GP seeds -2017(Proposition 65)
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。
美国EPA通用土壤筛选值
1306-38-3
二氧化铈
1.3E+06
nm
5.4E+06
nm
302-17-0
水合三氯乙醛
6.1E+03
n
6.2E+04
n
7.4E-01
3.7E+03
n
133-90-4
草灭平
9.2E+02
n
9.2E+03
n
1.3E-01
5.5E+02
n
118-75-2
氯醌
1.2E+00
c
4.3E+00
c
1.4E-04
1.2E-01
c
7440-39-3
钡
1.5E+04
n
1.9E+05
nm
3.0E+02
7.3E+03
n
114-26-1
残杀威
2.4E+02
n
2.5E+03
n
4.7E-02
1.5E+02
n
43121-43-3
三唑酮
1.8E+03
n
1.8E+04
n
8.7E-01
1.1E+03
n
68359-37-5
氟氯氰菊酯
1.3E+02
n
98-86-2
乙酰苯
7.8E+03
ns
1.0E+05
nms
1.1E+00
3.7E+03
n
53-96-3
2-乙酰氨基芴
1.3E-01
油莎豆产业发展展望
文章编号:1673-887X(2023)08-0051-03油莎豆产业发展展望郭庆(安徽省农业机械试验鉴定站,安徽合肥230091)摘要为了加快推进大豆替代行动,2021年农业农村部印发的《“十四五”全国种植业发展规划》中也将油莎豆作为特色油料作物列入其中,现对油莎豆产业的发展现状及产业发展遇到的问题进行研究,提出相应对策供该行业参考。
关键词油莎豆;产业优势;发展现状;存在问题;发展建议中图分类号S565.9文献标志码A doi:10.3969/j.issn.1673-887X.2023.08.017Prospects for the Development of Cyperus Beans IndustryGuo Qing(Anhui Agricultural Machinery Testing and Appraisal Station,Hefei230091,Anhui,China)Abstract:In order to accelerate the soybean replacement action,the"14th Five-Year Plan National Planting Industry Development Plan"issued by the Ministry of Agriculture and Rural Affairs in2021also included the oil bean as a characteristic oil crop.Now the development status of Cyperus beans industry and the problems encountered in the development of the industry are studied,and cor‐responding countermeasures are proposed for the reference of the industry.Key words:Cyperus beans,industrial advantage,development status,existing problems,development suggestion油莎豆,又名油莎草、油莎果等,原产于非洲地区,据考证种植油莎豆最早源于古埃及[1]。
基于随机森林算法高分土壤湿度产品的构建与评估
现代电子技术Modern Electronics TechniqueDec. 2023Vol. 46 No. 242023年12月15日第46卷第24期0 引 言干旱通常发生在农作物生长的重要时期,是影响农业生产最为严重的自然灾害[1]。
湖南地处青藏高原下方,是南北冷暖空气主要交汇地,地形多样、气候复杂,旱灾风险高,抗旱形势严峻。
2013年中国南方13省遭遇重大旱灾,湖南粮食减产超过16亿斤,是受灾最为严重的省份之一。
在全球气候变暖背景下,湖南天气气候极端事件增多增强,2022年湖南干旱覆盖范围广、持续时间长,创造了1961年以来最强高温干旱纪录,给农业生产带来了严重影响。
干旱灾害防御在湖南一直受到高度重视。
干旱过程与大气状态、土壤质地类型、土壤含水量及植被情况等多种因素相关。
其演变过程极其复杂,时间空间变化随机性强,不同地区干旱特征和趋DOI :10.16652/j.issn.1004‐373x.2023.24.027引用格式:朱宏武,罗丹,朱亮,等.基于随机森林算法高分土壤湿度产品的构建与评估[J].现代电子技术,2023,46(24):153‐158.基于随机森林算法高分土壤湿度产品的构建与评估朱宏武1,2, 罗 丹3, 朱 亮1, 贺 炜1(1.湖南省气象信息中心, 湖南 长沙 410118; 2.气象防灾减灾湖南省重点实验室, 湖南 长沙 410118;3.湖南省气象服务中心, 湖南 长沙 410118)摘 要: 以湖南地区干旱精细化监测业务需求为牵引,基于多源卫星遥感、实时地面观测、中国气象局模式等资料,应用随机森林学习算法,建立土壤湿度因子与降水、地温、地表反照率、蒸发、植被覆盖等多种卫星遥感影响因子的降尺度模型,研制一种高分辨率土壤湿度产品(1 km×1 km )。
对建模形成的高分辨率产品进行评估,结果表明,该产品能够很好地模拟湖南地区0~10 cm 土壤湿度时空变化,平均偏差为-0.01 m 3/m 3,相关系数为0.9,在旱情较重的夏秋季准确性较高。
湖南农业大学毕业论文
湖南农业大学全日制普通本科生毕业论文(设计)水稻陆两优996的临界氮稀释曲线测定与分析Determination and analysis of rice luliangyou 996critical nitrogen dilution curve学生姓名:衣启乐学号:201042144125年级专业及班级:2010级生态学(1)班指导老师及职称:刘向华副教授学院:生物科学技术学院湖南·长沙提交日期:2014年 5 月目录摘要:..................................................................................................................... - 2 - 关键词:................................................................................................................... - 2 - 1 前言..................................................................................................................... - 5 - 1.1立论背景............................................................................................................. - 5 - 1.2氮素水平对作物生物量积影响的研究进展..................................................... - 6 - 1.3作物临界氮浓度与稀释曲线的研究进展......................................................... - 6 -1.4本研究的目的和意义......................................................................................... - 7 -2 材料与方法......................................................................................................... - 8 - 2.1 试验材料............................................................................................................ - 8 - 2.2 试验设计............................................................................................................ - 8 - 2.3 测定项目.......................................................................................................... - 8 - 2.3.1 干物质测定................................................................................................... - 8 - 2.3.2 氮的测定......................................................................................................... - 8 - 2.3.3 成熟期产量测定........................................................................................... - 9 - 3结果与分析............................................................................................................ - 9 - 3.1 数据处理.......................................................................................................... - 9 - 3.2 实验水稻移栽后地上部干重变化情况............................................................ - 9 - 3.3 不同施氮处理下水稻产量分析...................................................................... - 10 -3.4 临界氮的计算.................................................................................................. - 10 -4 讨论与结论......................................................................................................... - 11 - 4.1氮素水平对水稻氮浓度的效应及其临界氮浓度模型................................... - 11 - 4.1.1水稻临界氮浓度模型分析............................................................................ - 11 - 4.1.2临界氮累积模型在氮素运筹中的应用........................................................ - 11 - 4.2结论................................................................................................................... - 12 - 参考文献................................................................................................................. - 12 - 致谢..................................................................................................................... - 15 -水稻陆两优996的临界氮稀释曲线测定与分析学生:衣启乐指导老师:刘向华(湖南农业大学生物科学技术学院,长沙 410128)摘要:本实验选择水稻陆两优996在湖南农业大学(长沙)试验基地进行,2013年3月23--7月20日期间,对水稻田进行临界氮测定试验,氮素浓度处理依次为N1(0kg/hm2),N2(60kg/hm2),N3(95kg/hm2),N4(130kg/hm2),N5(165kg/hm2),N6(200kg/hm2),N7(235kg/hm2),N8(270kg/hm2)。
三种诱变方式对普那菊苣M1代和SP1代各项生理指标的影响
c i o e d i g h wi g d f rn e r e f tmu ai n e e t n p y ils c n ic e c lc a a trsis I h c u lto f r e hc r s e ln ss o n i e e td g e o i lt f cso h soo ia a d b o h mi a h r c e i c . n t e a c mu ai n o e y s s o l t f
三种 诱 变方 式对 普 那菊 苣 M 代 和
S 。代 各 项 生 理 指 标 的 影 响 P
王 曾珍 白史且 , , ' 张 玉 干友 民 ,
(. 1 四川农业 大学草业科学 系, lI ll 雅安  ̄l 摘 6 5 1 2 四川省草原科学研究院, 20 4;. 四川 成都 6 13 ) 17 1
C ia2 Scu cdmyo r s dSi cs ScunC egu6 3 , hn ) hn ;.iha A ae f a l e e ,iha hnd 17 1C i n G sa c n n 1 a
Abta tTh e d u aChc r r ra iae y3-a ,c e c yNa 3a d wees a e tdfee td s 。T e se l g sr c : e se so P n ioywe irdt td b ry h mia b N r p c d a i rn oe h ed i s f e i , l n n
poie,rdain id c cu lt n o e l g sge trta p c tg n ssa d c e clmua e ei ;i h o tn fslbe rln a ito —n u e a c muai s di swa rae h s a emua e ei n h mia tg n ss ntec ne to u l d o f e n n o poen,h p c a rae h ntee e to h m clmna e n dainid c tt n;i h o tn f ou l u a ,c e c rti tes ae w sge trta h f c fc e a tg n a dri to -n u e muai i a d o ntec ne t lbesg os r h mia l
219329182_Orchard_叔叔的樱桃园
In April, my uncle’s cherry orchard is an amazing sight. I used to score girls by taking them on a ride past Frauen -stein, up on a hill where you could see the trees, the whole lot of them spar-kling white and pink in the breeze. Then we’d go for a walk through the orchard to my special tree, where I had a ladder set up so you could get to one of the branches in the crown. We’d smoke a joint and then climb up higher to where you could stick your head out on top. It felt like coming up from a dive in an ocean of cherry blossoms, like taking a swim in cherry blossom seas. Girls loved it, and to be honest, I loved it too. The girls were just an added bonus.2 At night, I’d often drink whiskey with my uncle and we’d take walks through the moonlit orchard, talking about the old days when I was a boy and my parents were still alive. He’s a good man, my uncle, and a great cherry farmer.3 Recently, though, things have beenOrchard叔叔的樱桃园文/于尔根·福特 译/常玉田By Jürgen Fauth 1我叔叔的樱桃园,一到4月,景色便美不胜收。
碳汇项目造林方法学(V01版)
监测、取样和计算方法;简化了项目情景下枯落物、枯死木和土壤有机碳库的监 测方法等。
4. 本方法学整合了国内众多研究成果,总结整理出了方法学中各类参数的 缺省值和可供参考的回归方程,使之更积量换算为全株生物量的基本木材密度、 生物量扩展因子、地下生物量/地上生物量之比、生物量含碳率等。同时还筛选 出了我国不同地区、不同树种或森林类型的生物量参考方程等。
5.1. 项目边界的确定...............................................................................................................4 5.2. 土地合格性.......................................................................................................................5 5.3. 碳库和温室气体排放源的选择.......................................................................................5 5.4. 项目期和计入期...............................................................................................................6 5.5. 基线情景识别与额外性论证...........................................................................................6 5.6. 碳层划分 ..........................................................................................................................8 5.7. 基线碳汇量.......................................................................................................................9 5.8. 项目碳汇量.....................................................................................................................12 5.9. 泄漏 ................................................................................................................................19 5.10. 