Remote sensing monitoring on maize flood stress and yield evaluation at different stages
SUI Xue-Yan,1,**, LIANG Shou-Zhen,1,**, ZHANG Jin-Ying2, WANG Meng1, WANG Yong1, HOU Xue-Hui1, ZHANG Xiao-Dong,3,*通讯作者:
收稿日期:2020-02-28接受日期:2020-08-20网络出版日期:2021-01-12
基金资助: |
Received:2020-02-28Accepted:2020-08-20Online:2021-01-12
Fund supported: |
作者简介 About authors
隋学艳, E-mail:
梁守真, E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (565KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
隋学艳, 梁守真, 张金盈, 王猛, 王勇, 侯学会, 张晓冬. 不同生育时期玉米洪涝胁迫遥感监测与评估[J]. 作物学报, 2021, 47(1): 177-184. doi:10.3724/SP.J.1006.2021.03011
SUI Xue-Yan, LIANG Shou-Zhen, ZHANG Jin-Ying, WANG Meng, WANG Yong, HOU Xue-Hui, ZHANG Xiao-Dong.
玉米是我国主要的粮食作物, 其用途较其他粮食作物广泛[1], 2018年玉米播种面积占全国粮食播种面积的36.0%, 位居粮食作物播种面积首位[2]。玉米属于C4作物, 与C3作物相比具有较强的抗旱能力和抗热能力[3], 需水量大而不耐涝[4]。我国玉米生育时期多集中在6月至9月, 频繁的强对流天气致使玉米遭受洪涝灾害, 受灾后玉米根系呼吸受阻活力下降[5,6]、植株体内源激素含量和平衡失调、光合能力降低[7]、新叶片出生速率降低老叶片变黄[8]、叶面积指数降低[9]、叶绿素含量和氮素降低[10], 生育时期延迟[11]、产量下降[12]。暴雨过后各级生产管理部门需要尽快掌握玉米洪涝灾害发生的面积和程度, 制定合理的救灾和减灾措施[13], 同时农业保险部门也要争分夺秒调查灾情, 做好理赔工作。当前洪涝灾害的调查程序为: 农户上报, 行政部门逐级汇总统计, 保险公司实地核查并组织农业专家对灾损进行评估。暴雨发生时会造成道路损坏、桥梁坍塌, 车辆无法通行, 玉米多为规模化种植, 地块大、植株高, 靠人力很难在短时间内实现全面地、具有地理属性的清查。玉米涝灾的发生发展, 是植株逆境下进行生理生化反应的动态变化过程[3], 数据的准确性和科学性是灾害救助决策方案制定的重要保障。以遥感为主的空间信息技术是当前快速、准确、大面积获取地面信息的手段[14], 遥感技术已被广泛地应用于洪水淹没区域监测[15,16,17], 和玉米长势[18]与产量[19,20]评估研究, 但在玉米洪涝灾害监测与评估方面的研究鲜有报道。本研究采用人工模拟的办法, 观测不同生育时期、不同程度洪涝胁迫玉米冠层光谱及长势变化, 旨在建立玉米洪涝灾害遥感监测与灾损评估的技术方法。
1 材料与方法
1.1 试验设计
洪涝胁迫试验于2015年进行, 地点在山东省济南市济阳县太平镇姜家村(39°57.822'N, 116°19.602'E), 胁迫实验设置早(拔节期)、中(吐丝期)、晚(灌浆期) 3个时期, 每个时期设0、1、3、5、7和9 d 6个胁迫水平, 其中0 d为对照。小区长6.0 m, 宽2.5 m, 共18个小区, 玉米行距0.6 m, 株距30 cm, 玉米品种为登海605。小区四周铺埋塑料布, 筑高0.4 m、宽0.5 m土堰, 防止水分外渗, 24 h持续注水, 水深保持30 cm。胁迫处理情况见表1。Table 1
表1
表1试验设计
Table 1
生长时期 Growing stage | 处理 Treatment | 胁迫持续天数 Flooding period (d) | 开始时间 Starting time (month/day) | 结束时间 Ending time (month/day) |
---|---|---|---|---|
拔节期 Jointing stage | E-9 | 9 | 7/31 | 8/9 |
E-7 | 7 | 7/31 | 8/7 | |
E-5 | 5 | 7/31 | 8/5 | |
E-3 | 3 | 7/31 | 8/3 | |
E-1 | 1 | 7/31 | 8/1 | |
E-0 | 0 (CK) | |||
