区周边土壤Cd含量反演[J].激光与光电子学进展ꎬ2023ꎬ60(17):1728001.[36]MesquitaLSꎬMesquitaRBRꎬLeiteAꎬetal.Integratedflow ̄basedsystemdisplayinganin ̄lineminisoilcolumntomonitorironspeciesinsoilsleachates[J].CommunicationsinSoilSci ̄enceandPlantAnalysisꎬ2020ꎬ51(8):1089-1100. [37]宋子豪ꎬ韩阳ꎬ韦晨阳ꎬ等.受石油污染的农田土和湿地土的偏振光谱特征对比[J].光谱学与光谱分析ꎬ2022ꎬ42(8):2603-2609.[38]黄长平ꎬ刘波ꎬ张霞ꎬ等.土壤重金属Cu含量遥感反演的波段选择与最佳光谱分辨率研究[J].遥感技术与应用ꎬ2010ꎬ25(3):353-357.[39]张雅琼ꎬ赵宇昕ꎬ屈冉ꎬ等.基于GF-1卫星遥感影像的生态空间周边建筑余泥渣土场提取方法研究[J].环境保护科学ꎬ2018ꎬ44(6):50-55ꎬ89.[40]蔡东全ꎬ吴泉源ꎬ曹学江ꎬ等.基于HJ1A-HSI的龙口污水灌溉区土壤重金属含量反演[J].安全与环境工程ꎬ2015ꎬ22(5):33-39.[41]宋婷婷ꎬ付秀丽ꎬ陈玉ꎬ等.云南个旧矿区土壤锌污染遥感反演研究[J].遥感技术与应用ꎬ2018ꎬ33(1):88-95. [42]DvornikovYꎬSlukovskayaMꎬYaroslavtsevAꎬetal.High ̄res ̄olutionmappingofsoilpollutionbyCuandNiatapolarindus ̄trialbarrenareausingproximalandremotesensing[J].LandDegradation&Developmentꎬ2022ꎬ33(10):1731-1744. [43]钟亮ꎬ钱家炜ꎬ储学远ꎬ等.利用高光谱遥感技术监测小麦土壤重金属污染[J].农业工程学报ꎬ2023ꎬ39(5):265-270.[44]徐彬彬ꎬ戴昌达.南疆土壤光谱反射特性与有机质含量的相关分析[J].科学通报ꎬ1980(6):282-284.[45]WeiLFꎬYuanZRꎬWangZXꎬetal.Hyperspectralinversion961㊀第3期㊀㊀㊀㊀㊀㊀鄂高阳ꎬ等:遥感技术在农业资源与土壤环境综合监测上的应用。
根际简介
根际简介根际(Rhizosphere)是指受植物根系生长影响,在物理、化学和生物特性上不同于原土体的土壤微域,是植物-土壤-微生物三者相互作用的场所,也是各种养分、水分和有益或有害物质进入根系参与食物链物质循环的门户,是一个特殊的生态系统。
根际的变化是一个动态过程,它不仅存在于垂直根面指向原土体的横向方向上,而且也存在于沿根轴的纵向方向上,并且根际过程在这两个方向上存在着时空变异。
Rhizosphere一词最先由德国科学家Lorenz Hiltner在1904年提出, 用以描述受豆科植物根系影响的土壤微域,在这个微域内微生物的数量远远高于土体(Hiltner,1904 )。
通过电子显微镜观察证实,作物根与土壤之间有一粘液层,它是由新生根的根冠、根毛、表皮细胞分泌的粘液、根际微生物分泌物、脱落细胞的降解产物等组成的。
此粘液层的厚度可达10-50微米,粘液层的外沿最先吸附土壤中的粘粒,以后再伸展到土壤孔隙中与土壤相混合。
粘液与土壤混合层可以扩展到离根表1-4毫米。
粘液层具有亲水性,土壤中的可溶性养分可以溶解于内而被根系吸收。
粘液层中含有大量有机物质,是微生物繁殖生存的天然培养介质。
根际是受活的根系影响的土壤微域,根际范围的大小受土壤类型、植物种类、年龄和其它因子的影响(Curl and Truelove,1986)。
一般认为,根际的范围可达几毫米,对于某些沙漠植物或沙丘植物甚至可达几个厘米。
由于根系的不断生长,根表特性沿根轴方向差异较大,在根的一生中,根际的特性处于不断变化之中。
此外,一些微生物如细菌和真菌可侵入到根的皮层组织,在正常生长的根系中,表皮或皮层的细胞由于各种原因可能遭到损伤、脱落而死亡,因此根际也被定义为沿根轴垂直方向从根的内皮层向外一直延伸到土壤,由微生物构成的连续体(Old and Nicholson,1978)。
根际通常被划分为外根际和内根际两部分,外根际通常指土壤微域,内根际通常指根面以及受微生物侵染的根的表皮和皮层区域。
不同地域粳稻的稻米食味品质特性分析
孙旭超,岳红亮,田 铮,等.不同地域粳稻的稻米食味品质特性分析[J].江苏农业科学,2020,48(14):215-221.doi:10.15889/j.issn.1002-1302.2020.14.041不同地域粳稻的稻米食味品质特性分析孙旭超1,2,岳红亮2,田 铮2,赵春芳2,梁文化2,赵庆勇2,陈 涛2,朱 镇2,张亚东2,旦 巴1,王才林1,2(1.西藏农牧学院植物科学学院,西藏林芝860000;2.江苏省农业科学院粮食作物研究所/江苏省优质水稻工程技术研究中心/国家水稻改良中心南京分中心,江苏南京210014) 摘要:为了探讨我国不同地区粳稻的食味品质特性,以来自不同产地的75份粳稻品种为试验材料,对稻米直链淀粉含量(AC)、胶稠度(GC)、糊化温度(GT)等理化指标、快速黏度仪(RVA)特征值进行了测定,比较了不同产地粳稻间的食味品质性状差异,分析了各理化性状间的相关性。
结果表明,各指标中RVA谱消减值的变异系数最大,其余性状的变异幅度和变异系数均较小。
相比其他地区品种,黑龙江省和辽宁省的AC较高、GT较低,江苏省的GT较高;黑龙江与吉林省品种的RVA谱相似,北京天津与山东河南省的品种在GC、GT和RVA谱特征值上相近。
相关性分析表明,AC与GT相关性显著,GT与多个RVA谱特征值相关性显著,RVA谱特征值间大多相关性显著。
主成分分析表明,AC和RVA谱特征值为影响稻米食味品质特性的最重要因素,因此在优良食味粳稻育种中可以通过AC及RVA谱等理化指标进行食味品质筛选和改良。
