一、作物氮素快速营养诊断方法的初探（论文文献综述）
陈志超,蒋贵印,张正,芦俊俊,王新兵,娄卫东,刘昌华,苗宇新,郝成元[1]（2022）在《基于无人机高光谱遥感的春玉米氮营养指数反演》文中提出为了利用高光谱技术准确探测作物氮素营养状况,以东北春玉米为研究对象,获取6个氮肥梯度的随机试验数据,并采用无人机（unmanned aerial vehicle, UAV）搭载UHD185高光谱成像系统,获取关键生育期试验小区内春玉米冠层高光谱遥感影像,通过5种方法对提取的冠层高光谱信息进行预处理,并分别采用偏最小二乘回归、BP神经网络回归和随机森林回归3种算法,构建春玉米氮营养指数反演模型。结果表明:（1）各光谱预处理下,春玉米氮营养指数与冠层高光谱反射率在近红外波段范围内相关性较高;比较高光谱特征参数,春玉米氮营养指数与黄边内一阶微分光谱中的最大值相关性较高;（2）经MSC预处理后,以高光谱特征参数为变量构建的反演模型精度最高,预测集R2的平均值为0.80;（3）随机森林算法结合MSC预处理反演玉米氮营养指数效果更好,精度更高,模型更稳定。通过对比不同方法建立的春玉米氮营养指数反演模型,提高了模型估测能力和验证精度,有利于模型估测能力的调控与优化,提升了反演模型的适用性,为春玉米精准氮营养诊断和精准氮肥管理提供了理论依据和技术支撑。
尹航,李斐,杨海波,李渊[2]（2021）在《基于无人机高光谱影像的马铃薯叶绿素含量估测》文中研究说明【目的】叶绿素含量高低反映植被的健康状况与光合能力。研究准确、有效地将冠层影像反演为叶绿素含量的技术参数,以便经济快速、实时地监测作物生长状况。【方法】田间试验于2018—2020年在内蒙古阴山北麓马铃薯主产区进行,设置氮肥梯度处理,在马铃薯块茎膨大期和淀粉积累期,测定试验地马铃薯植株SPAD值,通过线性关系将其转化成叶绿素含量。利用无人机为平台搭载S185成像光谱仪获取马铃薯试验区高光谱影像,并从中提取马铃薯冠层光谱反射率。将3年田间试验所获取的125个样本点数据按80%、20%的比例随机划分为训练集与验证集。用训练集数据建立了8个比率、归一化光谱指数,通过波段优化算法建立优化光谱指数和马铃薯关键生育期叶绿素含量的相关性与估测模型,并用验证集数据检验所建立模型的精度,最后利用所构建的估测模型制作马铃薯叶绿素含量分布图。【结果】根据训练集数据,马铃薯植株叶绿素含量分布范围在10.58～23.14 mg/g,平均叶绿素含量为19.80 mg/g,变异系数为14.9%;根据验证集数据,马铃薯植株叶绿素含量分布范围在12.80～23.73 mg/g,平均为19.59 mg/g,变异系数为17.0%。基于绿光波段建立的叶绿素光谱指数(CIgreen)和归一化光谱指数550 （ND550）均与马铃薯叶绿素含量具有较好相关性（R2分别为0.48、0.61）,但作物种类及生育时期的影响降低了估测的准确性。通过优化波段586、462 nm和586、498 nm计算的优化比率光谱指数（RSI）和优化归一化光谱指数（NDSI）能够明显提高模型准确性,具备良好的线性拟合效果,决定系数R2分别由0.48和0.61提高到0.82和0.83。经验证后,估测模型预测值与实测值接近1∶1线,决定系数R2分别为0.77和0.79,均方根误差RMSE较低。通过反演马铃薯叶绿素含量分布图可知,优化光谱指数（NDSI）模型反演效果较好,叶绿素含量分布范围为18～21 mg/g,与实测值相符合。【结论】本研究优化光谱指数RSI和NDSI最佳敏感波段分别为586、462和586、498 nm,此波段范围内RSI和NDSI与马铃薯关键生育期叶绿素含量相关性最优,通过波段优化算法重新构建的优化光谱指数预测模型可靠性及精度显着高于已有光谱指数,决定系数分别为0.82和0.83,且验证效果较好。应用两种光谱指数对研究区高光谱影像进行叶绿素反演估测,生成的田间马铃薯叶绿素含量分布图显示优化光谱指数NDSI估测效果最好,为光谱指数估测马铃薯关键生育期叶绿素含量提供了理论支持。