吐丝期 Silking stage | M-9 | 9 | 8/8 | 8/17 |
M-7 | 7 | 8/8 | 8/15 | |
M-5 | 5 | 8/8 | 8/13 | |
M-3 | 3 | 8/8 | 8/11 | |
M-1 | 1 | 8/8 | 8/9 | |
M-0 | 0 (CK) | |||
灌浆期 Filling stage | L-9 | 9 | 8/23 | 9/1 |
L-7 | 7 | 8/23 | 8/30 | |
L-5 | 5 | 8/23 | 8/28 | |
L-3 | 3 | 8/23 | 8/26 | |
L-1 | 1 | 8/23 | 8/24 | |
L-0 | 0 (CK) |
新窗口打开|下载CSV
1.2 测定项目及方法
1.2.1 冠层高光谱测量 自7月31日拔节期胁迫处理开始, 天气晴朗日持续进行冠层光谱测量, 直至灌浆中后期。采用美国ASD Field SpecHandHeld野外便携式高光谱仪进行光谱测量, 测量时间为北京时间11:00—14:00。光纤探头垂直向下固定于自制观测架的横臂上, 架子高3.4 m, 横臂长0.75 m。每小区用插地标牌固定南中北3个测试点, 测试前进行白板标定, 每点采集1条光谱, 取均值作为测量结果。1.2.2 覆盖度测量 光谱观测架横臂紧临光纤探头处垂直悬挂照相机SAMSUNG 100II, 调整焦距, 使拍摄范围与光谱测试范围相同, 与光谱同步拍摄, 用图像处理软件计算绿色占整幅图像的面积百分比得覆盖度, 取均值作为测量结果。1.2.3 叶绿素测量 每小区选取长势均匀的连续10株玉米, 固定叶片用植物养分测定仪TYS-3N活体监测。拔节期选取玉米植株最上部第1片完全展开叶, 吐丝期和灌浆期选定玉米穗上部第1片叶片, 测试时间与光谱测试同步。1.2.4 产量测定 蜡熟期全部收获, 每行玉米作为1个样本, 测定产量构成因素; 晾晒后脱粒称重, 并用PM-8188-A谷物水分测量仪随机测定3次玉米含水量。折算每公顷穗数、平均穗粒数、千粒重以及每公顷产量。1.2.5 数据处理 根据试验采集数据情况, 统一选取每个时期全部胁迫处理完后5 d与洪涝胁迫之前的测试数据进行分析。采用ASD ViewSpecPro软件对光谱数据进行初处理; 采用ENVI、MATLAB图像处理软件提取覆盖度; 采用Microsoft Excel软件进行数据整理与作图; 采用DPS软件进行数据统计分析和差异显著性检验(Duncan’s法)。2 结果与分析
2.1 洪涝胁迫对叶绿素的影响
洪涝胁迫后被观测叶片叶绿素呈现复杂的变化现象。由图1可见, 拔节期洪涝胁迫对照处理E-0和E-1的最上部第1片展开叶的叶绿素稍有增加, 其他处理的叶绿素均降低, 处理E-9和E-7极显著低于其他处理, 处理E-9胁迫后叶片叶绿素降至17.55, 仅为之前的45.70%; 吐丝期玉米棒上第1片叶片的叶绿素只有M-9处理下降, 其他处理均增加, 增加幅度无明显规律, 洪涝胁迫对被观测叶片的叶绿素无影响; 灌浆期玉米处于生育后期, 叶片逐渐衰老, 叶绿素含量会逐渐降低, 洪涝胁迫促使叶绿素下降但并不明显。图1
新窗口打开|下载原图ZIP|生成PPT图1洪涝胁迫前后玉米叶绿素含量
处理同
Fig. 1Chlorophyll content before and after flood stress in maize
Treatments are the same as those given in
2.2 洪涝胁迫对覆盖度的影响
洪涝胁迫能够降低玉米覆盖度, 玉米全生育期内拔节期覆盖度最高, 吐丝期次之, 灌浆期最低。处理之前各小区覆盖度均匀, 胁迫之后处理间覆盖度部分达到了极显著的差异水平。3个生育时期洪涝胁迫均能降低玉米覆盖度, 以拔节期影响最大, 相对变化值最高幅度为-40.67%, 吐丝期次之, 灌浆期较小(图2)。图2
新窗口打开|下载原图ZIP|生成PPT图2洪涝胁迫对玉米覆盖度的影响
处理同
Fig. 2Effects of water stress on maize coverage degree
Treatments are the same as those given in
2.3 洪涝胁迫对玉米冠层光谱的影响