项目减排量...................................................................................................................19 6. 监测程序.................................................................................................................................20 6.1. 基线碳汇量的监测.........................................................................................................20 6.2. 项目活动的监测.............................................................................................................20 6.3. 项目边界的监测.............................................................................................................20 6.4. 事后项目分层.................................................................................................................21 6.5. 抽样设计 ........................................................................................................................21 6.6. 样地设置 ........................................................................................................................23 6.7. 监测频率 ........................................................................................................................23 6.8. 林木生物质碳储量的监测.............................................................................................24 6.9. 灌木生物质碳储量的监测.............................................................................................26 6.10. 项目边界内枯落物、枯死木和土壤有机碳库的监测 ...............................................28 6.11. 项目边界内的温室气体排放增加量的监测 ...............................................................28 6.12. 精度控制与矫正...........................................................................................................28 6.13. 不需要监测的数据和参数...........................................................................................29 6.14. 需要监测的数据和参数...............................................................................................42 7. 附件.........................................................................................................................................45 附表 1. 全国主要乔木树种生物量方程参考表...................................................................45
不同基质配比对三叶青生长的影响
1232㊀㊀2024年第65卷第5期收稿日期:2023-05-23作者简介:倪剑萍(1976 ),女,浙江杭州人,农艺师,本科,从事农业技术推广工作,E-mail:240913088@㊂通信作者:江花琴(1975 ),女,浙江杭州人,农艺师,本科,从事农业技术推广工作,E-mail:729461436@㊂文献著录格式:倪剑萍,闻军清,刘叶君,等.不同基质配比对三叶青生长的影响[J].浙江农业科学,2024,65(5):1232-1235.DOI:10.16178/j.issn.0528-9017.20230785不同基质配比对三叶青生长的影响倪剑萍1,闻军清2,刘叶君3,江花琴2∗,丁耿伟2,缪强2,羊鲁军2(1.杭州市富阳区银湖街道区域发展与治理中心,浙江杭州㊀311402;2.杭州市富阳区农业农村局,浙江杭州㊀311400;3.杭州市富阳区春江街道区域发展中心,浙江杭州㊀311421)㊀㊀摘㊀要:基于基地生产实践,开展生物质炭㊁泥炭土等不同配比基质应用试验,观察三叶青块根㊁藤茎叶及植株长势,对生物质炭㊁泥炭土等基质生态改良效果开展评价,为三叶青品质提升提供技术支撑㊂试验发现,三叶青生产中,基质加入生物质炭能起到降低基质容重㊁增加基质总孔隙度㊁促进根系发育㊁提高基质pH 值㊁促进三叶青叶片发育等作用㊂生物质炭的加入提高了三叶青根际细菌/真菌比值,使基质微生态环境偏向细菌型,对三叶青生长更为有利㊂关键词:基质配比;三叶青;生物质炭;泥炭土中图分类号:S359.9㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:0528-9017(2024)05-1232-04A preliminary report on the effect of different ratio ofsubstrate on the growth of Tetrastigma hemsleyanumNI Jianping 1,WEN Junqing 2,LIU Yejun 3,JIANG Huaqin 2∗,DING Gengwei 2,MIAO Qiang 2,YANG Lujun 2(1.Yinhu Street Center for Regional Development and Management of Fuyang District,Hangzhou City,Hangzhou 311402,Zhejiang;2.Agriculture and Rural Bureau of Fuyang District,Hangzhou City,Hangzhou 311400,Zhejiang;3.Chunjiang Street Center for Regional Development and Management ofFuyang District,Hangzhou City,Hangzhou 311421,Zhejiang)㊀㊀Abstract :Based on the production practice of the base,this study carried out the application experiments of differentratios of biochar and peat soil,observed the growth of roots,cane leaves and plants of Tetrastigma hemsleyanum ,andevaluated the ecological improvement effect of biochar and peat soil,so as to provide technical support for the improvement of the quality of Tetrastigma hemsleyanum .Adding biochar to the substrate in the production of Tetrastigma hemsleyanumcan reduce the substrate bulk density,increase the total porosity of the substrate,promote root development,increasesubstrate pH value,and promote the development of leaves.Moreover,due to the increase in the ratio of bacteria and fungi in the rhizosphere of Tetrastigma hemsleyanum by adding biochar,the substrate micro-environment tends to be bacterial,which is more favorable for its growth.Keywords :substrate ratio;Tetrastigma hemsleyanum ;biochar;peat soil㊀㊀三叶青重点采收块根及藤茎叶,但生产上采用的基质配比经常造成根系不易成形结块,且藤茎叶及块根易发生病虫害等问题,影响产品品质[1]㊂因此,基于基地生产实践,试验开展生物质炭㊁泥炭土等不同配比基质应用,观察三叶青块根㊁藤茎叶品质及植株长势,对生物质炭㊁泥炭土等基质生态改良效果开展评价,为三叶青品质提升提供技术支撑㊂1㊀材料与方法1.1㊀试验材料㊀㊀试验选用杭州富阳石硃坞农业科技有限公司自主选育的三叶青株系石硃1号,具有较强抗病性㊂1.2㊀试验设计及方法基质理化性质测定包括容重㊁总孔隙度㊁pH 值㊁电导率(EC 