何仲秋,王晓琳,张启明,苑举民,张杨,张爽,孙志伟,闫慧峰[3]（2021）在《东南烟稻轮作区烤烟临界氮浓度稀释曲线的建立与验证》文中研究表明【目的】建立东南烟稻轮作区烤烟临界氮稀释曲线,探讨氮素营养指数用于诊断和评价烤烟氮营养状况的可能性,为实现烤烟合理施用氮肥提供理论依据。【方法】两年两地共3个田间氮肥用量试验,每个试验共设6个氮水平（N 0、45、90、135、180和300 kg/hm2）,分析不同施氮量对移栽后不同天数烤烟地上部和叶片干物质积累量的影响。利用不同时期植株氮浓度和干物质积累量,建立地上部和叶片的临界氮浓度稀释曲线方程和干物质积累方程。结合基于无人机可见光谱平台的烤烟氮浓度无损测定方法,计算氮营养指数,判断烤烟氮营养丰缺情况。【结果】施用氮肥明显增加了烤烟地上部和叶片干物质积累量,不同氮肥处理间差异明显,烤烟地上部和叶片氮浓度随烤烟生长进程而降低;东南烟稻轮作区烤烟地上部及叶片的临界氮素浓度和干物质积累量符合幂指数的关系;模型进行独立验证时,氮限制组的数据均在临界氮素稀释曲线以下,而不受氮限制组的数据均在临界氮素稀释曲线附近。模型拟合的临界氮浓度和植株实际临界氮浓度呈线性相关,地上部和叶片的RMSE值分别为0.55和0.44,标准化均方根误差n-RMSE分别为25%和17%,模型具有较好的稳定性;烤烟氮素营养状况的判定可以通过应用临界氮浓度稀释曲线计算氮营养指数（NNI）实现。随着施氮水平的提高,叶片氮营养指数逐步升高,在氮施用量达到135 kg/hm2,叶片氮营养指数可在1以上,处于氮盈余状态。【结论】东南烟稻轮作区烤烟叶片临界氮素稀释曲线模型(Nc=3.2339×DMleaves–0.475)和叶片氮营养指数能够诊断评价该区域烤烟氮营养状况,从而为优化烤烟的氮素管理提供指导。
姚强,粟超,李波,易婧,敬廷桃,吕斌[4]（2021）在《深度学习方法在水稻氮素营养诊断中的应用初探》文中进行了进一步梳理为解决传统水稻氮素营养诊断方法需要采集水稻植株叶片,损伤水稻植株,需到指定实验室测定,耗时费力,手持叶绿素仪不稳定、误差大等问题,对使用深度学习方法开展水稻氮素营养诊断开展了初步探索。简介了深度学习模型的建立和训练,对模型识别效果的验证。参与模型训练的水稻样本图片共10 173张,通过调整训练参数,得到多个模型,保留准确率达到80%以上的模型9个,其中返青期3个、分蘖期3个、拔节孕穗期2个、灌浆期1个;对精度最高的返青期模型开展了模型识别效果验证。初步结果显示,使用深度学习方法开展水稻氮素营养诊断有效可行。