2.3.1 洪涝胁迫对反射率的影响 植物体内因含有叶绿素、水、蛋白质等复杂的化学组分, 以及多层叶片叠交的冠层结构而产生不同于其他地物的光谱反射率曲线[21]。选择3个时期洪涝胁迫处理完成5 d后的小区冠层光谱, 绘制光谱曲线(图3~图5)。与对照E-0相比, 拔节期洪涝胁迫, 造成原有叶片叶绿素含量降低, 下部叶片迅速衰老, 新生叶片生长速度降低, 覆盖度降低, 露出植株底部土壤, 土壤及土壤中的水分对太阳光可见光至近红外的吸收要高于植被, 因此整体呈现反射率降低的现象, 胁迫程度越高降低越大, 可见光波段553 nm处反射率降低幅度最大, 为0.022, 近红外平台879 nm处反射率降低幅度最大, 为0.340 (图3)。吐丝期玉米植株的叶片数量已经基本确定, 最后几片新生叶片逐渐展开, 洪涝胁迫主要造成下部叶片的衰老, 降低了新生叶片展开的速度, 胁迫处理与对照M-0相比光谱反射率在可见光波段降低, 最大幅度在553 nm处0.016, 在近红外波段反射率同样下降, 最大幅度在879 nm处0.199, 整体趋势同拔节期洪涝胁迫一致, 但降低幅度均变小(图4)。灌浆期洪涝胁迫处理L-7、L-5和L-9与对照L-0的反射率相比可见光有明显的升高, 处理L-5和L-7与对照L-0的反射率相比近红外有明显的升高, 处理L-9与对照L-0的反射率相比近红外波段基本一致, 处理L-3、L-1与对照L-0的反射率相比, 在可见光和近红外均有明显的降低(图5)。图3
新窗口打开|下载原图ZIP|生成PPT图3拔节期洪涝胁迫各处理8月14日光谱反射率曲线
Fig. 3Spectral reflectance curves of flooding stress treatments at jointing stage on August 14
图4
新窗口打开|下载原图ZIP|生成PPT图4吐丝期洪涝胁迫各处理8月23日光谱反射率曲线
Fig. 4Spectral reflectance curves of flooding stress treatments at silking stage on August 23
图5
新窗口打开|下载原图ZIP|生成PPT图5灌浆期洪涝胁迫各处理9月3日光谱反射率曲线
Fig. 5Spectral reflectance curves of flooding stress treatments at filling stage on September 3
进一步对3个时期洪涝胁迫后光谱反射率与胁迫天数进行相关性分析, 绘制曲线图。拔节期和吐丝期的胁迫天数与光谱反射率相关性曲线形状比较相近, 即400~900 nm基本呈负相关关系, 整体分为3部分, 在蓝绿光波段相关度较高, 在红谷波段相关度较低, 在近红外波段相关度较高。由于胁迫时期不同, 细节上仍然存在明显不同, 拔节期仅在较窄的可见光508~567 nm的绿峰波段达到了显著相关水平, 而吐丝期在较宽的可见光400~564 nm的蓝光吸收谷和绿光反射峰都达到了显著相关关系。拔节期在较宽的711~900 nm波段达到了极显著相关关系, 吐丝期在较窄的727~896 nm波段达到了极显著相关关系。与拔节期和吐丝期不同的是, 灌浆期的胁迫天数与光谱反射率在400~900 nm均呈正相关关系, 即胁迫天数越长, 各波段的光谱反射率越高(图6)。
图6
新窗口打开|下载原图ZIP|生成PPT图6各时期洪涝胁迫后光谱反射率与胁迫天数的相关性
Fig. 6Correlation between spectral reflectance and flooding stress period of treatments at different stages
2.3.2 洪涝胁迫对光谱形状参数和植被指数的影响洪涝胁迫对叶绿素含量、冠层结构的影响, 改变光谱反射率的同时也改变了光谱曲线的形状。计算拔节期、吐丝期、灌浆期的洪涝胁迫后经典光谱形状参数和植被指数共25个, 并计算25个指数与洪涝胁迫天数的相关性, 结果见表2。
Table 2
表2
表2洪涝胁迫天数与光谱形状参数和植被指数的相关性
Table 2
名称 Parameters | 缩写 Abbreviation | 作者及年代 Author and year | 拔节期 Jointing stage | 吐丝期 Silking stage | 灌浆期 Filling stage |
---|---|---|---|---|---|
差值植被指数 Difference vegetation index | DVI [867, 671] | Richardso et al. (1977) [22] | -0.9491** | -0.8220* | -0.3405 |
DVI [550, 464] | -0.8906* | -0.2548 | -0.7216 | ||
DVI [550, 671] | -0.9515** | -0.6641 | -0.6018 | ||
比值植被指数 Ratio vegetation index | RVI [867, 671] | -0.9274** | -0.9373** | 0.7446 | |
