一、杂交水稻农业气象试验小结(论文文献综述)
马成[1](2021)在《温光对水稻产量和品种的影响及遮阴对品质形成的生理分析》文中研究表明
李旭冉[2](2021)在《散射辐射比例增加对水稻碳氮代谢及产量品质的影响》文中提出当前大气气候背景下,长江中下游地区太阳辐射减弱的同时伴随着散射辐射比例增强存在。散射辐射比例增加对水稻的碳氮代谢、产量和品质形成产生了影响。为探寻太阳辐射减弱下,散射辐射比例增加对水稻碳氮代谢及产量品质变化情况,本研究以陵两优268为试验材料,在大田条件下设置2种遮光率与散射辐射比例梯度的处理:T1(遮光率14.42%,散射辐射比例39.98%)和T2(14.10%,31.09%),以不遮光(CK)作为对照,对水稻的移栽-成熟期间进行遮光处理。于2016年和2017年,对水稻各个关键生育期和抽穗后每隔7d直至成熟期进行采样,测定水稻群体分蘖、株高、叶绿素含量、叶面积指数、叶片和茎鞘的可溶性糖含量和含氮量、干物质重量、产量及其构成要素、籽粒蛋白组分及含量、籽粒直链淀粉和直链淀粉含量等以及稻米品质等相关要素,探讨太阳辐射减弱及散射辐射比例增强对水稻产量和品质的影响机理。主要结论如下:1.太阳辐射减弱的条件下散射辐射比例增加,2017年T1比T2的净光合速率平均值高4.96%;2016年和2017年抽穗后叶绿素SPAD最大值T1比T2高2.44%和7.42%;对于2016年和2017的叶片和茎鞘来说,氮含量平均值T1比T2高6.39%和7.25%,3.82%和4.58%;氮积累量最大值T1比T2高11.50%和14.21%,25.69%和13.26%;可溶性糖含量平均值T1比T2高14.96%和12.17%,15.15%和13.92%;可溶性糖积累量最大值T1比T2高10.81%和16.78%,12.27%和12.81%;可溶性糖转运量T1比T2高11.72%和14.25%,12.41%和14.93%。说明太阳辐射减弱的条件下散射辐射比例增加,氮转运量高,使水稻光合能力提升,促进水稻氮代谢和光合产物的产生。2.太阳辐射减弱的条件下散射辐射比例增加,2016年和2017年群体分蘖成熟期T1比T2高6.63%和2.74%;2016年和2017年叶片和茎鞘单茎积累量平均值T1比T2高6.66%和11.33%,6.62%和9.03%;地上部干物质单茎积累量平均值T1比T2高7.17%和6.71%;叶片和茎鞘干物质转运量、叶片和茎鞘干物质转运率、穗数、穗粒数和结实率都增加,最终2016年和2017年产量T1比T2高7.89%和6.51%。说明太阳辐射减弱的条件下散射辐射比例增加,使水稻光合能力提升,增强光合速率,水稻光合产物增加,使干物质积累增加,产量升高。3.太阳辐射减弱的条件下散射辐射比例增加,籽粒各蛋白组分含量T1>T2;2016年和2017年蛋白质含量平均值T1比T2高13.25%和14.47%;水稻籽粒出糙率、整精米率、垩白粒率和垩白度、胶稠度T1>T2;籽粒直链淀粉含量T1比T2高4.41%和4.99%;籽粒支链淀粉含量T1比T2高3.44%和4.99%;在抽穗7-35d,T1的籽粒总淀粉含量在2016年比T2高6.21%、4.23%、4.18%、3.76%和3.65%,在2017年比T2高6.23%、3.83%、5.16%、4.12%和4.60%,淀粉直支比T1>T2,导致加工品质、营养品质和食味品质变好,外观品质变差。综上,太阳辐射减弱的条件下散射比例增加,可在一定范围内增强作物生产力、增强碳氮代谢、增加干物质积累量,有利于灌浆,增加群体分蘖,使产量增加、加工品质、营养品质和食味品质上升。
王坤[3](2021)在《不同遮阴处理下施肥对水稻生产及稻田CH4和N2O排放的影响》文中指出太阳辐射减弱是气候变化的主要特征之一。太阳辐射减弱下不同肥料种类和施用量对水稻生产、稻田甲烷(CH4)和氧化亚氮(N2O)排放有何影响,尚不明确。水稻是我国主要的粮食作物,气候变化背景下如何保障粮食安全,改善稻米品质是目前人们关注的热点问题。本文通过田间模拟试验研究了不同生育期遮阴条件下施用氮磷钾复合肥和硅肥对水稻产量、品质及稻田土壤CH4和N2O排放强度的影响,为区域水稻可持续生产及应对气候变化提供试验参考依据。田间模拟试验于2019年5月至2020年10月于南京信息工程大学农业气象试验站试验田进行。采用3因素3水平正交试验设计,遮阴设3水平,即不遮阴(S0,遮阴率为0)、水稻开花-成熟遮阴(S1,遮阴率为64%)和分蘖-成熟遮阴(S2,遮阴率为64%);氮磷钾复合肥设3水平,即100 kg?ha-1(F1)、200 kg?ha-1(F2)和300 kg?ha-1(F3);硅肥设3水平,即不施硅(R0)、钢渣200 kg?ha-1(R1)和钢渣400 kg?ha-1(R2)。供试土壤为潴育型水稻土,供试水稻品种为南粳5055,供试氮磷钾肥料为高浓度氮磷钾复合肥(15-15-15),硅肥为钢渣粉。主要研究结果如下:(1)水稻生物量和产量两年水稻生育期内生物量和产量的影响结果基本一致,遮阴使生物量下降,使水稻有效穗数、每穗粒数、千粒重、结实率等产量构成因素显着降低,导致水稻产量显着降低,减产率43.32%-48.52%。施复合肥和施硅肥对水稻生物量和产量无显着影响,对部分产量构成因素影响显着。施硅肥使水稻生物量增加,2019年施硅肥使千粒重显着降低,而2020年施硅肥使千粒重增加。(2)稻米品质两年水稻生育期内稻米品质的影响结果基本一致,遮阴使水稻糙米率、精米率、整精米率显着降低,各加工品质均表现为S0>S1,S1<S2。遮阴对粒长宽比和直链淀粉含量无显着影响。遮阴显着增加蛋白质含量,S0<S2<S1。2019年和2020年施氮磷钾复合肥和施硅肥对水稻加工品质、粒长宽比、直链淀粉含量以及蛋白质含量无显着影响;施氮磷钾复合肥各处理下,直链淀粉含量F2>F1>F3,蛋白质含量F1<F2<F3;施硅肥使整精米率增加,蛋白质含量降低,合理施用复合肥和硅肥可以改善水稻品质。(3)稻田土壤CH4和N2O排放2019年和2020年遮阴处理极显着或显着降低CH4累积排放量,均为S0>S1>S2;显着或明显增加了N2O排放量,均为S0<S1<S2。2019和2020年施用复合肥显着或明显增加了CH4排放量,2019年F1<F2<F3,2020年F1<F3<F2;两年施复合肥显着或明显增加N2O排放量,F1<F2<F3。2019年施硅肥CH4排放量有显着影响,CH4排放量R2>R0>R1,2020年施硅使CH4排放量降低,R0>R1>R2;施硅肥使N2O排放量增加。两年试验结果表明,2019年和2020年遮阴对总温室效应有极显着或显着影响;2019年施复合肥和施硅肥对总温室效应影响显着,2020年影响不显着;各处理对碳排放强度影响均不显着。遮阴降低总温室效应,施氮磷钾复合肥增加总温室效应和碳排放强度,适量施硅肥降低总温室效应和碳排放强度。在太阳辐射减弱背景下,施复合肥100 kg?ha-1,硅肥400 kg?ha-1,在保证水稻产量和品质的同时,能有效降低稻田CH4和N2O总温室效应和排放强度。
邢钰媛[4](2021)在《施生物炭和硅肥对增温水稻生产及稻田温室气体排放的影响》文中进行了进一步梳理夜间增温幅度大于白天是气候变暖的主要特征之一。夜间增温显着影响水稻生产及CH4和N2O排放,施生物炭和硅肥则促进作物生长发育,降低稻田温室气体排放,但能否缓解夜间增温对水稻生产的影响,迄今尚不清楚。通过田间模拟试验,研究了夜间增温下施生物炭和硅肥对水稻生理特性、产量、品质和温室气体排放的影响,为促进区域水稻可持续生产及应对气候变化提供参考依据。田间模拟试验于2019年6月至10月和2020年6月至10月,在南京信息工程大学农业气象试验站试验田进行。供试土壤为潴育型水稻土,供试水稻为南粳5055,供试肥料为稻壳生物炭、钢渣粉和矿粉。稻田CH4和N2O排放通量采用静态箱-气相色谱法测定。水稻生理指标采用Li-6400便携式光合作用仪和植物效率分析仪测定。采用3因素3水平正交试验设计,夜间增温设常温对照(W0)、5 mm铝箔膜覆盖(W1)和11 mm铝箔膜覆盖(W2)3水平;生物炭设不施生物炭(B0)、施7.5 t·hm-2(B1)和施17.5 t·hm-2(B2)3水平;硅肥设不施硅(Si0)、钢渣粉(Si1,200 kg·hm-2)和矿粉(Si2,200 kg·hm-2)3水平。主要结果如下:(1)夜间增温效果、水稻光合参数和荧光特性在水稻关键生育期,5 mm和11 mm铝膜覆盖可分别使2019年5 cm土层夜间均温增加1.05℃和0.35℃,10 cm土层增加0.74℃和0.29℃;而2020年水稻冠层夜间均温的增温幅度分别为0.26℃和0.09℃,株高中部则为0.24℃和0.36℃。