武　威，劉　濤，陳瑛瑛，孫成明，陳　雯，楊秉臻

(揚州大學 江蘇省作物遺傳生理國家重點實驗室培育點/糧食作物現(xiàn)代產業(yè)技術協(xié)同創(chuàng)新中心,江蘇 揚州　225009)

?

小麥苗情診斷指標及其監(jiān)測方法研究進展

武威，劉濤，陳瑛瑛，孫成明，陳雯，楊秉臻

(揚州大學 江蘇省作物遺傳生理國家重點實驗室培育點/糧食作物現(xiàn)代產業(yè)技術協(xié)同創(chuàng)新中心,江蘇 揚州225009)

摘要：小麥是我國主要的糧食作物之一，及時了解小麥苗期生長狀態(tài)對穩(wěn)產增收有著重要的意義。為此，在綜述葉面積指數(shù)、生物量、葉綠素及氮含量等與苗情相關指標的基礎上，總結了不同指標的診斷監(jiān)測進展，并對干旱和凍害等兩種自然災害環(huán)境影響下小麥的生長狀態(tài)進行了描述。研究結果可為快速準確開展小麥苗情診斷提供依據(jù)。

關鍵詞：小麥苗情；診斷指標；災害；監(jiān)測；進展

0引言

小麥是中國最重要的糧食作物之一，種植面積大、分布區(qū)域廣，其播種面積、單產和總產量僅次于水稻和玉米，占全國糧食消費總額的20%左右。因此，保障小麥穩(wěn)產、高產對于保證我國糧食供給、促進農民增收、糧食增產、維護社會穩(wěn)定和促進經濟發(fā)展有著重要作用。

小麥苗情一般指小麥的長勢，即小麥生長的狀態(tài)和趨勢，是小麥生長發(fā)育的表現(xiàn)，其好壞程度一般可通過葉面積、株高、根莖的粗細來表征。目前，通常研究的對作物長勢監(jiān)測是對作物的生長情況、生長環(huán)境及相關變化在宏觀上的觀察。在小麥生產上，麥苗管理起到重要的調控作用。通過長期的生產實踐，人們積累了豐富的查苗管理經驗和技術，許多科研單位也相繼提出了關于冬小麥長相、形態(tài)及營養(yǎng)方面的診斷指標[1]，將這種指標稱為壯苗指標。

不同學者對小麥壯苗提出了各自見解，如葉寬色深、主莖粗短、長相墩實等[2]；筆者認為壯苗的標準較為復雜。眾所周知，小麥的生長受各種因素的影響，簡單地通過查苗經驗與技術是不能全面的評價小麥的狀況。所以，本文主要通過綜述影響小麥苗情的指標，如葉面積指數(shù)、生物量、葉綠素含量及氮含量等指標，間接地對小麥苗情做出診斷。同時，考慮到干旱、凍害等不同災害環(huán)境下小麥的苗情狀況及對小麥穩(wěn)產高產具有重要意義。

1苗情診斷指標及其監(jiān)測

小麥在生長發(fā)育階段不僅需要適宜的土壤溫度、光照強度和水分等外界因素，還會受到品種和種子的質量等因素的影響，小麥苗情診斷是一個復雜的過程，可供參考的指標有很多。目前，小麥苗情重點監(jiān)測的指標主要有葉面積指數(shù)、生物量、葉綠素含量和氮含量等。

1.1葉面積指數(shù)

葉面積指數(shù)(LAI)是由Balls于1917年提出，是指單位面積土地上小麥的葉片總面積占土地面積的倍數(shù)，可以用于明確小麥產量發(fā)展的動態(tài)[3]。它不僅能夠作為判斷小麥冠層結構和長勢的依據(jù)，同時也是影響小麥生物量和產量的重要指標[4-5]。作為小麥冠層生態(tài)系統(tǒng)的標準參數(shù)，葉面積指數(shù)的大小對系統(tǒng)上、下的小氣候形成起決定作用，可以較好地描述小麥冠層的光合作用、蒸騰作用及光輻射等生理生長過程[6]。因此，葉面積指數(shù)經常被應用到小麥生長模型及氣候模型等各種模型上，是非常重要的生物學指標[7]。