归一化差值植被指数 Normalization difference vegetation index | NDVI [550, 671] | Rouse et al. (1974) [23] | 0.9635** | 0.7552 | -0.5113 |
NDVI [671, 867] | -0.9432** | -0.9481** | 0.6828 | ||
红谷位置 Location of red valley | λ0 | Liu (2002) [24] | -0.9660** | -0.8396* | 0.6613 |
红边峰值 Maximum value of the first derivative at the red edge | RFDMax | -0.9614** | -0.7990 | -0.2701 | |
吸收谷红谷深度 Depth of red absorption valley | Depth [670] | -0.9384** | -0.7593 | 0.6003 | |
反射峰绿峰深度 Depth of green peak | P_Depth [540] | -0.9378** | -0.5346 | 0.5522 | |
吸收谷红谷面积 Area of red absorption valley | Area [670] | -0.9378** | -0.6942 | 0.6217 | |
反射峰绿峰面积 Area of green reflectance peak | P_Area [540] | -0.9220** | -0.5719 | 0.5028 | |
红边位置 Red edge position | λp | -0.9194** | -0.8586* | 0.7817 | |
红边宽度 Red edge width | σ | -0.7454 | -0.7925 | 0.8302* | |
归一化反射峰绿峰深度 Normalized depth of green reflectance peak | P_ND [540] | 0.5344 | 0.6719 | 0.7217 | |
归一化吸收谷红谷深度 Normalized depth of red absorption valley | ND [670] | 0.9020* | 0.0476 | -0.6463 | |
抗大气植被指数 Visible atmospherically resistant index | Vari700 | Singh et al. (2002) [25] | -0.9442** | -0.8037 | 0.6074 |
VariGreen | -0.9695** | -0.8293* | 0.5179 | ||
光化学反射指数 Photochemical reflectance index | PRI [570, 531] | Gamom et al. (1992) [26] | -0.9546** | -0.8661* | 0.5112 |
最优土壤调节植被指数 Optimization of soil-adjusted regulatory vegetation index | OSAVI | Rondeaux et al. (1996) [27] | -0.9527** | -0.8567* | 0.2736 |
土壤调整植被指数 Soil-adjusted vegetation index | SAVI | Huete et al. (1988) [28] | -0.9493** | -0.8384* | -0.1070 |
转化型叶绿素吸收反射指数 Tidal constituent and residual interpolation | TCARI | Haboudane et al. (2002) [29] | -0.5457 | -0.3166 | -0.7241 |
叶绿素含量指数 Canopy chlorophyll inversion index | CCII | Haboudane et al. (2002) [29] | 0.5441 | 0.6918 | -0.7130 |
绿度指数 Green normalization difference vegetation index | GreenNDVI | Baret et al. (1991) [30] | 0.8977* | 0.8795* | 0.8039 |
结构不敏感色素指数 Structure insensitive pigment index | SIPI | Penuelas et al. (1995) [31] | 0.9514** | 0.9564** | -0.5422 |
新窗口打开|下载CSV