值)㊂通过稀释平板法对基质中细菌㊁真菌㊁放线菌总数进行测定,细菌培养使用牛肉膏蛋白胨琼脂培养基,真菌培养使用改良马丁琼脂培养基,放线菌培养使用改良高氏一号培养基㊂本试验采用随机区组设计,试验以石硃1号扦插苗及脱毒无菌苗为植物材料,按照泥炭土㊁生物质炭(碳化玉米秸秆)㊁有机肥(羊粪)㊁无机肥(钙镁磷肥)等不同体积进行复混,设5个不同处理(表1),用基地常用基质做对照(CK)㊂试验用无纺布袋上口直径30cm㊁底部直径30cm㊁高30cm,每袋装填搅拌均匀基质15kg,基质面距离桶上沿约5cm㊂每个处理3次重复,每袋定植3株㊂于2022年5月上中旬完成种植,2022年6 7月开展土壤理化性质㊁病原微生物检测,2022年10月开展生物质炭㊁泥炭土等不同配比基质应用观察,明确三叶青植株(根系㊁藤茎叶)长势㊂1.3㊀数据处理㊀㊀用SPSS 进行数据处理与分析㊂表1㊀试验设计Table 1㊀Experimental design处理基地常用基质/%泥炭土/%无机肥/%生物质炭/%有机肥/%CK 1000000T106002020T205004010T30802000T40100000T5(脱毒)80202 结果与分析2.1㊀不同配比基质对土壤理化性质的影响㊀㊀CK 土壤容重最大,随着时间延长各处理容重无明显变化;随着时间延长各处理总孔隙度变化不明显㊂定植0d 时,CK 总孔隙度低于其他处理㊂随着时间延长,处理CK 的pH 值逐渐升高,其他处理pH 值逐渐降低㊂定植0d 时,处理T1㊁T2㊁T3㊁T4㊁T5的pH 值在7.72~8.51,处理T1㊁T2㊁T3㊁T4㊁T5的pH 值高于CK;定植后25d,处理T1㊁T2㊁T3的pH 值高于CK,处理T5㊁T4的pH 值低于CK;定植45d 时,处理T1㊁T2的pH 值高于CK (表2)㊂表2㊀不同配比基质的理化性质Table 2㊀Physicochemical properties of substrates with different ratios处理容重/(g㊃m-3)总孔隙度/%pH 值0d25d45d0d25d45d0d25d45dCK 1.00 1.00 1.000.390.380.377.327.417.56T10.360.360.360.520.540.598.268.077.83T20.280.280.260.600.650.688.518.237.96T30.550.560.540.450.460.487.927.427.33T40.630.620.620.400.390.397.727.347.29T5(脱毒)0.510.530.520.450.450.448.037.187.22㊀㊀不同配比基质EC 分析表明,定植0d 时,各处理EC 高于CK㊂随着时间延长,各处理EC 明显降低,定植后25㊁45d 时,各处理EC 仍高于CK (表3)㊂表3㊀不同配比基质的EC 值Table 3㊀Soil conductivity of substrates withdifferent ratios处理EC 值/(mS㊃cm-1)0d25d45dCK 0.650.460.33T1 2.390.650.53T2 2.590.770.61T3 3.170.550.43T41.010.470.36T5(脱毒)3.200.540.39㊀㊀不同配比基质对根际微生物量影响明显(图1)㊂处理T1~T5细菌数量差异显著,处理T1㊁T2㊁T5细菌数量明显高于CK㊁T3和T4;处理T3㊁T4真菌数量增加明显,处理T1㊁T2㊁T5与CK 差异不明显;T1㊁T2和T5细菌/真菌比显著高于其他配比处理和CK,但处理之间差异不明显;T5处理放线菌数量明显高于其他处理,T3㊁T4放线菌数量低于其他处理㊂2.2㊀不同配比基质对三叶青生长指标的影响㊀㊀2022年10月观察三叶青根系及植株长势,整理基质合理配方㊂每个基质配方组选取5株三叶青,以株为单位选取成熟叶片5组,测定每组左㊁中㊁右小叶的叶片长㊁宽㊂清洗根系周围基质后用滤纸吸干水分,测量记录根长及须根重㊂其中叶长1234㊀㊀2024年第65卷第5期㊀㊀柱上无相同小写字母表示组间差异显著(P <0.05)㊂图1㊀不同配比基质对三叶青根际微生物数量的影响Fig.1㊀Effects of substrates with different ratios on the number of rhizosphere microorganisms inTetrastigma hemsleyanum采用叶片基部至叶尖长度,叶宽采用叶片最大宽度,根长采用须根近根端至远端长度,根重采用总须根鲜重㊂不同基质配方各小叶叶片长㊁宽有差异,T1㊁T2㊁T3左小叶叶长明显高于CK,T1㊁T2㊁T3㊁T4㊁T5左小叶叶宽明显高于CK;T1㊁T2㊁T5中小叶叶长明显高于CK,T1㊁T2㊁T3㊁T4㊁T5中小叶叶宽明显高于CK;T1㊁T3右小叶叶长明显高于CK,T1㊁T2㊁T3㊁T4㊁T5右小叶叶宽明显高于CK (表4)㊂表4㊀不同配比基质对三叶青生长的影响Table 4㊀Effects of substrates with different ratioson the growth of Tetrastigma hemsleyanum处理左小叶/cm中小叶/cm右小叶/cm叶长叶宽叶长叶宽叶长叶宽CK 3.98 1.53 5.36 1.93 4.12 1.49T1 4.30 1.94 5.98 2.23 4.29 1.83T2 4.16 2.46 5.54 2.77 3.76 2.41T3 4.92 2.30 5.33 2.45 4.78 1.90T43.93 2.16 5.29 2.17 3.55 1.85T5(脱毒)3.592.595.523.253.401.85㊀㊀营养期T5茎粗显著大于其他处理,T3茎粗最小,与CK 差异不明显;施用肥料一定程度上能增加三叶青茎粗(表5)㊂T1处理根系总长最长,T2次之,T1㊁T2及T3明显高于CK,T5低于CK㊂T1㊁T2处理总根鲜重最重,T1㊁T2㊁T3和T4处理高于CK,T5低于CK,脱毒苗因对外部环境适应期长,根系发育比其他处理缓慢㊂表5㊀不同配比基质对三叶青根茎的影响Table 5㊀Effects of different substrates onrhizomes of Tetrastigma hemsleyanum处理茎粗/cm 总根长/cm 总根鲜重/g CK 0.21110.328 3.214T10.26112.264 4.132T20.27212.187 4.085T30.20111.491 3.573T40.27010.965 3.516T5(脱毒)0.3169.2523.018㊀㊀生产中一般以草木灰作为生物炭替代产品,本次试验同时设置大田加入草木灰观察组,亦按照基地常用基质㊁有机肥(羊粪㊁油茶饼)㊁草木灰等不同体积进行复混,设4个不同处理组合配比(表6),2021年11月完成种植,本次试验2022年10月同时对T6~T9单独测定茎长㊁叶片数㊁总重㊁分枝数㊂T8㊁T9处理的各指标明显高于T6㊁T7处理,说明加入草木灰能显著促进植株的发育,以加入50%比例草木灰植株长势旺盛㊁叶片多㊁鲜重大,同品种条件下成型结块更快㊂表6㊀草木灰对三叶青生长的影响Table6㊀Effects of plant ash on the growth of Tetrastigma hemsleyanum处理基地常用基质/%有机肥(羊粪)/%油茶饼/%草木灰/%茎长/cm叶片数总重/g分枝数T69505038.5332.7011.58 2.10 T79280041.0921.00 6.31 1.80 T8500050103.8341.6722.10 2.33 T9650035128.7337.0024.50 2.023 结论与讨论目前,三叶青生产多采用当地泥土等基质,加之栽培管理不规范,导致栽植三叶青质量和产量无法得到保证[2-3]㊂基质以T1㊁T2处理表现较佳,即三叶青袋栽生产中,采用泥炭土作为栽培基质主要成分,同时对比T1㊁T2基质成分,发现生物质炭的加入能起到降低基质容重㊁增加基质总孔隙度㊁促进根系发育㊁提高基质pH值㊁降低定植基质EC㊁促进三叶青叶片发育等作用,并由于生物质炭的加入提高了三叶青根际细菌/真菌比,使基质微生态环境偏向细菌型,对三叶青生长更为有利㊂生物质炭因由生物质热解产生,应用到土壤中能影响土壤生物和物理化学性质,起到调节土壤功能的作用;同时慢热解产生的生物质炭含有更多的脂肪族化合物,易分解碳和营养素,有利于农业土壤改良,诱导植物的系统抗性[4]㊂从本次试验可知基质中施加生物质炭能减轻土传病害,显著抑制灰霉病㊁白粉病和炭疽病等病害,促进植株健壮生长;但本次试验中加入20%~50%生物质炭或草木灰均能促进植株㊁根系的生长,具体生产应用最佳比例有待进一步试验核实㊂参考文献:[1]㊀梁君瑛,韩素芳,应尚蛟,等.三叶青遗传资源与栽培技术研究进展[J].浙江农业科学,2018,59(6):966-968.[2]㊀汪舍平,徐建春,张亮亮,等.不同栽培生境对三叶青生长及微量元素和总黄酮含量的影响[J].浙江农业科学,2017,58(12):2177-2178,2183.[3]㊀陈灏.杉木种子园下套种三叶青的块根产量分析[J].安徽农学通报,2017,23(16):107-108.[4]㊀吴志庄,高贵宾,欧建德,等.生物炭肥对毛竹林下三叶青叶绿素含量㊁光合与荧光特性的影响[J].西北林学院学报,2017,32(5):59-63,103.(责任编辑:王新芳)。
三种诱变方式对普那菊苣M1代和SP1代各项形态指标的影响
2 . ̄ 56C,最冷 月 (月 )平 均 气温 57 1 .℃,年均 降 雨量
9 3m 6 m,年 均 相 对 湿 度 8 % ,年 E照 时数 11 5 , 4 t 6 h ≥ 1 %年 积温 52 1 ℃ ,全年 无 霜期 2 7d 0 1. 4 9 ,夏季 长
本试验 通过对 不 同诱 变处 理后 的菊苣 在不 同生育
收稿 日期 :2 1— 7 1 00 0—5 基金 项 目 :四 川 省 应 用基 础 项 目 (0 8Y 0 0 、 国 家 牧 草 产 20J O1 ) 业技 术体 系项 目、 国 家农 业 行 业 专 项 资金 资 助 作 者 简 介 :王 曾珍 ( 9 5 ) 18 一 ,女 ,四 川 成 都 人 ,硕 士 ,研
较好 ,但根 颈易 因过牧 或践踏 而暴 露损 伤 ,在 较湿 土
试验 材料 均为普 那菊 苣种子 ,由四JI 原科学 省草 I
研究 院提供 。
1 试 验 地 概 况 . 2
壤 中也 易受 各种 病 虫害 侵 染 ,从 而影 响 其寿命 I 。具
有 生态 幅度 广 、抗 逆性 强 、再 生 快 、产 草 量 高 、营 养 丰 富 、适 口性 好 、利 用价 值 高 、用 途 多 等 优 良特
达 13d 1 。供 试 土壤 系紫色土 ,p 为 60 85 H值 . .。 ~
2 研 究 内容和 研究方法
21 研 究 内容 .