在葉面積指數(shù)的獲取方面，普通的測量方法有直接測量法、比葉重法、照相法及SUNSCAN測量法。其中，直接測量法得到的測量值是真實葉面積指數(shù)，通過與真實值相比，照相法的精度最高，其次是比葉重法[8]。照相法主要基于圖像處理技術，通過圖像葉面積指數(shù)(ILAI)，建立與小麥葉面積指數(shù)的關系模型，可以提高在獲取上的工作效率[9]。對于不同復雜背景的影響，通過圖像處理所得的數(shù)據(jù)與實際測量的葉面積指數(shù)數(shù)據(jù)進行對比擬合建立新的模型，可以提高小麥冠層葉面積指數(shù)的測量精度[10]。相關研究表明：通過處理圖像所獲取植株的冠層體積可以計算出LAI，該方法可靠易行[11]。利用比葉重法測量葉面積指數(shù)時，以地上部干重和綠葉分配指數(shù)作為基礎，動態(tài)模擬研究小麥葉面積指數(shù)的變化規(guī)律，可以避免在葉面積定量計算時產生的誤差[12]。在結合光照、品種、葉型和種植模式等多種因素時，通過建立小麥最適葉面積指數(shù)動態(tài)模型，也可為小麥生產提供科學的決策支持[13]。

近年來，由于遙感影像技術廣泛地應用于農業(yè)生產，加快了我國農業(yè)現(xiàn)代化的進程，通過遙感對葉面積指數(shù)進行監(jiān)測已成為一種趨勢。葉面積指數(shù)的遙感估算方法一般運用統(tǒng)計法和反演法建立模型。統(tǒng)計模型法中最典型的是植被指數(shù)法，通過建立葉面積指數(shù)與植被指數(shù)的關系來反演葉面積指數(shù)[14-15]；通過分析葉面積指數(shù)與植被指數(shù)之間的敏感性，找到對葉面積指數(shù)影響最大的植被指數(shù)，建立經驗統(tǒng)計模型，并通過科學的方法分析反演模型的精度，有利于實現(xiàn)對真實葉面積指數(shù)的計算[16]。相關研究表明：小麥冠層反射光譜會受到土壤背景信息的影響，利用小波除噪并結合一階導數(shù)的方法可以去除這種影響從而提高模型的精確度，在建立葉面積指數(shù)測量的模型時，選擇LS-SVR算法能夠解決模型構建的精準問題[17]。

1.2生物量

生物量是指特定時間單位面積內存活生物的有機物質(干重)總量，是小麥籽粒產量形成的物質基礎。不同時期的生物量動態(tài)變化與小麥產量的形成有著密切關系，是小麥生長過程中重要的苗情診斷指標。因此，及時、準確地獲取小麥生物量信息對于開展小麥田間長勢分析診斷和進行精確小麥籽粒產量估算都具有重要作用和應用價值。

影響小麥生物量的因素有很多，例如施肥量，N、P、K比例，水分，遮光度，重金屬，以及氣候變化等因素。一般研究表明：施用有機肥能夠明顯提高小麥的生物量，若要精確地進行N、P、K配置則可以對不同生育期小麥生物量產生作用，各主要生育期小麥生物量生產所需的N、P、K配置存在著差異[18]。在土壤氮含量充足的情況下，集中于0～30cm土層追施氮肥對生物量的形成具有抑制作用，而均勻施在0～90cm土層則可以促進生物量的形成，在上層表現(xiàn)干旱脅迫時，這種趨勢更加明顯[19]。水分對小麥生物量的影響主要表現(xiàn)在氮素的吸收能力上，在正常供水下施氮能夠提高小麥對氮素的吸收和利用能力，增加小麥地上部生物量，而在控水條件下小麥不宜追施氮肥[20]。在不同遮光條件下，小麥地上、地下部分及全植株干物質從拔節(jié)期到完熟期總體呈增加趨勢，所截獲的光量與生物量呈較強的正相關性，且不同時期生物量與截獲光量之間的緊密性存在明顯差異；其中，相關性最緊密的是灌漿期[21]。對于有些特殊地區(qū)的小麥而言，還有可能受到重金屬的影響，隨著小麥的生長，重金屬Pb、Cr會從根系逐步影響到地上部分，且Cr對小麥的生態(tài)毒性要強于Pb[22]。CO2肥效作用是指CO2濃度增加對植物生長的助長作用，可以彌補由于溫度升高而使小麥生物量減少的問題，且補償作用隨溫度的上升而增加[23]。

生物量的影響因子有很多，這使小麥生物量的監(jiān)測成為一道難題，科技的發(fā)展以及學者們的研究結果，為我們提供了一些有效的估測方法。例如，通過研究小麥莖稈回彈力與生物量之間的相關性，采用線性回歸法建立兩者之間的回歸模型，可以實現(xiàn)力學原理的小麥生物量監(jiān)測[24]。而一般的監(jiān)測研究是通過數(shù)碼相片提取植被的覆蓋度進而推算出小麥生物量，運用數(shù)字圖像技術還可以分析群體有效生物量的垂直分布，敏感地反映生物量的實時變化規(guī)律[25]。與對數(shù)回歸模型相比較，基于BP神經網(wǎng)絡技術可以顯著地提高小麥生物量診斷的準確性，是一種實時高效的生物量高光譜遙感診斷方法[26]。有相關研究提出了紅邊三角植被指數(shù)(red-edge triangular vegetation index, RTVI)，該指數(shù)在較高生物量條件下仍能保持對生物量變化的高度敏感，與生物量間的決定系數(shù)高達0.96，是較好的冠層生物量估測指數(shù)[27]。將遙感瞬時捕獲的信息與小麥生長模型結合起來，構建冬小麥生物量的估測模型，是對現(xiàn)有小麥生物量估測模型的發(fā)展和完善。