徐浩聪,姚波,王权,陈婷婷,朱铁忠,何海兵,柯健,尤翠翠,吴小文,郭爽爽,武立权[5]（2021）在《基于叶片反射光谱估测水稻氮营养指数》文中研究说明【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数（nitrogen nutrition index,NNI）的估算模型。【方法】2018—2019年开展2个水稻品种（徽两优898和Y两优900）及5个氮肥梯度(施氮量为0、75、150、225和300 kg·hm-2,分别记为N0、N1、N2、N3、N4)的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR(R900,R540)可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶（L3）预测精度最好（R2=0.731,RMSE=0.130,RE=11.6%）,顶2叶（L2）次之（R2=0.707,RMSE=0.136,RE=12.2%）,顶1叶（L1）最差（R2=0.443,RMSE=0.187,RE=14.7%）;顶2叶和顶3叶组合平均光谱(L23)的预测精度优于单叶水平和其他叶位组合（R2=0.740,RMSE=0.128,RE=11.5%）。再将窄波段比值指数SR(R900,R540)近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR（900±50）,AR（540±10）]模型精度较SR(R900,R540)未明显降低,且在L23水平下2个模型的模型精度和预测精度基本一致（R2=0.740,RMSE=0.128,RE=11.5%）。水稻NNI小于1时与产量呈线性的正相关关系（P<0.05）,大于1时产量趋于平稳。【结论】L2和L3叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L23可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数(SR(R900,R540)和SR[AR（900±50）,AR（540±10）])可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。
付江鹏,贾彪,魏雪,兰宇[6]（2021）在《基于冠层覆盖度的玉米植株临界氮浓度模型构建与产量预测》文中研究指明【目的】依据临界氮浓度稀释原理,构建基于冠层覆盖度的覆膜滴灌玉米植株临界氮浓度稀释曲线,并通过氮营养指数和氮累积亏缺量模型对玉米氮营养状况进行诊断和评价,以期达到基于该模型的玉米产量预测。【方法】于2019—2020年,在宁夏引黄灌区开展了4个氮肥用量（0、120、240、360 kg/hm2）田间试验,采用滴灌水肥一体化技术,氮肥按照苗期10%、拔节—大喇叭口期45%、抽雄—吐丝期20%和灌浆期25%的比例分8次随水追肥。在玉米关键生育时期测定农学参数和图像参数,分别测定了地上部生物量、植株氮浓度和产量,建立和验证基于冠层覆盖度的玉米植株临界氮浓度经验模型。【结果】基于冠层覆盖度的玉米植株临界氮浓度、最大氮浓度和最小氮浓度模型R2分别为0.917、0.843、0.873。临界氮浓度模型检验参数RMSE和n-RMES分别为0.242和11.753%。以冠层覆盖度为基础的氮营养指数和氮累积亏缺量推算出玉米最佳施氮处理为240 kg/hm2。不同生育时期氮营养指数、氮累积亏缺量与相对产量的关系极显着,R2均不小于0.922,且大喇叭口期和抽雄期R2值最高。采用独立试验验证表明,在大喇叭口期和抽雄期表现出稳定的模型性能,R2值≥0.944,n-RMSE均≤9.089%。在大喇叭口期和抽雄期,氮营养指数、氮累积亏缺量与相对产量呈极显着相关,能准确地解释受氮素限制和不受氮素限制生长条件下相对产量的变化。【结论】基于冠层覆盖度构建的植株临界氮浓度稀释曲线可准确判断和评价玉米拔节期至吐丝期的氮素营养状况,依据氮营养指数、氮累积亏缺量与相对产量所构建的关系模型可对玉米产量进行准确估计,其为玉米生长过程中氮肥的精确管理和产量预测提供了一种简便的新方法。