对于全生育期平均光合参数,夜间增温降低两年净光合速率(Pn)、气孔限制值(Ls)和水分利用效率(WUE)。5 mm铝膜覆盖使两年气孔导度(Gs)和胞间CO2浓度(Ci)均增加,2019年蒸腾速率(Tr)增加,2020年蒸腾速率降低;11 mm铝膜覆盖使两年蒸腾速率增加,气孔导度降低,2019年胞间CO2浓度降低,2020年胞间CO2浓度增加。其中,对2019年Gs、Ci、Ls和2020年WUE影响显着(P<0.05),2020年Pn、Ci和Ls影响极显着(P<0.01)。夜间增温降低水稻灌浆期PSⅡ潜在活性、最大捕获量子产额、光合性能和推动力,使光热耗散增加。施生物炭和硅肥能增加水稻净光合速率、灌浆期光合性能和推动力,缓解夜间增温对光合作用的抑制,且使两年水稻光合作用及荧光特性最强的组合为W0B2Si2(常温对照、施17.5 t·hm-2生物炭和施200 kg·hm-2矿粉)。(2)水稻产量构成、产量及加工品质夜间增温增加千粒重、结实率和蛋白质含量,降低直链淀粉含量、有效穗数和每穗粒数而导致产量降低,对两年直链淀粉含量的影响均达显着(P<0.05),2020年产量和每穗粒数的影响达显着(P<0.05)和极显着(P<0.01)水平。5 mm和11 mm铝膜覆盖可分别使2019年水稻减产27.49%和20.11%,2020年则为21.40%和25.88%,但对加工品质的影响不明显。施7.5 t·hm-2和17.5 t·hm-2生物炭可分别使2019年水稻增产15.84%和10.94%,2020年则增产15.76%和3.65%。不同施炭量基本增加营养品质,降低加工品质,对2020年产量影响显着(P<0.05)。硅肥则增加水稻加工品质和结实率,对2019年精米率和整精米率影响显着(P<0.05)。钢渣粉和矿粉可分别使2019年水稻减产15.13%和18.94%,2020年则为增产8.45%和减产1.65%。使两年水稻产量及品质均最佳的组合为W2B2Si1(11 mm铝膜覆盖、施17.5 t·hm-2生物炭和200 kg·hm-2钢渣粉)。(3)稻田温室气体排放两年夜间增温均降低稻田CH4和N2O总累积排放量,使总增温潜势(SGWP)和温室气体排放强度(GHGI)降低。不同施炭量基本均降低两年CH4总累积排放量、SGWP和GHGI,增加N2O总累积排放量,2019年施7.5 t·hm-2生物炭的作用效果则相反;对2020年GHGI的影响可达显着水平(P<0.05)。施硅肥均降低两年CH4总累积排放量和SGWP,并使2019年N2O排放增加,2020年N2O排放降低。本研究中夜间增温、生物炭和硅肥均降低稻田温室气体排放,使温室气体影响最弱的组合为W1B1Si1(5 mm铝膜覆盖、施7.5 t·hm-2生物炭和200 kg·hm-2钢渣粉)。综合考虑生理、产量、品质和温室气体排放等指标,在促进水稻生产同时实现稻田减排的最佳组合为W1B1Si1。研究认为,气候变暖背景下施7.5 t·hm-2生物炭与200 kg·hm-2钢渣粉可有效地缓解夜间增温对水稻生产带来的不利影响。
王圆媛[5](2021)在《不同CO2浓度升高水平对稻田CH4排放的影响及机理研究》文中认为受人类活动干扰,大气中二氧化碳(CO2)浓度持续上升,由西方工业革命前的280ppm增加到2019年的410.5 ppm。最近10年,大气CO2浓度增速加快,年均增速达2.37ppm。在温室气体(GHGs)排放中等稳定化情景下,2100年大气CO2浓度预计达到538–670 ppm。甲烷(CH4)对全球变暖的贡献仅次于CO2,其在百年尺度上的全球增温潜势(GWP)是CO2的28–34倍。稻田是大气CH4的重要排放源之一,其排放量约为31–112 Tg yr–1,占全球CH4总排放量的5–19%。稻田CH4产生是在严格厌氧条件下,产甲烷菌作用于产甲烷底物的结果。目前,大部分研究者认为,CO2浓度升高(多在升高200ppm)促进了稻田CH4排放。但在未来不同碳排放情景下,大气CO2浓度差异很大,且大气CO2浓度升高是渐增的过程,而不是瞬间增至并保持高浓度常值。因此,CO2浓度渐增和骤增对稻田CH4排放的影响可能存在差异。此外,一般认为CO2浓度升高难以直接改变土壤产甲烷菌群落,但可以通过影响植物生长、土壤理化性质和土壤酶活性而间接影响土壤产甲烷菌,从而影响稻田CH4排放。然而由于根际过程的复杂性,很难简单解释CO2浓度升高是如何影响稻田CH4排放。在气候变化情景下,明确稻田CH4通量的时空变化规律,准确估算单位水稻产量CH4排放量,探讨影响稻田CH4排放的机理,对农业适应气候变化和碳中和具有重要意义。本研究依托2016年建成的基于开顶式气室(OTCs)的CO2浓度自动调控平台,于2018–2020年水稻(Oryza sativa L.)生长季进行了田间试验,以研究不同CO2浓度升高水平对稻田CH4排放的影响及机理。实验包括3个CO2浓度处理,分别为对照(CK):背景大气CO2浓度;CO2浓度渐增(C1):在背景大气CO2浓度基础上,2018年水稻季+120 ppm、2019年水稻季+160 ppm、2020年水稻季+200 ppm;CO2浓度骤增(C2):背景大气CO2浓度+200 ppm。供试水稻品种为南粳9108。2018年的水分管理方式为实行持续淹水(CF),而2019年和2020年实行前期淹水–中期烤田–后期干湿灌溉(FDFM)的水分管理方式。在各处理水稻关键生育期,使用透明静态箱–激光温室气体分析仪技术测定了CH4通量;借助微宇宙室内培养试验分析了水稻根际土壤(5–10 cm)产甲烷潜势(MPP);运用实时荧光定量PCR技术(q PCR)检测了根际土壤的产甲烷菌丰度;采用Illumina Mi Seq测序技术比较了产甲烷菌的群落结构。主要研究结果如下:(1)CO2浓度升高对稻田CH4排放的影响可能体现为长期效应,CO2浓度持续升高5年才能显着增加稻田CH4排放。在2018和2019年水稻生长季,与CK相比,C1和C2处理对稻田CH4累积排放量(CAC)的增加效应并不显着。而在2020年水稻生长季,与CK相比,C1和C2处理显着增加了稻田CAC。有趣的是,CO2浓度升高显着提高了3个水稻生长季单位水稻产量CH4排放量。此外,在2018和2019年水稻生长季,单位水稻产量CH4排放量与不同CO2浓度水平之间存在显着的比例关系;在2020年水稻季,C2处理的单位水稻产量CH4排放量较C1处理显着提高了12.6%。(2)水稻植株对短期(小于4年)的CO2浓度升高存在一定的缓冲能力,CO2浓度升高(+200 ppm)持续5年才能显着增加水稻地上生物量,从而提高土壤DOC浓度。在2018和2019年水稻季,C1和C2处理对水稻地上生物量无显着影响。在2020年水稻季,C2处理的地上生物量较CK处理显着提高了25.3%;同时,C2处理的地上生物量较C1处理显着提高了12.2%。类似的,CO2浓度升高对2018和2019年水稻季的土壤可溶性有机碳(DOC)浓度影响并不显着,但显着增加了2020年水稻季的季节平均土壤DOC浓度。回归分析进一步表明,土壤DOC浓度与水稻地上生物量之间呈显着线性正相关。此外,在3个水稻季,CO2浓度升高使季节平均土壤转化酶活性显着增强,但对水稻产量、土壤铵态氮(NH4+–N)和硝态氮(NO3––N)浓度及土壤酸碱度(p H)均没有显着影响。值得注意的是,CO2浓度升高120 ppm和升高160 ppm没有显着影响脲酶和过氧化氢酶活性,但CO2浓度升高200 ppm使2018和2020年季节平均土壤脲酶及过氧化氢酶活性显着增强。同时,在2020年水稻季,C2处理的季节平均土壤脲酶活性较C1处理显着增强了3.0%。(3)短期(小于4年)CO2浓度升高引起的有机质输入和环境因素的变化可能不足以引起产甲烷菌群落结构和多样性的显着改变。总体而言,CO2浓度升高对2018和2019年水稻生长季的土壤产甲烷菌丰度影响并不显着。而在2020年水稻季,与CK相比,C1处理显着增加了分蘖期和乳熟期的土壤产甲烷菌丰度,C2处理显着增加了各个生育期的土壤产甲烷菌丰度。类似的,在2018和2019年水稻季,从分蘖期到乳熟期,与CK处理相比,C1和C2处理对土壤MPP都有一定的正效应,但这些正效应并不都显着。而在2020年水稻季,与CK处理相比,C1和C2处理使各生育期土壤MPP均显着提高。值得注意的是,在2020年水稻季,与C1处理相比,分蘖期C2处理的产甲烷菌丰度和MPP分别显着提高了59.3%和24.1%;拔节期C2处理的产甲烷菌丰度显着提高了72.2%;灌浆期C2处理的MPP显着提高了24.4%。