1.3葉綠素含量

葉綠素作為光合作用過程中最主要的色素，也是小麥在光合作用階段的主要色素。其可以將來自太陽輻射的光能轉化為生物體內的化學能，使植物能夠不斷的合成和積累有機物質，光合作用越強，植物積累的有機物質就越多。葉綠素含量與植物的氮素含量也有著緊密的關系[28]，在一定程度上能夠用來掌握小麥的氮素缺乏狀況[29]，從而指導科學施肥，達到提高小麥產量和品質的目的。葉綠素也是作物生理狀態(tài)的指示器，是作物與外界發(fā)生物質能量交換的重要條件。因此，葉綠素含量直接影響到作物光合作用的效率和有機物質的積累，進而影響到作物產量。葉綠素含量作為植被發(fā)育階段光合作用能力與氮素虧缺的指示器[30]，對物質積累能力具有重要的影響，通過檢測葉綠素含量的變化能夠獲取植物光合作用能力、營養(yǎng)和環(huán)境脅迫、凈生產力及生長發(fā)育情況等重要信息[31]?？梢姡皶r、準確地監(jiān)測小麥葉綠素含量有利于小麥苗情監(jiān)測、生產管理和產量估計。因而，葉綠素含量是小麥生長發(fā)育階段十分重要的監(jiān)測指標。

影響葉綠素含量的因素有很多，像酸雨、磷水平、氮含量、水分脅迫及病害等。近年來，酸雨程度加重，酸雨中的SO2對葉綠素的含量有著很大的影響，特別是對葉綠素b含量的影響。按不同的磷水平處理不同磷效率的小麥也會影響到葉綠素的含量[32]，而在追施氮肥的情況下，小麥葉綠素含量有明顯的提高[33]。也有研究表明，水分脅迫對小麥葉綠素含量具有一定影響，在條銹病的影響下小麥葉綠素含量具有不穩(wěn)定性[34]。

測定葉綠素含量的方法一般有分光光度計法和活體葉綠素儀法兩種[35]。其中，應用最廣泛的是分光光度計法，在失水情況下，此方法一樣適用于小麥葉片葉綠素含量的測量[36]。在測量方法比較成熟的基礎下，快捷智能的監(jiān)測手段也孕育而出，利用數(shù)字圖像處理技術基于各種顏色特征檢測葉綠素含量，與傳統(tǒng)方法相比有較高準確率[37]。由于葉綠素含量和葉片光譜特性兩者之間存在著較強的相關性[38]，通過Offner田野成像光譜儀并運用高光譜成像技術對葉綠素進行無損檢測[39]，有利于建立高精度的估算模型。實驗研究表明：基于多角度觀測的新型植被指數(shù) HD-TCARI能夠減小葉面積指數(shù)對葉綠素估算的影響[40]，而通過高光譜指數(shù)REP建立的模型也可以提高葉綠素含量估測的準確度[41]。對于復雜背景下小麥疊加葉片的識別，可以利用光譜參數(shù)TCARI實現(xiàn)，因為參數(shù)TCARI不僅對單層葉片有較好的預測能力，對不同疊加層數(shù)的葉片也有很好的估測能力，可以利用其對小麥葉綠素含量進行光譜反演[42]。近年來，基于葉綠素熒光原理，通過LED輻照檢測葉綠素含量的手段孕育而出，實現(xiàn)了實時監(jiān)測的目的[43]。

1.4氮含量

氮含量是對小麥生長發(fā)育、產量及品質形成影響最為顯著的元素，是反映小麥營養(yǎng)狀況的重要指標。適量增施氮肥可以促進小麥開花，并使光合產物從營養(yǎng)器官運輸?shù)阶蚜Ｖ腥?，從而提高粒重增加產量。增施氮肥則對小麥的營養(yǎng)品質和加工品質具有調控作用，但過量施用氮素會給小麥帶來負面影響，并且導致環(huán)境污染。因此，實時監(jiān)測小麥的氮素狀況，對于指導小麥氮素營養(yǎng)的精確診斷及科學的管理決策具有十分重要的意義，同時也實現(xiàn)了對小麥產量和品質的預測。