翟勇全,兰宇,康建宏,姬丽,李稼润[7]（2021）在《玉米临界氮浓度稀释曲线研究进展》文中研究说明氮素对作物产量的贡献可以达到30%～50%,对作物氮素营养状况快速准确诊断是氮肥精确管理的前提条件。临界氮浓度稀释曲线表示作物获得最大干物质时所需的最小氮浓度,其可以反映氮浓度与植株干物质之间的关系,亦可快速进行氮素诊断。国内外学者先后基于玉米植株干物质、叶面积指数和叶片干物质等建立了氮浓度稀释曲线,提高了作物氮素营养诊断的效率和精度。本文综述了不同生态区玉米临界氮浓度稀释曲线的构建、曲线参数的影响因素以及玉米植株不同器官之间临界氮浓度稀释曲线模型之间的差异性,可为临界氮浓度稀释曲线持续深入的研究提供参考依据。
樊湘鹏,周建平,许燕[8]（2021）在《无人机低空遥感监测农情信息研究进展》文中提出及时准确地获取田间作物生长状况及环境信息,是对农作物进行精准管理的前提和基础.无人机低空遥感技术在获取不同尺度作物影像方面具有不可比拟的优势,已成为农情信息监测的重要手段和方法.文章主要针对无人机低空遥感系统的构成、作物长势监测、产量预测、营养诊断、病虫草害监测、作物倒伏、生长胁迫诊断等方面的研究和应用进行了总结与剖析,分析了无人机低空遥感在农情信息监测方面存在的问题,最后提出了应用前景和发展趋势.未来的研究应侧重于农情遥感监测的广度和深度不断拓展、智能化不断发展以及低成本、微小型化传感设备的探究,利用多源数据的融合与互补性,形成通用性强、易操作的解决方案,进一步扩大无人机低空遥感在精准农业作物表型信息获取与解析中的应用范围.
李明,李迎春,牛晓光,马芬,魏娜,郝兴宇,董李冰,郭李萍[9]（2021）在《大气CO2浓度升高与氮肥互作对玉米花后碳氮代谢及产量的影响》文中研究表明【目的】研究大气CO2浓度升高（eCO2）及氮肥施用对夏玉米开花吐丝后不同组分碳氮代谢物含量及动态和产量的影响,为全球气候变化下玉米生理过程及产量形成的变化提供理论支撑,同时为玉米作物模型调参提供实证数据。【方法】利用自由大气CO2富集（FACE）平台,以夏玉米品种农大108为试验材料开展田间试验。在常规大气CO2浓度（aCO2,（400±15）μmol·mol-1）和高CO2浓度(eCO2,（550±20）μmol·mol-1)下分别设置不施氮（ZN）和施氮(CN,180 kg N·hm-2)2个氮水平。对夏玉米产量及其构成要素、干物质积累、花后碳代谢物（可溶性糖、淀粉、总碳）动态和氮代谢物（硝态氮,游离氨基酸、可溶性蛋白、非溶性氮化合物细胞壁氮素和类囊体氮素、总氮）动态以及碳氮比动态进行监测。【结果】（1） eCO2与施氮对夏玉米生物量积累有一定促进作用,但对产量及产量构成因素的影响均不显着。（2）eCO2使玉米花后功能叶碳组份中的可溶性糖浓度显着提高,灌浆后期叶片碳氮比显着提高。（3）eCO2下花后玉米功能叶氮代谢中的必需功能氮组分浓度未受影响,而一些结构性氮组分浓度有降低,eCO2对功能叶中功能氮组分（如可溶性蛋白）的含量没有显着影响;氮代谢中的简单组分（如游离氨基酸）在功能叶中的浓度仅在开花期比aCO2有显着增加,后期没有显着影响;但eCO2下氮代谢中的非溶性氮组分（如细胞壁氮素和类囊体氮素）含量在花后一些时期显着降低。