本试 验主要 通过对 菊苣 实施辐 射诱变 、化学诱 变 和航天 诱变 ,达 到突变体 创制 的 目的 ,为进 一步选 育 菊苣新 品种 提供参考 。
211 辐射诱变 :将供 试材料 的种子 于 2 0 年 9 2 .. 08 月 2
GUIDELINESFORUSE
Discovery Labware, Inc ., Two Oak Park, Bedford, MA 01730, Tel: 1.978.442.2200 (U.S.)**************************/lifesciencesFor Research Use Only. Not for use in diagnostic or therapeutic procedures.For a listing of trademarks, visit /lifesciences/trademarks© 2013 Corning IncorporatedGUIDELINES FOR USEPRODUCT: Corning ® Matrigel ® hESC-qualified Matrix, 5 mL vialCATALOG NUMBER: 354277BACKGROUND: Basement membranes are continuous sheets of specialized extracellular matrix that arefound at the dermal-epidermal junction, at the base of all lumen-lining epitheliathroughout the digestive, respiratory, reproductive and urinary tracts and that underlieparenchyma of endocrine and exocrine glands.Corning Matrigel hESC-qualified Matrix is a soluble basement membrane extract ofthe Engelbreth-Holm-Swarm (EHS) tumor that gels at room temperature to form agenuine reconstituted basement membrane.1 The major components of CorningMatrigel hESC-qualified Matrix are laminin, collagen IV, entactin and heparan sulfateproteoglycan.2-3 Growth factors, collagenases, plasminogen activators and otherundefined components have also been reported in Corning Matrigel hESC-qualifiedMatrix.4-5STEM CELLS: Historically, human embryonic stem (hES) cell derivation and culturing techniquesutilized serum and/or mouse embryonic fibroblast (MEF) feeder layers.6 An idealenvironment for hES cell research consists of both a cell culture surface specificallyqualified for hES cells, and a serum-free, defined medium. Corning Matrigel hESC-qualified Matrix and STEMCELL Technologies’ mTeSR™1 (developed underlicense from the WiCell Research Institute),7 a high quality surface and mediumcombination, create the first complete environment to support feeder-independentexpansion of hES cells.Corning Matrigel hESC-qualified Matrix is an optimized surface for your stem cellresearch. It has been qualified as mTeSR1-compatible by STEMCELL Technologies,eliminating the need for time-consuming screening, while providing thereproducibility and consistency essential for your hES cell research. When coupledwith a variety of culture media, Corning Matrigel hESC-qualified Matrix has beenwidely accepted as an alternative substrate for the culture of hES cells as well ashuman induced pluripotent stem (iPS) cells.8-11 The mTeSR1 formulation is definedand serum-free, and has been designed to maintain and expand hES cells in anundifferentiated state when used with Corning Matrigel hESC-qualified Matrix as asubstrate. It does not require any further addition of growth factors or supplements.The mTeSR1 formulation and Corning Matrigel hESC-qualified Matrix have beenshown to be a successful combination for culturing different hES cell lines for up to20 passages.12 Cells maintained in mTeSR1 express high levels of pluripotencymarkers such as Oct-3/4 and SSEA-3, and pluripotency of cells maintained inmTeSR1 has also been demonstrated by the ability of these cells to differentiate intoall three germ layers in the teratoma assay.7,13SOURCE:Engelbreth-Holm-Swarm (EHS) Mouse TumorDiscovery Labware, Inc ., Two Oak Park, Bedford, MA 01730, Tel: 1.978.442.2200 (U.S.)**************************/lifesciencesFor Research Use Only. Not for use in diagnostic or therapeutic procedures.For a listing of trademarks, visit /lifesciences/trademarks© 2013 Corning IncorporatedFORMULATION:Dulbecco's Modified Eagle's Medium with 50 µg/mL gentamycin.Corning ® Matrigel ® hESC-qualified Matrix is compatible with all culture media.STORAGE :Stable when stored at -20°C. Store aliquots in either the -20°C or -70°C freezer until ready for use. Freeze thaws should be minimized by aliquotting into one time use aliquots. DO NOT STORE IN FROST-FREE FREEZER. KEEP FROZEN .EXPIRATION DATE :The expiration date for Corning Matrigel hESC-qualified Matrix is lot specific and can be found on the product Certificate of Analysis.CAUTION: It is extremely important that Corning Matrigel hESC-qualified Matrix and allcultureware or media coming in contact with Corning Matrigel hESC-qualifiedMatrix should be pre-chilled/ice-cold since Corning Matrigel hESC-qualified Matrixwill start to gel above 10°C.RECONSTITUTION AND USE: Color variations may occur in frozen or thawed vials of Corning Matrigel hESC-qualified Matrix, ranging from straw yellow to dark red due to the interaction of carbondioxide with the bicarbonate buffer and phenol red. This is normal, does not affectproduct efficacy, and will disappear upon equilibration with 5% CO 2.Thaw Corning Matrigel hESC-qualified Matrix by submerging the vial in ice in a 4°Crefrigerator, in the back, overnight. Once Corning Matrigel hESC-qualified Matrix isthawed swirl vial to ensure that material is evenly dispersed. Spray top of vial with 70%ethanol and air dry. Keep product on ice and handle using sterile technique. Dispensematerial into appropriate aliquots in pre-cooled tubes, switching tips wheneverCorning Matrigel hESC-qualified Matrix is clogging the tip and/or causing the pipet tomeasure inaccurately and refreeze immediately. Gelled Corning