一般的小麥氮素監(jiān)測方法主要通過田間取樣與室內分析測試，得到的結果比較精確；但是效率低下，無法滿足實時、快速、無損的氮素診斷要求[44-45]。因此，筆者總結了一些能夠快速準確高效獲取田間氮素營養(yǎng)信息的技術：如根據(jù)小麥全氮含量與葉片SPAD值之間的關系，有利于提高小麥氮含量的估算效率[46]；基于多光譜圖像技術，調整葉片近紅外灰度值，可實現(xiàn)氮含量的快速估測[47]。由于不同葉位間小麥葉片氮含量的分布有所不同，并且施氮水平增加，氮含量也相應增加，生育期延長，氮含量降低[48]，通過葉位差的關系建立小麥植株氮含量的熒光估算模型，更好地用于評估不同情況的小麥氮含量的變化[49]。近年來，遙感技術在作物生長監(jiān)測和營養(yǎng)診斷中表現(xiàn)出良好的應用前景[50-52]，為小麥氮含量的實時精準監(jiān)測提供新的方法和手段。在單波段610、660、680 nm處，小麥的葉片氮含量與其冠層光譜反射率均呈現(xiàn)較高的相關性，通過統(tǒng)一的波段和光譜指數(shù)可以監(jiān)測葉片的氮含量[53]，也可加入新高光譜指數(shù)—微分歸一化氮指數(shù)(FD-NDNI)作為小麥冠層氮含量估測的優(yōu)選指數(shù)[54]。對于在不同的小麥品種、生育時期和施氮水平等情況下，要確定小麥冠層反射光譜與葉片氮含量的定量關系，可構建植被指數(shù)和氮含量的監(jiān)測模型，并通過精細采樣法確定最佳波段，提高模型的精確度和可靠性[55]。當然，在缺氮的情況下，通過建立小麥變量施肥模型，考慮到大氣、地力和作物長勢等因素，能夠實現(xiàn)小田的變量施氮，對推進精準農業(yè)的發(fā)展具有一定的意義[56]。

2不同災害環(huán)境下的苗情監(jiān)測與應對措施

近年來，由于各種自然災害的頻發(fā)使小麥很難安全度過苗期，最終導致小麥減產。因此，及時了解不同災害環(huán)境下小麥的苗情狀況以及找到科學的應對措施極為重要。下面將以干旱和凍害對小麥苗情的影響為例，探討小麥如何避禍免災。

2.1干旱環(huán)境

干旱有不同的類型，大致分為氣象干旱、水文干旱、農業(yè)干旱和社會經濟干旱4大類；而本文的干旱環(huán)境主要指農業(yè)干旱，即在農作物生長發(fā)育過程中，大氣降水少、土壤水分缺乏，作物不能得到適宜的灌溉，導致吸收的水分不能滿足農作物的正常生理需求，最終造成減產[57]。冬小麥生長發(fā)育階段對光照、溫度、水分依賴性極強，而干旱造成冬小麥生長發(fā)育期需水量的供給不足，影響幼苗的生長發(fā)育，進而影響到產量，因此干旱也是苗情診斷的重要因素。

為預防和減輕旱災對冬小麥的影響，應及時開展針對冬小麥旱災發(fā)生時空分布規(guī)律的監(jiān)測、旱災風險分析和應對干旱的對策研究。傳統(tǒng)的監(jiān)測方法步驟繁雜，無法達到及時預警的效果，因此可以通過數(shù)字圖像處理技術定量估算干旱對小麥群體的影響程度，實現(xiàn)智能監(jiān)測手段，也可依靠光譜成像技術反映小麥在干旱脅迫下的長勢狀況[58]，通過參考《小麥干旱災害等級》(氣象行業(yè)標準)，評價水分虧缺率對冬小麥造成的損失[59]。由于小麥干旱具有地域性，所以在綜合防御小麥干旱的問題上，應分區(qū)、分時討論各個地區(qū)適宜的風險防范措施[60]。 為了增強小麥的抗旱能力，可運用深耕、秸稈覆蓋、秸稈翻壓還田、藥劑拌種、有限灌溉、噴施防旱劑和小麥干熱風制劑等技術，保障小麥穩(wěn)產[61]。

2.2凍害環(huán)境

在小麥的生產過程中，凍害是最常見的災害，美國[62]、俄羅斯[63]和加拿大[64]等國均經歷了嚴重的凍害，導致小麥產量遭受巨大的損失。小麥凍害主要分為冬季凍害、早春凍害和低溫凍害。由于我國小麥品種以春性、半春性為主，容易受到低溫凍害的困擾，在播期不好的情況下，會造成更大程度的減產甚至絕收[65]。因此，要做好防凍抗凍的準備，及時監(jiān)測小麥凍害并提出應對方案對小麥穩(wěn)產增收具有重大意義。