（4）氮肥施用使玉米从抽雄到灌浆后期功能叶非结构性碳水化合物（如可溶性糖）浓度、硝态氮浓度、细胞壁氮素和类囊体氮素含量显着提高;中等土壤肥力下不施氮处理的功能叶可溶性蛋白含量没有受影响,但非溶性氮组分（如类囊体氮和细胞壁氮）含量降低,氮素优先满足作物生长必需的可溶性蛋白。（5）eCO2和氮肥交互作用对不同组分碳氮代谢物的影响不同,体现在不同时期,主要表现为提高了玉米功能叶简单碳氮组分（如可溶性糖和硝态氮）在后期的浓度,且碳氮比提高;提高了灌浆初期细胞壁氮素含量,功能叶总氮浓度仅在灌浆后期表现降低、其他时期没有显着影响。【结论】eCO2对夏玉米的生物量增加有一定作用,玉米穗位叶碳氮比在一些时期显着增加,但对产量无显着影响;eCO2下玉米花后穗位叶非结构性碳水化合物浓度增加,但总氮和非溶性氮素化合物在花后均发生不同程度降低。在未来大气CO2浓度升高为特征之一的气候变化情景下,合理增施氮肥对促进作物碳氮代谢的协调有一定必要性。
李新伟,陶新宇,陈小芳,肖新[10]（2021）在《基于无人机遥感的冬小麦追肥推荐模型建立》文中研究说明为提高小麦氮素精准、高效的管理能力,实现实时、便捷、精准的变量施肥。本文在无人机遥感进行冬小麦氮素营养诊断的基础上,依据光谱诊断施肥模型,建立冬小麦返青期、拔节期和抽穗期等关键生育期追肥推荐模型。研究结果表明:无人机影像获得的DVI与冬小麦关键生育时期氮素参数植株氮浓度相关性最好（R2=0.8698）;冬小麦返青期、拔节期和抽穗期氮素诊断临界DVI值分别为0.594、0.784和0.807;冬小麦最高产量为11 364.3 kg/hm2,最佳产量为11 230.9 kg/hm2,总施氮量为272.9 kg/hm2,最佳经济施肥量264.1 kg/hm2,基于光谱诊断的追肥推荐模型分别为返青期y=-39.69x+23.58、拔节期y=-129.97x+101.95、抽穗期y=-159.79x+128.93。诊断指标的建立为冬小麦基于光谱诊断的追肥模型奠定了基础,临界DVI值的确定为诊断冬小麦关键生育期是否补充氮肥提供依据,氮肥效应曲线建立和光谱诊断施肥模型选择实现了定量化的追肥推荐。
二、作物氮素快速营养诊断方法的初探（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、作物氮素快速营养诊断方法的初探（论文提纲范文）
（1）基于无人机高光谱遥感的春玉米氮营养指数反演（论文提纲范文）
| 0 引 言 |
| 1 试验设计 |
| 1.1 研究区概况 |
| 1.2 试验方案 |
| 2 数据获取与处理 |
| 2.1 农学数据 |
| 2.2 遥感数据 |
| 2.3 高光谱数据预处理 |
| 2.4 高光谱特征参数筛选 |
| (1)基于位置的高光谱特征参数。 |
| (2)基于面积的高光谱特征参数。 |
| (3)基于植被指数的高光谱特征参数。 |
| 2.5 模型构建方法 |
| 2.5.1 偏最小二乘回归分析 |
| 2.5.2 BP神经网络回归分析 |
| 2.5.3 随机森林回归分析 |
| 3 结果和分析 |
| 3.1 基于偏最小二乘回归分析的春玉米氮营养 指数反演研究 |
| 3.2 基于BP神经网络回归分析的春玉米氮营 养指数反演研究 |
| 3.3 基于随机森林回归分析的春玉米氮营养指 数反演研究 |
| 4 讨 论 |
| 5 结 论 |
（4）深度学习方法在水稻氮素营养诊断中的应用初探（论文提纲范文）
| 1 试验方案及数据采集 |
| 1.1 试验方案 |
| 1.2 数据采集 |
| 2 深度学习建模、训练 |