此外,在2018年水稻季,与CK处理相比,C2处理显着提高了甲酸甲烷规则菌(Methanoregula)的相对丰度。在2020年水稻季,与CK处理相比,C1和C2处理显着提高了亨氏甲烷螺菌(Methanospirillum)的相对丰度。然而,尽管在2018年水稻季,CO2浓度显着改变了拔节期的土壤产甲烷菌群落结构,但总体而言,在3个水稻季,不同CO2浓度处理下的产甲烷菌群落结构及多样性并没有显着差异。(4)CO2浓度升高通过影响水稻地上生物量而影响土壤理化性质及酶活性,从而间接改变产甲烷菌群落的生长环境,进而影响稻田CH4排放。在2018–2020年水稻季,稻田CH4排放量与水稻地上生物量及产量之间存在显着的线性关系,同时,基于土壤产甲烷潜势、mcr A基因丰度和DOC浓度的线性模型可以解释稻田CH4通量67.5%–81.6%的变异。此外,基于土壤转化酶、DOC和NH4+–N的线性模型可以分别解释2018和2019年水稻季土壤产甲烷潜势51.0%和59.3%的变异,而基于土壤DOC、NO3––N和p H的线性模型可以解释2020年水稻季土壤产甲烷潜势72.2%的变异。同时,在3个水稻生长季,稻田产甲烷菌丰度与土壤DOC浓度均呈显着正相关。综上,虽然CO2浓度升高显着改变了个别产甲烷菌的相对丰度,但总体而言,CO2浓度升高没有显着改变产甲烷菌群落结构和多样性。CO2浓度升高对稻田生态系统的影响体现为长期效应,CO2浓度持续升高5年,才能增加水稻地上生物量,提高根际土壤DOC浓度,从而提高产甲烷菌的活性和丰度,最终增加稻田CH4排放。值得注意的是,CO2浓度升高导致3个水稻季的单位水稻产量土壤CH4排放量均显着增加。此外,在2020年水稻季,与CO2浓度渐增处理相比,CO2浓度骤增处理的单位水稻产量土壤CH4排放量、地上生物量、脲酶活性分别显着提高了12.6%、12.2%和3.0%;同时,分蘖期CO2浓度骤增处理的产甲烷菌活性和丰度分别显着提高了24.1%和59.3%。因此,不应忽视CO2浓度逐渐升高的事实,只研究固定的高CO2浓度升高对农田生态系统的影响。
张涛[6](2021)在《散射辐射比例变化下水稻冠层高光谱特征及生长监测》文中指出近年来中国地区太阳辐射减弱及散射辐射比例提高对该地区水稻种植产生重要影响,本文结合了高光谱遥感技术研究了不同散射辐射比例下水稻冠层高光谱反射率曲线特征,分别分析了波段反射率,众多植被指数及基于集合经验模态分解(EEMD),快速傅里叶变换(FFT)和包络线消除方法的吸收谷参数与水稻LAI,地上总干物质和产量间的关系,使用主成分分析(PCA)和最小二乘法提取出与水稻生理显着相关的光谱参数,基于这些光谱参数使用岭回归,决策树回归,支持向量回归三类机器学习方法建立了在散射辐射比例变化下水稻LAI,地上总干物质中及产量的监测模型,为之后高光谱研究提供技术支持以及为之后散射辐射比例变化对水稻影响的研究提供一定的理论依据。主要结论如下:1)散射辐射比例变化会显着影响水稻冠层光谱反射率,其在可见光范围内(400~650nm)T3<T2<T1,而在近红外部分(750~1350nm)内T1<T2<T3,即光谱反射率在可见光内随着散射辐射比例提高而减小,在近红外内随着散射辐射比例的提高而提高,各处理在750~950nm内的反射率差异最为显着且随生育期延后而减小;“红边”(680~760nm)一阶导数光谱反射率随着散射辐射比例提高而提高,红边参数中红边位置随着散射辐射比例提高向长波方向移动(红移),红边最大斜率(Dλ)随着散射辐射比例的提高而提高,红边面积(area)随着散射辐射比例提高而显着增大,基于IG红边模型的红谷宽度(σ)随散射辐射比例的变化不显着。2)随散射辐射比例提高LAI显着提高,在散射辐射比例变化下LAI与771~872nm的光谱反射率有最高的极显着相关(决定系数为0.54);植被指数中MSAV、TVI-3、SAVI、VARIgreen、OSAVI和EVI与LAI呈极显着相关;500-600nm和750-1150nm、730-750nm和750-1150nm两个区域内差值植被指数(DVI)与LAI呈极显着相关;540-570nm和740-1200nm区域的归一化植被指数(NDVI)与LAI极显着相关;吸收谷参数中D969最能反映LAI的变化。基于PCA和线性回归最终挑选出在散射辐射比例变化下光谱参数R(771-872)1、indexPCA1、DVIpca1、D969最能反映LAI变化,其建立模型表明,岭回归的在0.5~10内模拟效果最好(RMSE为0.182,R2为0.7);决策树回归模型中最大深度为三层时效果最好(RMSE为0.177,R2为0.726);支持向量回归中使用高斯核函数的模型效果最好(RMSE为0.169,R2为0.751)。3)水稻地上总干物质随着透光率下降而显着减小但随散射辐射比例的变化不显着,在散射辐射比例变化下,水稻地上总干物质与765~813nm和823~864nm光谱反射率显着相关,植被指数VARIgreen和MSAVI与水稻地上总干物质显着相关,750-950nm和750-1350nm矩形区域内的DVI与水稻地上总干物质显着相关,以(450nm,450nm),(500nm,500nm),(700nm,700nm),(760nm,760nm)为中心的离散的NDVI与水稻地上总干物质显着相关;吸收谷参数中A553-673与水稻地上总干物质呈显着负相关(相关系数为-0.65)。基于挑选出的最能反映干物质随散射辐射比例变化的光谱参数R(765-864)1、VARIgreen、MSAVI、DVIpca1、NDVIpca1和A553-673建立其预测模型,结果表明,岭回归中正则化参数在0.8~1时模型表现最好,R2为0.6,RMSE为0.26kg/m2;决策树最大深度为3层时RMSE为0.235kg/m2,R2为0.663;支持向量回归中使用高斯核函数的模型模拟效果最好,RMSE为0.201 kg/m2,R2为0.778。4)散射辐射比例的变化对水稻产量有显着影响,水稻产量随着透光率下降而显着降低,随着散射辐射比例的提高而显着提高,在散射辐射比例变化下,不同生育期内与水稻相关的光谱参数不同,在花后14d时,613~712nm的光谱反射率与产量显着相关(R(613-712)1),植被指数mND705与产量显着相关,350~540nm和560~740nm矩形区域及对角线附近的DVI与产量显着相关(DVIpca1),540~560nm和550~650nm、690~740nm和750~1350nm区域的NDVI与产量显着相关(NDVIpca1),吸收谷参数D673与水稻产量呈显着正相关(相关系数为0.58);在花后21d时,518~617nm的原始光谱反射率(R(518-617)1)及植被指数redeage和MCARI与水稻产量显着相关,350~550nm和400~600nm、540~730nm和550~700nm的三角区域内的DVI与水稻产量呈显着相关(DVIpca1),546~555nm和750~1350nm、745~760nm和750~1350nm两个区域内NDVI与水稻产量显着相关(NDVIpca1),吸收谷参数中的A553-673和A1072-1192与产量相关性较高但建立的线性模型效果较差;在花后28d时,521~614nm的光谱反射率(R(521-614)1))和植被指数MCARI与水稻产量的呈显着相关,350~540nm和400~600nm、530~700nm和550~700nm两区域内的DVI与水稻产量呈显着相关(DVIpca1),360~530nm和400~700nm区域内的NDVI与水稻产量显着相关(DVIpca1),吸收谷参数中A969-1072与水稻产量呈显着负相关(相关系数为-0.70)。使用挑选出的各生育期的光谱参数建模可以得出,在花后14d时在0.1~0.5的岭回归效果最好(RMSE=0.04kg/m2,R2=0.58),最大深度为3的决策树回归效果最好(RMSE=0.035kg/m2,R2=0.82),高斯核函数的支持向量回归模型效果最好(RMSE=0.037kg/m2,R2=0.72);在花后21d时在0.1~0.5岭回归效果最好(RMSE=0.038kg/m2,R2=0.67),最大深度为3的决策树回归效果最好(RMSE=0.032kg/m2,R2=0.83),高斯核函数的支持向量回归模型效果最好(RMSE=0.026kg/m2,R2=0.87);在花后28d时在0.1~1岭回归效果最好(RMSE为0.038kg/m2,R2为0.72),最大深度为2的决策树回归效果较好(RMSE为0.033kg/m2,R2为0.75),高斯核函数的支持向量回归模型效果最好(RMSE为0.032kg/m2,R2为0.80)。同一生育期内支持向量回归模型的效果最好;岭回归模型的模拟效果随着生育而逐渐提高,决策树和支持向量回归模型在花后21d时效果最好;花后21d高斯核函数支持向量回归模型是所有产量预测模型效果最好。