Matrigel hESC-qualified Matrix may be re-liquified if placed at 4°C in ice for 24-48 hours.DILUTION FACTOR: The dilution is calculated for each lot based on the protein concentration. To use withSTEMCELL Technologies’ mTeSR™1 medium, prepare aliquots according to thedilution factor provided on the Certificate of Analysis. The volume of the aliquots istypically between 270-350 µL.To Use: Add one aliquot of Corning Matrigel hESC-qualified Matrix to 25 mL ofDMEM/F-12 to coat four 6-well plates (1 mL/well) or three 100 mm dishes (8mL/dish). Incubate the cultureware at room temperature (15-25ºC) for at least 1 hourbefore use. Aspirate the remaining liquid from cultureware just before use. Ensurethat the tip of the pipet does not scratch the coated surface. Plates/dishes are nowready to use.NOTE: For more details on specific applications of Corning Matrigel matrix visit support page at/lifesciences for technical bulletins/application notes, protocols, and frequently asked questions.Discovery Labware, Inc ., Two Oak Park, Bedford, MA 01730, Tel: 1.978.442.2200 (U.S.)**************************/lifesciencesFor Research Use Only. Not for use in diagnostic or therapeutic procedures.For a listing of trademarks, visit /lifesciences/trademarks© 2013 Corning IncorporatedREFERENCES: 1. Kleinman HK, et al, Basement membrane complexes with biological activity, Biochemistry , 25:312 (1986).2. Kleinman HK, et al, Isolation and characterization of type IV procollagen, laminin, and heparan sulfate proteoglycan fromthe EHS sarcoma, Biochemistry , 21:6188 (1982).3. Bissell DM, et al, Support of cultured hepatocytes by a laminin-rich gel. Evidence for a functionally significantsubendothelial matrix in normal rat liver, J Clin Invest , 79(3):801 (1987).4. Vukicevic S, et al, Identification of multiple active growth factors in basement membrane Matrigel suggests caution ininterpretation of cellular activity related to extracellular matrix components, Exp Cell Res , 202:1 (1992).5. McGuire PG, and Seeds NW, The interaction of plasminogen activator with a reconstituted basement membrane matrix andextracellular macromolecules produced by cultured epithelial cells, J Cell Biochem , 40:215 (1989).6. Thomson JA, et al, Embryonic stem cell lines derived from human blastocysts, Science , 282:1145 (1998).7. Ludwig TE, et al, Feeder-independent culture of human embryonic stem cells, Nat Methods , 3(8):637 (2006).8. Xu C, et al, Feeder-free growth of undifferentiated human embryonic stem cells, Nat Biotechnol , 19:971 (2001).9. Xu C, et al, Immortalized fibroblast-like cells derived from human embryonic stem cells support undifferentiated cellgrowth, Stem Cell , 22:972 (2004).10. Drukker M, et al, Isolation of primitive endoderm, mesoderm, vascular endothelial and trophoblast progenitors from humanpluripotent stem cells, Nat Biotechnol ., 30(6):531 (2012).11. Hammerick, KE, et al, Elastic properties of induced pluripotent stem cells, Tissue Eng Part A , 17(3-4):495 (2011).12. Ludwig TE, et al, Derivation of human embryonic stem cells in defined conditions, Nat Biotechnol , 24:185 (2006).13. Amit M, et al, Clonally derived human embryonic stem cell lines maintain pluripotency and proliferative potential forprolonged periods of culture, Dev Biol , 227:271 (2000).California Proposition 65 NoticeWARNING: This product contains a chemical known to the state of California to cause cancer.Component: ChloroformNOTE: Human embryonic stem cell research may be restricted in your national jurisdiction. Prior to the use of this product for hESC research, please consult your applicable laws regarding such activities.RELATED PRODUCT: mTeSR™1 Maintenance Medium for Human Embryonic Stem Cells 500 mL (1 kit) Cat. No. 05850. Please visit for more information.STEMCELL Technologies, Inc.tel:800.667.0322,fax:800.567.2899,e-mail:*****************,mTeSR is a trademark of WiCell Research Institute.__________________________________________To place an order in the U.S., contact Customer Service at:tel:800.492.1110,fax:978.442.2476;email:***********************.For technical assistance, contact Technical Support at:tel:800.492.1110,fax:978.442.2476;email:***********************.Outside the U.S., contact your local distributor or visit /lifesciences to locate your nearest Corning office.。
国内外苹果品质营养概况与提升对策
DOI:10.16815/ki.11-5436/s.2017.08.064(GAP),建立和推广EUREP-GAF 等系列标准体系[7],同时对来自出口国的苹果制定了严格的农残检测标准。
2、全国苹果品质营养现状随着全国经济的迅猛发展以及国际苹果市场的变化,我们国家对苹果质量的提升更加重视,先后发布实施了《苹果冷藏技术》(GB /T 8559-1987)、《鲜苹果》(GB /T 10651-1989)、《苹果销售质量》(SB /T10064-1992)、《苹果、柑桔包装》(GB /T 13607-1992)、《绿色食品噁苹果》(NY /T 268-1995)、《苹果外观等级》(NY /T 439-2001)、《无公害食品噁苹果》(NY/5011-2001)等一系列国家标准和行业标准,制定出台了“提升苹果质量”的相关扶持政策。
从近年来的检测结果看,全国苹果的外观质量已明显提高,但苹果内在品质低的问题相当突出,许多果园生产的苹果果实硬度和可溶性固形物含量偏低,口感差,淡而无味。
通过对主产区“红富士”苹果的抽样检测,发现全国苹果内在品质呈下降趋势。
按照国家标准《鲜苹果》(GB /T 10651-1989)进行判定,2006年富士苹果理化品质合格率仅为24.9%,其中,总酸量合格率最高达98%,而果实硬度和可溶性固形物含量合格率仅分别为35.6%和57.3%。
安全质量有明显提高,但全国苹果农药残留状况与欧盟和美国相比仍存在差距[7]。
据中国农科院果树研究所2009年10月份对辽宁省40个成龄红富士苹果园抽样苹果检测结果看,依据《鲜苹果》》(GB /T 10651-2008),样品的外观质量均符合 “优等品”和“一等品”的质量等级要求,优质果率在30%左右,商品果率超过90%;内在质量品质合格率为72.5%,其中果实平均硬度7.38kg/cm 2,合格率为82.5%;可溶性固形物14.10%,合格率为90%;总酸含量0.33%,合格率为87.5%。
薇甘菊替代物种及其组合技术规程