凍害的發(fā)生取決于降溫幅度、低溫到達的早晚及低溫持續(xù)的時間，主要受到溫度、品種抗性、土壤質地、土壤墑情和栽培管理方式的影響[66]。為了避免凍害對小麥產量的影響，通過結合氣象資料，利用 NOAA 數(shù)據(jù)的植被指數(shù)對山東省冬小麥晚春凍害[67]和河南地區(qū)的冬小麥凍害[68]進行了遙感監(jiān)測研究。然而，由于遙感數(shù)據(jù)空間分辨率較低的局限性，導致實際監(jiān)測效果不佳，急需研究出能夠快速、無損診斷小麥低溫脅迫的方法。

為防止小麥凍害的發(fā)生，應做好預防工作以及災后管理工作[69]。首先選擇適宜當?shù)貧夂虻目箖瞿蛢銎贩N，科學確定播期，然后采取合理的耕作方式，提高播種質量。生長期間要適時澆好越冬水，中耕除草保持土壤疏松，及時施肥追肥；后期追施氮肥促進小分蘗生長，為防止麥苗早衰，加強田間肥水管理。

3總結與展望

小麥的重要性要求我們必須注重壯苗的培育，不同學者對小麥壯苗提出了不同的見解，筆者認為壯苗的標準較為具體，但是缺乏一種體系。因為影響壯苗的因素有很多，如小麥品種、積溫、播種密度和深度等，不同的因素導致壯苗的標準有所差異。目前，用于推廣的小麥品種不是很多，可以針對這些品種基于不同積溫和不同播種條件構建一個體系，方便人們辨識壯苗與弱苗，找到及時的應對措施。另外，大多數(shù)學者判斷壯苗主要依靠人力，在智能化識別的研究上少有文章，所以可以考慮通過智能化識別來判斷壯苗，如通過圖像處理技術或高光譜技術等，以節(jié)省人力物力，達到高效識別的目的。

本文主要綜述了對葉面積指數(shù)、生物量、葉綠素含量和氮含量等指標的監(jiān)測來反映小麥苗情的狀況，有許多的實用方法，但也存在改進的地方。在進行葉面積指數(shù)監(jiān)測方面，有精度很高的傳統(tǒng)監(jiān)測方法，還有利用圖像處理技術和遙感技術監(jiān)測的快捷方法；但對于監(jiān)測后如何調控葉面積指數(shù)并獲得良好苗情方面暫無相關研究，希望能給學者提供一個研究方向。生物量與葉綠素含量的影響因素有很多，雖已有很多精確快捷的監(jiān)測方法，但要找到具體的影響因子都較為困難，若出現(xiàn)問題也是無從下手，這使生物量與葉綠素含量在監(jiān)測小麥苗情上更為艱難。因此，對于兩者的研究應更為細致，應把得到的結果與影響它的因素準確對位，實現(xiàn)科學精確提高小麥生物量和保持較好葉綠素含量提高光合能力。對于含氮量的監(jiān)測應及時準確，做到提前預測，可通過增施氮肥彌補氮含量的狀況；但施肥不能過量，以免造成負面影響以及環(huán)境污染。

防災減災對小麥尤為重要，本文以干旱和凍害兩個重點災害環(huán)境為例，闡述了一般情況下的防災減災工作。干旱脅迫主要導致小麥因缺水而無法正常生長發(fā)育，應提前做好預防干旱的栽培措施，通過及時的監(jiān)測了解干旱程度，適宜灌溉減小損失。為防止凍害的影響，應確保小麥播期適宜，過冬時搞好田間管理，后期適量追肥。

文章對診斷小麥苗情狀況進行綜述，結合各種影響小麥苗情的因素，實現(xiàn)監(jiān)測與應對措施為一體的全方位體系理論，對小麥穩(wěn)產增收具有一定的參考價值。在一些關鍵指標的監(jiān)測上，已有很好的監(jiān)測方法，但還存在瑕疵，希望文中提到的問題對以后的研究有所幫助，加快改進并完善小麥苗情診斷的大體系。

參考文獻：

[1]張錦熙，劉錫山，諸德輝，等.小麥“葉齡指標促控法”的研究[J].中國農業(yè)科學, 1981(2): 1-13.

[2]杜建偉.小麥冬前管理與壯苗培育技術[J].現(xiàn)代農業(yè)科技, 2010(17): 99.