关键词:粳稻;产地;直链淀粉含量;食味品质;理化指标;RVA谱 中图分类号:S511.2+20.37 文献标志码:A 文章编号:1002-1302(2020)14-0215-06收稿日期:2020-02-12基金项目:国家科技支撑计划(编号:2015BAD01B02);江苏省农业科技自主创新资金[编号:CX[18]1001];现代农业产业技术体系建设专项(编号:CARS-01-62);江苏省种业创新基金(编号:PZCZ201703);南京农业科技产学研合作示范基地项目(编号:2019RHJD101);江苏省重点研发项目(编号:BE2019343)。
作物种质资源常用综合评价方法
櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄[52]LiuQ,HanRX,WuK,etal.G-proteinβγsubunitsdeterminegrainsizethroughinteractionwithMADS-domaintranscriptionfactorsinrice[J].NatureCommunications,2018,9:852.[53]SunSY,WangL,MaoHL,etal.AG-proteinpathwaydeterminesgrainsizeinrice[J].NatureCommunications,2018,9:851. [54]HuSL,SanchezDL,WangCL,etal.Brassinosteroidandgibberellincontrolofseedlingtraitsinmaize(ZeamaysL.)[J].PlantScience,2017,263:132-141.[55]SongXJ.Cropseedsize:BRmatters[J].MolecularPlant,2017,10(5):668-669.[56]FangWJ,WangZB,CuiRF,etal.MaternalcontrolofseedsizebyEOD3/CYP78A6inArabidopsisthaliana[J].ThePlantJournal,2012,70(6):929-939.[57]QiXL,LiuCL,SongLL,etal.PaCYP78A9,acytochromeP450,regulatesfruitsizeinsweetcherry(PrunusaviumL.)[J].FrontiersinPlantScience,2017,8:2076.[58]李鹏锋.甘蓝型油菜氮素利用基因网络的构建及候选基因筛选[D].重庆:西南大学,2021:11-12.[59]艾丽萍,申 奥,高志超,等.水稻同源异型域转录因子OsHox9的反向遗传学分析[J].中国水稻科学,2014,28(3):223-228. [60]SahniS,PrasadBD,LiuQ,etal.OverexpressionofthebrassinosteroidbiosyntheticgeneDWF4inBrassicanapussimultaneouslyincreasesseedyieldandstresstolerance[J].ScientificReports,2016,6:28298.[61]XiaoYG,SunQB,KangXJ,etal.SHORTHYPOCOTYLUNDERBLUE1orHAIKU2mixepressionalterscanolaandArabidopsisseeddevelopment[J].NewPhytologist,2016,209(2):636-649.[62]LiYH,ZhengLY,CorkeF,etal.ControloffinalseedandorgansizebytheDA1genefamilyinArabidopsisthaliana[J].Genes&Development,2008,22(10):1331-1336.[63]WangJL,TangMQ,ChenS,etal.Down-regulationofBnDA1,whosegenelocusisassociatedwiththeseedsweight,improvestheseedsweightandorgansizeinBrassicanapus[J].PlantBiotechnologyJournal,2017,15(8):1024-1033.李建波,邓 珂.作物种质资源常用综合评价方法[J].江苏农业科学,2024,52(3):40-46.doi:10.15889/j.issn.1002-1302.2024.03.006作物种质资源常用综合评价方法李建波,邓 珂(南阳农业职业学院,河南南阳473003) 摘要:传统的利用产量等单一指标对作物种质进行评价虽然直接、简便,但具有一定的局限性。
国家科技支撑计划项目干旱区绿洲农业节水技术研究与示范
株 间区别 明显 , 可 以将 各菌株进 一 步 区分开 , 并 即应
用 r NA— D I TS区 间 的 P R 扩 增 和扩 增产 物 酶 切具 C 有可 比性 , 者结 合 能 够 将 7种菌 株 区分 开 。 由此 两 说 明利 用基 因组 r NA I D —TS扩增 和 限制 性酶切 相结 合 的方 法能将 供 试 的 7种 不 同 真菌 区分 开 , 该方 法
郭 勇 , 发根 , 宇 , . 种 单 链 特 异 性 核 酸 酶 检 测 桉 李 王 等 三 树ET S P的 酶 切 条 件 优 化 [] 分 子 植 物 育 种 ,0 8 6 J. 2 0 ,
( ): 08 61 . 3 6 — 4
病害 的分子检测 体 系的建 立打下 了基 础 。但 由于大 豆根腐 病是一 种 复合 侵 染病 害 , 病 菌 种 类 在不 同 致
定 了一 定基础 l , 时也 为 其 他作 物 根 部 复 合侵 染 3 同 ]
makr i o uain ad eoui ay b l y[ ] r e n p l o n v lt n r i o p t o o g J.
