夏玉米叶片分层氮素营养的高光谱诊断

建立能够快速诊断作物氮素状况的光谱估算模型,对指导有效施肥具有现实意义。应用高光谱技术在夏玉米生育期研究了氮素在上下层叶片的分布规律及其氮素含量与植被指数的关系,并建立了叶片氮含量的估算模型。结果表明：夏玉米四个生育期(拔节期﹑大喇叭口期﹑抽雄期和灌浆期)上层叶氮含量均高于下层叶氮含量,抽雄期的下层叶片对氮素的缺乏反应敏感,生产上在抽雄期可以通过对下层叶片氮含量的监测来指导施肥。构建了三个时期(拔节、大喇叭口和抽雄期)各自最佳的估测叶片氮含量的模型。研究结果为作物氮素营养诊断及合理施肥提供了参考。     

新疆与哈萨克斯坦在油气和化工等产业合作前景研究

本文在介绍哈萨克斯坦油气和矿产资源状况基础上．分析了该国的炼油、天然气、石油化工、冶金和化肥筹工业的技术现状，预测了新疆与哈国在上述诸方面进行经济与技术合作的前景与可行性.     

基于高光谱特征与人工神经网络模型对土壤含水量估算

土壤含水量(θ)是影响作物生长和作物产量的主要因素之一。旨在评估基于光谱特征参数的各种回归模型估算土壤含水量的精度,并比较人工神经网络(BP-ANN)和光谱特征参数模型的性能。2014年在室内获取砂土和壤土的土壤含水量和光谱反射率数据。结果表明：(1)当砂土容重为1.40 g·cm-3时,900～970 nm最大反射率和900～970 nm反射率总和估算θ达到极显著水平(R2超过0.90);容重为1.50 g·cm-3时,用蓝边最大反射率和900～970 nm反射率总和估算θ相关性最好(超过0.70);容重为1.60 g·cm-3时,780～970 nm反射率总和与560～760 nm归一化吸收深度的R2均超过0.90,达到极显著水平;容重为1.70 g·cm-3时,900～970 nm最大反射率和900～970 nm反射率总和的R2为0.88,呈极显著水平。(2)当土壤类型为壤土时,用900～970 nm最大反射率和900～970 nm反射率总和估算θ相关性最好。(3)蓝边反射率总和(R2=0.26和RMSE=0.09 m3·m-3)和780～970 nm吸收深度(R2=0.32和RMSE=0.10 m3·m-3)估算砂土的含水量相关性最好。在估算壤土的含水量时,900～970 nm最大反射率(R2=0.92和RMSE=0.05 m3·m-3)与900～970 nm反射率总和估算模型的精度最高(R2=0. 92和RMSE=0.04 m3·m-3)。(4)用人工神经网络模型能够更好地估算两种土壤的含水量(R2=0.87和RMSE=0.05 m3·m-3)。因此,人工神经网络模型对θ估算具有巨大的潜力。