[3]王希群，馬履一，賈忠奎，等.葉面積指數(shù)的研究和應用進展[J].生態(tài)學雜志, 2005, 24(5): 537-541.

[4]陳雪洋，蒙繼華，朱建軍，等.冬小麥葉面積指數(shù)的高光譜估算模型研究[J].測繪科學, 2012, 37(5): 141-144.

[5]趙聰慧，張淑娟，王鳳花，等.春大豆葉面積指數(shù)與產量的空間變異性及相關分析[J].農機化研究, 2010, 32(9): 162-165.

[6]Breda N J J.Ground-based measurements of leaf area index: a review of methods, instruments and current controversies[J].Journal of Experimental Botany, 2003, 54(392): 2403-2417.

[7]孫曉，譚炳香.基于CASI高光譜遙感數(shù)據(jù)的森林葉面積指數(shù)反演[J].廣東農業(yè)科學, 2012, 39(14): 189-193.

[8]劉镕源，王紀華，楊貴軍，等.冬小麥葉面積指數(shù)地面測量方法的比較[J].農業(yè)工程學報, 2011, 27(3): 220-224.

[9]王桂琴，鄭麗敏，朱虹，等.圖像處理技術在冬小麥葉面積指數(shù)測定中的應用[J].麥類作物學報, 2004(4): 108-112.

[10]李明，張長利，房俊龍.基于圖像處理技術的小麥葉面積指數(shù)的提取[J].農業(yè)工程學報, 2010(1): 205-209.

[11]王磊，馬英杰，趙經華，等.基于圖像上冠層體積的葉面積指數(shù)測算方法[J].農機化研究, 2013, 35(12): 70-73.

[12]劉鐵梅，曹衛(wèi)星，羅衛(wèi)紅，等.小麥葉面積指數(shù)的模擬模型研究[J].麥類作物學報, 2001(2): 38-41.

[13]曹宏鑫，董玉紅，王旭清，等.不同產量水平小麥最適葉面積指數(shù)動態(tài)模擬模型研究[J].麥類作物學報, 2006, 26(3): 128-131.

[14]Darvishzadeh R, Atzberger C, Skidmore A K, et al.Leaf Area Index derivation from hyperspectral vegetation indices and the red edge position[J].International Journal of Remote Sensing, 2009, 30(23): 6199-6218.

[15]Zhao D, Yang T, An S.Effects of crop residue cover resulting from tillage practices on LAI estimation of wheat canopies using remote sensing[J].International Journal of Applied Earth Observation and Geoinformation, 2012, 14(1): 169-177.

[16]李子揚，錢永剛，申慶豐，等.基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演[J].紅外與激光工程, 2014, 43(3): 944-949.

[17]梁亮，楊敏華，臧卓.利用可見/近紅外光譜測定小麥葉面積指數(shù)的改進研究[J].激光與紅外, 2010(11): 1205-1210.

[18]潘大偉，周春燕，杜立宇，等.施用有機肥對小麥吸鉀量及生物量的影響[J].沈陽農業(yè)大學學報, 2005(1): 49-52.

[19]沈玉芳，李世清，邵明安.水肥空間組合對冬小麥生物學性狀及生物量的影響[J].中國農業(yè)科學, 2007(8): 1822-1829.

[20]張慧娜，王志強，林同保.不同水分條件下追施氮肥對小麥生物量及氮素利用的影響[J].麥類作物學報, 2010(6): 1104-1109.

[21]陳振江，李芳東，王保平，等.平原區(qū)農田林網(wǎng)內光量分布及對小麥生物量的影響[J].山東農業(yè)科學, 2012, 44(10): 40-43.

[22]謝影，魯先文，卜利波.重金屬Pb、Cr對小麥種子萌發(fā)和幼苗生物量的影響[J].天津農業(yè)科學, 2009, 15(1): 22-24.

[23]劉玉潔，陶福祿.氣候變化對小麥生物量影響的概率預測和不確定性分析[J].地理學報, 2012(3): 337-345.

[24]鄭玲，朱大洲，王成，等.基于LabVIEW的小麥生物量檢測系統(tǒng)[J].農業(yè)機械學報, 2013(9): 214-218.

[25]單成鋼，廖樹華，龔宇，等.應用數(shù)字圖像技術估測冬小麥冠層生物量垂直分布特征的研究[J].作物學報, 2007, 33(3): 419-424.

[26]王大成，王紀華，靳寧，等.用神經網(wǎng)絡和高光譜植被指數(shù)估算小麥生物量[Z].北京: 2008：196-201.

[27]陳鵬飛，Nicolas Tremblay，王紀華，等.估測作物冠層生物量的新植被指數(shù)的研究[J].光譜學與光譜分析, 2010(2): 512-517.

