欢迎您来到博普特科技官方网站!

土壤仪器电话

010-82794912

品质至上,客户至上,您的满意就是我们的目标

技术文章

当前位置:  首页 > 技术文章

Plant Phenomics | 利用无人机量化玉米-大豆间作系统的累积遮阳能力

发表时间:2024-01-11 13:01:12点击:211

来源:植物表型组学

分享:

1704949161410475.png

1704949171625200.png

在间作系统中,较高的作物会阻挡直接辐射,从而不可避免地对较低的作物造成遮蔽。累积遮阳能力(CSC)是指在一个生长时期,被较高作物遮挡的直接辐射量,影响了作物的光截留和辐射利用效率。以往的研究对间作的光截留和分配进行了研究,然而,如何直接量化CSC及其行间异质性尚不清楚。

2023年11月,Plant Phenomics 在线发表了中国农业大学等单位题为Quantification of the cumulative shading capacity in a maize-soybean intercropping system using unmanned aerial vehicle 的研究论文。

该研究直接定量分析了玉米-大豆间作系统(图1)中大豆CSC及其行间异质性,并探讨了CSC与大豆冠层高度的定量关系。该研究建立了考虑冠层结构(即相邻玉米和大豆冠层之间冠层高度差异)与太阳位置几何关系的定量遮阳能力模型(SCM):首先根据大豆带与相邻玉米带冠层高度差和太阳光线的几何关系估算遮阳距离,然后估算大豆冠层上的每日累积遮阳时间,最后测定遮阳比例和遮阳能能力,具体流程如图2所示。同时,量化了CSC的行间异质性以及CSC与冠层高度增量之间的定量关系,可以描述为对数函数(y = 3.61×10-2×ln(x)+6.80×10-1, 如图3所示)。并评估模型输入参数对遮阳能力的影响,结果表明:在其他因素不变的情况下,高纬度地区的遮阳效果好,种植方向为90~120°时遮阳效果最差。

1704949189621261.png

图1(a) 玉米-大豆间作系统田间试验布局;(b)条带的种植配置;(c) 从一行到相邻的南边玉米带的距离。

1704949206864836.png

图2 开发的遮阳能力模型示意图。(a) 计算某一时刻遮阳距离的;(b) 根据遮阳距离的动态曲线计算日累计遮阳时间;(c) 根据太阳强度随遮阳时间的关系模拟遮阳比例和遮阳能力。

1704949218537696.png

图3 大豆第41天和第64天的遮阳累积能力与冠层高度增量的关系。注释(P,RSE,AIC)作为衡量定量关系性能的指标。误差棒表示三次重复的标准差。虚线表示单粒大豆在营养生长阶段的株高增量。

本研究主要价值是,开发了一种遮阳能力模型,可以定量估计间作系统的累积遮阳能力及其行间异质性。该模型可以通过调整种植配置、种植方向和品种选择来优化间作种植模式。遮阳能力模型只需要测量输入参数(即冠层高度差),利用低成本无人机系统可以有效获取。遮阳能力模型与作物模型或遥感数据相结合,可在未来更大的空间尺度上探讨遮阳对间作作物生长、光竞争和小气候的影响。


论文链接:

https://doi.org/10.34133/plantphenomics.0095

——推荐阅读——

Quantifying Contributions of Different Factors to Canopy Photosynthesis in Two Maize varieties: Development of a Novel 3D Canopy Modeling Pipeline

https://doi/10.34133/plantphenomics.0075

Plant Phenomics | 玉米品种间冠层光合效率差异的多因素贡献率解析:一种新的三维冠层建模流程

Application of UAV Multisensor Data and Ensemble Approach for High-Throughput Estimation of Maize Phenotyping Traits

https://doi.org/10.34133/2022/9802585

Plant Phenomics | 基于无人机多传感器和集成学习的玉米表型高通量估算

加入作者交流群

扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。

1704949251605152.png

添加小编微信,备注姓名+单位+PP,加入作者交流群

About Plant Phenomics

《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2021影响因子为6.5,位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目。

说明:本文由《植物表型组学》编辑部负责组稿。

中文内容仅供参考,一切内容以英文原版为准。

撰稿:孙浩(南京农业大学)

排版:张婕(上海交通大学)

审核:孔敏、王平

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报