李佳佳[7](2021)在《高温胁迫下设施番茄氮代谢机理及临界氮模型研究》文中进行了进一步梳理为了研究高温胁迫下设施番茄植株氮素运营规律,以番茄品种“金粉一号”(Jinfen1)为试材,在南京信息工程大学Venlo型温室开展高温和施氮量双因素全面试验。设置昼温/夜温4个温度水平,即T1(25℃/15℃,CK)、T2(30℃/20℃)、T3(35℃/25℃)和T4(40℃/30℃),5个施氮量水平,即不施用氮肥N1、0.5倍推荐施肥N2(1.3 g·株-1)、0.75倍推荐施肥N3(1.95 g·株-1)、正常推荐施肥N4(2.6 g·株-1,CK)、1.25倍推荐施肥N5(3.75 g·株-1)。在盆栽番茄植株开始吸收肥料后于不同温度处理的气候箱内进行高温试验,高温处理7 d后,移至常温下Venlo型试验温室内继续培养,第2日开始,通过定期测定和破坏性取样,系统探究不同高温/施氮量组合处理下番茄植株的光和特性、生长特性及氮素吸收和代谢特性,并建立不同温度处理下的临界氮浓度稀释模型与氮素营养诊断模型。研究结果如下:(1)随着高温胁迫程度的增加,番茄叶片的荧光值、荧光参数和PSII反应中心活性参数逐渐减小,番茄植株对氮素的需求逐渐降低,番茄叶片的可变荧光Fv与最大光化学效率Fv/Fm随着施氮量的增加呈现出先增大后减小的规律,N1处理的ABS/RC值、ETo/RC值和DIo/RC值逐渐高于其它4个氮素处理。(2)随着高温胁迫程度增加,番茄植株的株高和茎粗变化规律相似,均逐渐减少,茎粗的变化幅度比株高小;番茄植株对氮素的需求降低,干物质积累量减小,积累速度变慢,低氮处理下的干物质积累量高于高氮处理;叶片干物质分配比例降低,茎干干物质比例升高,不同氮素处理之间的干物质积累量和干物质分配比例差异减小。在T1处理和T2处理下,提高施氮量可以提高番茄根系活力,而在T3处理和T4处理下,施氮量增加,番茄根系活力呈现出先增大后减小的规律。(3)随着番茄植株的生长,所有处理的含氮量均逐渐减小,体现出氮稀释现象。在一定温度范围内,提高温度可以提高番茄叶片可溶性蛋白含量,从而促进番茄植株氮代谢。而在高温胁迫下,随着高温胁迫程度增加,5个氮素处理的番茄叶片的可溶性蛋白含量均显着降低,这表明高温胁迫较严重时,番茄植株氮代谢水平受抑制严重。随着取样天数的增加,所有处理的硝酸还原酶(NR)、谷氨酰胺合成酶(GS)和谷氨酸合成酶(GOGAT)活性均呈增加趋势。常温处理T1和轻度高温处理T2下,随着施氮量增加,NR、GS和GOGAT活性增大,中度高温胁迫T3和重度高温胁迫T4下,番茄植株氮需求减少,施氮量过多会使NR、GS和GOGAT活性显着降低。(4)设施番茄临界氮浓度与地上部生物量之间符合幂指数关系,即Nc=a·DM-b,其中,T1:Nc=4.167DM-0.252;T2:Nc=4.689DM-0.375;T3:Nc=3.287DM-0.353;T4:Nc=3.812DM-0.403。随着高温胁迫程度加重,番茄临界氮浓度呈现先增大后减小的趋势;随着施氮量的增加,各温度处理下的植株营养指数(NNI)增大,且随着处理时间延长植株营养指数大体呈现降低趋势。综上,随着高温胁迫程度加重,番茄植株所需施氮量逐渐减小,适当施氮可以缓解高温胁迫对番茄植株带来的损害,增强番茄植株的抗逆性,过量则会加重番茄受损程度。本研究表明,T1-T4处理下的适宜施氮量分别为2.6、2.6、1.95和1.3 g·株-1。
缪宇轩[8](2021)在《CO2浓度升高对高、低应答水稻品种的生长生理与气体交换模型参数的影响》文中研究指明大气CO2浓度自工业革命的280μmol mol-1开始,一直处于稳步上升的状态,至今已经超过400μmol mol-1。大力推行减排措施仅能延缓CO2的上升趋势,如果不采取减排措施,预计21世纪末大气CO2浓度将超过900μmol mol-1。作为空气的主要成分之一,CO2既是主要的温室气体,也是绿色植物光合作用的重要底物。由于C3植物的光合CO2饱和点远高于目前的大气CO2浓度,因此C3植物在升高的CO2浓度下往往具有更高的光合速率,进而能够加快光合有机物的生成与积累,提高净初级生产量,对作物而言最终将表现为产量与品质的提升。如今大气CO2浓度升高已经是不争的事实,因此研究人类主要粮食作物——水稻在未来升高的CO2浓度背景下的生长与光合生理特征,有助于我们进一步理解植物光合作用的机理,对维护世界粮食安全具有重要意义。植物的光合作用在微观上包括光系统(PS)光合电子的传递、光合暗反应中碳的同化、光呼吸等过程,光合作用的强度可以通过气孔导度、光系统光化学转化效率、Rubisco酶的数量与活性等光合指标来反映,并通过净光合速率直观表现。其中净光合速率与气孔导度除直接测量获得以外,也可以使用其他生理指标结合相关的气体交换模型模拟得出,模型的模拟具有数据易获得、参数易调节等优点,但存在模拟精度低下、模拟结果远离真实值的隐患。Farquhar等人1980年提出的C3植物光合生化模型(Fv CB模型)、Ball等人1987年提出气孔导度模型(BWB模型)以及经Medlyn等人2012年改进后的气孔导度模型(MED模型)是现今应用最为广泛的净光合速率模型与气孔导度模型。在利用这些模型进行净光合速率与气孔导度的模拟前,需要额外确定其中的模型关键参数值,例如Fv CB模型中的Vcmax,Jmax与Rd,BWB模型中的气孔斜率m与MED模型中的气孔斜率g1。这些参数被证明存在物种与环境上的差异,忽略差异性而使用统一的参数值将导致模拟精度的大幅度降低,因而分别估算不同处理下植物的模型参数值是必要的。本次研究利用开顶气室(OTC)试验模拟未来升高的大气CO2浓度,选取对CO2的应答能力较高的籼稻品种(杨稻6号)和应答能力较低的粳稻品种(武运粳30号)作为试验对象,分别在2019与2020年水稻的拔节期、孕穗期、抽穗期、灌浆期和成熟期五个不同生长阶段测量了环境CO2浓度(450μmol mol-1)与升高CO2浓度(650μmol mol-1)下两个水稻品种的生长指标、生理指标以及光合指标的日变化,研究大气CO2浓度升高对水稻的生长与光合生理的影响以及品种间的差异;同时利用测定的Anet-Ci数据估算不同CO2浓度、品种、生长期与年份下水稻的光合模型关键参数(Vcmax,Jmax和Rd)与气孔模型关键参数(m和g1),研究模型参数差异性,并结合光合指标日变化数据,评估这些差异性对模拟结果准确性的影响。主要的研究结果如下:(1)长期暴露在高CO2浓度下引起的碳氮代谢失调导致CO2浓度升高在水稻生长期前期的对叶面积指数的促进作用在成熟期变为了抑制作用,同时也对成熟期的叶绿素含量产生抑制作用。高应答品种杨稻6号品种对比低应答品种武运粳30号具有更强的拔节能力,生长更快更旺盛,且能够小幅度增强CO2浓度升高对籽粒大小与饱满度的正面影响。(2)CO2浓度升高对水稻净光合速率的促进作用从孕穗期到成熟期均弱于最初的拔节期,这一光合驯化现象在本次研究中并非由气孔闭合与光系统Ⅱ活性降低所导致。(3)净光合速率日变化呈现上午升高、下午降低的整体变化趋势,这是由外界光照强度、温、湿等环境因子主导的;部分处理下能够观察到净光合速率在午间前后下调,这种光合午间抑制现象是典型的净光合速率局部变化特征之一,而气孔的闭合以及光抑制等非气孔因素是导致这一现象的主导因子。(4)FvCB模型、BWB模型与MED模型参数Vcmax、Jmax、Rd、m与g1存在显着的季节性变异,其中BWB与MED模型的气孔斜率参数m与g1还存在CO2与品种上的差异;对比使用模型参数统一值,使用不同CO2浓度、品种、生长期与年份下的模型参数特定值可以使Fv CB模型、BWB模型与MED模型的模拟精度得到提高,这在Fv CB模型中尤为明显。综上所述,长期暴露于高CO2浓度下的水稻在生长发育、产量和光合生理上都发生了驯化现象,这可能是由氮库限制引起的碳氮代谢失调所导致的。另外,净光合速率日变化的整体变化特征主要受光、温、湿等环境要素的影响,而在数小时内的局部变化特征主要受气孔运动以及光系统等非气孔因子影响。最后,模型参数的取值应当考虑不同品种和环境上的差异性,用统一值来替代所有不同处理下的模型参数值是不合理的,并且会导致模拟精度降低。