T r nd n Ec o nd Ev uto 1 8 4): - 1 e s i olgy a ol in, 9 9( 61.
地 区不 同环境 中种类 不 同 , 之一 些 非 致 病杂 菌 的 加
魏 景 超 . 菌 鉴 定 手 册 [ . 海 : 海 科 学 技 术 出 版 真 M] 上 上
社 , 9 9 17 .
干扰 , 方法能 否 适应 不 同地 区不 同作 物 根部 复 合 该 侵 染病 害病原菌 的分 子检测 还有待进 一步研 究 。
农 林 科 技 大 学 ,0 8 20.
(完整word)根际简介
根际简介根际(Rhizosphere)是指受植物根系生长影响,在物理、化学和生物特性上不同于原土体的土壤微域,是植物—土壤-微生物三者相互作用的场所,也是各种养分、水分和有益或有害物质进入根系参与食物链物质循环的门户,是一个特殊的生态系统.根际的变化是一个动态过程,它不仅存在于垂直根面指向原土体的横向方向上,而且也存在于沿根轴的纵向方向上,并且根际过程在这两个方向上存在着时空变异.Rhizosphere一词最先由德国科学家Lorenz Hiltner在1904年提出,用以描述受豆科植物根系影响的土壤微域,在这个微域内微生物的数量远远高于土体(Hiltner,1904 )。
通过电子显微镜观察证实,作物根与土壤之间有一粘液层,它是由新生根的根冠、根毛、表皮细胞分泌的粘液、根际微生物分泌物、脱落细胞的降解产物等组成的。
此粘液层的厚度可达10-50微米,粘液层的外沿最先吸附土壤中的粘粒,以后再伸展到土壤孔隙中与土壤相混合。
粘液与土壤混合层可以扩展到离根表1-4毫米。
粘液层具有亲水性,土壤中的可溶性养分可以溶解于内而被根系吸收。
粘液层中含有大量有机物质,是微生物繁殖生存的天然培养介质.根际是受活的根系影响的土壤微域,根际范围的大小受土壤类型、植物种类、年龄和其它因子的影响(Curl and Truelove,1986)。
一般认为,根际的范围可达几毫米,对于某些沙漠植物或沙丘植物甚至可达几个厘米.由于根系的不断生长,根表特性沿根轴方向差异较大,在根的一生中,根际的特性处于不断变化之中.此外,一些微生物如细菌和真菌可侵入到根的皮层组织,在正常生长的根系中,表皮或皮层的细胞由于各种原因可能遭到损伤、脱落而死亡,因此根际也被定义为沿根轴垂直方向从根的内皮层向外一直延伸到土壤,由微生物构成的连续体(Old and Nicholson,1978).根际通常被划分为外根际和内根际两部分,外根际通常指土壤微域,内根际通常指根面以及受微生物侵染的根的表皮和皮层区域。
东北农业大学2017年博士研究生初试科目考试大纲
东北农业大学2017年博士研究生入学考试初试自命题科目考试大纲东北农业大学研究生院2017年1月目录12001 试验设计与参数优化.............................................................................................................................22002 兽医基础课 ...............................................................................................................................................42003 食品生物化学...........................................................................................................................................62004 高级蔬菜生理学 ......................................................................................................................................82005 动物生物化学...........................................................................................................................................92006 作物生理生态...........................................................................................................................................112008 牧草学......................................................................................................................................................122009 分子生物学 ............................................................................................................................................132010 经济理论与政策 ...................................................................................................................................172011 传热传质学 ............................................................................................................................................182012 运筹学....................................................................................................................................................192013 农业水土工程概论...............................................................................................................................202014 现代控制理论........................................................................................................................................212017 遗传学......................................................................................................................................................232018 动物营养学 ............................................................................................................................................242019 土壤学......................................................................................................................................................252020 施肥技术.................................................................................................................................................262021 环境修复原理与技术.......................................................................................................................... 