洪涝胁迫天数与光谱形状参数和植被指数的相关性依然是拔节期和吐丝期较大, 灌浆期最小, 且以负相关为主。25个指数中拔节期17个达到极显著相关水平, 4个达到显著相关水平; 吐丝期3个达到极显著相关水平, 8个达到显著相关水平; 灌浆期1个达到显著相关水平。归一化差值植被指数NDVI [671, 867]、比值植被指数RVI [867, 671]、结构不敏感色素指数SIPI在拔节期和吐丝期的洪涝胁迫程度均达到极显著相关水平, 可以作为2个生育时期洪涝灾害监测的共同指数。
2.4 洪涝胁迫玉米产量损失评估
将胁迫处理完后5 d与洪涝胁迫之前的归一化差值植被指数NDVI [671, 867]、比值植被指数RVI [867, 671]、结构不敏感色素指数SIPI的差值DNDVI、DRVI、DSIPI作为洪涝胁迫产量损失率估算的参数, 分别对拔节期和吐丝期的洪涝胁迫玉米产量损失率进行线性、多项式拟合, 拟合效果均以多项式较优(表3)。Table 3
表3
表3拔节期和吐丝期洪涝胁迫玉米产量损失率模型
Table 3
参数 Parameter | 参数计算公式 Parameter calculation formula | 拔节期洪涝胁迫玉米产量损失率模型 Model of maize yield loss rate under flooding stress at jointing stage | 吐丝期洪涝胁迫玉米产量损失率模型 Model of maize yield loss rate under flooding stress at silking stage |
---|---|---|---|
DNDVI | NDVIafter - NDVIbefore | y = -86.051 x2 + 470.53 x + 9.5564 (-0.04 < x < 0.14, 0 < y < 75%) R2 = 0.8969 | y = -2803.8 x2 - 586.71 x + 13.8 (-0.07 < x < 0.03, 0 < y < 45%) R2 = 0.9337 |
DRVI | RVIafter - RVIbefore | y = -1163.9 x2 - 855.71 x + 9.8187 (-0.09 < x < 0.02, 0 < y < 75%) R2 = 0.8951 | y = -9118.2 x2 + 1024.7 x + 13.888 (-0.02 < x < 0.05, 0 < y < 45%) R2 = 0.9320 |
DSIPI | SIPIafter - SIPIbefore | y = -19600 x2 - 1985.3 x +15.814 (-0.06 < x < 0.01, 0 < y < 75%) R2 = 0.9433 | y = -13599 x2 -814.11 x + 26.53 (-0.03 < x < 0.03, 0 < y < 45%) R2 = 0.9697 |
新窗口打开|下载CSV
3个参数DNDVI、DRVI、DSIPI分别建立的多项式产量损失率评估模型, 以DSIPI为参数建立的模型效果最好, 模型拟合图见图7和图8, 其次为参数DNDVI建立的产量损失评估模型, 再次为参数DRVI建立的模型。
图7
新窗口打开|下载原图ZIP|生成PPT图7拔节期玉米洪涝胁迫产量损失评估DSIPI模型拟合图
Fig. 7Fitting chart of maize yield loss rate with DSIPI under flooding stress at jointing stage
图8
新窗口打开|下载原图ZIP|生成PPT图8吐丝期玉米洪涝胁迫产量损失评估DSIPI模型拟合图
Fig. 8Fitting chart of maize yield loss rate with DSIPI under flooding stress at silking stage
3 讨论
玉米洪涝灾害是玉米生产中面临的重要气象灾害, 生产单位和政府于灾后均需及时掌握受灾面积和受损程度。当前已有玉米洪涝胁迫后玉米生理变化的深入研究, 以及以水体识别为主的洪涝灾害面积遥感监测的研究和应用, 但将玉米胁迫生理变化同遥感监测与评估技术相结合的相关研究鲜有报道, 玉米洪涝灾害监测仍停留在定性识别的阶段。为了建立玉米洪涝胁迫遥感监测和灾损评估方法, 本研究克服玉米洪涝灾害突发性和不可重复性的特点, 系统开展不同生育时期、不同胁迫程度玉米洪涝灾害人工模拟试验, 活体、持续、定位监测叶片叶绿素、冠层光谱和覆盖度, 分析洪涝胁迫下叶绿素、覆盖度的变化, 从典型植被光谱曲线各波段控制因素角度, 研究光谱变化的原因, 确定了不同生育时期洪涝胁迫特征波段和植被指数。基于洪涝胁迫程度与稳定性较好的植被指数, 建立灾损评估模型。洪涝胁迫后的变化不仅包括叶绿素、覆盖度还包括其他理化指标以及土壤水分的变化, 每个生育时期的情况各不相同, 还需进一步分析各指标与光谱变化的内在联系, 尤其是适当的光谱预处理提取土壤背景含水量的数据, 将有助于建立完善的遥感监测和评估技术体系。拔节期、吐丝期洪涝胁迫与玉米遭受其他胁迫后光谱反射率的变化趋势相同[33], 可辅助气象数据确定玉米是否遭受洪涝胁迫。通常, 植株越健壮, 叶绿素吸收可见光进行光合作用的能力和自我保护反射近红外光灼伤的能力越强, 可见光的反射率越低, 近红外反射率越高, 但灌浆期玉米遭受胁迫后光谱呈现植株长势良好态势, 实质是玉米遭受洪涝灾害贪青晚熟的表现。