| 2.1 准备数据集 |
| 2.1.1 图像数据归类 |
| 2.1.2 图像处理 |
| 2.1.3 划分训练集和测试集 |
| 2.2 建立模型 |
| 2.2.1 模型设计 |
| 2.2.2 模型创建 |
| 2.3 模型训练 |
| 3 结果与分析 |
| 3.1 模型精准度分析 |
| 3.2 模型识别效果验证 |
| 4 讨论与小结 |
（5）基于叶片反射光谱估测水稻氮营养指数（论文提纲范文）
| 0 引言 |
| 1 材料与方法 |
| 1.1 试验地点和材料 |
| 1.2 试验设计 |
| 1.3 数据获取 |
| 1.3.1 光谱数据的获取 |
| 1.3.2 农学参数获取 |
| 1.3.3 光谱指数的定义 |
| 1.4 数据分析 |
| 2 结果 |
| 2.1 水稻氮营养指数（NNI）的方差分析 |
| 2.2 水稻NNI与叶片反射光谱的关系 |
| 2.3 典型光谱指数与水稻NNI的关系 |
| 2.4 水稻NNI的估测与光谱指数的适宜波段宽度的筛选 |
| 2.5 模型的测试与检验 |
| 3 讨论 |
| 3.1 水稻NNI监测的敏感波段 |
| 3.2 水稻NNI监测的适宜叶位组合 |
| 3.3 多种光谱指数与水稻NNI之间的关系 |
| 4 结论 |
| 附图 |
（7）玉米临界氮浓度稀释曲线研究进展（论文提纲范文）
| 1 玉米临界氮浓度稀释曲线研究进展 |
| 1.1 玉米植株干物质临界氮浓度稀释曲线的构建 |
| 1.2 玉米叶片干物质临界氮浓度稀释曲线的构建 |
| 1.3 玉米叶面积指数临界氮浓度稀释曲线的构建 |
| 1.4 玉米不同器官临界氮浓度稀释曲线的构建 |
| 1.5 临界氮浓度稀释曲线影响因素分析 |
| 2 结论 |
| 3 展望 |
| 3.1 玉米各器官临界氮浓度稀释曲线的构建 |
| 3.2 基于冠层参数的玉米临界氮浓度稀释曲线的构建 |
（8）无人机低空遥感监测农情信息研究进展（论文提纲范文）
| 0 引言 |
| 1 无人机低空遥感概述 |
| 1.1 无人机低空遥感 |
| 1.2 无人机的种类 |
| 1.3 农情遥感机载传感器的种类 |
| 1.4 无人机农情遥感监测的优势 |
| 2 无人机低空遥感在农情信息监测中的应用 |
| 2.1 作物长势监测 |
| 2.2 作物产量估测 |
| 2.3 作物氮素诊断 |
| 2.4 作物病虫草害监测 |
| 2.5 作物倒伏状态监测 |
| 2.6 作物水分胁迫诊断 |
| 3 无人机低空遥感监测农情信息存在的不足和未来发展趋势 |
| 3.1 当前无人机低空遥感监农情信息研究存在的不足 |
| 3.2 无人机低空遥感应用前景与发展趋势 |
| 3.2.1 农情遥感监测应用的广度和深度不断拓展 |
| 3.2.2 机载传感设备的低成本、微小型化的研发方向 |
| 3.2.3 无人机多源数据融合技术的挖掘不断深入 |
| 3.2.4 遥感监测技术标准化和易操作方案的推广 |
| 4 结论 |
（9）大气CO2浓度升高与氮肥互作对玉米花后碳氮代谢及产量的影响（论文提纲范文）
| 0 引言 |
| 1 材料与方法 |
| 1.1 试验平台概况 |
| 1.2 试验设计 |
| 1.3 测定指标及方法 |
| 1.3.1 生物量 |
| 1.3.2 测产 |
| 1.3.3 产量要素考种 |
| 1.3.4 碳氮组分测定 |
| 1.4 数据处理和分析方法 |
| 2 结果 |