2022 生态学......................................................................................................................................................27292023 微生物学.................................................................................................................................................303001 高等农业机械学 ...................................................................................................................................313002 植物生理学 ............................................................................................................................................333003 微生物学.................................................................................................................................................343004 生物化学.................................................................................................................................................363005 细胞生物学与发育生物学.................................................................................................................373006 农田水利学 ............................................................................................................................................383007 高等电力系统分析...............................................................................................................................403008 可再生能源工程 ...................................................................................................................................413009 粮油贮藏与加工 ................................................................................................................................... 3010 农畜产品加工........................................................................................................................................42433011 畜产品加工 ............................................................................................................................................453012 作物栽培学与耕作学..........................................................................................................................473013 蔬菜学......................................................................................................................................................493014 兽医药理学与病理生理学.................................................................................................................523015 兽医微生物学........................................................................................................................................533016 兽医外科学与内科学..........................................................................................................................563017 农业经济管理........................................................................................................................................593018 林业经济管理........................................................................................................................................623019 动物遗传学 ............................................................................................................................................633020 饲料与饲养学........................................................................................................................................ 3021 农业系统工程........................................................................................................................................64653022 作物育种学 ............................................................................................................................................663024 兽医专业课 ............................................................................................................................................693025 草地资源学 ............................................................................................................................................703027 动物生产学 ............................................................................................................................................713030 农业生态学 ............................................................................................................................................723031 作物生理学 ............................................................................................................................................733032 高级植物营养学 ...................................................................................................................................743033 污染环境生物修复工程 .....................................................................................................................763034 农业生态综合测试............................................................................................................................... 3035 农业气象学 ............................................................................................................................................77793036 环境微生物学........................................................................................................................................科目代码:2001 科目名称:试验设计与参数优化一、考试要求主要考察考生是否掌握了试验设计与参数优化的基本概念、基本理论和基本方法,包括试验设计、假设检验、参数估计、方差分析、因子(素)、响应函数等的基本概念,试验设计的基本内容、步骤和原则,多因子多水平因析试验、比较试验、正交试验、响应曲面法等的方案设计、数据处理、结果分析与参数优化等方法,以及是否具备运用基本概念、基本理论和基本方法,分析解决实际工程试验建模、影响机理分析、工艺方案优化、结构和运用参数优化等问题的能力。
磷与水分互作的根土界面效应及其高效利用机制研究进展
摘要 :【 目的 】 磷 与水分利 用率低 是制约作 物生产 的重要 因子 。磷 必须 在水分 的作用下 通过根 土界面 才能被作
物吸 收利用 ,磷 和水分在根 土界面 的互 作效应是 影响其高效 利用 的关 键环节 。本文 以根 际为核心 ,重点综述 了
磷与水 分在根土界 面的互作机 制 ,并剖 析了通过 强化根土界 面磷与水分 的协 同 ,提高农 田水 肥资源利 用效率 的
磷 与水分互作 的根土界 面效应及其 高效利 用机制研究进 展
王 昕 ,李海港 ,程 凌云 ,王 宝 兰 ,申建 波h
( 1中国农业大学资源 与环境学院植物 营养系 ,植物一 土壤相互作用 教育部重点实验 室 ,北京 1 0 0 1 9 3 ;
2中国科 学院植物研究所 ,北京 1 0 0 0 9 3)
f a r mi n g s y s t e m. On l y u n d e r t h e d r i v i n g lo f w b y s o i l wa t e r , p h o s p h o us r c a n b e a b s o r b e d b y p l a n t s ma i n l y v i a t h e
( C o l l e g e o f R e s o u r c e a n dE n v i r o n me n t a l S c i e n c e s , C h i n a A g r i c u l t u r a l U n i v e r s i t y , B e i j i n g 1 0 0 1 9 3 , C h i n a , 2 I n s t i t u t e o f B o t a n y , C h i n e s e A c a d e m y o f S c i e n c e , B e i j i n g 1 0 0 0 9 3 , C h i n a)
玉米间作作物根系与根际微环境的交互作用
农村生态环境 2003,19(4):18-22 Rural Eco2Environment 小麦/玉米间作作物根系与根际微环境的交互作用郝艳茹1,劳秀荣2,孙伟红2,彭少麟1① (1.中国科学院华南植物研究所,广东广州 510650;2.山东农业大学资源与环境学院,山东泰安 271018)摘要:通过根箱模拟试验和水培试验,测定小麦/玉米间作条件下根系的分布与根际养分的含量,初步探讨了间作对作物根系分泌有机酸的影响。
结果表明,间作显著提高了各层土壤中小麦根的重量,同时提高了小麦、玉米的根系数量和地上部生物量,使生长前期根系大小发生较大变化,而对根系活力影响较小。
间作使玉米根际土速效N含量增加,速效P、K含量降低;使小麦根际土N含量降低,P、K含量提高。
小麦与玉米间作以后,根系分泌有机酸的种类明显增加;而植株体内和根系中有机酸的种类和数量却有所降低。
关键词:小麦;玉米;间作;根系;根际微环境中图分类号:S33 文献标识码:A 文章编号:1001-5906(2003)04-0018-05Interaction of roots and rhizosphere in the wheat2maize intercropping system.HA O Yan2ru1,L A O Xiu2rong2,S UN Wei2hong2,PEN G S hao2lin1(1.S outh China Institute of Botany,Chinese Academy of Sciences,Guangzhou510650,Chi2 na;2.College of Resources and Environment,Shandong Agricultural University,Tai′an271018,China):R ural Eco2En2 vironment,2003,19(4):18-22Abstract:Distributions of roots and rhizos phere nutrients were evaluated for wheat and maize intercro pping system.The effects of intercropping on exudate of organic acid in the roots were discussed.Pot ex periments and solution cultivation ex2 periments were carried out.The results showed that intercro pping increased growth of roots and their exudate of organic acid.It also made N content increase and P,K contents decrease in the rhizos phere soil of maize.On the contrary,the N content decreased and P,K contents increased in the rhizos phere soil of wheat.The effects of intercropping on the roots of wheat and maize were found quite distinct.K ey w ords:wheat;maize;intercropping;roots;rhizos phere 根际微域营养研究旨在探索土壤养分-植物根系的相互作用和养分的运移规律,提高作物对土壤中潜在养分的利用,以指导合理施肥和培肥土壤。