[28]Daughtry C S T, Walthall C L, Kim M S, et al.Estimating Corn Leaf Chlorophyll Concentration from Leaf and Canopy Reflectance[J].Remote Sensing of Environment, 2000, 74(2): 229-239.

[29]Gitelson A A, Gritz Y, Merzlyak M N. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves[J].J Plant Physiol, 2003, 160(3): 271-282.

[30]Markwell J, Osterman J C, Mitchell J L.Calibration of the Minolta SPAD-502 leaf chlorophyll meter[J].Photosynth Res, 1995, 46(3): 467-472.

[31]Datt B.Visible/near infrared reflectance and chlorophyll content in Eucalyptus leaves[J].International Journal of Remote Sensing, 1999, 20(14): 2741-2759.

[32]王菲，曹翠玲.磷水平對不同磷效率小麥葉綠素熒光參數(shù)的影響[J].植物營養(yǎng)與肥料學報, 2010(3): 758-762.

[33]楊靖東，石小東，關雅楠，等.栽培措施對小麥葉綠素含量及光合速率的影響[J].安徽農業(yè)大學學報, 2013(4): 580-584.

[34]江道輝，李章成，周清波，等.條銹病影響下冬小麥葉綠素含量的高光譜估計[J].中國農學通報, 2007, 23(1): 376-380.

[35]蘇正淑，張憲政.幾種測定植物葉綠素含量的方法比較[J]. 植物生理學通訊, 1989(5): 77-78.

[36]崔勤，李新麗，翟淑芝.小麥葉片葉綠素含量測定的分光光度計法[J].安徽農業(yè)科學, 2006(10): 2063.

[37]孫文輝，馬明建.基于數(shù)字圖像處理技術的葉綠素含量檢測系統(tǒng)[J].農機化研究, 2012，33(2)：160-163.

[38]Madeira A C, Mendona A, Ferreira M E, et al.Relationship between spectroradionetric and chlorophyll measurements in green beans[J].Communications in soil science and plant analysis, 2000, 31(5/6): 631-643.

[39]王劼.田野成像光譜儀中小麥葉綠素含量模型研究[D].合肥：中國科學技術大學, 2011.

[40]廖欽洪，張東彥，王紀華，等.基于多角度成像數(shù)據(jù)的新型植被指數(shù)構建與葉綠素含量估算[J].光譜學與光譜分析, 2014, 34(6): 1599-1604.

[41]梁亮，楊敏華，張連蓬，等.基于SVR算法的小麥冠層葉綠素含量高光譜反演[J].農業(yè)工程學報, 2012, 28(20): 162-171.

[42]鞠昌華，田永超，朱艷，等.小麥疊加葉片的葉綠素含量光譜反演研究[J].麥類作物學報, 2008(6): 1068-1074.

[43]劉源，紀建偉. 一種葉綠素實時檢測的新方法[J].農機化研究, 2011, 33(12): 143-146.

[44]Roth G W. Plant Tissue Tests for Predicting Nitrogen Fertilizer Requirements of Winter Wheat[J].Agronomy Journal, 1989, 81(3): 502.

[45]Li J, Dong Z, Zhu J.Present application and outlook for method of nitrogen nutrition diagnosis[J].Journal of Shihezi University (Natural Science), 2003, 7(1): 80-83.

[46]朱新開，盛海君，顧晶，等.應用SPAD值預測小麥葉片葉綠素和氮含量的初步研究[J].麥類作物學報, 2005(2): 46-50.

[47]郭威，張彥娥，朱景福，等.玉米冠層葉片氮素營養(yǎng)估測研究[J].農機化研究, 2011,33(10): 31-34.

[48]秦曉東，戴廷波，荊奇，等.冬小麥葉片氮含量時空分布及其與植株氮營養(yǎng)狀況的關系[J].作物學報, 2006, 32(11): 1717-1722.

[49]馮偉，李曉，王永華，等.小麥葉綠素熒光參數(shù)葉位差異及其與植株氮含量的關系[J].作物學報, 2012(4): 657-664.

[50]Filella I, Serrano L, Serra J, et al.Evaluating Wheat Nitrogen Status with Canopy Reflectance Indices and Discriminant Analysis[J].Crop Science, 1995, 35(5): 1400.

[51]Thenkabail P S, Smith R B, De Pauw E.Hyperspectral Vegetation Indices and Their Relationships with Agricultural Crop Characteristics[J].Remote Sensing of Environment, 2000, 71(2): 158-182.

[52]Jensen A, Lorenzen B, ?stergaard H S, et al.Radiometric estimation of biomass and nitrogen content of barley grown at different nitrogen levels[J].International Journal of Remote Sensing, 1990, 11(10): 1809-1820.