试验过程中曾出现2次自然降雨, 对叶片叶绿素的持续观测发现, 受光照和气温的影响, 降雨时叶片叶绿素急剧下降, 雨后随着天气的好转, 叶绿素能够快速恢复到降雨前水平。本试验光谱测试均于晴天开展, 对整体试验结果无影响。
由遗传基因决定, 不同品种有不同的耐涝特性, 不同土壤的渗水性、通气性亦不同, 本研究仅在红壤土试验地用了目前试验区域主推品种之一, 代表性还不够全面。人工模拟采用地下水, 水深为30 cm, 不同于温度较高的自然降雨, 且试验时天气为晴天而不是阴天, 试验条件下植株和群体的变化与自然发生的洪涝胁迫还存在一些不同。因此, 还需要进一步丰富受试品种与土壤类型, 继续开展与自然洪涝胁迫更为吻合的试验。
拔节期、吐丝期和灌浆期的洪涝胁迫对玉米生长产生了负面影响, 拔节期危害最大, 吐丝期次之, 灌浆期较轻, 这与王成业等人的研究结论一致[33,34]。拔节期洪涝胁迫能显著降低叶绿素的含量, 植株叶片发黄, 覆盖度急剧降低, 冠层光谱变为裸露土壤和胁迫后玉米植株的混合光谱, 可见光和近红外平台光谱反射率都显著降低。吐丝期洪涝胁迫对叶绿素基本无影响, 而覆盖度稍有降低, 光谱曲线变化不及拔节期显著。灌浆期洪涝胁迫稍微加速了叶绿素的分解和叶片的衰老, 覆盖度略有下降, 但影响均不大。可用与拔节期和吐丝期胁迫程度相关度都较高的结构不敏感色素指数, 胁迫之后与胁迫前的差值DSIPI为参数建立模型, 进行玉米洪涝灾害损失的评估。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
,
[本文引用: 1]
[本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 1]
[本文引用: 1]
,
URL [本文引用: 1]
[本文引用: 1]
,
URL [本文引用: 1]
以郑单958为试验材料,在盆栽条件下研究了淹水及淹水解除后玉米幼苗根系、叶片形态、光合生理及植株的恢复生长。结果表明:(1) 淹水总体上抑制玉米幼苗根系生长,短期淹水(7d)导致根系总长度、根系表面积、根系体积均显著降低,随着淹水时间延长(14d)玉米根系产生大量不定根,使得根系总长度、根系表面积、根系体积显著升高(P<0.01);(2)淹水条件下叶片生长同样受到抑制,玉米叶面积、叶型指数和可见叶片数均显著下降;(3)淹水条件下玉米幼苗的光合性能下降,光合色素总含量降低,但短期淹水(7d)后叶绿素a/b值提高;气孔限制(Ls)是淹水7d植株光合速率下降的主要因素,而非气孔限制则是淹水14d植株光合速率下降的主要因素。(4)淹水处理7d、14d后的玉米幼苗均能够恢复生长,但恢复生长速率随淹水时间延长而降低;在恢复生长过程中,光合生理指标恢复早于形态恢复,强光对于淹水后幼苗恢复生长具有明显的抑制效应。
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
,
DOI:10.1016/j.fcr.2004.03.002URL [本文引用: 1]
,
DOI:10.4141/CJPS2013-175URL [本文引用: 1]
A field experiment was performed to study the effects of waterlogging for different durations (3 and 6 d) on the yield and growth of summer maize at the three-leaf stage (V3), six-leaf stage (V6), and the 10th day after the tasseling stage (10VT). The results after 2 yr indicated that maize development and grain yield responses to waterlogging depended on both stress severity (intensity and duration) and different growth stage. Yield