香蕉不同生育期根际微生物生物量及土壤酶活的变化研究
香蕉不同生育期根际微生物生物量及土壤酶活的变化研究孙建波;畅文军;李文彬;张世清;李春强;彭明【期刊名称】《生态环境学报》【年(卷),期】2022(31)6【摘要】土壤生物学特性对土壤肥力和土壤养分循环非常重要,是土壤肥力的重要生物学指标。
然而,在香蕉(Musa spp.)土壤上开展的相关研究还很少。
文章探讨了香蕉不同生育期根际土壤微生物生物量、脲酶、蔗糖酶和酸性磷酸酶活性的变化规律,以期揭示香蕉土壤养分变化特性,为有效管理土壤养分提供理论依据。
在香蕉壮苗期、孕蕾期和生长后期采集根际土样,测定根际土壤生物量和土壤酶活,分析其动态变化及相关性。
结果表明,随着生育期的延长,微生物生物量碳(MBC)、微生物生物量氮(MBN)值和土壤脲酶活性从种植到孕蕾期呈现升高趋势,最高值分别为271.64 mg·kg^(–1)、63.09 mg·kg^(–1)和2.38 mg·g^(–1)·24 h^(–1)。
从孕蕾期到生长后期又降低。
在孕蕾期,MBC值显著高于其他生育期(P<0.05),然而MBN 值和脲酶活性与壮苗期和生长后期均无显著差异。
蔗糖酶活性从种植到生长后期一直上升,与对照变化趋势一致。
酸性磷酸酶活性从种植到孕蕾期一直降低,最低值出现在孕蕾期,为0.54 mg·g^(−1)·24 h^(−1),然后又升高;对照处理则呈持续降低趋势。
相关性分析表明,MBC和MBN分别与土壤脲酶和蔗糖酶呈显著正相关。
MBN与酸性磷酸酶呈显著负相关。
结果表明,孕蕾期为根际土壤生物学特性出现显著变化的重要时期。
在香蕉生长后期,根际土壤中微生物生物量、脲酶和酸性磷酸酶的变化预示和微生物生物量相关的土壤有效养分,以及土壤氮素和磷素转化能力的降低。
【总页数】6页(P1169-1174)【作者】孙建波;畅文军;李文彬;张世清;李春强;彭明【作者单位】中国热带农业科学院热带生物技术研究所/农业部热带作物生物学与遗传资源利用重点实验室【正文语种】中文【中图分类】S154.1;X171.1;X172【相关文献】1.土荆芥不同发育期根际土壤养分、酶活及微生物数量的变化2.不同耕作方式对冬小麦生育期根际土及非根际土土壤酶活性的影响3.鸡粪与化肥不同配比对杨树苗根际土壤酶和微生物量碳、氮变化的影响4.香蕉不同生育期根际土壤细菌群落变化研究5.百合生育期根际土壤微生物和酶活性的变化因版权原因,仅展示原文概要,查看原文内容请购买。
高产棉花营养吸收规律及钾肥效果研究初报
高产棉花营养吸收规律及钾肥效果研究初报
邢竹;申建波;郭建华
【期刊名称】《中国土壤与肥料》
【年(卷),期】1994(000)004
【摘要】试验以研究棉花全生育期对氮磷钾养分的吸收为目的,采用田间小区对比试验方法,分别采集各主要生育期的植株样本,测定氮磷钾含量,找出了不同施肥处理棉花对养分的吸收量,吸收强度和吸收比例等规律。
分析了磷钾肥对棉产量的影响,尤其是钾肥的增产作用。
提出了讥产棉花氮磷钾化甩的施用比例。
【总页数】1页(P25)
【作者】邢竹;申建波;郭建华
【作者单位】不详;不详
【正文语种】中文
【中图分类】S562.062
【相关文献】
1.江苏沿海地区棉花钾肥适宜用量试验初报 [J], 姚一峰;袁素军;缪桂红;赵丹
2.同力植物营养剂在棉花上应用效果初报 [J], 刘爱云;张居翠;袁素军
3.生物钾肥对棉花增产效果试验初报 [J], 张秀兰
4.铜陵地区棉花钾肥不同施用量研究初报 [J], 丁咸宝;胡官庆
5.高产条件下棉花营养吸收规律及钾肥效果的研究 [J], 刘宗衡; 邢竹
因版权原因,仅展示原文概要,查看原文内容请购买。
应用拉曼和中红外衰减全反射光谱测定溶液和土壤中的硝酸盐
土 壤 (Soils), 2015, 47(3): 596–601①基金项目:国家自然科学基金重点项目(41130749)资助。
* 通讯作者(chwdu@)作者简介:邵艳秋(1985—),女,山东济宁人,博士研究生,主要从事土壤红外光谱的研究。
E-mail: yqshao@DOI: 10.13758/ki.tr.2015.03.026应用拉曼和中红外衰减全反射光谱测定溶液和土壤中的硝酸盐①邵艳秋,杜昌文*,申亚珍,马 菲,周健民(土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所),南京 210008)摘 要:为比较拉曼光谱和红外光谱在溶液和土壤中硝酸盐含量定量分析的适用性,采用两种光谱对溶液和土壤中的NO 3–-N 含量 (0 ~ 200 mg/L) 进行快速测定。
结果表明,溶液中硝酸盐的拉曼特征峰在1 047 cm –1处,该特征峰强度与NO 3–-N 浓度成正比,对1 035 ~ 1 060 cm -1波段拉曼光谱峰面积和NO 3–-N 含量进行线性回归,决定系数 R 2 为0.995 4;溶液中硝酸盐的中红外衰减全反射光谱特征吸收峰在 1 350 cm –1,吸收峰与NO 3–-N 含量成正比,特征吸收区1 200 ~ 1 500 cm –1峰面积与NO 3–-N 含量的决定系数 R 2为 0.991 1,表明两种光谱都可用于溶液中硝酸盐的测定。
对于土壤样品,红外光谱在 1 250 ~ 1 500 cm –1处有硝酸盐吸收峰,且吸收峰与NO 3–-N 含量成正比,峰面积与NO 3–-N 含量之间的决定系数R 2为 0.968 4;而对于拉曼光谱,硝酸盐的拉曼峰因受较强干扰导致吸收峰不明显,峰面积与NO 3–-N 含量之间的决定系数R 2仅为 0.000 9,表明中红外衰减全反射光谱可用于土壤中硝酸盐的测定,而拉曼光谱则很困难。
因此,拉曼光谱和中红外衰减全反射光谱都可用于溶液中硝酸盐的测定,且前者灵敏度要高于后者;中红外衰减全反射光谱可用于土壤中硝酸盐的测定,而拉曼光谱难以用于土壤中硝酸盐定量分析,这为硝酸盐的快速测定提供理论依据和技术支持。
《智慧农业关键技术与装备》课件——第三章 农作物生理信息感知技术
变量施药是指根据获取的作物病虫害信
农业生产者合理使用农药的意识和观念薄
息,及时诊断受害作物病因及受害程度,因 弱,通常仅凭个人经验决定药剂的使用品质和
病制宜,因地制宜,按需按量施用化学制剂, 使用量,缺乏科学使用药剂的相关农学知识。
100%氮回收率,全自动,价格昂贵。
凯氏定氮法
2
在催化条件下,用浓磷酸将样品中的有机氮 全部转化成无机铵盐,然后在碱性条件下将
铵盐转化为氮,随着水蒸气蒸馏出来并被过
量的硼酸也吸收,再以标准盐酸滴定,计算
出样品中的氮量。
农作物磷钾传统检测方法
4
磷含量检测:紫外-可见光分光光度法。
钾含量检测:火焰光度计测定。
2)无损检测(同位素示踪法、地下根室法等获取根系原位观察书记有限。 3)根系形态各异、枝节繁多等问题,根系三维立体几何构型的准确定量分析 与描述变得更加困难。因此,难以实现根系构型 的全貌观察和精确定量描述。
X射线断层扫描技术和核磁共振成像技术在农业工程研究领域的应用 逐渐增多。
3.4 农作物病虫害信息感知技术
3.2 农作物养分感知技术
3.2.1 农作物氮(磷钾)元素传统检测方法
叶色卡法
1
将农作物正常的叶色做成标准的比色卡, 然后作物的实时叶色与比色卡进行对比,
从而判断农作物是否缺素。
杜马斯燃烧法
3
用Rapid N cube 杜马斯定氮仪测,
单个样本测量时间短,检测过程对人
体无害,没有废硫酸等有毒废液产生,
农作物病害是影响我国农业 生产的主要生物灾害,其类型繁多、灾害性强且影响 广泛,是导致农产品减产和品质下降最重要的因素之一。
经济损失:
1200亿美元
全世界每年因病虫害引起的粮食减产占粮食 总产量的20%-40%。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(Alvey et al., 2003 )
酸性磷酸酶 30℃ pH5.2
根部原位磷酸酶荧光定位
采用具有蓝色荧光的底物ELF-97探针,该底物在磷酸酶的作用下,发生水解 反应,形成附着于磷酸酶上的绿色荧光沉淀,从而原位检测磷酸酶。
用相应pH的缓冲液(过0.22μm滤膜)稀释ELF-97底物溶液20倍, 漩涡混合几 秒后,通过0.22μm水系滤器。太高的浓度会导致标记过量,太低的浓度由于 延长的反应时间,从而导致过量的背景染液标记。 切取0.5-1.0cm长的根段,冲洗3次,放 入已稀释好的底物溶液中标记1min,取 出,用清洗缓冲液(pH8.0 30mM Tris, 1.5M NaCl,0.05% w/v Triton X-100) 冲洗3次,放于载玻片上,加载装载介质 (ELF-97 Endogenous Phosphatase Detection Kit提供)放样品于载玻片上, 盖上盖玻片,用荧光显微镜观察拍照, 最大激发波长设在345 nm,最大发射波 长设在530 nm。 (Tang et al., 2013, J. Plant Phyiol.)