邱子健[9](2021)在《CO2浓度升高条件下不同水稻品种土壤细菌群落的响应》文中提出大气[CO2]升高可以影响农作物生长发育、土壤养分循环,从而改变农业生态系统的结构和功能。水稻是重要的粮食作物,不同水稻品种对[CO2]升高的响应存在差异,进而对稻田土壤微生物群落产生影响。本研究依托开放式[CO2]升高(FACE)技术,以对[CO2]升高具有不同响应水平的四种水稻品种武运粳27号(WYJ27)、淮稻5号(HD5)、甬优1540(YY1540)和隆两优1988(LLY1988)为供试材料,分别设置正常浓度(a CO2)和[CO2]升高(e CO2:a CO2+200μmol·mol-1)两种[CO2]水平处理。主要通过第二代高通量测序技术,研究水稻土壤细菌群落结构和多样性对[CO2]升高及不同水稻品种的响应规律。本研究主要结论如下:(1)[CO2]升高可以使各生育期的水稻土壤TC含量均有升高,而高响应杂交稻LLY1988分蘖期土壤TN较对照显着升高(P<0.05),其分蘖前期的TN含量较高响应杂交稻YY1540处理显着升高(P<0.05);(2)水稻土细菌类群均以酸杆菌门、浮霉菌门、变形菌门、放线菌门和绿弯菌门为主。[CO2]升高后,低响应常规稻HD5和高响应杂交稻YY1540各自各生育期的土壤细菌群落组成呈极显着差异(P<0.01)。在各生育期,[CO2]升高与各品种对土壤菌群多样性无显着影响。灌浆期土壤细菌显着响应类群最丰富,其次是抽穗期。高[CO2]使低响应常规稻WYJ27和HD5的土壤蓝藻门及其菌属的相对丰度分别在抽穗期和灌浆期较对照出现显着降低趋势(P<0.05),WYJ27一类土壤产甲烷菌Rice Cluster I的丰度也在抽穗期出现显着降低。在抽穗期、灌浆期,高[CO2]条件下也使低响应常规稻较高响应杂交稻出现较多指示物种;(3)随着大气[CO2]升高,对不同水稻品种的土壤细菌群落结构影响最大的环境因子是土壤DOC,其次是土壤NO3--N、NO2--N,二者对物种相对丰度的影响均达极显着水平(P<0.01),并与部分类群细菌呈显着相关性(P<0.05),其中土壤DOC则与细菌群落丰富度呈直接的显着负效应(P<0.05);(4)[CO2]升高后,水稻土细菌群落多样性与产量无显着响应关系。在高[CO2]条件下,土壤变形菌门与产量的响应关系可能较放线菌门的细菌类群更为密切,在高响应杂交稻中二者呈显着负相关性(P<0.05),伴随变形菌门丰度提高,高响应水稻有减产趋势。综上所述,水稻抽穗期、灌浆期低响应常规稻土壤细菌群落对[CO2]升高的响应最为突出,而在[CO2]升高条件下,低响应常规稻的土壤细菌群落较高响应杂交稻也出现较多指示物种。伴随[CO2]升高,水稻土DOC含量增加有提高土壤细菌群落中部分细菌丰度、降低群落多样性的趋势,而未来在高响应杂交稻种植中可能需要对土壤变形菌门部分细菌的生长繁殖加以抑制,从而维持高产。
翟相英[10](2021)在《水稻种子遗传多样性及微生物菌剂对水稻幼苗耐低温性能的影响》文中研究表明水稻(Oryzasativa L.)是我国主要的粮食作物,低温冷害一直是东北水稻减产的主要原因之一。因此,提高水稻耐低温性能以及扩大耐低温水稻品系种质资源显得尤为重要。本试验通过对9个品系水稻种子表型性状的相关性以及聚类分析;对水稻萌发能力指标进行统计分析;对水稻发芽能力进行综合评价,探究水稻种子的表型性状与微生物菌剂对水稻幼苗耐低温性能之间的关系,以期为今后提高水稻耐低温性能和扩大耐低温水稻品系的研究提供有力的研究数据和可行的技术参考。(1)通过对9个品系水稻种子各表型性状指标进行测量和统计分析,结果表明:变异幅度上,种子的单粒重最大,谷粒长最小,说明种子的单粒重受环境因素的影响更大,而谷粒长受环境因素的影响相对较小。不同品系间各表型性状除单粒重外差异均显着(P<0.001),说明水稻种子表型变异较大,通过选择手段来改良这些性状特征的难易程度会因性状而异。种子的单粒重分别与谷粒长、谷粒宽、谷粒厚、粒长宽比呈极显着正相关,说明可以通过提高上述表型性状指标来提升种子的单粒重,进而达到增加产量的目的。聚类分析将9个品系水稻种子分为4个类群,表型性状变异较大,可以通过不同水稻品系之间的遗传关系来增加高耐低温性能水稻品系数量。(2)水稻幼苗萌发试验中,总体看,大部分水稻品系在微生物菌剂接种后,各指标表现均比CK组好,说明菌剂能够提升水稻幼苗的低温萌发能力和耐低温性能,且品系X-30与X-36在菌剂接种后表现最好。各指标间相关性分析得出,发芽势与发芽率呈显着正相关;株高与茎粗和干重呈显着正相关;鲜重与茎粗、干重、含水率呈显着正相关;枯萎率与干重、鲜重、含水率呈显着负相关。因此,试验证明微生物菌剂可以通过提高稻苗的茎粗和株高来提高稻苗的干重、鲜重与含水率,降低稻苗的枯萎率,进而提高稻苗的耐低温性能。(3)水稻种子发芽能力综合评价试验中,品系X-28、X-30、X-36、X-40、X-42和X-45在菌剂处理下均有一个或多个浓度梯度水稻投影函数值高于CK。说明试验中微生物菌剂作用显着,且A35菌剂浓度最能提高水稻的耐低温性能。
二、杂交水稻农业气象试验小结(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、杂交水稻农业气象试验小结(论文提纲范文)
(2)散射辐射比例增加对水稻碳氮代谢及产量品质的影响(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 太阳辐射的变化 |
1.2.2 影响太阳辐射的因素 |
1.2.3 辐射变化对水稻生长发育的影响 |
1.2.4 辐射变化对水稻光合作用和碳氮代谢的影响 |
1.2.5 辐射变化对水稻产量的影响 |
1.2.6 辐射变化对水稻品质的影响 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 实验设计和方法 |
2.1 试验材料和方法 |
2.2 试验测定项目 |
2.3 数据处理 |
第三章 散射辐射比例增加对水稻碳氮代谢的影响 |
3.1 试验期间气象要素变化 |
3.2 水稻叶绿素含量 |
3.2.1 水稻的SPAD值动态变化 |
3.2.2 水稻的抽穗期的叶绿素a/b比值 |
3.3 水稻光合特性 |
3.3.1 水稻灌浆期旗叶的光响应曲线 |
3.3.2 水稻灌浆期旗叶的光合速率动态变化 |
3.3.3 水稻灌浆期旗叶的光合特征 |
3.4 水稻荧光参数 |
3.5 水稻碳代谢 |
3.5.1 水稻叶片和茎鞘可溶性糖含量动态变化 |
3.5.2 水稻叶片和茎鞘的可溶性糖积累动态变化 |
3.5.3 水稻叶片和茎鞘可溶性糖转运量 |
3.6 水稻氮代谢 |
3.6.1 水稻叶片和茎鞘氮含量动态变化 |
3.6.2 水稻叶片和茎鞘的氮积累动态 |
3.6.3 水稻氮叶片和茎鞘氮转运量 |
3.7 本章小结 |
第四章 散射辐射比例增加对水稻产量的影响 |
4.1 水稻群体动态 |
4.1.1 水稻的群体分蘖 |
4.1.2 水稻的株高 |
4.1.3 水稻叶面积指数(LAI) |
4.2 水稻干物质积累与分配 |
4.2.1 水稻叶干物质单茎积累动态 |
4.2.2 水稻茎鞘干物质单茎积累动态 |
4.2.3 水稻地上部干物质单茎积累动态 |
4.2.4 水稻单茎干物质成熟期不同器官分配规律 |
4.2.5 水稻干物质转运量、转运率和贡献率 |
4.3 水稻产量及构成要素 |
4.4 本章小结 |
第五章 散射辐射比例增加对水稻品质的影响 |
5.1 水稻的加工品质 |
5.2 水稻的外观品质 |
5.3 水稻籽粒蛋白质及其组分含量 |
5.3.1 水稻籽粒醇溶蛋白含量动态变化 |
5.3.2 水稻籽粒球蛋白含量动态变化 |
5.3.3 水稻籽粒清蛋白含量动态变化 |
5.3.4 水稻籽粒谷蛋白含量动态变化 |
5.3.5 水稻籽粒蛋白质含量动态变化 |
5.4 水稻籽粒胶稠度和淀粉含量 |
5.4.1 水稻籽粒胶稠度含量 |
5.4.2 水稻籽粒直链淀粉含量动态变化 |
5.4.3 水稻籽粒支链淀粉含量动态变化 |
5.4.4 水稻籽粒总淀粉含量动态变化 |
5.4.5 水稻籽粒淀粉直支比动态变化 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 讨论 |
6.2 结论 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
(3)不同遮阴处理下施肥对水稻生产及稻田CH4和N2O排放的影响(论文提纲范文)