ICS65.020CCSB15 □H53云南省地方标准DB53/TXXXX-XXXX 薇甘菊替代物种及其组合技术规程XXXX-XX-XX发布XXXX-XX-XX实施云南省市场监督管理局发布本文件按照GB/T1.1-2020《标准化工作导则第1部分:标准化文件的结构和起草规则》的规定起草。
DB53∕TXXXX《薇甘菊替代物种及其组合技术规程》、DB53∕TXXXX《热带果园薇甘菊生态调控与修复技术规程》、DB53/T634《薇甘菊调查技术规程》、DB53/T635《薇甘菊监测及评估技术规程》与DB53/T636《薇甘菊农地防治技术规程》共同构成支撑云南省防治薇甘菊的地方标准体系。
请注意本文的某些内容可能涉及专利。
本文件的发布机构不承担识别专利的责任。
本文件由云南省农业科学院提出。
本文件由云南省农业标准化技术委员会(YNTC07)归口。
本文件起草单位:云南省农业科学院农业环境资源研究所、云南省农业跨境有害生物绿色防控重点实验室、农业农村部外来入侵生物防控重点实验室(昆明)本文件主要起草人:张付斗、申时才、温丽娜、杨韶松、徐高峰、郑凤萍、徐云、金桂梅、刘树芳、李迪宇、杨艳鲜。
薇甘菊替代物种及其组合技术规程1范围本文件规定了替代物种及其组合控制薇甘菊(Mikaniamicrantha H.B.K)的原则和策略、替代物种选择、替代种植、田间管理及替代物种组合等技术内容。
本文件适用于薇甘菊所入侵的生境(农田、果园、荒地、林地和草场)开展替代控制所需物种及其组合的筛选、应用。
2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。
其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本外来入侵植物监测技术规程薇甘菊薇甘菊综合防治技术规程 薇甘菊监测及评估技术规程薇甘菊农地防治技术规程3术语和定义 下列术语和定义适用于本文件。
1 .1薇甘菊mikaniamicrantha菊科(ASteraCeae)假泽兰属(Mikania)多年生草质或木质藤本植物,原产于中南美洲。
山竹果皮提取物团体标准
山竹果皮提取物团体标准一、引言山竹(Mangosteen)是一种热带水果,其果皮含有丰富的生物活性化合物,具有抗氧化、抗炎、抗菌等多种药用功效。
本标准旨在为山竹果皮提取物的生产和质量控制提供指导,以保证产品的安全性、稳定性和有效性。
二、适用范围本标准适用于山竹果皮提取物的生产、提取、加工和质量控制。
三、术语和定义1. 山竹果皮提取物:指从山竹果皮中提取得到的有机溶剂提取物。
2. 山竹:学名Garcinia mangostana,是杧果科杧果属植物的果实。
四、要求1. 原料选择1.1 山竹果皮应选用新鲜、无病虫害、成熟度适中的果皮作为提取物的原料。
1.2 原料应符合食品级别的安全标准。
2. 提取工艺2.1 提取溶剂的选择:应选用符合国家药典或相关行业标准的有机溶剂进行提取,如乙醇、乙酸乙酯等。
2.2 提取方法:应采用合适的提取方法,如超声波提取、浸泡提取等,以获得较高的提取效率和提取物的质量。
3. 成分分析3.1 主要成分:应通过相关分析技术,如高效液相色谱法(HPLC)、气相色谱法(GC)、质谱分析等,对提取物的主要成分进行分析,如黄酮类、多酚类等成分。
3.2 成分含量:应根据产品的要求,确定各个成分的含量范围,确保产品的一致性和有效性。
4. 质量控制4.1 外观:提取物应为黄棕色澄清液体,无悬浮物和沉淀。
4.2 水分含量:应根据产品的要求,确定合适的水分含量范围。
4.3 残留溶剂:应进行符合国家药典或相关行业标准的残留溶剂检测,确保符合安全要求。
4.4 微生物检验:应进行微生物检验,确保产品符合微生物限度要求。
4.5 重金属含量:应进行重金属含量检测,确保符合食品安全标准。
五、包装和储存5.1 包装:提取物应采用符合食品行业标准的密封包装,以防止湿气、光线和氧气对产品的影响。
5.2 储存:提取物应储存在干燥、阴凉的环境中,远离火源和明火,避免阳光直射。
六、标签要求6.1 标签应明确标明产品的名称、规格、成分含量、生产日期、保质期等信息,以便消费者准确了解产品。
农业行业样品处理和分析仪器设备目录
进口种子样品处理和分析仪器美国农业部USDA GIPSA批准的谷物处理装置Approved Equipment List 9-08-06美国农业部USDA谷物取样规程Grain Sampling ProceduresPractical Procedures For Sampling Grain At Farm Sites And Remote LocationsGB , , GB/T 3543一、种子划痕、烘干和包衣Seed scraficiar,dryer, lab treater仪器名称仪器简介美国新乐电动种子划痕机专门用于实验室种子划痕操作。
全钢结构,经久耐用。
加工转鼓上配置旋转钢螺旋推进器,划痕完全有效。
电机:1/3 HP,净重:14 kg,毛重:15 kg尺寸: 406 mm L x 305 mm W x 305 mm H美国新乐霍夫曼SC-100型电动种子清理划痕机用于种子磨光、去皮(提高发芽力)、去芒和清理种子。
维修清理容易,划痕和清理速度可调。
?处理量:>27 公斤/小时.? 适合各种种子二、真空置床、种子风选Seed blower, cleaner三、美国农业部谷物检验图谱USDA Soybean Inspection Visual Reference Images四、重力分样和电动分样Gravity Dividing & Rotary Dividing美国新乐H-3962格栅式分样器美国农业部USDA GIPSA批准的谷物分样装置通过一次或多次分选,获得等量、均匀的一个或多个样品美国新乐Boerner钟鼎式分样器美国农业部USDA GIPSA批准的分析处理装置美国政府联邦、州和地方粮食检测机构的标准分样装置,分样结果具有法律效力。
分样精度为1公斤样品+ /– 1%美国Seedburo UDIV离心分样器适合粮食、饲料和种子分样装置内置小型电机,电机旋转分离样品,通过多次分选获得等量、均匀的一个或多个样品,不锈钢制品美国Gamet电动旋转分样器USDA-FGIS, GIPSA标准快速称量样品重量并把重量准确到1‰。
小叶女贞籽油脂肪酸组成及对自由基的清除作用
小叶女贞籽油脂肪酸组成及对自由基的清除作用毕淑峰;孙芳芳;张素勤;程鑫;朱晨璐;潘绒;董丽丽【摘要】以小叶女贞种子为原料,采用超临界CO2萃取小叶女贞籽油,用气相色谱-质谱联用技术(GC-MS)分析小叶女贞籽油的脂肪酸组成,并用分光光度法测定小叶女贞籽油对ABTS自由基和DPPH自由基的清除作用.结果表明:小叶女贞籽油中含8种脂肪酸,主要含有油酸(59.49%)、亚油酸(25.47%)和棕榈酸(9.67%),不饱和脂肪酸含量达85.40%;小叶女贞籽油对ABTS自由基和DPPH自由基有较好的清除能力,IC50分别为(34.32±0.73) μg/mL和(43.63±0.91) μg/mL.【期刊名称】《中国油脂》【年(卷),期】2016(041)011【总页数】3页(P33-35)【关键词】小叶女贞籽油;脂肪酸;气相色谱-质谱联用;自由基【作者】毕淑峰;孙芳芳;张素勤;程鑫;朱晨璐;潘绒;董丽丽【作者单位】黄山学院生命与环境科学学院,安徽黄山245041;南京大学医药生物技术国家重点实验室,南京210093;黄山学院生命与环境科学学院,安徽黄山245041;黄山学院生命与环境科学学院,安徽黄山245041;黄山学院生命与环境科学学院,安徽黄山245041;黄山学院生命与环境科学学院,安徽黄山245041;黄山学院生命与环境科学学院,安徽黄山245041;黄山学院生命与环境科学学院,安徽黄山245041【正文语种】中文【中图分类】TS225.1;TQ641小叶女贞(Ligustrum quihoui Carr.)为木樨科女贞属小灌木,广泛分布于华北、华中、华东、西南等省份,是我国常见的园林绿化和抗污染树种。
小叶女贞的叶、花、皮和果实都可以入药,具有清热解毒的功效,还可以用于治疗烫伤和外伤,果实入药后能够用于治疗肝炎[1]。
试验证明,小叶女贞具有止咳、平喘、抗氧化、增强免疫、抑制脲酶、保鲜等功能[2-6]。
美国环保署农药地下水风险评估模型
美国环保署农药地下水风险评估模型
文伯健;李文娟;程敏
【期刊名称】《农业资源与环境学报》
【年(卷),期】2013(030)006
【摘要】在介绍美国农药环境风险评估的概念、分级、地下水农药监测情况及水资源的立法保护等基础上,重点阐述了美国环保署在农药登记管理过程中使用的2个地下水风险评估模型,即SCI-GROW和PRZM-GW模型。
SCI-GROW是以好氧条件土壤半衰期和土壤有机碳分配系数为自变量的经验线性回归模型,而PRZM-GW则是描述农药在土壤中运动的一维、有限差分模型。
本文通过对美国环保署这2个特点鲜明的模型的介绍,希望能为我国的农药地下水风险评估及模型的开发提供一个新视角。
【总页数】6页(P68-73)
【作者】文伯健;李文娟;程敏
【作者单位】中国农业科学院农业资源与农业区划研究所,北京100081
【正文语种】中文
【中图分类】X820.4
【相关文献】
1.美国环保署农药地下水风险评估模型
2.美国环保署2016/17年计划新增两个农药活性成分
3.美国环保署起草关于评估农药对濒危物种危害的修正案
4.先正达因
农药暴露事故被美国环保署罚款5.美国环保署延迟对农药施药者规定的征求意见期
因版权原因,仅展示原文概要,查看原文内容请购买。
几种生长调节剂对火星无核葡萄种子形成的影响
几种生长调节剂对火星无核葡萄种子形成的影响陶建敏;庄智敏;章镇;邵宏干;蔡斌华【期刊名称】《果树学报》【年(卷),期】2006(23)4【摘要】利用植物生长调节剂促使假单性结实的无核葡萄产生具有生活力的种子,采用或不采用胚培养获得实生苗,为无核葡萄育种提供一条便捷途径。
采用不同生长素类和细胞分裂素类生长调节剂对火星无核葡萄花前2周进行不同浓度的处理,对果实的有核率、种子形成大小、单果种子数目及种子成苗等方面进行了研究。
BA、CPPU、KT、IAA、IBA、NAA不同浓度的处理都能使火星无核葡萄产生残核。
BA5、10mg/L,IAA10、20mg/L,IBA20mg/L的处理有核率达100%;KT5mg/L处理种子大小指数96.6%,为最大,而CPPU10mg/L处理种子大小指数74.5%,为最小;BA5mg/L处理单果的平均种子数3.1粒,CPPU10mg/L处理单果的平均种子数0.5粒。
KT5mg/L和10mg/L处理诱导产生的种子离体培养露地播种得到萌发苗。
结果表明,生长素类和细胞分裂素类生长调节剂可以促进无核葡萄形成具有生活力的种子,可为无核葡萄育种提供一种新的简便方法。
【总页数】5页(P534-537)【关键词】葡萄种子;植物生长调节剂;火星无核【作者】陶建敏;庄智敏;章镇;邵宏干;蔡斌华【作者单位】南京农业大学园艺学院【正文语种】中文【中图分类】S663.1【相关文献】1.几种生长调节剂对乍娜葡萄无核早熟的促进作用 [J], 王文举;马治国2.几种生长调节剂对"巨玫瑰"葡萄无核化及果实品质的影响 [J], 马海峰3.几种生长调节剂对"巨玫瑰"葡萄无核化及果实品质的影响 [J], 马海峰;4.植物生长调节剂促进无核葡萄形成有生活力的种子 [J],5.植物生长调节剂对'瑞都红玉'葡萄无核化和品质的影响 [J], 闫爱玲;王慧玲;张国军;孙磊;王晓玥;任建成;徐海英因版权原因,仅展示原文概要,查看原文内容请购买。
- 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)。
Warning Label– 標籤內容
• This product can expose you to chemicals including [name of one or more chemicals], which is [are] known to the State of California to cause cancer. For more information go to . • 可以列多個物質 • 可自行選一個物質 (?)