[53]朱艷，李映雪，周冬琴，等.稻麥葉片氮含量與冠層反射光譜的定量關系[J].生態(tài)學報, 2006, 26(10): 3463-3469.

[54]梁亮，楊敏華，鄧凱東，等.一種估測小麥冠層氮含量的新高光譜指數(shù)[J].生態(tài)學報, 2011(21): 6594-6605.

[55]姚霞，朱艷，田永超，等.小麥葉層氮含量估測的最佳高光譜參數(shù)研究[J].中國農業(yè)科學, 2009, 42(8): 2716-2725.

[56]馬新明，張娟娟，席磊，等.基于葉面積指數(shù)(LAI)的小麥變量施氮模型研究[J].農業(yè)工程學報, 2008(2): 22-26.

[57]張俊，陳桂亞，楊文發(fā).國內外干旱研究進展綜述[J].人民長江, 2011, 42(10): 65-69.

[58]李艷梅，李廣.圖像分割技術在小麥干旱監(jiān)測系統(tǒng)中的應用[J].自動化與儀器儀表, 2012(6): 117-119.

[59]成兆金.氣象行業(yè)標準《小麥干旱災害等級》在莒縣實際生產中的訂正應用[J].干旱地區(qū)農業(yè)研究, 2014(2): 7-13, 39.

[60]申海風.冬小麥干旱風險分時分區(qū)研究——以河北省邢臺市為例[D].石家莊：河北師范大學, 2014.

[61]鄒俊麗，王升國，崔兆韻，等.小麥干旱綜合防御技術應用效果分析[J].山東氣象, 2010, 30(4): 18-20.

[62]Skinner D Z, Mackey B.Freezing tolerance of winter wheat plants frozen in saturated soil[J].Field Crops Research, 2009, 113(3): 335-341.

[63]Kolesnichenko A V, Pobezhimova T P, Grabelnych O I, et al.Difference between the temperature of non-hardened and hardened winter wheat seedling shoots during cold stress[J].Journal of Thermal Biology, 2003, 28(3): 235-244.

[64]Nemeth L J, Paulley F G, Preston K R.Effects of ingredients and processing conditions on the frozen dough bread quality of a Canada Western Red Spring wheat flour during prolonged storage[J].Food Research International, 1996, 29(7): 609-616.

[65]Bjarko M E, Line R F.Heritability and number of genes controlling leaf rust resistance in four cultivars of wheat[J].Phytopathology, 1988, 78: 457-461.

[66]趙敬領，梁大保，任德超，等.小麥凍害的發(fā)生規(guī)律及防御與補救措施[J].農業(yè)災害研究, 2012, 2(6): 15-17.

[67]楊邦杰，王茂新，裴志遠.冬小麥凍害遙感監(jiān)測[J].農業(yè)工程學報, 2002(2): 136-140.

[68]張雪芬，陳懷亮，鄭有飛，等.冬小麥凍害遙感監(jiān)測應用研究[J].南京氣象學院學報, 2006(1): 94-100.

[69]翟冷楚，梁建娥.小麥凍害成因分析及預防措施[J].農業(yè)技術與裝備, 2014(8): 56-58.

Abstract ID:1003-188X(2016)01-0006-EA

Research Progress of Diagnostic Indicator and Monitoring Method in Wheat Seedlings

Wu Wei,Liu Tao, Chen Yingying, Sun Chengming, Chen Wen, Yang Bingzhen

(Jiangsu Key Laboratory of Crop Genetics and Physiology/Co-Innovation Center for Modern Production Technology of Grain Crops, Yangzhou University, Yangzhou 225009, China)

Abstract：Wheat is one of the main food crops in China.It is important for stable income to inform the wheat seedling stage growth state in time. This paper summarized the diagnostic monitoring progress of different indexes by summarizing the leaf area index, biomass, chlorophyll and nitrogen content which related with seedlings’ indicators. And we described the growth state of wheat under the influence of the different natural disasters environment, like drought and cold. The above results could provide the basis for quick accurate diagnosis in wheat seedlings.

Key words：wheat seedling; diagnostic indicator; disaster; monitor; progress

文章編號：1003-188X(2016)01-0006-06

中圖分類號：S512；S126

文獻標識碼：A

作者簡介：武威(1992-)，男，江蘇徐州人，碩士研究生，(E-mail) 435208450@qq.com。通訊作者：孫成明(1973-)，男，江蘇宿遷人，副教授，碩士生導師，(E-mail) cmsun@yzu.edu.cn。

基金項目：江蘇高校優(yōu)勢學科建設工程資助項目(2014-2017)；國家自然科學基金項目(41271415)

收稿日期：2015-03-04