可将生物体内所有 20中α氨基酸进行分 离。
根际磷酸酶活性测定
磷酸酶可以将对硝基苯磷酸二钠(pNPP)的磷酸基团脱去,生成对硝基酚( PNP),此物在碱性环境中显黄色,在酸性环境不显色,而pNPP在酸碱性环 境中均不显色。可将反应后的溶液在405nm波长下显色,通过定义反应生成 PNP的量从而定义酸性磷酸酶的相对活性。 试验过程是将0.5 mL涮根法收集的土壤悬浊液加入2mL的离心管中,加入0.4 mL pH=5.2醋酸钠缓冲液和0.1 mL 150mM pNPP溶液,放入30℃的恒温箱内 培养60min。反应结束时用0.5mL 0.5M的NaOH终止反应。离心后在405nm的 波长下比色。 将缓冲液换成pH 7.8的 0.1 M Trizma(三羟甲基氨基甲烷)缓冲液可测定碱 性磷酸酶的活性
根 根际
(Hinsinger et al., 2009; Shen, unpublished)
根际(Rhizosphere)是指受植物 根系生长影响,在物理、化学和生 物特性上不同于原土体的土壤微域, 是植物-土壤-微生物三者相互作用 的场所,也是各种养分、水分和有 益或有害物质进入根系参与食物链 物质循环的门户,是一个特殊的生 态系统。
根际强度 根际互作
间套作
根系特性、根系长度 菌根菌 分泌物种类、浓度 养分组成与数量
土壤
APase
H+
H+ R-COOH H+ 水分、养分
关键根际过程:
•根系生长 •酸碱反应 •氧化还原反应 •养分的富集与亏缺 •根分泌物 •固氮菌、解磷钾菌 •菌根(VAM、EMA) •病原微生物 •促生菌(PGPR) •根际微生物分泌物
田间测定根际pH的演示
(Jing et al., 2010, 2012)
质外体pH荧光定位显色
利用共聚焦显微镜与荧光指示剂原位定位指示根际的质外体pH值 将需要测定的处理好的根系放入含有0.05mM Cl-NERF-dextran 和 0.04 mM Texas Red-dextran的固定液中,固定染色30s后,用载玻片装载后在 共聚焦显微镜下观察。 Cl-NERF和TexasRed 分别在488 nm和568 nm 的krypton-argonlaser lines (氪氩激光)下激发,散射光在525 nm (Cl-NERF) 和585 nm (Texas Red) 在采集。 (Yu et al., 2001; Tang in preparation)
Oxygen pattern structured porous media (mg/l)
第一届全国高产高效现代农业理论与技术培训班
田间作物根际过程定量化
申建波 (jbshen@)
中国农业大学资源环境与粮食安全中心
2013年7月15日
主要内容
根际的意义及作用 根际过程的类型
根际过程定量化方法
因素
研究方法依赖于目的 研究的尺度/因素/问题
确定最重要因素,田块 尺度以2-3个为宜,不超 过3个因素;否则需筛选 试验。 尺度越小,问题就越需 要Sharp and Focus, 最好 把一个因素的不同水平 效应和作用机制揭示出 来。
第一天
第二天
第三天
第四天
第五天
第六天(灌水)
(Carminati et al., 2010)
根际氧气浓度原位监测
利用根盒进行原位监测
监测方法是能与O2发生反应的荧光染料和Neutron radiography(中子射线照 射术)结合给根盒拍照 荧光染料要附着在一层塑料的半透膜上厚度一般为10 μm,制作方法是将20 mg 的 platinum(II) 5,10,15,20-tetrakis(2,3,4,5,6-pentafluorophenyl)porphyrin (一种铂的朴琳化合物)与1.98g的聚苯乙烯用18 g甲苯溶解,过夜后倒板定 型 t1 t2 t3 t4 10 t -t 随着反应时 1 2 间延长氧气减少 的量和区域扩大 t2-t4 随着土壤水 分的散失,到第 三天呼吸作用减 弱,消耗氧气量 减少 0
根际低分子量有机酸测定
酒石酸