decreased significantly with an increased waterlogging duration during V3 and V6. The yields of maize hybrid Denghai 605 (DH605) in treatments V3-3, V3-6, V6-3, V6-6, 10VT-3, and 10VT-6 were 23, 32, 20, 24, 8, and 18% lower than those of the control (CK), respectively; Yields of Zhengdan 958 (ZD958) were lower by 21, 35, 15, 33, 7, and 12%, respectively. Waterlogging also affected the growth and development of summer maize. Ear characteristics (grains per ear and 1000-grain weight) and plant morphology (plant height, ear height, and leaf area index) decreased, whereas the bald tip length increased significantly. The maximum grain-filling rate decreased under waterlogging; furthermore, the dry matter accumulation decreased and dry matter distribution proportions of the stem and leaf increased. However, the distribution proportion of grain decreased. Maize was most susceptible to waterlogging damage at V3, followed by V6 and 10VT, with damage increasing with increasing waterlogging duration.
,
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
URL [本文引用: 1]
为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率Landsat TM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize, CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和Landsat TM 2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3 a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3 a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。
[本文引用: 1]
,
URL [本文引用: 1]
粮食安全问题一直倍受世界各国关注,及时、准确地了解其他国家或地区的粮食生产状况,对于中国粮食贸易和粮食宏观调控,具有十分重要的意义。本文以美国冬小麦和玉米为研究对象,在分析各作物空间分布及生长季节的基础上,利用土地利用数据剔除非耕地信息,使提取的归一化植被指数(NDVI)客观地反映各作物的生长状况。以1998—2007年的SPOT VEGETATION旬最大值合成NDVI资料为数据源,研究了美国玉米和小麦生长季的旬NDVI与产量的关系,确定了不同月份的建模因子,分别建立了美国玉米和冬小麦不同月份的产量动态预报模型。通过对各模型估算产量与实际产量进行比较,各模型预报结果的相对误差大部分在3%以内,精度较高,说明建立的作物产量动态预报模型实用可行,能够投入产量预报业务应用。
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
URL [本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
DOI:10.1016/S0034-4257(02)00018-4URL [本文引用: 2]
,
[本文引用: 1]
,
[本文引用: 1]
,
,
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 1]
[本文引用: 1]