| 2.1 大气CO2浓度升高和氮肥对夏玉米生物量的影响 |
| 2.2 大气CO2浓度升高和氮肥施用对夏玉米产量及其构成因素的影响 |
| 2.3 大气CO2浓度升高和施氮对玉米花后功能叶不同组分碳的影响 |
| 2.3.1 可溶性糖浓度 |
| 2.3.2 淀粉浓度 |
| 2.3.3 总碳浓度 |
| 2.4 大气CO2浓度升高和施氮对玉米花后不同组分氮的影响 |
| 2.4.1硝态氮浓度 |
| 2.4.2 游离氨基酸浓度 |
| 2.4.3 可溶性蛋白含量 |
| 2.4.4 细胞壁氮素含量 |
| 2.4.5类囊体氮素含量 |
| 2.4.6 总氮浓度 |
| 2.5 大气CO2浓度升高和施氮对夏玉米穗位叶碳氮比的影响 |
| 3 讨论 |
| 3.1 大气CO2浓度升高和施氮对夏玉米开花后叶片不同组分碳的影响 |
| 3.2 大气CO2浓度升高和施氮对夏玉米开花后穗位叶不同组分氮含量的影响 |
| 3.3 大气CO2浓度升高和氮肥施用对夏玉米叶片碳氮比的影响 |
| 3.4 大气CO2浓度升高和施氮对夏玉米产量及产量构成因素和生物量的影响 |
| 4 结论 |
（10）基于无人机遥感的冬小麦追肥推荐模型建立（论文提纲范文）
| 1 材料与方法 |
| 1.1 试验区概况 |
| 1.2 试验设计 |
| 1.3 数据获取 |
| 1.3.1 农学参数测量与获取： |
| 1.3.2 无人机光谱数据获取： |
| 1.3.3 数据处理： |
| 2 结果与分析 |
| 2.1 氮素营养诊断指标的优选 |
| 2.2 植被指数与冬小麦各关键生育时期施氮量和产量的关系 |
| 2.3 氮肥效应曲线 |
| 2.4 冬小麦关键生育期追肥推荐模型的建立 |
| 3 结论 |
四、作物氮素快速营养诊断方法的初探（论文参考文献）
- [1]基于无人机高光谱遥感的春玉米氮营养指数反演[J]. 陈志超,蒋贵印,张正,芦俊俊,王新兵,娄卫东,刘昌华,苗宇新,郝成元. 河南理工大学学报(自然科学版), 2022
- [2]基于无人机高光谱影像的马铃薯叶绿素含量估测[J]. 尹航,李斐,杨海波,李渊. 植物营养与肥料学报, 2021
- [3]东南烟稻轮作区烤烟临界氮浓度稀释曲线的建立与验证[J]. 何仲秋,王晓琳,张启明,苑举民,张杨,张爽,孙志伟,闫慧峰. 植物营养与肥料学报, 2021
- [4]深度学习方法在水稻氮素营养诊断中的应用初探[J]. 姚强,粟超,李波,易婧,敬廷桃,吕斌. 南方农业, 2021(31)
- [5]基于叶片反射光谱估测水稻氮营养指数[J]. 徐浩聪,姚波,王权,陈婷婷,朱铁忠,何海兵,柯健,尤翠翠,吴小文,郭爽爽,武立权. 中国农业科学, 2021(21)
- [6]基于冠层覆盖度的玉米植株临界氮浓度模型构建与产量预测[J]. 付江鹏,贾彪,魏雪,兰宇. 植物营养与肥料学报, 2021(10)
- [7]玉米临界氮浓度稀释曲线研究进展[J]. 翟勇全,兰宇,康建宏,姬丽,李稼润. 农业科学研究, 2021(03)
- [8]无人机低空遥感监测农情信息研究进展[J]. 樊湘鹏,周建平,许燕. 新疆大学学报(自然科学版)(中英文), 2021(05)
- [9]大气CO2浓度升高与氮肥互作对玉米花后碳氮代谢及产量的影响[J]. 李明,李迎春,牛晓光,马芬,魏娜,郝兴宇,董李冰,郭李萍. 中国农业科学, 2021(17)
- [10]基于无人机遥感的冬小麦追肥推荐模型建立[J]. 李新伟,陶新宇,陈小芳,肖新. 东北农业科学, 2021(04)