将涮根法中的浸提液过0.45μm滤膜 或微量溶液提取器取到的溶液使用 液相色谱仪进行测定(Shen et al., 2003; Wang et al., 2007; Li et al., 2010; Tang et al., 2013)。 测定的体系条件是250 mm×4.6 mm C18反相柱(Alltima C-18 5 µ ), 流动相为25 mmol/L KH2PO4(pH 2.25),流速为1 ml/min,温度为 31℃,测定波长为214 nm,进样量 为20 µL
根/土界面动态
根际过程的类型
水分变化
物理过程
团粒大小 气体变化(根系呼吸) pH(酸碱变化)
化学过程
Eh(氧化还原状况) 配合反应(螯合作用) 根系的形态学变化
生物学过程
根系的生理学过程 (根系分泌物) (根系分泌物) 根际共生生物 (固氮菌、菌根、微生物)
(Hinsinger et al., 2005)
自然生态系统中根系/根际过程对植物生长和养分吸收
的贡献达100%
热 带 雨 林
落 叶 阔 叶
针 叶 林
荒 漠
草地
高投入
3.环境健康 2.粮食安全
生态效应
1.资源利用
根际
养分和污染物
地下水
主要内容
根际的意义和作用 根际过程的类型
根际过程定量化方法
根际过程
根际调控 根际范围
根系形态-吸收面积 根际化学-分泌物 pH 根际生物-菌根菌
根际样品采集——根际溶液的收集方法(Micro-suction Cups)
密封胶
微量提取探头
取样点 微量提取探头(Micro-suction Cups)是一种直径很小(最小可到1 mm)的 带微孔的陶瓷探头。 可以利用微量提取探头结合根箱,根据作物根系生长的情况,将微量提取 探头直接插入到根际土壤附近,通过负压直接提取根际土壤溶液。 (Shen and Hoffland, 2007)
主要内容
根际的意义及作用 根际过程的类型
根际过程定量化方法
(Shangzhuang station, 2013)
根土界面
如何进行根际取样:同一发育阶段和部位
可获得参数:
1、侧根密度 2、侧根长度 3、根直径 4、根毛长度和密度 5、根际土测定
根际样品采集——根际土的收集方法
根际土的收集方法: 1、刷根法:用柔软的毛刷将根际土轻轻 的刷下来,收集后储存。 这种收集方法优点是保持的土壤物 理性质,特别是土壤中的养分浓度;缺 点是收集时间过长,土壤与根系长时间 暴露在空气中,土壤中有机物质变化较 大。 2、涮根法:将整个根系装入事先装有一 定体积的0.2 mmol L-1 CaCl2溶液的烧杯中 浸提,在浸提过程中轻轻将根系浸入溶 液并摇动,使尽可能多的根际土溶入浸 提液中。 这种收集方法的优点是收集时间短, 然后将土壤迅速保存在适宜的储存环境, 保持土壤中有机物质的量与活性;缺点 是如果根系损伤较严重,则受根系组织 液的影响较大。
方法
根际是什么?
根际(Rhizosphere)一词最先由德国科 学家Lorenz Hiltner在1904年提出, 用以 描述受豆科植物根系影响的土壤微域,在 这个微域内微生物的数量远远高于土体 (Hiltner, On new experiences and problems in the field of soil bacteriology with special reference to green manure and fallow, 1904)。
根分泌酸性磷酸酶的原位显色
把根系置于含有 p-NPP底物的琼 脂板中培养显色, 图像转为假彩色 (pseudo-colour).
(Tang et al., 2013, J. Plant Phyiol.)
根际水分原位监测
利用根盒进行原位监测
监测方法是用Neutron radiography(中子射线照射术)给根盒拍照 由于射线投射技术要求,根盒内土壤的厚度要小于1.5cm,土壤介质中的有 机质含量要尽量低,土壤的膨胀系数要在干与湿变化时极低。
根际氨基酸测定
利用抽取的根际溶液(反应也需要至少20μL)进行反应测定。 AccQ•Tag 法是Waters公司开发的一种氨基酸分类测定方法,使用 Waters AccQ•Tag Fluor 衍生剂(AQC ,即6-氨基喹啉基-N-羟基琥珀 酰亚氨基酸基甲酸酯)能与所有含氨基的化合物发生快速、定量反应, 过量的AQC可在1 min内水解为不干扰测定的AMQ ,生成稳定的衍生 物,可在HPLC上使用AccQ•Tag 专用柱或其它性能较好的C18柱分离, 用萤光检测器或紫外检测器检测(Waters,1997)。