摘要 |
Abstract |
第一章 前言 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 不同遮阴处理对水稻产量和品质的影响 |
1.2.2 不同施肥处理对水稻产量和品质的影响 |
1.2.3 不同遮阴或施肥对水稻CH_4和N_2O排放的影响 |
1.3 研究目的与内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.4 技术路线图 |
第二章 试验材料与方法 |
2.1 试验区概况 |
2.2 试验设计 |
2.3 测定项目与方法 |
2.3.1 遮阴率的测定 |
2.3.2 水稻生物量和产量测定 |
2.3.3 水稻品质测定 |
2.3.4 水稻土壤CH_4和N_2O排放测定 |
2.3.5 增温潜势计算 |
2.3.6 碳排放强度计算 |
2.3.7 环境因子测定 |
2.4 数据处理 |
第三章 不同遮阴处理下施肥对水稻生物量及产量的影响 |
3.1 不同遮阴处理下施肥对水稻生物量的影响 |
3.2 不同遮阴处理下施肥对水稻产量的影响 |
3.3 不同遮阴处理下施肥对水稻产量构成因素的影响 |
3.4 讨论与小结 |
第四章 不同遮阴处理下施肥对水稻品质的影响 |
4.1 对水稻加工品质的影响 |
4.2 对水稻籽粒长宽比的影响 |
4.3 对水稻直链淀粉含量的影响 |
4.4 对水稻蛋白质含量的影响 |
4.5 讨论与小结 |
第五章 不同遮阴处理下施肥对水稻CH_4和N_2O排放的影响 |
5.1 不同遮阴处理下施肥对水稻CH_4排放影响 |
5.1.1 对水稻土壤CH_4季节变化规律的影响 |
5.1.2 对水稻土壤CH_4累积排放量的影响 |
5.2 不同遮阴处理下施肥对水稻N_2O排放影响 |
5.2.1 对水稻土壤N_2O季节变化规律的影响 |
5.2.2 对水稻土壤N_2O累积排放量的影响 |
5.3 水稻CH_4和N_2O的温室效应和排放强度 |
5.4 讨论与小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 创新点 |
6.3 存在问题与展望 |
致谢 |
参考文献 |
作者简介 |
(4)施生物炭和硅肥对增温水稻生产及稻田温室气体排放的影响(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外夜间增温相关研究进展 |
1.2.1 夜间增温对水稻生产的影响 |
1.2.2 夜间增温对水稻温室气体排放的影响 |
1.3 国内外生物炭相关研究进展 |
1.3.1 施生物炭对水稻生产的影响 |
1.3.2 施生物炭对水稻温室气体排放的影响 |
1.4 国内外硅肥相关研究进展 |
1.4.1 施硅对水稻生产的影响 |
1.4.2 施硅对水稻温室气体排放的影响 |
1.5 施硅、施生物炭和夜间增温对水稻的交互影响 |
1.6 研究目的和内容 |
1.6.1 研究目的 |
1.6.2 研究内容 |
1.7 技术路线图 |
第二章 研究材料和方法 |
2.1 试验区概况 |
2.2 试验设计 |
2.2.1 正交试验 |
2.2.2 试验装置与田间管理 |
2.3 研究方法 |
2.3.1 水稻叶片光合及荧光的测定 |
2.3.2 水稻产量与品质的测定 |
2.3.3 稻田CH_4和N_2O排放通量的测定 |
2.3.4 持续变化的全球增温/冷却潜势和温室气体排放强度估算 |
2.3.5 环境因子测定 |
2.4 数据处理 |
第三章 施生物炭和硅肥对增温水稻光合和荧光特性的影响 |
3.1 水稻关键生育期增温效果 |
3.2 施生物炭和硅肥对增温水稻光合作用的影响 |
3.2.1 净光合速率(Pn) |
3.2.2 气孔导度(Gs) |
3.2.3 胞间CO_2浓度(Ci) |
3.2.4 蒸腾速率(Tr) |
3.2.5 气孔限制值(Ls) |
3.2.6 水分利用效率(WUE) |
3.2.7 光合参数的方差分析 |
3.2.8 光合参数的极差分析 |
3.3 施生物炭和硅肥对增温水稻荧光特性的影响 |
3.3.1 OJIP曲线 |
3.3.2 荧光参数 |
3.3.3 荧光参数的方差分析 |
3.3.4 荧光参数的极差分析 |
3.4 讨论和小结 |
第四章 施生物炭和硅肥对增温水稻产量与品质的影响 |
4.1 施生物炭和硅肥对增温水稻产量及产量构成的影响 |
4.1.1 两年水稻产量及产量构成 |
4.1.2 产量及产量构成的方差和极差分析 |
4.2 施生物炭和硅肥对增温水稻加工品质与营养品质的影响 |
4.2.1 两年水稻加工品质与营养品质 |
4.2.2 加工品质与营养品质的方差和极差分析 |
4.3 讨论和小结 |
第五章 施生物炭和硅肥对增温稻田CH_4和N_2O排放的影响 |
5.1 试验期间气温和降水特征 |
5.2 稻田CH_4和N_2O排放通量季节性变化 |
5.2.1 稻田CH_4排放通量季节性变化 |
5.2.2 稻田N_2O排放通量季节性变化 |
5.3 稻田CH_4和N_2O的累积排放量 |
5.3.1 稻田CH_4累积排放量 |
5.3.2 稻田N_2O累积排放量 |
5.3.3 稻田CH_4和N_2O总累积排放量的极差分析 |
5.4 稻田CH_4和 N_2O的SGWP/SGCP和GHGI |
5.4.1 SGWP/SGCP和GHGI |
5.4.2 稻田SGWP/SGCP和GHGI的极差分析 |
5.5 讨论和小结 |
第六章 结论和展望 |
6.1 主要结论 |
6.2 创新点 |
6.3 不足之处和展望 |
参考文献 |
作者简介 |
致谢 |
(5)不同CO2浓度升高水平对稻田CH4排放的影响及机理研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略词 |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 稻田CH_4 排放的机理及影响因素 |
1.2.1 稻田CH_4 排放的机理 |
1.2.2 稻田CH_4 排放的影响因素 |
1.3 大气CO_2 浓度升高对稻田CH_4 排放及产甲烷过程的影响 |
1.3.1 大气CO_2 浓度升高的控制试验方法 |
1.3.2 CO_2 浓度升高对稻田CH_4 排放的影响 |
1.3.3 CO_2 浓度升高对稻田产甲烷菌的影响 |
1.3.4 小结 |
1.4 科学假设 |
1.5 拟解决的科学问题 |
1.6 研究内容和技术路线 |
1.6.1 研究内容 |
1.6.2 技术路线 |
第二章 材料与方法 |
2.1 试验区域概况 |
2.2 试验设计 |
2.2.1 不同CO_2 浓度设置 |
2.2.2 田间管理 |
2.2.3 CO_2 浓度升高控制系统 |
2.3 观测方法 |
2.3.1 CH_4 通量观测 |
2.3.2 水稻地上生物量和产量的测定 |
2.3.3 土壤指标的测定 |
2.4 数据统计分析 |
第三章 不同CO_2 浓度升高水平对稻田CH_4 排放的影响 |
3.1 引言 |
3.2 结果与分析 |
3.2.1 土壤温湿度 |
3.2.2 稻田CH_4 季节排放动态 |
3.2.3 CO_2 浓度升高对稻田CH_4 排放的影响 |
3.2.4 稻田CH_4 通量与土壤温湿度的关系 |
3.3 讨论 |
3.3.1 稻田CH_4 排放动态 |
3.3.2 CO_2 浓度升高对稻田CH_4 排放的影响 |
3.4 本章小结 |
第四章 不同CO_2浓度升高水平对水稻地上生物量和根际土壤理化性质及酶活性的影响 |
4.1 引言 |
4.2 结果与分析 |
4.2.1 不同CO_2 浓度升高下水稻地上生物量及产量的差异 |
4.2.2 不同CO_2 浓度升高下土壤理化性质的差异 |
4.2.3 不同CO_2 浓度升高下土壤酶活性的差异 |
4.2.4 不同CO_2浓度升高下水稻地上生物量及产量、土壤理化性质和土壤酶活性的关系 |
4.3 讨论 |
4.3.1 CO_2 浓度升高对稻田地上生物量及产量的影响 |
4.3.2 CO_2 浓度升高对稻田土壤DOC浓度的影响 |
4.3.3 CO_2浓度升高对稻田土壤NH_4~+–N和 NO_3~––N浓度的影响 |
4.3.4 CO_2 浓度升高对稻田土壤p H的影响 |
4.3.5 CO_2 浓度升高对稻田土壤酶活性的影响 |
4.3.6 不同CO_2浓度水平下水稻地上生物量及产量、土壤理化性质和土壤酶活性的关系 |
4.4 本章小结 |
第五章 不同CO_2 浓度升高水平对稻田土壤产甲烷菌的影响 |
5.1 引言 |
5.2 结果 |
5.2.1 不同CO_2 浓度升高水平对稻田产甲烷潜势的影响 |
5.2.2 不同CO_2 浓度升高水平对稻田产甲烷菌丰度的影响 |
5.2.3 不同CO_2浓度升高水平对稻田产甲烷菌群落α多样性的影响 |
5.2.4 不同CO_2浓度升高水平对稻田产甲烷菌群落α多样性的影响 |
5.2.5 不同CO_2浓度升高水平对稻田产甲烷菌群落组成的影响 |
5.3 讨论 |
5.3.1 不同CO_2浓度升高水平对稻田产甲烷菌活性和丰度的影响 |
5.3.2 不同CO_2 浓度升高下产甲烷菌群落的结构和多样性 |
5.3.3 不同CO_2 浓度升高下产甲烷菌群落组成 |
5.4 本章小结 |
第六章 不同CO_2 浓度升高水平对稻田CH_4 排放的影响机理 |
6.1 引言 |
6.2 结果与分析 |
6.2.1 稻田CH_4 排放与水稻地上生物量及产量的关系 |
6.2.2 稻田CH_4 排放与土壤理化性质及酶活性的关系 |
6.2.3 影响稻田产甲烷菌群落的环境因子分析 |
6.2.4 稻田CH_4排放与土壤产甲烷菌、理化性质及酶活性的综合关系 |
6.2.5 CO_2 浓度升高条件下稻田CH_4 排放的驱动机制 |
6.3 讨论 |
6.3.1 稻田CH_4 排放与水稻地上生物量及产量的关系 |
6.3.2 稻田CH_4 排放与土壤理化性质及酶活性的关系 |
6.3.3 影响稻田产甲烷菌群落的环境因子 |
6.3.4 稻田CH_4排放与土壤产甲烷菌、理化性质及酶活性的综合关系 |
6.4 本章小结 |
第七章 研究结论与展望 |
7.1 全文结论 |
7.2 创新点 |
7.3 问题与展望 |
参考文献 |
致谢 |
作者简介 |
(6)散射辐射比例变化下水稻冠层高光谱特征及生长监测(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的与意义 |
1.2 太阳辐射变化研究进展 |
1.2.1 中国太阳辐射变化 |
1.2.2 太阳直接辐射变化对水稻生长发育的影响 |
1.2.3 散射辐射比例增加对水稻生长发育的影响 |
1.3 高光谱遥感技术的研究进展 |
1.3.1 高光谱对叶面积指数反演的研究 |
1.3.2 高光谱对作物干物质及产量的研究 |
1.4 研究内容 |
1.5 研究路线 |
第二章 材料与方法 |
2.1 实验设计 |
2.2 数据测定 |
2.2.1 农学参数测定 |
2.2.2 冠层反射光谱测定 |
2.3 光谱数据处理与分析 |
2.3.1 光谱数据异常值处理 |
2.3.2 光谱参数 |
2.4 建模方法和评估参数 |
2.5 数据处理及建模工具 |
第三章 散射辐射比例变化对水稻冠层反射光谱的影响 |
3.1 不同散射辐射比例对水稻原始冠层光谱反射率曲线的影响 |
3.2 “红边”光谱曲线及红边参数分析 |
3.3 本章小结 |
第四章 散射辐射比例变化下水稻叶面积指数的监测 |
4.1 不同散射辐射比例下水稻LAI变化 |
4.2 散射辐射比例变化下光谱参数与水稻LAI关系 |
4.2.1 冠层反射率与LAI的关系 |
4.2.2 植被指数与LAI的关系 |
4.2.3 吸收谷参数与LAI的关系 |
4.3 散射辐射比例变化下水稻LAI预测模型建立和验证 |
4.3.1 岭回归模型的建立与验证 |
4.3.2 决策树回归模型的建立与验证 |
4.3.3 支持向量回归模型的建立与验证 |
4.4 不同散射辐射比例对光谱参数(LAI)的影响 |
4.5 本章小结 |
第五章 散射辐射比例变化下水稻地上总干物质重的监测 |
5.1 不同散射辐射比例下水稻地上总干物质重变化 |
5.2 散射辐射比例变化下光谱参数与水稻地上总干物质重关系 |
5.2.1 冠层反射率与地上总干物质重的关系 |
5.2.2 植被指数与地上总干物质重的关系 |
5.2.3 吸收谷参数与水稻地上总干物质重的关系 |
5.3 散射辐射比例变化下水稻地上总干物质重预测模型建立和预测 |
5.3.1 岭回归模型的建立与验证 |
5.3.2 决策树回归模型的建立与验证 |
5.3.3 支持向量回归模型的建立与验证 |
5.4 不同散射辐射比例对光谱参数(地上干物质)的影响 |
5.5 本章小结 |
第六章 散射辐射比例变化下水稻产量的监测 |
6.1 不同散射辐射比例下水稻产量变化 |
6.2 散射辐射比例变化下各生育期光谱参数与水稻产量关系 |
6.2.1 冠层反射率与产量的关系 |
6.2.2 植被指数与水稻产量的关系 |
6.2.3 吸收谷参数与水稻产量的关系 |
6.3 散射辐射比例变化下各生育期水稻产量预测模型的建立和预测 |
6.3.1 岭回归模型的建立与验证 |
6.3.2 决策树回归模型的建立与验证 |
6.3.3 支持向量回归模型的建立与验证 |
6.4 不同散射辐射比例对各生育期光谱参数(产量)影响 |
6.5 本章小结 |
第七章 结论及讨论 |
7.1 主要结论 |
7.2 讨论 |
7.3 创新点 |
参考文献 |
作者简介 |
致谢 |
(7)高温胁迫下设施番茄氮代谢机理及临界氮模型研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 植株对施氮量的响应 |
1.2.2 高温胁迫下施氮量对作物的影响 |
1.2.3 高温胁迫下临界氮模型构建和氮素营养诊断的研究 |
1.3 研究内容 |
1.4 技术路线 |
第二章 试验设计及研究方法 |
2.1 试验设计 |
2.2 测定项目与方法 |
2.2.1 荧光参数的测定 |
2.2.2 番茄植株生长参数的测定 |
2.2.3 番茄根系活力的测定 |
2.2.4 氮代谢指标的测定 |
2.2.5 地上部氮含量的测定 |
2.3 模型构建 |
2.3.1 Logistic模型 |
2.3.2 临界氮模型 |
2.3.3 氮素吸收模型 |
2.3.4 氮素营养指数模型(NNI) |
2.3.5 模型的检验 |
2.4 数据处理 |
第三章 不同高温/氮素组合对番茄叶片荧光特性的影响 |
3.1 不同高温/氮素组合对番茄叶片快速荧光诱导动力学的影响 |
3.1.1 不同高温/氮素组合对番茄叶片快速荧光诱导动力学曲线的影响 |
3.1.2 不同高温/氮素组合对番茄叶片相对可变荧光的影响 |
3.2 不同高温/氮素组合对番茄叶片荧光参数的影响 |
3.2.1 不同高温/氮素组合对番茄叶片荧光动力学参数的影响 |
3.2.2 不同高温/氮素组合对番茄叶片PSII反应中心活性参数的影响 |
3.3 本章小结 |
第四章 不同高温/氮素组合对番茄植株生长的影响 |
4.1 不同高温/氮素组合对对番茄植株形态生长的影响 |
4.1.1 不同高温/氮素组合对番茄植株株高的影响 |
4.1.2 不同高温/氮素组合对番茄植株茎粗的影响 |
4.2 不同高温/氮素组合对对番茄植株干物质积累和分配的影响 |
4.2.1 不同高温/氮素组合对番茄植株干物质积累的影响 |
4.2.2 不同高温/氮素组合下番茄植株干物质积累模型 |
4.2.3 不同高温/氮素组合对番茄植株干物质分配的影响 |
4.3 不同高温/氮素组合对对番茄植株根系活力的影响 |
4.4 本章小结 |
第五章 不同高温/氮素组合对番茄植株氮素吸收和代谢的影响 |
5.1 不同高温/氮素组合对番茄植株氮含量的影响 |
5.2 不同高温/氮素组合对番茄叶片可溶性蛋白的影响 |
5.3 不同高温/氮素组合对番茄叶片氮代谢酶的影响 |
5.3.1 不同高温/氮素组合对番茄叶片硝酸还原酶活性的影响 |
5.3.2 不同高温/氮素组合对番茄叶片谷氨酰胺合成酶活性的影响 |
5.3.3 不同高温/氮素组合对番茄叶片谷氨酸合成酶活性的影响 |
5.4 本章小结 |
第六章 高温胁迫下番茄临界氮模型的建立及氮素营养诊断 |
6.1 不同高温条件下番茄植株临界氮模型 |
6.1.1 模型的建立 |
6.1.2 模型的检验 |
6.2 不同高温条件下番茄植株氮素营养诊断 |
6.2.1 基于氮素吸收模型的营养诊断 |
6.2.2 基于氮素营养指数模型的营养诊断 |
6.3 本章小节 |
第七章 结果与讨论 |
7.1 主要结论 |
7.2 讨论 |
7.3 创新点 |
7.4 展望 |
参考文献 |
作者简介 |
致谢 |
(8)CO2浓度升高对高、低应答水稻品种的生长生理与气体交换模型参数的影响(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 大气CO_2浓度升高对植物生长与作物产量的影响 |
1.2.2 大气CO_2浓度升高对植物光合生理的影响 |
1.2.3 光合驯化现象 |
1.2.4 大气CO_2浓度升高对植物气孔运动的影响 |
1.2.5 大气CO_2浓度升高对植物叶绿素荧光的影响 |
1.2.6 植物的光合日变化特征 |
1.2.7 光合生物化学模型与气孔导度模型 |
1.3 主要研究内容 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 材料与方法 |
2.1 试验地点与试验平台介绍 |
2.2 水稻品种选取 |
2.3 试验设计 |
2.4 数据的测定与计算 |
2.4.1 日变化数据的测定 |
2.4.2 CO_2 响应曲线的测定 |
2.4.3 水稻结构生理指标与最终产量的测量 |
2.4.4 光合模型与气孔模型 |
2.4.5 统计学分析 |
第三章 CO_2浓度升高对高、低应答水稻品种的生长生理与光合日变化特征的影响 |
3.1 试验结果 |
3.1.1 生长指标 |
3.1.2 光合生理指标 |
3.1.3 日变化 |
3.2 讨论 |
3.3 小结 |
第四章 不同CO_2浓度与生长阶段下高、低应答水稻品种的模型参数差异性研究 |
4.1 试验结果 |
4.1.1 模型参数差异性 |
4.1.2 FvCB模型参数季节变化 |
4.1.3 BWB与 MED模型参数季节变化 |
4.1.4 CO_2浓度升高对两品种水稻BWB与 MED模型参数的影响 |
4.1.5 模型参数的差异性对模拟精度的影响 |
4.2 讨论 |
4.3 小结 |
第五章 结论 |
5.1 研究结论 |
5.2 创新点 |
5.3 不足与展望 |
参考文献 |
作者简介 |
基本信息 |
参与科研项目情况 |
论文发表情况 |
致谢 |
(9)CO2浓度升高条件下不同水稻品种土壤细菌群落的响应(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 全球大气[CO_2]升高与气候变化 |
1.2 水稻田生态系统对大气[CO_2]升高的响应 |
1.2.1 水稻种植概况 |
1.2.2 水稻植株对大气[CO_2]升高的响应 |
1.2.3 水稻土微生物群落对大气[CO_2]升高的响应 |
1.3 模拟[CO_2]升高的研究技术 |
1.4 土壤微生物群落结构和多样性的研究方法 |
1.5 本研究的目的、意义和内容 |
1.5.1 研究目的和意义 |
1.5.2 研究内容 |
1.5.3 技术路线 |
第二章 材料与方法 |
2.1 研究区概况 |
2.2 试验设计与田间管理 |
2.3 土壤样品采集 |
2.4 测定项目与方法 |
2.4.1 土壤理化性质的测定 |
2.4.2 土壤细菌群落的测定 |
2.5 数据处理与统计分析 |
第三章 [CO_2]升高对不同水稻品种土壤理化性质的影响 |
3.1 引言 |
3.2 土壤理化性质各生育时期的动态变化 |
3.2.1 土壤pH的动态变化 |
3.2.2 土壤EC的动态变化 |
3.2.3 土壤TC、TN的动态变化 |
3.2.4 土壤DOC的动态变化 |
3.2.5 土壤有效氮的动态变化 |
3.3 土壤理化性质的响应差异与相关性分析 |
3.4 讨论 |
3.5 本章小结 |
第四章 [CO_2]升高条件下不同水稻品种生育期土壤细菌群落的响应 |
4.1 引言 |
4.2 水稻各生育时期的土壤细菌群落的响应 |
4.2.1 分蘖前期 |
4.2.2 分蘖末期 |
4.2.3 拔节期 |
4.2.4 抽穗期 |
4.2.5 灌浆期 |
4.2.6 完熟期 |
4.3 不同水稻品种土壤细菌群落组成与多样性的生育期动态变化 |
4.3.1 土壤细菌群落物种分布与组成 |
4.3.2 土壤细菌群落多样性随生育期的变化差异 |
4.4 土壤理化性质对细菌群落的影响 |
4.4.1 对细菌群落物种丰度的影响 |
4.4.2 对细菌群落多样性的影响 |
4.5 讨论 |
4.6 本章小结 |
第五章 [CO_2]升高条件下土壤细菌群落与水稻产量的响应关系 |
5.1 引言 |
5.2 土壤细菌群落多样性与水稻产量的响应关系 |
5.3 土壤细菌群落中的关键细菌与水稻产量的响应关系 |
5.3.1 土壤细菌群落中的关键细菌 |
5.3.2 水稻土关键细菌相对丰度与产量的关系 |
5.3.3 两种[CO_2]条件下高/低响应水稻土壤关键细菌相对丰度与产量的关系 |
5.4 讨论 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 研究特色与创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
(10)水稻种子遗传多样性及微生物菌剂对水稻幼苗耐低温性能的影响(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 遗传多样性 |
1.2.1 概念 |
1.2.2 遗传多样性的研究方法 |
1.2.3 表型多样性 |
1.3 水稻低温冷害 |
1.3.1 水稻低温冷害的种类和危害 |
1.3.2 水稻冷害的不同时期 |
1.3.3 低温冷害影响水稻生长 |
1.4 水稻幼苗萌发能力 |
1.4.1 水稻种子萌发的三个阶段 |
1.4.2 影响水稻种子萌发的因素 |
1.4.3 水稻幼苗萌发能力的鉴定方法与评价指标 |
1.4.4 提高水稻幼苗低温萌发能力的方法 |
1.5 微生物菌剂 |
1.5.1 微生物菌剂含义 |
1.5.2 微生物菌剂作用 |
1.5.3 微生物菌剂分类 |
1.5.4 微生物菌剂的发展 |
1.5.5 微生物菌剂对水稻的影响 |
第2章 水稻种子表型性状变异研究 |
2.1 材料与方法 |
2.1.1 材料和测定方法 |
2.1.2 统计与分析 |
2.2 结果与分析 |
2.2.1 水稻种子表型性状描述及特征分析 |
2.2.2 水稻种子表型性状的相关性分析 |
2.2.3 水稻种子表型性状的聚类分析 |
2.3 小结 |
第3章 耐低温菌剂对水稻种子发芽及幼苗生长的影响 |
3.1 材料与方法 |
3.1.1 试验材料 |
3.1.2 试验设计 |
3.1.3 测试指标 |
3.1.4 统计与分析 |
3.2 结果与分析 |
3.2.1 不同浓度的菌剂处理下水稻的发芽势和发芽率 |
3.2.2 不同浓度的菌剂处理下水稻的株高和茎粗 |
3.2.3 不同浓度的菌剂处理下水稻的干重、鲜重 |
3.2.4 不同浓度的菌剂处理下水稻的含水率 |
3.2.5 不同浓度的菌剂处理下水稻的枯萎率 |
3.2.6 水稻测试指标间相关性分析 |
3.3 小结 |
第4章 水稻种子发芽能力综合评价 |
4.1 材料与方法 |
4.1.1 材料和测定方法 |
4.1.2 统计与分析 |
4.2 结果与分析 |
4.2.1 水稻种子发芽能力投影寻踪分析 |
4.3 小结 |
第5章 讨论与结论 |
5.1 讨论 |
5.2 结论 |
参考文献 |
附录 |
致谢 |
攻读学位期间发表的学术论文 |
四、杂交水稻农业气象试验小结(论文参考文献)
- [1]温光对水稻产量和品种的影响及遮阴对品质形成的生理分析[D]. 马成. 南京师范大学, 2021
- [2]散射辐射比例增加对水稻碳氮代谢及产量品质的影响[D]. 李旭冉. 南京信息工程大学, 2021(01)
- [3]不同遮阴处理下施肥对水稻生产及稻田CH4和N2O排放的影响[D]. 王坤. 南京信息工程大学, 2021(01)
- [4]施生物炭和硅肥对增温水稻生产及稻田温室气体排放的影响[D]. 邢钰媛. 南京信息工程大学, 2021(01)
- [5]不同CO2浓度升高水平对稻田CH4排放的影响及机理研究[D]. 王圆媛. 南京信息工程大学, 2021
- [6]散射辐射比例变化下水稻冠层高光谱特征及生长监测[D]. 张涛. 南京信息工程大学, 2021(01)
- [7]高温胁迫下设施番茄氮代谢机理及临界氮模型研究[D]. 李佳佳. 南京信息工程大学, 2021(01)
- [8]CO2浓度升高对高、低应答水稻品种的生长生理与气体交换模型参数的影响[D]. 缪宇轩. 南京信息工程大学, 2021(01)
- [9]CO2浓度升高条件下不同水稻品种土壤细菌群落的响应[D]. 邱子健. 南京信息工程大学, 2021(01)
- [10]水稻种子遗传多样性及微生物菌剂对水稻幼苗耐低温性能的影响[D]. 翟相英. 牡丹江师范学院, 2021(08)