• 警語標籤必須
– 持久性
Workshops
• 甚麼狀況下,警語可以放在說明書裡? • You can include in the manual if, • You can’t include in the manual if, • 放在說明書哪裡?
Workshops
• • • • • • • • • • • • 甚麼狀況下,警語可以放在說明書裡? You can include in the manual if, 產品很可能導致嚴重的傷害 產品是複雜且難以安裝、理解、拆卸。 產品有一個功能或多個功能,消費者需要閱讀說明書才能瞭解或運作產品。 You can’t include in the manual if, 產品幾乎不會引起嚴重的傷害 產品很簡單,一般的消費者不需要閱讀說明書就可以操作產品。 放在說明書哪裡? 封面/封底 第一頁/ 最後一頁 與其他安全規定一起
• 民眾有知的權利
Requirements
• Is there any business exempt from Prop 65 ?
– 小於10人的公司、政府單位、公共飲用水單位
• How do I know if I need to provide a warning ?
– – – – – 盡可能瞭解你的產品與服務會使用到哪些化學品 這些化學品是否Prop 65 所管制的 根據暴露量來決定是否需要警語。 暴露量 -- OEHHA 採用 safe harbor levels 並非所有的化學品都有規定暴露量,如果沒有規定, 只要消費者有可能暴露在這個化學品,就需要警語。
– 黑白也可以
• 大寫粗體WARNING • 不同種類的風險必須個別列出
風險類別 致癌性 生殖毒性 兩者皆有 For exposures to listed carcinogens…. For exposures to listed reproductive toxicants….. For exposures to both listed carcinogens and reproductive toxicants…
Penalty
• Failing to provide warnings can be high as $2500 per violation per day.
Court Settlement
產品 电力设备 蓝牙扬声器 扬声器 用于流动电子设备的电 线 汽車配件 化學物質要求 DEHP < 1000 ppm DEHP < 1000 ppm DEHP< 1000 ppm Lead < 100 ppm DEHP < 1000 ppm Lead < 100 ppm DEHP < 1000 ppm Lead < 200 ppm 警語標籤 可提供警語標籤 可提供警語標籤 不可提供警語標籤取代該要求 不可提供警語標籤取代該要求 可提供警語標籤 (不适用于有关驾驶盘套中的铅 含量要求) 不可提供警語標籤取代該要求
FAQ
• 已經符合聯邦法規的產品,是否需要提供 警語?
– 如有可能導致暴露,仍須警語
• 加州65 有沒有測試方法?
– 沒有測試方法 – 建議執行科學評估
A warning for BPA
• 2016/5/11 起生效 • BPA 常用於PC/PVC/ 感應紙 • 針對食品的容器有一個緊急法規 • MADL = 3ug/d, 皮膚接觸固體材料
案例介紹
– 如果有新增的物質,警語的規定在新物質加 入一年後生效
A Warning in Starbucks
A Warning in Mcdonalds
A Warning in the market
A Warning in Disney
Do I need a warning ?
含有列管的Chemical? Yes 有可能釋放? Yes 高於safe harbor level Yes Yes 有訂safe harbor level No 無法證明小於 threshold Yes
• Labelling a consumer product • Posting signs at the workplace • Distributing notices at a rental housing complex • Publishing notices in a newspaper • One year after new substance added.
Proposition 65 加州65
Object
• No person in the course of doing business shall knowingly and intentionally expose any individual to a chemical known to the state to cause or reproductive toxicity without first giving clear and reasonable warning to such individual.
兩者皆有
Cancer and Reproductive Harm -
A on-product warning
Environmental Exposure Warning
• 在入口處標示 • 在可能暴露處標示 • 標示受影響的區域 • 例如:Entering this area can expose you to [name of chemical] from [name of one or more sources of exposure]. [Name of chemical] is known to the State of California to cause birth defects or other reproductive harm. For more information, go to www.P65 .”
需要 warning label
Who don’t n03 /9/3 前製造的
• 不含管制物質 • 產品有含 管制物質, 但一般使用不會被暴露到, 例如該物質在產品內部。
– 產品雖然有電線, 但 – 在一般使用階段, 電線僅用於內部, 消費者不會接 觸到 – 消費者很少接觸到, 例如 Computer Monitor Cable
8.7
2200 2200 3
If I need a warning
• 確定標籤的內容 • 確定標籤的位置
How to attach a warning label ?
• 警語標籤可
– 貼在產品上 – 印在產品上 – 如果供應商是以電話、網路、郵購的方式,直接將產 品賣給消費者,那可印在收據上 – 如果產品太小, 不足以貼上警語,可以吊牌的方式。 – 放在使用者操作手冊中?
Safe Harbor Levels
• 暴露量 VS 禁用 • 在合理與可預見狀況下, 使用者會與 chemical 接觸的量
Phthalate and Proposition 65
Prop 65 管制 DEHP BBP 暴露量 (ug/day) 310 1200
DBP
DIDP DnHP BPA
A warning in park lot
Summary
• 加州65 很複雜、很籠統
– 這是法律規定不是客戶要求 – 管制超過900 項物質 – 沒有測試方法 – 沒有方便的管制標準 – 有法院的判例來攪局 – 客戶要我們符合CA65且不願意有警語
• 致伸目前應對
– 外觀件盡可能不含CA65列管物質 – 若有,則必須符合客戶對該物質的管制要求
Warning Label– 標籤案例
A on-product label – 標籤內容
• A on-product Label • 黃色正三角形
– 黑白也可以
• 大寫粗體WARNING • 不需要列出物質名稱 • 不同種類的風險必須個別列出
風險類別 致癌性 生殖毒性 Cancer - Reproductive Harm -
• 消費者 所購買的產品中,可能會含有影響消費者的物 質。 • 食物、電子設備
– Environmental Exposure Warning
• 消費者所處的環境中,可能會含有影響消費者的物質。 • 這些物質透過環境(空氣、水、土壤等)以吸入、攝入、 或皮膚接觸等方式影響消費者。 • 所有非consumer product exposure 都是 • 例如遊樂園、劇院、公園
Consumer Exposure- 標籤的傳達
• 下列四項其中之一即可
– 在展示產品的貨架上標示。 – 在消費者購買前或購買時,以電子形式主動告知消費 者。而非消費者自行尋找。 – 一般的產品標籤。A warning label
• 25603(a)
– 直接標示在產品上。A on-product warning
网络摄像镜头
新警語標籤
Effective date
• 適用:2018/8/30 以後製造的產品。 • 受影響的產品應該要有警語標籤 • 現在到2018/8/30 仍可使用舊標籤。
A Clear and Reasonable Warning
• 標籤分為兩種: